摘" 要：对智慧电视主板进行了极限工作温度摸底，得到主板的极限工作温度。采用热成像技术在常温和高温下对主板进行了温度场分析，发现主板的热薄弱环节是因高温老化造成背光电源开关MOS失效。根据上述结果，基于加速寿命试验原理，采用Arrhenius模型得到加速寿命试验的加速因子。通过对主板进行温度加速试验并收集失效数据，对失效数据进行分析，建立了失效分布模型。通过对失效分布的参数进行了估计，得到主板的基础失效率为0.71×10-6/h，同时给出了主板不同使用环境下的环境系数。
关键词：智慧电视主板；故障分布；加速试验
中图分类号：TP39" 文献标识码：A" 文章编号：2096-4706（2024）24-0012-04
Research on Failure Distribution and Reliability Evaluation of Smart TV Main Board
LI Liyu， ZHUO Jianfeng
（Guangzhou Jingce Testing Technology Co.， Ltd.， Guangzhou" 510000， China）
Abstract： The maximum working temperature of the smart TV main board is tested and the maximum working temperature of the main board is obtained. Thermal imaging technology is used to analyze the temperature field of the main board at room temperature and high temperature， and it is found that the thermal weak link of the main board is caused by high temperature aging， resulting in MOS failure of the backlight power switch. According to these results， based on the principle of accelerated life test， the accelerated factor of accelerated life test is obtained using the Arrhenius model. By conducting temperature accelerated test on the main board and collecting failure data， the failure data is analyzed and a failure distribution model is established. By estimating the parameters of the failure distribution， the basic failure rate of the main board is obtained to be 0.71×10-6/h. At the same time， the environmental coefficients of the main board under different usage environments are provided.
Keywords： smart TV main board; fault distribution; accelerated test
0" 引" 言
随着人工智能技术的迅猛发展和人们生活水平的提高，电视的发展也突飞猛进，大屏幕、高清晰、智能化、长寿命和高可靠性的智慧电视越来越受到消费者的青睐。这些新技术和新功能的引入为用户带来了更好的视听体验和智能化的使用体验[1]。主板作为智慧电视的核心零部件，其可靠性至关重要。目前电子产品的可靠性评估较多采用仿真和试验结合的方法[2]，而智慧电视主板的研发过程中，可靠性评估主要是通过对主板开展故障激发的工程试验进行的。这种评估方法虽然能够模拟一些极端情况，但无法全面评估电视主板在不同使用场景和长时间使用情况下的可靠性。为了更好地评估智慧电视主板的可靠性，需要进行全寿命周期的可靠性数据评估[3]。通过收集和分析大量的可靠性数据，可以更准确地评估电视的寿命、故障率和维修需求，为用户提供更可靠的产品。为此，需要建立基础失效数据，基础失效数据是指对电视主板的失效情况进行统计和分析，以了解它们的失效模式、失效原因和失效率。通过建立基础失效数据，可以更好地预测主板在各种使用场合中可能出现故障的时机和预期故障率，并采取相应的措施来提高电视的可靠性和预防维修能力。
