2. 竞争失效的数学描述与寿命变量

在可靠性工程中，产品往往并非只有一种失效方式。一个轴承可能因磨损、疲劳或润滑失效而终止寿命；一块电路板可能因焊点开裂、电容老化或静电击穿而失效。当多种失效机理同时存在、彼此竞争，谁先发生谁就决定产品寿命时，这类问题就属于竞争失效。要对其进行寿命建模，第一步必须把“寿命”从工程语言翻译成可运算的数学对象——寿命随机变量，并明确各失效模式之间的分布关系。

寿命随机变量与失效时间分布

设某产品的寿命为随机变量 T，它是一个非负连续随机变量，取值 t ≥ 0 表示从开始工作到失效所经历的时间。描述 T 的基本工具是三个函数：

• 概率密度函数 f(t)：刻画寿命在 t 附近单位时间内的失效密度；
• 累积分布函数 F(t) = P(T ≤ t)：表示到时刻 t 为止已经失效的概率；
• 可靠度函数 R(t) = P(T > t) = 1 − F(t)：表示到时刻 t 仍正常工作的概率。

与之配套的还有失效率函数 h(t) = f(t)/R(t)，它表示在已存活到 t 的条件下，下一瞬间发生失效的瞬时风险。工程上常用的寿命分布包括指数分布（恒定失效率）、威布尔分布（形状参数 β 可描述递减、恒定、递增失效率）和对数正态分布（适合疲劳、磨损类退化失效）。这些分布是竞争失效建模的“零件库”。

竞争风险模型的基本结构

竞争风险模型的核心思想是：为每一个失效模式 j = 1, 2, …, k 定义一个潜在失效时间 T_j，它表示“如果只有第 j 种失效机理单独作用，产品会在何时失效”。实际观测到的寿命是这些潜在失效时间中的最小值：

T = min(T₁, T₂, …, T_k)

失效模式指示：J = argmin_j T_j，即最先发生的那个模式

这里有一个关键假设：各潜在失效时间 T₁, …, T_k 相互独立。在该假设下，产品的可靠度等于各模式可靠度的乘积：

R(t) = P(T > t) = P(T₁ > t, …, T_k > t)
     = ∏_{j=1}^{k} R_j(t) = ∏_{j=1}^{k} [1 − F_j(t)]

相应地，总失效率是各模式失效率之和：h(t) = Σ h_j(t)。这解释了为什么竞争失效系统的失效率曲线常常呈现“浴盆”形状——早期失效、随机失效、耗损失效分别由不同机理主导，叠加后形成复合曲线。

联合分布与边缘分布

竞争风险模型天然涉及多维随机变量。设 T = (T₁, …, T_k)，其联合分布函数为 F(t₁, …, t_k) = P(T₁ ≤ t₁, …, T_k ≤ t_k)。而每个 T_j 单独的分布 F_j(t) 称为边缘分布。在独立性假设下，联合分布可分解为边缘分布之积，这正是前面可靠度乘积公式的来源。

但实际数据中我们通常只能观测到 T = min T_j 和对应的失效模式 J，而无法直接观测到未发生的潜在失效时间。这就引出了竞争失效建模中最微妙的问题——可识别性。

可识别性问题

可识别性指的是：仅凭可观测数据，能否唯一确定模型参数。在竞争风险框架下，若各 T_j 独立，则从 T 的分布和失效模式比例中，理论上可以反推出各边缘分布 F_j，模型是可识别的。然而一旦放松独立性假设，联合分布无法由边缘分布唯一确定，可识别性就会丧失。工程实践中常见的应对策略包括：

• 通过物理机理分析或加速试验，为各失效模式建立独立的寿命分布模型；
• 利用失效模式指示数据 J 辅助参数估计；
• 在无法验证独立性时，明确说明假设并做敏感性分析。

下面用一张图概括竞争失效的数学结构：从各模式的潜在寿命变量出发，经过“取最小值”机制得到可观测寿命，再通过分布函数与可靠度函数描述整体行为，最后落到可识别性这一建模边界条件上。

理解这张图后，后续建模工作就有了清晰的坐标：先为每个失效模式选定寿命分布（如威布尔、对数正态），再依据独立性假设写出联合可靠度，最后用观测到的 T 和 J 做参数估计。若独立性存疑，则必须在报告中显式说明，并通过敏感性分析评估结论的稳健性。竞争失效建模的可靠性，正建立在对这些数学对象及其边界的准确把握之上。