跳转到内容

加速壽命測試

维基百科,自由的百科全书

加速壽命測試(Accelerated life testing)是指為了在短時間內發現潛在失效模式或是故障,在非正常的條件(例如應力應變、溫度、電壓、振動率、壓強等)進行的測試[1][2]。工程師分析產品在這些測試下的結果,可以預測產品的壽命以及多久需要進行一次保養[3][4]

針對聚合物的測試,可以提昇溫度來縮短測試需要的時間。聚合物的許多機械特性(例如潛變、應力關係以及拉伸特性)和時間和溫度之間的關係滿足阿瑞尼斯方程式。在高溫下以較短的時間進行測試後,將以此資料外推,預測聚合物在室溫下的特性,避免在室溫下進行長時間(也較昂貴)的測試。

目的

加速壽命測試主要目的是縮短壽命測試的時間,常用在以下的情形:

  • 低失效率:在正常條件下,就算用大量的樣品,以很長的時間進行測試,可能只有少數樣品失效,甚至沒有失效。
  • 高壽命:產品的壽命比正常條件下可以進行的測試時間會長很多。.
  • 產品的失效主要是在較長時間之後才出現[5]

例如,一般條件下要測試幾年的電路可靠度測試,會需要在相當短的時間內完成。若測試是要評估電路多久要進行更換,那也適用於低失效的情形。若電路的失效是因為在正常使用下漸進的出現,而不是極端條件使用下出現(例如條件的突然變化),那也符合高壽命的條件。若產品失效的主因是因為突然的變化,比較適合用高加速壽命測試(HALT)來測試。

規劃測試

測試的規劃包括考慮哪些因素會影響測試目標,測試目標的哪些行為是已知的,希望從測試中獲得什麼資訊。

測試條件

所有影響測試目標的因素都需考慮進來,而且需要在各因素的不同層次上進行測試。應力水準越高,越會加速測試,但不能高到會改變失效原因或是改變其他可以量測到的反應。例如,讓電路加熱到元件材料的熔點會改變電路失效的方式。增加測試次數或是每次測試時的測試目標數量,可以增加在運作條件下預估測試目標行為的準確度。

選擇模型

模型是可以準確敘述測試目標的性能以及應力程度關係的方程式。這模型可以稱為是加速模型(acceleration model),其中的常數稱為加速因子(acceleration factors)[6]。加速模型會和測試的材料種類或是元件種類有關。在高溫失效常用的加速模型是阿伦尼乌斯方程,溫度和濕度的失效是使用艾林方程英语Eyring equation,溫度循環則會用Blattau模型。

有時事先已知道要使用什麼模型,只需識別模型中的參數,此情形下,仍要確保使用的模型有經過良好的驗證。在一定範圍的應力因子下,要讓加速模型的外插法結果,和觀察到的結果之間一致[7]

若無法事先知道適合的模型,或是有數個可用的模型可以選擇,測試時也需要依測試的內容及結果來評估哪一個模型最適合。有時二個模型在高應力的情形下結果相近,但在低應力時卻有數個量級的差異[8]。此問題可以用更大範圍的應力來處理,不過不能造成失效原因的變化。有一種可以在實驗前進行,用來讓這種差異最小化的作法是從測試估計期望獲得的資料,找到一個符合資料的模型,並且判斷若一切都如同預期,是否可以得到可靠的結果[9]

加速因子

加速因子對加速壽命測試結果的影響,需要找到測試物響應(如壽命、腐蝕、效率)以及加速因子隨時間變化程度之間的關係。

因子對時間的影響和量測的物理量相當有關。例如,量測壽命的試驗,只會看測試物的平均無故障時間(mean time to failure),也有可能會設法將資料擬合到某個概率分布。這一般會稱為壽命分佈,是產品某段時間內失效的機率密度函數[10]。有許多這類的分佈,例如指数分布韦伯分布对数正态分布伽玛分布[11]。其中的參數和待測物以及其測試的應力因子有關。

考慮一個簡化的例子,一個待測物的壽命分佈符合常態分佈。在不同應力水準下測試,會得到不同的常態分佈參數,也就是平均值和標準差。接著可以用已知的模型來找出應力因子和分佈參數(平均值和標準差)之間的關係。接著可以用這個關係來估算在一般運作條件下的壽命。

相闗條目

參考資料

  1. ^ Nelson, W. Accelerated Life Testing - Step-Stress Models and Data Analyses. IEEE Transactions on Reliability. 1980, (2): 103. doi:10.1109/TR.1980.5220742. 
  2. ^ Spencer, F. W. Statistical Methods in Accelerated Life Testing. Technometrics. 1991, 33 (3): 360–362. doi:10.1080/00401706.1991.10484846. 
  3. ^ Donahoe, D.; Zhao, K.; Murray, S.; Ray, R. M. Accelerated Life Testing. Encyclopedia of Quantitative Risk Analysis and Assessment. 2008. ISBN 9780470035498. doi:10.1002/9780470061596.risk0452. 
  4. ^ Elsayed, E. A. Accelerated Life Testing. Handbook of Reliability Engineering. 2003: 415–428. ISBN 978-1-85233-453-6. doi:10.1007/1-85233-841-5_22. 
  5. ^ Test Plan Development: How To Do It, G. Sharon, November 19, 2015, https://www.dfrsolutions.com/resources/test-plan-development-how-to-do-it页面存档备份,存于互联网档案馆
  6. ^ Temperature and Humidity Acceleration Factors on MLV Lifetime, G. Caswell, https://www.dfrsolutions.com/hubfs/Resources/services/Temperature-and-Humidity-Acceleration-Factors-on-MLV-Lifetime.pdf?t=1514473946162页面存档备份,存于互联网档案馆
  7. ^ Herrmann, W.; Bogdanski, N. Outdoor weathering of PV modules #x2014; Effects of various climates and comparison with accelerated laboratory testing. 2011 37th IEEE Photovoltaic Specialists Conference (PVSC). 2011-06-01: 002305–002311. ISBN 978-1-4244-9965-6. doi:10.1109/PVSC.2011.6186415. 
  8. ^ Sorensen, Rob. Accelerated Life Testing (PDF). Sandia National Laboratories. May 28, 2010 [October 20, 2015]. (原始内容存档 (PDF)于2017-01-25). 
  9. ^ 8.3.1.4. Accelerated life tests. www.itl.nist.gov. [2015-10-20]. (原始内容存档于2018-03-07). 
  10. ^ Srivastava, P.W.; Shukla, R. A Log-Logistic Step-Stress Model. IEEE Transactions on Reliability. 2008-09-01, 57 (3): 431–434. ISSN 0018-9529. doi:10.1109/TR.2008.928182. [失效連結]
  11. ^ 8.1.6. What are the basic lifetime distribution models used for non-repairable populations?. www.itl.nist.gov. [2015-10-20]. (原始内容存档于2023-10-27).