1" 研究内容和方法
1.1" 研究内容
选择大屏智慧电视主板作为研究对象，通过基于Arrhenius模型的加速试验收集主板的失效数据。通过对失效数据的整理和统计，可以得到智慧电视主板的故障分布情况。故障分布描述了不同故障类型在整个失效样本中的比例分布情况，可以帮助设计人员了解主板在不同故障模式下的表现，从而可以针对性地开展优化设计。通过对失效数据进行概率统计分析，可以得到智慧电视主板的累积故障概率。累积故障概率描述了在给定时间内主板发生故障的概率，可以用来评估主板在使用一定时间下的可靠性水平。通过对失效数据进行可靠度分析，可以得到智慧电视主板的可靠度函数。可靠度函数描述了主板在给定时间内正常运行的概率，可以用来评估主板在不同时间段内的可靠性表现。通过对智慧电视主板可靠性的评估，设计人员可以根据评估结果来评估元器件设计选型合理性并改进产品设计和制造流程，以提高智慧电视主板的质量和可靠性。例如，可以对容易故障的元器件进行替换或改进，优化产品结构和布局，改进制造工艺和质量控制，选择高可靠性的元器件，从而提高整个智慧电视主板的可靠性和性能。
1.2" 研究方法
电子产品可靠性评估需要大量的样本失效数据，受制于样本量，一般采用小样本试验去采集失效数据[4-5]。而为了缩短试验时间，往往通过加速试验的方法减小试验成本[6-8]。有学者提出基于改进证据融合的高可靠产品可靠性评估方法解决由于客观试验数据缺乏导致无法对产品可靠性进行准确评估的问题[9]。由于智慧电视主板的可靠性高，失效率低，小样本试验造成数据缺失，本研究采用大样本量进行数据采集。现有加速试验方案中，往往以环境试验温度以及活化能取均值0.68去计算加速因子，这样计算得到的加速因子不够准确。
针对上述问题，提出针对智慧电视主板的研究方法。对智慧电视主板的温度极限应力进行摸底测试，得出主板的温度极限是95 ℃。根据主板的极限工作温度结合产品工作特点确定加速试验温度为60 ℃，基于温度极限数据研究主板在室温下工作时的温度场和在加速温度下的温度场，得到主板的薄弱环节为背光的电源开关MOS。依据Arrhenius模型选择薄弱环节的器件的活化能作为加速因子计算依据。以23 ℃为基准温度，60 ℃为加速试验温度，计算得到加速因子为21.08。将30个主板样品在60 ℃的条件下进行试验。由于电子产品失效服从指数分布，利用极大似然估计法对分布函数的参数进行估计得到主板的可靠性评估模型的参数估计。
2" 试验方案和数据分析
2.1" 极限工作温度摸底
要获得产品的失效数据则需要进行较长时间的测试，试验成本高。为此，采取Arrhenius模型对试验进行加速，在计算加速因子前首先对主板的极限工作温度进行摸底。
为了避免因工艺缺陷生产的产品造成在收集数据时引入数据误差，将30个样品同步进行高温筛选，筛选后的样品进行极限工作温度摸底。样品从40 ℃开始，步进升温，步长10 ℃，达到温度点后保持30 min，100 ℃以上以5 ℃为一个步进，全过程监控样品声音、背光和12 V输出，直至产品保护或失效为止，温度步进示意如图1所示。试验结果表明在100 ℃时，样品无声音、背光以及12 V直流输出，因此主板的极限工作温度是95 ℃。该极限工作温度为当前试验样品的极限工作温度，一般产品设计时选择的器件为成熟的方案，认为95 ℃适用于大部分智慧电视主板的极限工作温度。结合现有高温老化设备特点，设定60 ℃为试验的加速温度。
2.2" 主板温度场分析
计算加速因子时确定活化能参数非常关键，为了更精确地评估活化能参数，将主板安装到整机中，如图2所示。
分别在常温和60 ℃中待主板温度稳定时采用热成像技术对主板进行温度场分析，常温下主板温度分布如图3所示，60 ℃时主板温度分布如图4所示。
根据温度场分布得到热薄弱环节为背光开关MOS管，而MOS管材料的活化能取0.7[10]。
2.3" 基于温度分布的加速系数
Arrhenius加速模型表达式如式（1）所示：
（1）
其中，α表示加速因子，Ea表示活化能参数，k表示玻尔兹曼常数，即8.62×10-5 eV/K，Ta表示参考温度/K，Tu表示试验温度/K。
根据主板的温度分布研究，参考温度为23 ℃，在60 ℃的试验温度下得到其加速系数α为21.08。
2.4" 可靠性数据收集和分析
根据加速试验系数计算结果，对智慧电视主板进可靠性测试。确定该产品的故障判据是：背光和主板无输出则判定为故障。带载情况为背光电压75 V，背光电流380 mA，主板电压12 V，主板电流1.5 A。选择30个样本量进行测试，测试过程模拟负载和功能性能检测采用可视化监测平台，如图5所示，图中1-1表示1#样品背光输出，1-2表示1#样品12 V输出，以此类推。采用老化柜搭建测试平台，老化柜每层有15通道。在对产品做试验，进行可靠性统计分析时，一般采用截尾试验，截尾试验一般又采用定时截尾试验或者定数截尾试验[11]。采用定时截尾的试验方法，试验时长2 400 h，测试过程如图6所示。
