3. 寿命分布基础

在汽车电子可靠性工程中，寿命不是一个确定值，而是一个随机变量。同一批次的车规级 MCU、IGBT 模块或连接器，在相同工况下也会在不同时间失效。要定量描述这种不确定性，必须建立一套完整的概率语言：随机变量定义“失效发生在何时”，概率密度函数描述“失效在某个时刻附近的密集程度”，累积分布函数回答“到某时刻为止累计失效多少”，生存函数回答“到某时刻仍能正常工作多少”，风险函数则刻画“已经工作到某时刻后，下一瞬间失效的倾向”。这五个概念构成寿命分布的基础骨架，也是后续威布尔分布、指数分布、加速寿命试验与寿命预测的数学起点。

一、核心原理：五个函数如何串成一条链

设寿命随机变量为 T，单位为小时或循环次数。工程上通常关注 T 的取值规律，而不是某台样品的具体失效时间。五个函数之间的关系可以这样理解：

• 概率密度函数 PDF：f(t)，表示寿命在 t 附近单位时间内的失效密度，曲线越高，说明该时间段附近失效越集中。
• 累积分布函数 CDF：F(t)=P(T≤t)，表示到 t 时刻为止的累计失效概率，单调递增，最终趋于 1。
• 生存函数/可靠度函数：S(t)=P(T>t)=1-F(t)，表示到 t 时刻仍存活的概率，单调递减，从 1 降到 0。
• 风险函数/失效率函数：h(t)=f(t)/S(t)，表示在 t 时刻仍存活的条件下，下一瞬间发生失效的条件概率密度。

这五个量不是孤立指标，而是同一寿命分布的五种“投影”。工程上常说的“失效率曲线”“浴盆曲线”“可靠度曲线”，本质上分别对应风险函数、生存函数和累积分布函数。理解它们之间的换算关系，比死记公式更重要。

二、方法流程：从数据到五函数的工程步骤

在汽车电子项目中，通常不会直接“算出”五个函数，而是通过寿命试验、现场失效数据或加速试验数据，先估计分布参数，再推导出五个函数。典型流程如下：

1. 定义失效判据：明确什么算失效，例如 IGBT 阈值电压漂移超过 20%、连接器接触电阻超过 10 mΩ、MCU 在 -40℃~125℃ 循环后功能异常。
2. 采集寿命数据：记录每台样品的失效时间或删失时间。删失数据在汽车电子中非常常见，例如试验结束时仍未失效的样品。
3. 选择分布模型：根据失效机理选择威布尔、对数正态、指数等分布。早期失效常用威布尔形状参数 β<1，随机失效常用指数分布，磨损失效常用 β>1。
4. 参数估计：用最大似然估计或最小二乘法拟合参数，得到 f(t) 和 F(t) 的解析式。
5. 推导 S(t) 与 h(t)：由 S(t)=1-F(t) 和 h(t)=f(t)/S(t) 计算可靠度与风险函数。
6. 工程校核：将模型预测的 B10 寿命、保修期返修率与现场数据对比，判断模型是否可用。

F(t) = ∫₀ᵗ f(u) du
S(t) = 1 - F(t)
h(t) = f(t) / S(t)
H(t) = ∫₀ᵗ h(u) du = -ln S(t)
S(t) = exp(-H(t))

三、案例场景：某车规级 DC-DC 模块的寿命分布

某 48V 转 12V DC-DC 模块在高温高湿加速试验中获得 60 个样品的失效时间。假设寿命服从威布尔分布，形状参数 β=2.1，尺度参数 η=8000 h。则：

• F(t)=1-exp[-(t/8000)^2.1]，可计算任意时刻的累计失效概率。
• S(t)=exp[-(t/8000)^2.1]，当 t=3000 h 时，S≈0.88，说明约 88% 的模块能工作到 3000 h。
• h(t)=(β/η)(t/η)^(β-1)，由于 β>1，风险函数随时间递增，说明该模块主要失效模式为磨损型老化，而非早期随机失效。

工程上，若客户要求 3000 h 可靠度不低于 0.90，则当前 S(3000)=0.88 不满足要求。可通过降低结温、优化散热或提高器件等级，使 η 提升到 9500 h 以上，从而把 S(3000) 提高到 0.91 左右。

四、常见误区与复盘

掌握随机变量、PDF、CDF、生存函数和风险函数，就掌握了寿命分布的“通用语言”。后续无论面对威布尔分布、对数正态分布还是指数分布，都可以用同一套框架去理解参数变化对可靠度、失效率和寿命分位点的影响，从而把统计模型真正落到汽车电子产品的设计、验证和运维决策中。