器件的失效风险评估是器件设计中非常重要的一环，一个好的器件就在设计出低成本下满足规格（能用）与中长期可靠性（持续长期的使用）的要求，本文透过笔者的经验分享如何应用TRIZ工具AFD在器件失效风险评估中。

1、AFD的定义：

AFD（Anticipatory Failure Determination）预期失效分析是一种用以确定技术系统或非技术系统的隐藏失效因子、未来潜在风险与意外的分析方法，通常会以进行失效分析、失效预测与预防、消除失效风险的方法，本文结合AFD的方法与开发器件的相关经验陈述AFD在器件失效风险的评估。

2、场景分析

一个器件的应用必须考量与环境的配合状况，以TRIZ的说法可以视为系统与超系统的配合，这通常可以分成4种情形，即旧器件、新器件与新旧场景的交错应用，如下图：

第一象限：旧器件在旧场景的应用。这是种风险最小的器件应用场景，过去的使用经验足以确保器件在旧场景中使用的安全性；

第二象限：新器件在旧场景的应用，此种状况较第一象限的风险比较高，但因为场景是现成的，过去旧有器件的规格、DFMEA、失效履历都是很好的参照工具，只要上述三者应用得当，这个象限的失效风险也可以有效地控制。

第三象限：旧器件在新场景的应用，因为旧有器件是现成的，在过去使用中也没有问题，用过去的DFEMA等工具也不容易看出风险，反而使得设计人员在新场景中的应用不再进行细部评估、进行了也看不出问题，或不觉得有潜在风险进而导致失效发生。从这角度来看，这种失效多是由设计人员的思考惯性限制导致的，一旦这种失效发生对设计人员是种很大的打击，也对器件上的应用会产生怀疑。

第四象限：新器件在新场景的应用，这是种器件、场景两个维度同时发生变化的情形，也是最复杂的场景。但幸运的是当这种场景出现时通常会投入更多的精力进行风险评估尝试避免风险发生或透过mockup的原型机、降低预期避免过大而导致不可接受的风险发生。

比对四种场景，三、四象限是最具有失效风险的，但两者之间的差异是面对第四象限风险会使能力的不足导致一些风险无法评估到位，而三象限还伴随着惯性的限制造成的影响。

3、现有工具限制与AFD的应用

面对风险评估，我们采用以下几个工具：

参照过去类似器件的规格：这是最基本，也是最实用的方式，通常可以避免大部分的问题，也可以想成是站在巨人的肩膀上前行，但这并不能应对三、四象限的潜在风险，因为过去的器件在新的场景上使用过；

失效履历：这如同上面的方式，可以知过往但不能应对未来可能的变化；

DFMEA、PMFEA：透过可能的失效、原因与风险、几率、检出率的评估确实给出了一套系统的评估方式，也非常广泛地应用在新器件的开发，世界一流的公司、 6 sigma都使用FMEA进行评估，在过去我的开发经验中也给出了非常有用的帮助，但FMEA的缺点在于都是我们已知的问题与风险，对于未知的场景、风险没有办法提出有效的办法。

从过去的方法来看，真正最大的风险是我们不知道哪里是我们不知道的风险，这有点绕口但简单地说就是我们不知道哪里有风险才是最大的风险。为什么不知道？我觉得可能有下列几点：

1、惯性的思维：面对一个失效我们很自然而然地觉得过去怎么样，所以现在应该怎么样、这样的设计应该不会有什么问题、或思考它是怎么坏的呢？这种方式一没有往极限去思考、二没有换个方向思考，比如说：我们怎么把它弄坏，所以很难找到我们不知道的问题；

2、物体限制了我们的想法：面对具体的物体时就限制了我们对问题的理解，比如看个手机，自然而然手机就在脑海里浮现，不会再有其他想法；

TRIZ的AFD（Anticipatory Failure Determination）要求对于失效的评估有几个重点，而这些重点可以有效避免上述的问题补齐思考上的盲点：

1、考量极限的失效：比如说用户使用充电线缆3个月后发生零星的充电不良，通常这样的问题会很容易发散或无法进一排查，但如果把这问题加剧，转换成用户使用充电线缆天天都有充电不良，这时候的方向会明确，思考的也会被打开，进而更容易找到可能的问题；

2、从它是怎么坏的转换成我们怎么把它弄坏惯性的思维：面对失效往往第一个想法是它是怎么坏的，这时候的主角是损坏的物体，但改成我们是怎么把它弄坏，这时候的主角变成了我们，我们怎么来把这物体搞坏，整个思考的方式就转换成不一样的角度，也多了可能的解题方向。

3、物场模型的应用：在面对问题时可以摆脱物体实体的限制，透过物场模型可以更清晰地看到系统中物件之间的关联性、添加更多的失效可能性在系统中。

基于上面的优点，AFD可以有效地穿透问题，尝试了解哪里是我们不知道的风险，我现在的实践经验还少，不确定这是否能找到全部的风险，可能跟用的人的能力也有关系，但AFD可以找到以前看不到的问题是确定无误的。

文丨苏天杰

审校丨姜台林

编辑丨Zizi