用FMEA设计FIT，用FIT验收FMEA
加入技术交流群
硬件可靠性闭环：用FMEA设计FIT，用FIT验收FMEA
可靠性设计与测试是很“苦逼”的，这份“苦逼”的背后，是多年沉淀的可靠性思维——质量从来不是测试出来的，而是设计出来的。而支撑这份设计的核心工具，正是FMEA；验证这份设计的关键手段，便是FIT。今天我们就聊聊硬件可靠性的闭环逻辑：用FMEA设计FIT，用FIT验收FMEA。
可维护性和可靠性验收非常重要，硬件维护工程师在后端发现问题后，总结成可维护性和可靠性需求，在产品立项的时候与新特性一起进行需求分析，然后经过设计、开发和测试环节后，在产品中落地。这些需求最终实现的效果是否和需求提出人想要达到的效果一致，需要硬件维护工程师进行验收。
硬件维护工程师越早参与，效果越好。如果等到转维审查的时候才参与验收，发现偏差需要修改和测试，相当于需求要重新开发一次。推荐硬件维护工程师在需求分解的时候就参与，然后在开发和测试的时候再进行一次审视。
如果能从早起工作去解决后期可能出现的问题，并形成有效的方法论，则可以实现问题前置，则实现产品质量提升。
先看一个真实案例：忽视可靠性设计，代价有多高？
有一款主力发货的硬件产品，架构很明确：主用主控通过FE通道管理线卡，线卡到主用主控有两条通道——实线的主用FE通道，和虚线的备用FE通道，理论上可实现故障冗余。
但现场出现了一个诡异问题：每天固定时间，线卡板就会复位，复位后还无法注册，直接影响业务正常运行。
层层定位后，真相逐渐清晰：
线卡板到主用主控的FE通道有错包，导致管理报文丢失；
核心问题出在FE通道切换机制——可靠性需求实现有偏差，主用主控没等切换到备用通道，就判定线卡板故障并将其复位；
复位后线卡板仍优先走主用FE通道协商，丢包问题未解决，协商失败导致无法注册；
进一步排查发现，错包源于主用主控的LSW芯片，而芯片故障的根源是晶振跳频——环境温度25℃左右时（晶振表面50℃），125M晶振频偏达到20ppm，超出125M±10ppm的规格，且仅在这个温度区间出现问题。
这是一个典型的可靠性设计疏漏案例，事后总结了4点改进措施，其实每一点都能通过FMEA提前规避：
优化FE通道切换机制：一条通道故障时，优先切换至备用通道，而非直接复位线卡；
完善故障定界逻辑：多个线卡FE通道同时故障时，判定为主用主控故障，优先主备倒换，不盲目复位线卡；
增加错包日志记录：FE通道错包达到一定数量时，自动记录日志，便于快速定位问题；
优化异常处理流程：主控发现线卡异常先上报告警，有备份通道则切换业务后再复位，无备份通道仅告警不复位。
这个案例也印证了一个核心观点：硬件维护工程师越早参与可靠性设计，后期返工成本越低。若等到转维审查时才验收，发现偏差再修改测试，相当于重新开发一次，得不偿失。最合理的方式，是在需求分解阶段就介入，开发、测试环节再反复审视，形成全流程把关。
核心概念：FMEA与FIT，到底是什么？
先搞懂FMEA：可靠性设计的“风险防火墙”
FMEA（失效模式与影响分析），本质是FMA（故障模式分析）和FEA（故障影响分析）的组合，核心是提前识别产品或过程中可能出现的风险，在现有技术范围内消除或降低风险至可接受水平。
它不是一个单纯的工具，更是一种设计理念——在设计电路、软件的那一刻，就思考“这个部件坏了会影响什么”“如何提前防范”，而不是等故障发生后再补救。
回顾FMEA的发展历史，能更理解它的重要性：
50年代初，美国首次将其用于战斗机操作系统设计；
60年代中期，正式应用于航天工业（阿波罗计划）；
70年代末，进入汽车、医疗设备工业，80年代初延伸至微电子领域；
1991年，ISO-9000推荐使用；1994年，成为QS-9000认证要求。
如今，从复兴号动车组到新能源汽车，从服务器到消费电子，FMEA已成为制造业可靠性设计的核心工具，中车唐山公司的CR400BF-S动车组DFMEA项目，就曾入选全国FMEA应用典型案例，用实践证明了其价值。
