用FMEA設計FIT，用FIT驗收FMEA
加入技術交流群
硬件可靠性閉環：用FMEA設計FIT，用FIT驗收FMEA
可靠性設計與測試是很“苦逼”的，這份“苦逼”的背后，是多年沉淀的可靠性思維——質量從來不是測試出來的，而是設計出來的。而支撐這份設計的核心工具，正是FMEA；驗證這份設計的關鍵手段，便是FIT。今天我們就聊聊硬件可靠性的閉環邏輯：用FMEA設計FIT，用FIT驗收FMEA。
可維護性和可靠性驗收非常重要，硬件維護工程師在后端發現問題后，總結成可維護性和可靠性需求，在產品立項的時候與新特性一起進行需求分析，然后經過設計、開發和測試環節后，在產品中落地。這些需求最終實現的效果是否和需求提出人想要達到的效果一致，需要硬件維護工程師進行驗收。
硬件維護工程師越早參與，效果越好。如果等到轉維審查的時候才參與驗收，發現偏差需要修改和測試，相當于需求要重新開發一次。推薦硬件維護工程師在需求分解的時候就參與，然后在開發和測試的時候再進行一次審視。
如果能從早起工作去解決后期可能出現的問題，并形成有效的方法論，則可以實現問題前置，則實現產品質量提升。
先看一個真實案例：忽視可靠性設計，代價有多高？
有一款主力發貨的硬件產品，架構很明確：主用主控通過FE通道管理線卡，線卡到主用主控有兩條通道——實線的主用FE通道，和虛線的備用FE通道，理論上可實現故障冗余。
但現場出現了一個詭異問題：每天固定時間，線卡板就會復位，復位后還無法注冊，直接影響業務正常運行。
層層定位后，真相逐漸清晰：
線卡板到主用主控的FE通道有錯包，導致管理報文丟失；
核心問題出在FE通道切換機制——可靠性需求實現有偏差，主用主控沒等切換到備用通道，就判定線卡板故障并將其復位；
復位后線卡板仍優先走主用FE通道協商，丟包問題未解決，協商失敗導致無法注冊；
進一步排查發現，錯包源于主用主控的LSW芯片，而芯片故障的根源是晶振跳頻——環境溫度25℃左右時（晶振表面50℃），125M晶振頻偏達到20ppm，超出125M±10ppm的規格，且僅在這個溫度區間出現問題。
這是一個典型的可靠性設計疏漏案例，事后總結了4點改進措施，其實每一點都能通過FMEA提前規避：
優化FE通道切換機制：一條通道故障時，優先切換至備用通道，而非直接復位線卡；
完善故障定界邏輯：多個線卡FE通道同時故障時，判定為主用主控故障，優先主備倒換，不盲目復位線卡；
增加錯包日志記錄：FE通道錯包達到一定數量時，自動記錄日志，便于快速定位問題；
優化異常處理流程：主控發現線卡異常先上報告警，有備份通道則切換業務后再復位，無備份通道僅告警不復位。
這個案例也印證了一個核心觀點：硬件維護工程師越早參與可靠性設計，后期返工成本越低。若等到轉維審查時才驗收，發現偏差再修改測試，相當于重新開發一次，得不償失。最合理的方式，是在需求分解階段就介入，開發、測試環節再反復審視，形成全流程把關。
核心概念：FMEA與FIT，到底是什么？
先搞懂FMEA：可靠性設計的“風險防火墻”
FMEA（失效模式與影響分析），本質是FMA（故障模式分析）和FEA（故障影響分析）的組合，核心是提前識別產品或過程中可能出現的風險，在現有技術范圍內消除或降低風險至可接受水平。
它不是一個單純的工具，更是一種設計理念——在設計電路、軟件的那一刻，就思考“這個部件壞了會影響什么”“如何提前防范”，而不是等故障發生后再補救。
回顧FMEA的發展歷史，能更理解它的重要性：
50年代初，美國首次將其用于戰斗機操作系統設計；
60年代中期，正式應用于航天工業（阿波羅計劃）；
70年代末，進入汽車、醫療設備工業，80年代初延伸至微電子領域；
1991年，ISO-9000推薦使用；1994年，成為QS-9000認證要求。
如今，從復興號動車組到新能源汽車，從服務器到消費電子，FMEA已成為制造業可靠性設計的核心工具，中車唐山公司的CR400BF-S動車組DFMEA項目，就曾入選全國FMEA應用典型案例，用實踐證明了其價值。