为了构建智慧电视主板故障分布模型，本项目在Arrhenius模型的加速试验方法下，对样本进行测试并收集产品的可靠性数据，根据测试结果，得到样本的失效数据如表1所示。
2.5" 指数分布参数估计
构建智慧电视主板指数分布故障分布模型，根据电子产品的失效服从指数分布，其故障概率分布如式（2）所示：
（2）
对参数进行估计时，一般采用极大似然法或最小二乘法。对参数进行估计时，一般采用极大似然法或最小二乘法。极大似然估计法在满足一定的假设条件下，极大似然估计法的估计结果是渐近无偏的和一致的，而最小二乘法对异常值和分布假设敏感，根据失效数据的分布特征，选择极大似然估计法对主板失效数据进行估计。使用极大似然估计方法构造该类产品的可靠性参数估计的方程，如式（3）所示：
（3）
其中，α表示加速因子。
对似然函数（3）两边取对数得到式（4）：
（4）
令式（4）等于0得到式（5），求式（5）方程得到式（6）：
（5）
（6）
其中，n表示样品个数，ti表示某个样品的失效时间。
将试验采集得到的主板失效数据和加速系数以及样本量n = 30代入式（6），得到主板失效率估计值为λ = 0.71×10-6/h。
根据故障分布对样本进行可靠性评估，其可靠度函数和累积故障函数如式（7）和式（8）：
（7）
（8）
根据上述参数估计的结果，假设产品平均每天使用4 h，平均一年工作365天，产品使用5年后产品的可靠度为0.994。
3" 相似产品可靠性评估
经过实测数据并对参数进行估计得到主板的失效率估计值，即智慧电视主板基础失效率为：λG = λ = 0.71×10-6/h。
主板的工作失效率如式（9）所示：
（9）
其中，λp表示主板工作失效率，πE表示环境系数，πQ表示质量系数。
由于相似产品使用了相同的技术原理、相同质量等级的元器件、相似的布局以及使用环境，不同点在于软件逻辑或者使用地区，其基础失效率相同。一般地，批产的产品质量具有一致性，根据设计时的元器件选型πQ取1～3。环境系数πE根据不同的使用环境选择不同的环境系数值，如表2所示。
4" 结" 论
本文简要介绍了智慧主板失效分布的研究内容和研究方法，开展了主板极限工作温度测试，得到主板的极限工作温度是95 ℃。研究给出了基于实测温度和薄弱环节活化能取值的智慧电视主板的加速寿命试验方法和加速因子计算方法，并详细给出了试验流程、失效判据、试验温度应力的选取、失效分布分析、数据处理，基于上述研究得到主板的基础失效率为0.71×10-6/h，最终给出了相似产品的可靠性评估方法等。
参考文献：
[1] 孙海洲.基于FPGA的8K超高清HDMI接口视频信号源的实现研究 [D].青岛：青岛大学，2023.
[2] 文歆磊，张金栋，叶茂，等.仿真与试验结合的电子产品可靠性评估方法 [J].机电产品开发与创新，2023，36（3）：19-21+32.
[3] 王宇，王欣汝，黄进永，等.通用电子产品全寿命周期可靠性分析方法 [J].电子产品可靠性与环境试验，2017，35（1）：40-44.
[4] 傅惠民，李子昂，付越帅.电子产品小样本可靠性评估与更新方法 [J].机电产品开发与创新，2021，34（4）：1-4.
[5] 刘超然，李天辰，李磊，等.某型舰载电子产品小子样可靠性评估研究 [J].现代电子技术，2024，47（2）：85-88.
[6] 王裕鹏，高鑫，陈文淼，等.基于Arrhenius模型的汽车电子产品加速寿命试验设计分析 [J].装备环境工程，2019，16（3）：22-25.
[7] 王者蓝，侯清源，汤杰，等.基于Arrhenius模型和Peck模型的分段非线性加速模型 [J].装备环境工程，2024，21（1）：59-65.
[8] 傅惠民，文歆磊，吴琼.小样本加速寿命试验方法 [J].机电产品开发与创新，2020，33（3）：1-4.
[9] 王思蕊，程世娟，袁非梦.基于改进证据融合的高可靠产品可靠性评估方法 [J].计算机应用，2023，43（7）：2140-2146.
[10] Telcordia Network Infrastructure Solutions. Reliability Prediction Procedure for Electronic Equipment： Telcordia SR-332 Issue 4 [S].[S.I.s.n.]，2016.
[11] 刘长林.无失效数据场合下指数分布可靠度统计分析 [D].南充：西华师范大学，2020.
作者简介：李立宇（1988—），男，汉族，广西梧州人，工程师，硕士，研究方向：电子产品可靠性；卓剑锋（1992—），男，汉族，广东梅州人，工程师，本科，研究方向：音视频可靠性。
