术语词典

试验设计 DOE

Design of Experiments

通过有计划地同时改变多个因子并分析其主效应与交互作用，来找出影响输出的关键因子与最优组合的统计方法。与传统的「一次只变一个因子」（OFAT）相比，DOE 能在相同试次下识别交互作用 —— 而工程问题中的大部分非线性与意外，恰恰来自交互作用（A 单独调好、B 单独调好，A+B 一起反而变差）。四类典型用途：① 筛选（因子太多，用部分因子试验找出少数关键因子）；② 表征（量化各因子影响大小与方向）；③ 优化（响应曲面法找最优参数组合）；④ 稳健性（田口方法降低对噪声因素的敏感度）。在汽车行业的落点：焊接参数（电流/时间/压力）、注塑（温度/压力/保压/冷却）、涂装（膜厚/烘烤曲线）、热处理（温度/时间/气氛）、装配扭矩与顺序。DOE 的结果应回写 PFMEA（验证原因是否成立、探测手段是否有效）与控制计划（把关键参数纳入监控）。常见误用：样本量不足、未随机化（把批次/班次的影响混进因子效应）、忽略区组、只做一次确认试验就宣布结论。

💬 相关讨论 →

检出力 Power

Statistical Power (1-β)

当真实差异确实存在时，检验能够正确检出它的概率，等于 1-β。惯例要求 ≥0.8（即 80% 的把握检出真实差异）。检出力不足的直接后果是「明明改进了却没通过检验」，从而错误地放弃有效方案。三个决定因素：① 效应量（差异越大越容易检出）；② 样本量（最直接的可控因素）；③ 显著性水平 α（放宽 α 会提高检出力，但增加误报）。工程应用：试验前做「样本量估算」—— 先约定要检出的最小有意义差异（如 Cpk 从 1.0 提升到 1.33）、α 与检出力，反算出所需样本量。不做这一步直接取「30 件」，往往检不出真实改进，也可能浪费大量试制。在测量与检验领域的另一个含义：检验工序「能发现不良的能力」，通常以「检出力曲线」或「检出概率 vs 缺陷尺寸」表示 —— 例如某视觉检测对 0.2mm 缺陷的检出率为 95%、对 0.1mm 只有 40%，这类数据是 PFMEA 中探测度评分的依据（而不是凭感觉给 D 值）。

💬 相关讨论 →

故障树分析 FTA

Fault Tree Analysis

从一确定的顶事件（如「制动失效」「电池起火」）出发，自上而下用逻辑门（与门 AND、或门 OR、表决门）逐层分解其发生原因，直到基本事件（元器件失效、人为差错、环境因素）的分析方法。与 FMEA 的分工：FMEA 自下而上（从零件/工序推到影响），穷举但容易漏掉组合失效；FTA 自上而下（从后果追到原因），聚焦但能捕捉「两个独立失效同时发生才出事」的组合场景。安全相关件（制动、转向、气囊、高压）通常两者都做，FTA 的顶事件常直接取自 FMEA 中严重度 9-10 的失效影响。定量分析：给每个基本事件赋失效率（来自可靠性预计、现场数据或供应商数据），按逻辑门计算顶事件发生概率，识别关键路径（割集 / 最小割集）—— 由此判断「降低哪个基本事件的失效率最有效」。标准依据：IEC 61025；汽车功能安全 ISO 26262 中的「安全分析」要求 FTA 或等同方法，用于验证随机硬件失效指标（SPFM/LFM）。

💬 相关讨论 →

可靠性预计 Reliability Prediction

Reliability Prediction

在设计阶段根据零件清单、工作应力与环境条件估算产品失效率或可靠度的方法。两种常用途径：① 零件计数法（早期，只有零件种类与数量时快速估算）；② 应力分析法（详细，逐个零件按其实际电应力/热应力与降额情况查失效率模型）。标准与模型：MIL-HDBK-217（历史悠久但已停止维护，业界普遍认为过于保守）、Telcordia SR-332（商用电子）、IEC 62380 / FIDES（法系，考虑制造与使用环境）、以及厂商提供的 FMEA/失效率数据。用途：① 设计阶段比较方案的可靠性水平；② 找出失效率贡献最大的零件（通常是电解电容、连接器、功率器件、焊点），指导降额与冗余设计；③ 为 FTA 提供基本事件失效率。重要限制：预计值是「模型给出的期望」，与实际现场失效率常有差距（可能差一个数量级），因此不能替代可靠性试验与现场数据；它的价值在于相对比较与识别短板，而非绝对数值。

