2. 可靠性特征量体系

要定量描述一个产品“可靠不可靠”，单靠一句“质量好”远远不够。可靠性工程建立了一套彼此关联的特征量，把模糊的可靠性直觉转化为可计算、可比较、可验证的数值。本节围绕六个核心特征量展开：可靠度 R(t)、累积失效概率 F(t)、失效概率密度 f(t)、失效率 λ(t)、平均寿命 θ，以及可靠寿命 t_R 与中位寿命 t_0.5。理解它们之间的换算关系，是后续失效概率计算的基础。

一、六个特征量的定义

设产品在规定条件下工作，寿命 T 是一个随机变量。以下定义均以“从 t=0 开始工作”为时间参照，时间单位为小时（h）。

可靠度 R(t)：产品在规定条件下、规定时间内完成规定功能的概率，即 R(t)=P(T>t)。它是时间的递减函数，R(0)=1，R(∞)=0。

累积失效概率 F(t)：产品在时间 t 之前发生失效的概率，F(t)=P(T≤t)=1−R(t)。它与可靠度互补，是单调递增函数。

失效概率密度 f(t)：累积失效概率对时间的导数，f(t)=dF(t)/dt=−dR(t)/dt。它描述失效在某一时刻附近发生的“密集程度”，满足 ∫₀^∞f(t)dt=1。

失效率 λ(t)：在时刻 t 之前未失效的产品，在 t 之后单位时间内发生失效的条件概率密度，λ(t)=f(t)/R(t)。它刻画的是“幸存者”的瞬时风险，是可靠性设计中最受关注的量，也是浴盆曲线的数学载体。

平均寿命 θ：寿命的数学期望，θ=E(T)=∫₀^∞R(t)dt。对不可修产品常称 MTTF，对可修产品常称 MTBF。

可靠寿命 t_R：给定可靠度 R 时对应的寿命，即满足 R(t_R)=R 的时间。例如 R=0.9 时的 t_0.9 表示“有 90% 把握能工作到的时间”。中位寿命 t_0.5 是 R=0.5 时的特例，此时恰好一半产品失效。

二、相互关系：一张图看清换算链

这六个量并非孤立指标，而是同一寿命分布的不同“投影”。已知其中任意一个函数，原则上都能推出其余各量。下图给出它们之间的核心换算路径与方向。

图中实线表示直接换算，虚线表示通过积分或互补关系间接得到。需要特别注意：λ(t) 不是概率密度，它可以大于 1（例如以“次/千小时”为单位时），而 f(t) 与 R(t) 都是无量纲概率量。混淆二者是初学者最常见的错误。

三、以指数分布为例走通计算

假设某型号电源模块的寿命服从指数分布，失效率为常数 λ=2×10⁻⁴ /h（即每千小时 0.2 次失效），这是电子元器件在偶然失效期的典型假设。由此可依次算出各特征量：

已知：λ = 2e-4 /h，t 以小时计
R(t)  = e^(-λt)          → t=1000h 时 R=0.8187
F(t)  = 1 - e^(-λt)      → t=1000h 时 F=0.1813
f(t)  = λ·e^(-λt)        → t=1000h 时 f=1.637e-4 /h
θ     = 1/λ = 5000 h
t_0.9 = -ln(0.9)/λ ≈ 527 h
t_0.5 = -ln(0.5)/λ ≈ 3466 h

这组数字传达了几个重要工程含义：平均寿命 5000 h 并不意味着“能用到 5000 h”，中位寿命只有约 3466 h，即有半数产品在此之前失效；而要做到 90% 的可靠度，设计目标时间只能定在约 527 h。若客户要求“工作 1000 h 可靠度不低于 0.95”，则需把 λ 降到 −ln(0.95)/1000≈5.13×10⁻⁵ /h 以下，即失效率需降低约 4 倍。这正是特征量体系的价值：把可靠性要求翻译成可分配给设计的失效率指标。

四、使用特征量时的三个要点

• 先明确分布假设，再谈数值。同一组 R、F 数据在不同分布下推出的 λ(t) 与 θ 完全不同。工程上应先通过失效数据拟合或依据失效机理选定分布（指数、威布尔、对数正态等），再计算特征量。
• 区分“点时刻”与“区间”。R(t)、λ(t) 是时间函数，θ、t_R 是单一数值。汇报可靠性时须注明是“某时刻可靠度”还是“寿命指标”，避免歧义。
• 失效率要说明条件。λ(t) 是条件量，其分母是幸存产品数。在浴盆曲线的早期失效期与耗损失效期，λ(t) 随时间上升，此时不能用 1/λ 简单当作平均寿命。

掌握这套特征量体系后，面对“这批产品能用多久”“要保证 95% 可靠需控制在多少小时”“失效集中在哪个阶段”等问题，都能找到对应的量去回答，并为后续的失效概率计算与可靠性分配打下基础。