可靠性增长：一条被过度美化的曲线，和它底下的鸡飞狗跳
凌晨两点，试验室的振动台又报警了。老周把脸从泡面碗里抬起来，骂了一句，然后去翻故障记录本。那本子已经被油手摸得发亮，上面记着：又一轮可靠性增长试验，十七次停机。累计试验时间刚过800小时，故障数比头一轮还多两个。
他给我发微信：这增长曲线是不是在逗我？我回：你先看看，那些故障是不是同一个模式。过了十分钟，他回：不是。有连接器松的，有电容鼓包的，还有一个是软件看门狗复位。我说，那就对了。你这不是增长失败，你是在排队拆雷。
很多人对“可靠性增长”这四个字有误解。以为它是一条平滑下降的曲线，像体重秤上的数字，只要坚持就能掉。不是。它更像修车铺里的试错账本，每一页都写着“又发现一个坑”。
那条曲线到底在增长什么
先把这个词拆开。可靠性增长，英文叫reliability growth，说的是产品在研制阶段，通过试验暴露出薄弱环节，然后采取纠正措施，把故障模式干掉，再继续试验，让可靠性一步步往上走。注意，增长的不是产品本身，是设计和工艺。产品不会自己变好，是你把它改好了。
举个例子。某款车载控制器，做温度循环试验，-40℃到85℃，循环两百次。跑到第60次，CAN通信丢帧。拆开一看，某个BGA焊点开裂。分析原因：焊盘设计太小，热应力集中。改焊盘尺寸，改回流焊曲线。下一批样机再做，跑到200次没出问题。这个动作，就是一次可靠性增长。曲线往下走了一格，背后是焊盘和炉温曲线被改了。
所以增长的本质是两件事：暴露故障和永久消除故障。缺一个都不算。你光做试验不改进，那叫可靠性摸底，不叫增长。你光改设计不做试验验证，那叫盲改，也不叫增长。
可靠性增长试验故障报告分析纠正措施FRACAS流程图
为什么实际曲线像锯齿，不像滑梯
理论上，Duane模型告诉我们，累积故障率跟累积试验时间在双对数坐标下是一条直线。AMSAA模型更细一点，把增长过程看成非齐次泊松过程。公式挺漂亮，汇报时画出来也好看。但你要是真去翻试验室的原始记录，会发现数据长得像狗啃的。
一个原因：改进措施有延迟。你今天发现一个故障，分析要两周，改图纸要一周，新样机投产要一个月。这期间试验不能停，旧样机还在跑，故障还在出。数据里混着没改的状态和已经改的状态，曲线当然乱。
另一个原因：失效模式会轮换。你把一个高发故障干掉了，下一个低频故障就冒头。就像打地鼠。有时候，试验应力加大，反而暴露出更多问题，故障率短期上升。这不是倒退。这是你把遮羞布扯掉了。
再一个原因：批次差异。同一个设计，不同批次的物料，可靠性可能差一截。我就见过一个产品，增长试验做了三轮，曲线死活不降。后来查出来，某批连接器的镀金层厚度少了0.2微米。换供应商，曲线才下来。你说这是设计问题还是工艺问题？都有。
可靠性增长Duane模型双对数坐标拟合曲线图
模型是给汇报用的，现场是给膝盖用的
模型是给汇报用的，现场是给膝盖用的
我不否认模型的价值。评估增长趋势、预测什么时候能达到目标MTBF（平均故障间隔时间），Duane和AMSAA都是好工具。但模型有几个假设，现场经常不满足。比如假设改进措施立即生效，假设失效相互独立，假设试验剖面不变。现实里，改一个地方可能引入新失效；试验中途可能换操作员；环境应力也可能波动。
有个项目，乙方用AMSAA模型拟合了一条漂亮的增长曲线，预测再试500小时就能达标。甲方很高兴。结果又试了800小时，故障数没降。为什么？因为乙方把一次软件复位故障归到了“非关联故障”，剔除了。剔除之后数据当然好看。但这种剔除，在增长试验里要特别小心。你得有根有据，不能为了让曲线好看就踢数据。
所以我看可靠性增长报告，先不看曲线，看三样东西：故障清单、根本原因分析、纠正措施验证记录。清单里每个故障有没有闭环？根本原因是不是到底了？改完之后有没有在同样的应力下复测？这三样齐了，曲线才有意义。否则就是画图。
增长有天花板，别把它当永动机
增长有天花板，别把它当永动机
可靠性增长不是无限的。到了一定程度，投入产出比会急剧下降。你改一个焊点能降一半故障，再改十个地方可能只降百分之五。这叫增长极限。受限于物理原理、材料特性、成本。比如某个轴承，寿命就那样了，你再优化装配，也只能到某个水平。
还有，增长试验本身有风险。试验时间越长，样本越少，统计置信度越低。而且增长过程中改的设计，可能引入新的失效模式。所以增长管理很重要。要规划增长目标、试验剖面、资源投入、节点评审。不是闷头做试验就完事。
另外，FRACAS（故障报告、分析、纠正措施系统）是可靠性增长的骨架。没有这个系统，故障信息散落在各个工程师的笔记本里，改进措施没法追踪，增长就是一句空话。我见过不少团队，试验做得挺热闹，但故障归零报告写得像流水账，根本原因写“元器件失效”，纠正措施写“更换元器件”。这种增长，等于没增长。
说回老周
说回老周
老周那个项目，后来查出来，连接器松是因为锁扣结构在振动下会微动磨损。电容鼓包是选型时耐压余量不够。软件看门狗复位是中断优先级配置错了。三个问题，分别改了锁扣材料、换了电容规格、改了软件。后来那轮试验，800小时只出了两个故障，而且都是外购电源模块的批次问题。曲线终于下来了。
他请我吃鸭血粉丝，说：原来可靠性增长不是让曲线好看，是让样机变结实。我说，你总算说了一句人话。
所以别迷信那条曲线。它背后是拆开的样机、改过的图纸、吵过的架、加过的班。可靠性增长这东西，干的是笨活，靠的是闭环。你要是只盯着双对数坐标纸，那还不如去修车铺看师傅怎么拧螺丝。
对了，还有一句。别拿可靠性增长试验当可靠性鉴定试验用。前者是找问题改设计，后者是验证有没有达到规定值。两码事。混着做，容易自己骗自己。