💬 相关讨论 →

平均修复时间 MTTR

Mean Time To Repair

从发生故障到恢复功能所需的平均时间，包含故障定位（诊断）、拆卸、更换、装配、功能验证的全过程。与 MTBF 一起决定可用性：A = MTBF / (MTBF + MTTR)。为什么在汽车行业越来越重要：随着域控制器与软件占比上升，「能不能快速定位」比「修得多快」更关键 —— 若诊断能力不足，MTTR 会被「反复试换件」拖长，直接推高保修成本与客户抱怨。降低 MTTR 的手段：① 提升可诊断性（DTC 故障码、冻结帧、故障发生时的工况快照）；② 模块化与易拆装设计（把易损件放在可快速接近的位置）；③ 标准化接口与免调整装配；④ 备件可得性（售后备件供应年限通常要求 10-15 年）；⑤ 维修工艺标准化与培训。与设计阶段的关联：维修性（Maintainability）应在设计评审中与可靠性并列评估，DFMEA 中的「可维修性差导致维修时引入新失效」也是常被忽略的失效模式（如拆装时损坏卡扣、漏装密封圈）。

💬 相关讨论 →

有限元分析 FEA

Finite Element Analysis

把连续的几何体离散为有限个单元（网格），在每个单元内用近似函数求解偏微分方程（结构应力、传热、模态等），从而得到整个结构上的应力、变形、温度分布的方法。汽车行业的典型应用：车身与底盘强度刚度、悬架疲劳寿命预测、电池包箱体在挤压与振动下的强度、焊接接头的应力集中、零部件的轻量化拓扑优化。可信度的三个前提：① 网格质量（关键区域网格过粗会漏掉应力集中，网格无关性验证不可省）；② 边界条件与载荷的真实性（约束方式错误是最常见误差来源，把实际柔性连接当刚性约束会显著高估或低估应力）；③ 材料模型（弹性模量、屈服准则、硬化曲线、温度相关性）。与试验的关系：仿真不能替代试验，两者必须互相校验（相关性分析）—— 用应变片/加速度计实测值与仿真对比，偏差在可接受范围内（通常 ≤10-15%）才能用仿真做设计决策。审核时常查「仿真报告是否做了试验相关性验证」，只有仿真而无验证是常见弱点。在 PFMEA 与设计验证中的落点：仿真是 DVP&R 中「分析」类验证手段（A 类），可减少实物试验数量，但不能单独作为安全特性符合性的唯一证据。

💬 相关讨论 →

TRIZ TRIZ

Theory of Inventive Problem Solving (Teoriya Resheniya Izobretatelskikh Zadatch)

由苏联 Altshuller 通过对大量专利的分析总结出的发明问题解决理论，核心思想是「技术问题的解在别的领域已经被人解决过」，因此可以用结构化方法跨领域迁移。主要工具：40 个发明原理、矛盾矩阵（把「改善 A 却恶化 B」的技术矛盾映射到推荐原理）、物场分析、理想最终结果（IFR）、S 曲线（技术系统进化趋势）。在汽车工程中的典型用法：解决「轻量化 vs 强度」「散热 vs 密封」「刚度 vs 成本」这类典型技术矛盾 —— 例如用「分割原理」把整体件拆成模块、用「预先作用原理」做预紧或预热、用「反向作用」把拉改为推。与 DOE 的分工：TRIZ 解决「想不出方案」（概念层），DOE 解决「方案定了但参数不知怎么调」（优化层）。工程上常见顺序是 TRIZ 出概念 → DOE 定参数 → FMEA 评风险。局限：TRIZ 偏重机械与物理矛盾，对软件、用户体验、组织流程类问题适用性较弱；且它给出的是「候选方向」，仍须用试验与数据验证。

💬 相关讨论 →

六西格玛设计 DFSS

Design for Six Sigma

在新产品/新过程的设计阶段就植入六西格玛能力的方法体系，目标是把缺陷预防在设计里，而不是量产后靠 DMAIC 去救火。常用路线：DMADV（Define-Measure-Analyze-Design-Verify）与 IDDOV（Identify-Define-Develop-Optimize-Verify）。与 DMAIC 的区别：DMAIC 改进已有过程（问题已发生），DFSS 设计新过程（问题尚未发生）。业界经验是设计阶段决定了 70%-80% 的最终质量与成本，因此 DFSS 的投入产出比通常高于后期改进。核心工具组合：QFD（把顾客需求转成设计特性）、TRIZ（解决设计矛盾）、公理设计、稳健设计/田口（降低对噪声的敏感）、DFMEA、公差分析、蒙特卡洛、可靠性预计与验证（DVP&R）。在 APQP 中的位置：DFSS 的方法与 APQP 的第二阶段（产品设计与开发）高度重叠，实务中常把 DFSS 作为 APQP 的设计质量工具包使用，而不是另立流程。

💬 相关讨论 →