做FMEA的核心目的，是用最低成本修改产品/过程，避免事后危机；而它的益处也很直接：
精准定位设计薄弱环节，提前制定对策；
实时优化设计，节省开发时间和成本；
适用于设计、制造、检查全流程；
提升产品质量、可靠性与安全性。
再看FIT：可靠性设计的“验收标尺”
FIT，即失效注入试验（Fault Injection Test），是验证可靠性设计的关键手段——FMEA负责“提前设计风险防控”，FIT负责“验收设计是否有效”。
很多人会疑惑，为什么不直接验证MTBF（平均无故障时间）？因为在开发阶段，这几乎不可能实现：
可靠性是统计结果，需要足够大的样本量；
验证周期长、试验量大，不符合开发节奏；
难以模拟现场复杂的应用环境，验证结果不具参考性。
而FIT测试恰好解决了这些问题，其核心验证目的有3点：
推动可靠性增长：通过测试发现问题，针对性优化，提升系统可靠性；
验证系统能力：检验系统的故障恢复、故障管理能力；
定量估计指标：对产品故障恢复能力做量化评估，验证可靠性指标是否达标。
设计FIT方案时，需遵循两个核心原则：一是保证测试覆盖率，不遗漏关键故障场景；二是保证工作量可执行性，避免测试成本过高。
值得注意的是，FIT用例设计需结合FMECA（失效模式、影响及危害性分析）结果，考虑故障出现的概率；对于能产生同一种影响的不同故障，可进行模式收敛——只需模拟一种故障模式（前提是通过故障影响检测故障，而非直接检测故障模式）。
深入理解FMEA：遍历性、系统性，缺一不可
FMEA的核心思想，浓缩为两个词：遍历性、系统性，这也是它能有效防范风险的关键，在硬件设计中具体体现为两种分析方法：
1. 硬件法：极致遍历，不留死角
从硬件视角出发，逐一分析每个器件、每个器件的每一个管脚，明确其可能的故障模式、对系统的影响，以及对应的检测和补偿措施。正是这种“逐个排查”的思路，体现了FMEA的遍历性，确保不遗漏任何一个潜在故障点。
2. 功能法：系统梳理，兼顾全局
按产品的功能输出分类，逐一列出每个功能，分析其可能的故障模式，适用于系统级、单板级的整体分析。这种方法按功能和场景梳理，体现了FMEA的系统性，确保从全局视角把控故障影响。
FMEA的核心操作逻辑
做FMEA分析时，需先明确故障的严酷等级，再梳理系统结构图（清晰呈现功能模块关系、输入输出信号），最终形成FMEA分析表格，核心围绕“故障模式-故障影响-检测措施-改进对策”展开：
严酷等级1：故障导致整个系统崩溃或主要功能严重受损；
严酷等级2：故障影响主要功能、导致任务延误或存在重大隐患；
严酷等级3：次要功能丧失/下降，需立即修理，但不影响主要功能；
严酷等级4：部分次要功能下降，仅需一般维护，不影响功能实现（如普通告警）。
总结：可靠性闭环，始于设计，成于验证
很多硬件工程师急于出成果，往往忽略可靠性设计，最后因小失大，反复返工。其实就像老话说的“磨刀不误砍柴工”，FMEA和FIT的结合，正是硬件可靠性的“磨刀石”。
FMEA的核心是“防患于未然”，它让我们在设计阶段就规避潜在风险，明确冗余策略、复位策略、故障处理逻辑，从源头决定产品的可靠性上限；FIT的核心是“验证落地”，它用失效注入的方式，检验FMEA设计的有效性，确保可靠性需求真正落地。
描述结构图 ：
清晰功能模块之间的相互关系，主要输入/输出信号。
参考的FMEA表格：
我曾经开发过程中，也非常的急于出成果。但是正真做成硬件精品，往往忽略一些功能设计之外的考虑，最后导致返工。
可靠性设计，包含FMEA的设计是很重要的。磨刀不负砍柴工，从设计阶段，就融入可靠性、预防失效的思考，让你的设计上升一个台阶
从穿戴设备，到复兴号的动车组，所有硬件精品的背后，都离不开这种“设计-验证”的闭环思维。可靠性不是“不出问题”，而是“出得起、找得到、回得来”，而FMEA与FIT，正是实现这一目标的核心支撑。
愿每一位硬件工程师，都能重视FMEA设计，用好FIT测试，少走返工弯路，做出真正经得起现场考验的硬件产品。
评论