전자제품의 제품 신뢰성 및 잠재적 고장 위험도 판단에 자주 사용되는 두 가지 신뢰도 분석 방법은 핸드북 기반 MTBF (Mean Time Between Failure: 평균고장주기) 분석과 시뮬레이션 기반 RPA (Reliability Physics Analysis: 신뢰성 물리 분석)입니다.
핸드북 기반 기법에만 의존하여 신뢰도를 예측하는 경우 많은 제약 사항이 발생합니다. 이번 포스팅에서는 핸드북 기반 MTBF 사용 시 수반되는 잠재적 결과와 제품 신뢰성 분석을 위한 시뮬레이션 통합의 장점에 대해 논의하고자 합니다.
MTBF란?
MTBF는 평균고장주기로 시스템이 정상 작동하는 동안 기계 또는 전자 시스템에 발생하는 고장 사이의 경과시간 예측을 의미합니다. MTBF는 구성요소의 데이터 이력을 기반으로 한 경험적 고장률 계산을 사용하며, 이 데이터는 Telcordia SR-332 및 MIL-HDBK-217과 같은 상이한 핸드북에 독립적으로 컴파일 되어 있습니다.
신뢰성 테스트에 핸드북 기반 MTBF 방법만 적용 시 다음과 같은 다양한 제약사항이 발생합니다.
1 . 제품 고장에 대한 과대/과소 예측
핸드북 기반 MTBF 계산기법의 한계 중 하나는 고장이 본질적으로 무작위이며 일단 고장률 계산이 완료되면 일정한 비율로 발생한다고 가정하는 것입이다. 하지만 오류가 무작위로 일정한 비율에 따라 발생한다는 가정이 항상 정확한 것은 아닙니다. 연구에 따르면 이렇게 핸드북 기반으로 생성된 고장률은 핸드북 (MIL 및 Telcordia 핸드북)에 따라서는 물론, 실제 필드의 고장 데이터와도 크게 다를 수 있습니다. 최악의 경우 고장을 과도하게 예측하거나 과소 예측하는 서로 정 반대의 결과를 도출할 수도 있습니다.
Table 1: Generic final output of a handbook MTBF analysis
2 . 모든 설계 사항을 고려하지 못하는 MTBF 분석
MTBF 분석에만 의존하는 경우 잠재적 최대 한계는 다양한 전체 조립의 효과를 직접적으로 고려할 수 없다는 것이다. 분석을 위한 초기 입력에는 BOM (Bill Of Materials), 부품 데이터 시트 및 일반 운영 환경 등에서 확인 가능한 구성요소 정보가 포함됩니다. 그러나 보드를 설계하면서 신뢰성을 평가하는 데 필요한 상세 하우징 형상, 보드 레이아웃, 고정부 등과 같은 세부적인 입력정보를 설계 완성 과정에서 입력할 수 없습니다. MTBF 분석은 민감한 부품의 응력 집중 마운트부 근접 배치나 기계적인 신뢰성에 영향을 주는 부적절한 하우징 재료 선택과 같이 제품 고장에 상당한 영향을 미치는 주요 설계 인자를 고려할 수 없기 때문에 매우 제한적일 수밖에 없습니다.
3 . 제한적인 환경조건 입력 및 하중 적용
MIL 및 Telcordia 핸드북은 전자제품의 신뢰성 테스트 전에 검토되어야 하는 엄격한 정성적 환경을 정의하고 있습니다. 이러한 환경은 Telcordia 표준에 의해 정의되며 지상 고정 환경, 지상 이동 환경, 공중 환경 등을 포함하며, 각각의 환경은 각 전자 부품의 전체 고장률을 결정하는 Pi (π) 계수를 수정하는 고장률에 해당합니다. 환경 심각도 증가에 따라 Pi 계수가 증가하고 부품의 고장률도 증가합니다.
Source: Ansys
아쉽게도 핸드북 기반 MTBF 분석 방법은 어셈블리에 특정 하중 조건을 적용할 수 없습니다. 작동 환경 하의 특정 충격, 진동 프로파일 또는 상세한 열적 특성을 핸드북 기반의 MTBF 분석에 적용하는 것은 불가능하지는 않지만 쉽지 않습니다. 통상 사용 사례에 가장 적합한 핸드북에 정의된 환경을 선택해야 하며, 이러한 핸드북에 제시된 환경은 모든 구체적이고 복잡한 환경을 모사하지 못할 수 있으므로 오류 발생 가능성을 가지게 됩니다.
신뢰성 테스트를 위한 시뮬레이션 기반 신뢰성 물리 분석 (RPA)의 이점
신뢰성 물리 분석 (RPA: Reliability Physics Analysis)는 고장이 없는 제품 및 시스템 개발을 위해 고장물리 (PoF: Physics of Failure) 기반의 고장 메커니즘 모델과 지식을 활용하는 엔지니어링 제품 개발 방법론으로 정의됩니다. RPA를 시뮬레이션과 연동하면 핸드북 기반 MTBF 분석 결과보다 훨씬 정확하고 상세한 제품 고장 발생 위험 관련 실행 가능 정보를 얻을 수 있습니다.
