4. 可靠性指标与统计基础
硬件可靠性验证的核心，并非简单地“跑一段时间看坏不坏”，而是通过有限的试验样本与有限的试验时间，对产品总体的寿命特征做出有统计意义的推断。本章聚焦于可靠性工程中最常用的两个寿命分布模型——指数分布与威布尔分布，并深入讲解置信区间与样本量计算的工程逻辑。理解这些统计工具，是后续开展加速寿命试验（ALT）、高加速寿命试验（HALT）以及制定可靠性验证方案（DVT/PVT）的数学基石。
4.1 指数分布：恒定失效率的适用边界
核心原理：指数分布是可靠性工程中最基础的寿命分布，其概率密度函数为 f(t) = λe-λt（t≥0），其中 λ 为失效率常数。该分布的核心假设是“无记忆性”——产品在 t 时刻的剩余寿命与已工作的时间无关。这意味着产品处于偶然失效期（浴盆曲线底部），失效率不随时间累积。在电子元器件、通信模块等经过充分老炼筛选的产品中，这一假设在有效寿命期内近似成立。
工程判断方法：使用指数分布前必须验证失效率恒定性。常用方法包括：
- 累积失效率图：在威布尔概率纸上，若数据点近似落在形状参数 β=1 的直线上，则支持指数分布假设。
- 总试验时间法：当失效数 r 与总试验时间 T 满足 r/T 基本稳定时，可认为失效率恒定。
- MTBF 计算：MTBF = 1/λ，点估计为 T/r（定数截尾）或 T/r（定时截尾时略有修正）。
4.2 威布尔分布：形状参数驱动的失效模式识别
核心原理：威布尔分布通过形状参数 β 灵活描述不同失效行为：β<1 表示早期失效（失效率递减），β=1 退化为指数分布（偶然失效），β>1 表示磨损失效（失效率递增）。其可靠度函数为 R(t) = exp[-(t/η)^β]，其中 η 为特征寿命（63.2% 失效对应的时间）。
参数估计与图分析法：工程中常用最小二乘法对 ln[-ln(R(t))] 与 ln(t) 进行线性回归，斜率即为 β，截距与 η 相关。现代工具（如 Minitab、JMP）可直接给出极大似然估计（MLE）及置信区间。
| β 值范围 | 失效阶段 | 工程含义 | 典型对策 |
|---|---|---|---|
| β < 0.7 | 早期失效 | 制造缺陷、筛选不充分 | 加强老炼筛选、改进工艺 |
| 0.7 ≤ β ≤ 1.3 | 偶然失效 | 随机应力、设计裕度合理 | 维持现状，关注过应力 |
| β > 1.5 | 磨损失效 | 疲劳、腐蚀、机械磨损 | 更换材料、增加润滑、降额设计 |
案例拆解：某汽车电子控制器进行振动耐久试验，记录 12 个样品的失效循环数（单位：万次）：2.1, 3.4, 3.8, 4.2, 5.0, 5.6, 6.1, 6.8, 7.5, 8.2, 9.0, 10.5。通过威布尔概率图拟合，得到 β=2.3（95% CI: 1.8~2.9），η=6.8 万次。β>1 明确指示疲劳累积损伤主导失效，而非随机故障。据此，团队将 PCB 焊盘应力释放设计列为改进重点，并重新设定设计目标为 B10 寿命（10% 失效时间）≥ 5 万次。
4.3 置信区间：从点估计到区间估计的工程意义
核心原理：点估计（如 MTBF=16,667h）无法反映抽样误差。置信区间（CI）给出了参数的真实范围，置信水平（通常 90% 或 95%）表示重复抽样时区间包含真值的概率。对于指数分布，MTBF 的置信区间基于 χ² 分布：
MTBF 的 95% 置信下限 = 2T / χ²(α/2, 2r+2)
MTBF 的 95% 置信上限 = 2T / χ²(1-α/2, 2r)其中 T 为总试验时间，r 为失效数。当 r=0 时，置信下限简化为 2T / χ²(α, 2)。
判断方法：工程验收中通常只关注置信下限（因为关心的是“最差能差到多少”）。例如，要求“MTBF 的 90% 置信下限 ≥ 10,000 小时”，这比单纯要求“MTBF 点估计 ≥ 10,000 小时”严格得多。
4.4 样本量计算：试验时间、失效数与风险的三角权衡
核心原理：样本量计算的核心公式（指数分布、定时截尾、允许 r 个失效）为：
n ≥ (χ²(α, 2r+2) × MTBF_目标) / (2 × T_试验)其中 α 为生产方风险（通常 0.1），MTBF_目标 为验证的下限值，T_试验 为单台试验时间。若引入加速因子 AF，则 T_试验 = T_实际 × AF。
操作流程：
- 明确验证目标：确定 MTBF 下限 θ₁ 与置信水平 1-α。
- 选择试验方案：定时截尾（最常用）或定数截尾。
- 设定允许失效数 r：通常取 0 或 1，以平衡样本量与风险。
- 计算所需总试验时间 T_total = n × T_试验。
- 若 T_total 过大，则增加加速应力（提高 AF）或放宽 r。
| 允许失效数 r | χ²(0.1, 2r+2) | 所需总试验时间（θ₁=10,000h） | 工程评价 |
|---|---|---|---|
| 0 | 4.605 | 23,025 台时 | 样本少但试验时间长，风险低 |
| 1 | 7.779 | 38,895 台时 | 允许 1 次失效，样本量适中 |
| 2 | 10.645 | 53,225 台时 | 样本量更大，但更接近真实 |
案例闭环：某工业变频器需验证 MTBF 下限 20,000 小时（90% 置信水平）。初始方案：r=0，T_试验=1000h，则所需样本量 n = 4.605×20,000 / (2×1000) = 46 台。但实验室仅有 30 台样机可用。团队调整策略：将试验温度从 40°C 提升至 85°C，根据阿伦尼斯模型计算加速因子 AF=8（激活能 Ea=0.7eV）。此时等效试验时间 T_等效 = 1000h × 8 = 8000h，所需样本量 n = 4.605×20,000 / (2×8000) ≈ 5.8 台，取 6 台即可。最终以 6 台样机在 85°C 下运行 1000 小时，零失效，成功验证 MTBF 下限。代价是加速应力可能引入非真实失效模式，因此需同步进行失效物理分析（FMA）确认失效机理一致性。