光模块速率降低的原因，光模块发射光功率怎么校准

1、基本概念

平均无故障间隔时间( MTBF ) ———至少可维护性产品(模块级)

平均无故障时间( MTTF ) ———不可维护产品(模块级以下) ) ) ) ) ) ) ) ) ) ) ) ) MTTF ) ) ) ) )模块)

效率低下(产品在时间t运行后的单位时间内，失效的产品数量相对于在时间t运行的产品数量失效的概率(瞬时量，反映失效的速度) ) )。

低效单位： h-1、fit、%/1000h。

(1fit=110-9/h=110-6/1000h )

物理含义：一个非所代表的物理含义是十亿个产品，一小时内只能失效一个产品/一千小时内失效概率仅为百万分之一

2、三种低效预测

寿命/效率的计算实际上是一个复杂的问题，需要对多组、多应力、大量样品进行实时或高频监测，获取大量数据。

排除由产品以外的特性引起的异常数据进行分析计算的结果。

数据截止点以定时/常数结束，对其中的失效样本进行失效分析，判断是正常退化失效还是异常失效，判断失效样本的数据是否可用于寿命计算。

针对尚未失效的样品，利用一些数据工具进行失效时间的估计，并对该批次的数据进行拟合，以确保该产品的老化符合该函数。

计算出函数的重要常数，用于此类产品的效率/寿命计算

这需要资金、人员、设备、失效手段和数学工具。

我想一般的公司看到这些要求后开始堂而皇之地巡游了。

幸运的是，一些行业大公司推出了简单的寿命/效率预测手段，提供了一些参数的经验值，用于一些工程系统的估计，这些结果用于一些简单的估计，不可深挖。 以下简要介绍这三种手段。

(1)设计初期的预想

这种方法最初源于美国军工领域，后来光通信领域也有自己的标准。 是最先介绍的Telcordia制造的SR-332。

该方法主要根据产品设计初期的零部件选型方案进行计算，或利用计算结果逆向推导零部件选型。 根据这些零件的fit值和使用数量，以及这些零件的环境因子、质量因子、应力因子进行修正，最后统计具体环境下的效率低下。

部件的fit值是用后述的两种方法预测的，或者是标准给出的经验值。

)2)产品定型时试验方法的预计

该方法产品已经定型，根据寿命试验数据进行估算，本方法认定产品寿命符合指数模型，应用阿留尼乌斯公式进行计算。

其中根据实验所得样品数、试验时间、应力、失效数、加速因子等计算。 其中加速因子可以采用标准中的推荐者，也可以根据2-3种样品在不同应力下的数据进行估算。 (原理拟合两点定线或三点线，斜率为加速因子)。

此外，有时还会根据实验时间、实验温度、加速因子，以预测所需温度下可使用时间的方式来推测产品的寿命。 虽然确定了这种做法表面上是合乎逻辑的，但寿命预期都是根据统计值计算的，但由于这种方法是一个完全被忽略的统计概念，因此计算并不严格。

)3)市场APP时的现场数据预测

该方法与设计方案、试验数据无关，市场上有两种计算方法，计算结果相差不大，可以通过对目标产品和市场上产品故障情况的欣赏来预测。

一是公司需要对产品出厂的日期、数量、失效情况有详细记录，消除批量失效和非失效导致的退货。

以统计时所有失效数量与具体使用时间之积的统计值为分子，乘以10^9，取总出厂产品使用时间之和，即可达到低效率。

另一种是在故障样品的使用时间不太确定的情况下，可以根据伽马的卡方常数计算。 将故障样本数乘以卡方常数和10^9，再除以总出厂产品的使用时间，即可获得低效率。 另外，卡方常数也可以根据可信度选择经验常数。

这三种预计方法可以灵活应用得到效率预期值，可能的话，最好基于实验结果得到产品寿命真正一致的模型，用该模型结合预计方法(2)进行计算。