前兩天，跟咸肉大神討論一個問題：即，如果客戶提出苛刻的溫度要求，而我們的電路，不能保證每一個器件的都能滿足整機的溫度范圍。那么我們應該如何實現寬溫度范圍？或者說，我們即不能去承諾這樣的整機指標？還是我們通過什么手段，用低成本的措施來實現滿足可靠性的交付？

一些軍品標準，會要求每臺設備都經過篩選試驗：也就是說每臺設備都經過嚴格的測試，除了器件做早期的老練篩選。整機也做篩選試驗和環境試驗。而一些大規模發貨的設備：會在研發階段做HALT試驗，然后根據HALT試驗的數據設計HASS試驗，對生產環節的設備進行測試。HASS應用于產品的生產階段，以確保所有在HALT中找到的改進措施能夠得已實施。HASS還能夠確保不會由于生產工藝和元器件的改動而引入新的缺陷。

但是一些沒有達到海量發貨的設備，在早期是沒有條件去做HASS試驗的，所以其承諾的整機溫度范圍如果超過器件的溫度范圍，又是如何去保證質量的呢？

首先，是通過HALT試驗或者環境試驗的數據，通過足夠多的樣本數，在大樣本數能夠達到測試條件的前提下，對實際場景能否滿足要求進行折算和評估。但是這里面有概率性風險：例如，我們一個產品在早期，沒有設計HASS試驗的前提下，將設備安裝到西伯利亞的寒冷世界。當時就發生一塊電路板啟動失敗，反復重啟的情況。最后采取更換，故障單板返還的措施。甚至一些大廠，經過大量測試驗證，0~70℃的DDR可以用于更低的溫度，而認為高溫有風險，需要對高溫規格進行降額。（不建議小廠這么做，因為沒有足夠的資源進行試驗和驗證；沒有足夠資源進行單板大批量樣本驗證，以及支持返還進行根因分析。）

其次，一些器件規格不能滿足的場景，可以通過整機方案解決，例如換更高性能的風扇、增加風扇、液冷、加熱器等等措施，可以彌補器件本身溫度范圍不能滿足要求的情況。例如：曾經在華為設計的一款IP Camera，號稱“窮兇極惡”（寬溫度范圍、寬電壓范圍、高規格防雷），為了實現無故障超低溫啟動，原本設計的時候，預留一些加熱器、或者一些加熱電阻，同時修改IPC的啟動策略，由紅外燈先工作一段時間，再啟動CPU工作，保證工作溫度沒沒那么惡劣，是可接受的范圍。

可靠性是一系列方法的整合

可靠性整合是指無縫地、緊密地把不同可靠性方法融合在一起，從而以最小成本得到最佳可靠性。也就是說，可靠性方案是幾種方法協調使用的整體，而不是一堆無序的可靠性任務。

產品由各種部件和組件構成。產品的可靠性在設計生產過程中，涉及到學科主要有：機械學、電子學、軟件、光學、化學，所有這些學科組成了產品。因此應該重視這些學科之間的關系，和總體的效果。我們設計的過程中也應該是考慮更全面，而不僅僅是從某個部件的角度思考，或者僅僅從某個學科的維度去思考和解決問題。

開發部門往往都是從自己部門的學科出發，去思考可靠性設計；甚至更糟糕的是一些大公司從自己部門的利益和KPI去考慮設計。但是客戶要的是完整的產品、并希望產品是各個部件在一起能正常運轉。因為可靠性主要由客戶和最終用戶進行衡量，產品開發人員應該從產品和部件兩個方面進行綜合考慮，從而開發出可靠的產品。

但是有些設計人員，擔心質量事故、擔心考評的黑事件，設計的時候，做可靠性堆砌，不計成本的增加可靠性，過設計、過冗余、過度降額。這就需要：一方面，公司在可靠性和成本雙方面進行引導，同時，需要設計人員能夠具備全面思考產品，能夠站在公司角度，站在客戶角度去思考和設計產品。

可靠性VS成本

可靠性設計可以減少保修成本、使用成本、可以提高客戶滿意度；同時可靠性設計也會造成開發成本和生產成本。在生命周期的各個階段使用合適的方法，我們提高可靠性，到底要實現到什么程度呢？

在保證我們達到業界標準、交付標準、客戶需求等前提下，我們應該是運用可靠性設計實現生命周期的總成本（LCC Life-cycle Costing）的降到最低。

3、軟件幾乎沒有生產成本。因此保修成本和經費幾乎全部用于硬件。如果提高軟件可靠性不能節約成本，那么我們為什么還要提高軟件可靠性呢？

因為：一、事實正面，軟件故障率有可能是硬件的10倍甚至更多。客戶并不區分是軟件故障還是硬件故障。即支持在線升級，任然會造成使用中斷、業務中斷等問題。

二、軟件可靠性方案的好處不在于直接降低成本，而在于減少運作安裝返工率、減小故障維修事件、減輕軟件人員維護工作量。同時提升客戶滿意度。

所以提高軟件可靠性，必定可以帶來成本的節約。

部分文字翻譯自《提高可靠性的50種方法》