Ansys Sherlock의 신뢰성 물리 분석 (RPA) 수행 방법에 대한 보다 상세한 정보는 여기를 클릭
신뢰성 테스트를 위한 RPA의 세 가지 주요 이점:
1 . 정확하고 적용 가능한 데이터
신뢰성 물리 방법론은 어셈블리의 물리적 프로세스의 원인과 그 영향에 보다 집중하는 반면, 핸드북 기반의 MTBF는 비교 목적을 위해 데이터를 단일 값으로 집계하는 데 더 많은 관심을 둡니다. RPA는 특정 조건 하에서의 특정 부품 고장 발생 원인을 고찰하여, 이후 반복적인 제품 설계를 파악하는 데 도움이 되는 가치 있고 실행 가능한 통찰력을 제공합니다.
Table 3: Ansys Sherlock incorporates geometries to determine how component layout and board dimensions affect potential failure modes. Source: Ansys
또한 RPA는 신뢰성 평가 시 특정 형상 및 환경조건을 고려하기 때문에 보다 방대한 실행 가능한 분석 데이터를 제공합니다. 시뮬레이션 기반 RPA를 적용하지 않는 경우, 보드의 시제품을 제작하고 물리적으로 테스트하기 전까지 잠재적 설계 문제를 발견하지 못할 수 있습니다. 예를 들어, 기계적 충격 이벤트의 FEA 시뮬레이션을 수행하고 보드 변형율을 신뢰성 물리학으로 분석함으로써 고위험 구성요소를 구체적으로 식별하고 고정 위치를 수정하거나 구성요소의 언더필 (역주: BGA, CSP, Flip Chip 등의 패키지 밑을 절연 수지를 이용하여 완전히 메우는 공법)과 같은 위험성 저감 기술을 제안할 수 있습니다.
RPA의 기본 철학은 장치의 잠재적 고장 메커니즘과 원인에 대한 엔지니어의 이해를 높임으로써 이러한 위험을 효과적으로 예방할 수 있도록 돕는 것이며, 이는 특정 장치가 어떠한 주기로 고장이 나는지 파악하는 것을 뜻합니다.
2 . 상세 모델 입력 및 하중 적용
핸드북 기반 MTBF 분석의 한계 중 또 다른 하나는 모델 입력 및 하중 적용에 대한 제약입니다. 이 점이 바로 시뮬레이션 기반 RPA의 장점으로 작용하는 부분이며, 시뮬레이션으로 제품의 3차원 모델을 구축하고 구성요소의 모양과 무게, 보드 장착 조건 및 두께와 같은 중요한 파라미터를 포함하여 적용할 수 있습니다. 또한 설계 상위 단계 (시스템 레벨)에서 하우징이나 특정 지지 구조의 영향을 고려할 수 있도록 하거나 하위 단계 (보드 레벨)에서 개별 구성요소와 그 내부 기능 (다이 장착 구조, 리드 프레임 형상 등)이 신뢰성 거동에 미치는 영향을 고려할 수 있도록 하는 옵션을 제공합니다.
Table 4: Example of an RPA result set for a printed circuit board assembly (PCBA), showing shock strains calculated with simulation and resulting reliability predictions. Source: Ansys
분석에 포함된 이런 특징은 과소/과도하게 구속된 어셈블리와 시스템의 모드 형상 및 고유 진동수로 인해 발생하는 심각한 변형과 같이 고장 거동에 잠재적 영향을 줄 수 있는 요소를 찾아낼 수 있게 해줍니다.
3 . 반복 해석이 가능한 RPA
RPA 시뮬레이션의 마지막 중요한 이점은 반복적 수행을 통해 설계 과정 전반에 걸쳐 신뢰성을 지속적으로 다시 정량화 할 수 있다는 점이다. RPA 시뮬레이션은 어셈블리 신뢰성에 직접적인 영향을 미칠 수 있는 형상 및 특정 사용 환경을 적용할 뿐만 아니라 마운트 위치, 다양한 환경 또는 구성요소 스테이킹 (PCB와 파트 추가 고정) 변경과 같이 설계 변경을 빠르게 반복 수행할 수 있습니다. 그런 다음 분석을 통해 이러한 변경을 최적화하여 제품 고장 위험에 미치는 영향을 판단하고 전체 제품 설계에 가장 효과적인 변경 사항을 결정할 수 있습니다. 이러한 점이 바로 MTBF 분석 대비 신뢰성 물리 시뮬레이션이 매우 강력한 도구로써 재조명되는 부분이다.
출처 : Ansys 3 Reasons Why You Should Use Reliability Physics Analysis Over Mean Time Between Failure