做FMEA的核心目的，是用最低成本修改產品/過程，避免事后危機；而它的益處也很直接：
精準定位設計薄弱環節，提前制定對策；
實時優化設計，節省開發時間和成本；
適用于設計、制造、檢查全流程；
提升產品質量、可靠性與安全性。
再看FIT：可靠性設計的“驗收標尺”
FIT，即失效注入試驗（Fault Injection Test），是驗證可靠性設計的關鍵手段——FMEA負責“提前設計風險防控”，FIT負責“驗收設計是否有效”。
很多人會疑惑，為什么不直接驗證MTBF（平均無故障時間）？因為在開發階段，這幾乎不可能實現：
可靠性是統計結果，需要足夠大的樣本量；
驗證周期長、試驗量大，不符合開發節奏；
難以模擬現場復雜的應用環境，驗證結果不具參考性。
而FIT測試恰好解決了這些問題，其核心驗證目的有3點：
推動可靠性增長：通過測試發現問題，針對性優化，提升系統可靠性；
驗證系統能力：檢驗系統的故障恢復、故障管理能力；
定量估計指標：對產品故障恢復能力做量化評估，驗證可靠性指標是否達標。
設計FIT方案時，需遵循兩個核心原則：一是保證測試覆蓋率，不遺漏關鍵故障場景；二是保證工作量可執行性，避免測試成本過高。
值得注意的是，FIT用例設計需結合FMECA（失效模式、影響及危害性分析）結果，考慮故障出現的概率；對于能產生同一種影響的不同故障，可進行模式收斂——只需模擬一種故障模式（前提是通過故障影響檢測故障，而非直接檢測故障模式）。
深入理解FMEA：遍歷性、系統性，缺一不可
FMEA的核心思想，濃縮為兩個詞：遍歷性、系統性，這也是它能有效防范風險的關鍵，在硬件設計中具體體現為兩種分析方法：
1. 硬件法：極致遍歷，不留死角
從硬件視角出發，逐一分析每個器件、每個器件的每一個管腳，明確其可能的故障模式、對系統的影響，以及對應的檢測和補償措施。正是這種“逐個排查”的思路，體現了FMEA的遍歷性，確保不遺漏任何一個潛在故障點。
2. 功能法：系統梳理，兼顧全局
按產品的功能輸出分類，逐一列出每個功能，分析其可能的故障模式，適用于系統級、單板級的整體分析。這種方法按功能和場景梳理，體現了FMEA的系統性，確保從全局視角把控故障影響。
FMEA的核心操作邏輯
做FMEA分析時，需先明確故障的嚴酷等級，再梳理系統結構圖（清晰呈現功能模塊關系、輸入輸出信號），最終形成FMEA分析表格，核心圍繞“故障模式-故障影響-檢測措施-改進對策”展開：
嚴酷等級1：故障導致整個系統崩潰或主要功能嚴重受損；
嚴酷等級2：故障影響主要功能、導致任務延誤或存在重大隱患；
嚴酷等級3：次要功能喪失/下降，需立即修理，但不影響主要功能；
嚴酷等級4：部分次要功能下降，僅需一般維護，不影響功能實現（如普通告警）。
總結：可靠性閉環，始于設計，成于驗證
很多硬件工程師急于出成果，往往忽略可靠性設計，最后因小失大，反復返工。其實就像老話說的“磨刀不誤砍柴工”，FMEA和FIT的結合，正是硬件可靠性的“磨刀石”。
FMEA的核心是“防患于未然”，它讓我們在設計階段就規避潛在風險，明確冗余策略、復位策略、故障處理邏輯，從源頭決定產品的可靠性上限；FIT的核心是“驗證落地”，它用失效注入的方式，檢驗FMEA設計的有效性，確保可靠性需求真正落地。
描述結構圖 ：
清晰功能模塊之間的相互關系，主要輸入/輸出信號。
參考的FMEA表格：
我曾經開發過程中，也非常的急于出成果。但是正真做成硬件精品，往往忽略一些功能設計之外的考慮，最后導致返工。
可靠性設計，包含FMEA的設計是很重要的。磨刀不負砍柴工，從設計階段，就融入可靠性、預防失效的思考，讓你的設計上升一個臺階
從穿戴設備，到復興號的動車組，所有硬件精品的背后，都離不開這種“設計-驗證”的閉環思維。可靠性不是“不出問題”，而是“出得起、找得到、回得來”，而FMEA與FIT，正是實現這一目標的核心支撐。
愿每一位硬件工程師，都能重視FMEA設計，用好FIT測試，少走返工彎路，做出真正經得起現場考驗的硬件產品。
評論