Las pruebas de vida útil aceleradas
Antes de poder estimar los parámetros de confiabilidad y los intervalos de confianza a partir de los datos ALT, debe elegir un modelo ALT apropiado y hacer algunas suposiciones. Un modelo ALT es una relación matemática que vincula la tasa de falla o el tiempo de su producto o sistema con el nivel de estrés y otros factores. Existen diferentes tipos de modelos ALT, como Arrhenius, Eyring, ley de potencia inversa y log-lineal, dependiendo de la naturaleza y el mecanismo de la falla. También debe asumir una distribución de probabilidad para el tiempo de falla, como exponencial, Weibull o lognormal, y una relación de estrés a la vida, como lineal, exponencial o potencia. Estas opciones afectarán la precisión y validez de sus estimaciones.
I find it key to utilize the physics of the failure mechanics to assist in defining the stress models to apply. Additionally, if you have the resources conducting a HALT test to define the limits and failure mechanics helps speed the process.
Before we can choose an ALT model, we need to understand the failure mechanism of interest and the stress (or combination of stresses) that can induce the failure mechanism. The understanding of failure mechanism helps define the failure criteria and serves as a guide to classify samples as true failures or censors in test. Clarity on stresses that can induce failures guides to keep the stresses of interest as controlled variables, meanwhile effects from other factors (stresses not under study) would need to be minimized. The choice of an ALT model can vary based on the stresses under study.
El siguiente paso es recopilar y preparar los datos ALT para el análisis. Debe diseñar y realizar un experimento ALT que cubra un rango de niveles de estrés y proporcione suficientes datos de fallas para estimar los parámetros de confiabilidad y los intervalos de confianza. También debe registrar los tiempos de falla, los tiempos de censura y los niveles de estrés para cada unidad o muestra probada. La censura significa que algunas unidades o muestras no fallaron dentro del período de prueba y se desconocen sus tiempos exactos de falla. Debe tener en cuenta la censura en su análisis para evitar sesgos y errores. Es posible que también deba comprobar y limpiar los datos en busca de valores atípicos, valores faltantes o incoherencias.
You want to stress parts with higher loads, but be aware of "Foolish Failures". If you incubate chicken eggs at 99F, you can try some higher temperatures. But if you try 212F, after 7 minutes you will have hard boiled eggs, not chicks! Likewise, if you are stressing a motor controller board with high currents, don't let the duty cycle be so high that the FET melts the solder and falls off.
El paso central es estimar los parámetros de confiabilidad y los intervalos de confianza a partir de los datos ALT utilizando métodos estadísticos. Los parámetros de confiabilidad son los coeficientes o constantes en el modelo ALT que describen el efecto de la tensión en la tasa de falla o el tiempo. Los intervalos de confianza son los rangos que contienen los valores verdaderos de los parámetros de confiabilidad con una cierta probabilidad, como 95% o 99%. Existen diferentes métodos para estimar los parámetros de confiabilidad y los intervalos de confianza, como la estimación de máxima verosimilitud, la estimación de mínimos cuadrados o la estimación bayesiana. Cada método tiene sus propias ventajas y desventajas, como la complejidad computacional, la robustez o la flexibilidad. Debe elegir un método que se adapte a sus datos y objetivos.
It is not uncommon to be at the crossroad where one has to decide which parameter estimation method to use. Generally speaking, if there is large dataset, all three methods would result in the similar values, however, the difference starts showing when we have smaller datasets. MLE performs better than least-square estimation method when the failure dataset is relatively small. Bayesian method works best for small dataset when there are only a few failures, provided there is prior information on failure distribution.
El paso final es validar y verificar el modelo ALT y las estimaciones de los parámetros de confiabilidad e intervalos de confianza. La validación significa que debe comprobar si el modelo ALT se ajusta bien a los datos y captura las principales características y tendencias del comportamiento del error. La verificación significa que usted verifica si las estimaciones de los parámetros de confiabilidad y los intervalos de confianza son lo suficientemente exactos y precisos para sus propósitos. Puede utilizar varias herramientas y técnicas para validar y verificar el modelo ALT y las estimaciones, como el análisis residual, las pruebas de bondad de ajuste, las pruebas de razón de verosimilitud o los métodos de arranque. También es posible que deba comparar diferentes modelos y métodos ALT y seleccionar el mejor en función de algunos criterios, como el criterio de información de Akaike, el criterio de información bayesiana o el error cuadrático medio de la raíz.
ALT is a useful technique to quickly evaluate a material or component and predict its reliability in the field. However, in order to make it really effective, considerations should be given to product use cases, field environmental / operating conditions, expected failure modes / mechanisms under those conditions, material operating / destruct limits, etc. This would ensure that ALT is not exposing extraneous failure modes / mechanisms that are not likely to be a problem in the field. ALT is much more than a mere modeling or statistical exercise. Physics-of-Failure (PoF) approach to ALT planning, execution, and data analysis could go a long way in predicting and improving the reliability of products throughout the product lifecycle.
To estimate reliability parameters and confidence intervals from accelerated life testing data, use statistical methods like Weibull analysis. In renewable energy, accelerated testing on wind turbine components predicts their lifespan under harsh conditions. In battery storage, such tests determine the degradation rate under accelerated stress, aiding in predicting battery life. These analyses provide confidence intervals for reliability estimates, crucial for decision-making in various industries.
In the electronics field, reliability estimation from ALT data is critical. Employ statistical methods like MLE for life distribution parameters. For circuit boards, a Weibull distribution under stress is common. Bootstrap methods for confidence intervals offer a range for true parameter values, essential for predicting product lifetimes and ensuring quality in this dynamic industry. This precise approach is key to maintaining high standards in electronics manufacturing and product reliability.