1. 删失寿命数据与可靠性区间估计导论

在可靠性工程中，我们关心的往往不是“产品能不能用”，而是“它能用多久”。要回答这个问题，最直接的办法是把一批产品全部跑到失效，记录每个样品的失效时间。但现实几乎从不允许这样做：试验时间有限、样品昂贵、有些产品在观察期结束时仍然正常工作，还有些样品因为意外损坏、拆机检查或人为终止而提前退出观察。于是我们拿到的寿命数据往往是不完整的——这就是删失寿命数据（censored lifetime data）。

删失并不等于“数据丢失”，它仍然携带信息。关键在于：我们只知道真实寿命落在某个区间内，而不知道它的确切数值。可靠性区间估计的任务，就是在这样的不完整信息下，给出寿命特征量（如平均寿命、可靠度、B10 寿命）的一个区间，并说明这个区间覆盖真值的可信程度。本课程围绕“删失数据 + 区间估计”这条主线展开，本章先建立基本概念、明确工程需求，并给出整体路线图。

一、删失数据的四种基本形态

按观察方式，删失数据通常分为右删失、左删失、区间删失和截断，其中右删失在可靠性中最常见。

• 右删失：只知道真实寿命 T 大于观察时间 t，即 T > t。典型场景是定时截尾试验：试验到 1000 小时停止，仍有 6 个样品未失效，它们的寿命就记为“>1000 小时”。
• 左删失：只知道 T 小于某时刻，即 T < t。例如产品在首次巡检时已经失效，但具体失效时刻未知。
• 区间删失：只知道 T 落在区间 (L, R] 内。例如每 500 小时巡检一次，某样品在第 3 次巡检时发现已失效，则其寿命落在 (1000, 1500] 小时。
• 截断：样品只有在满足某个条件时才被纳入观察。例如只统计已运行超过 200 小时的产品，寿命小于 200 小时的个体根本不会进入样本。

需要特别区分“删失”和“截断”：删失是个体被观察到但寿命不完整，截断是个体因不满足条件而根本未被观察到。二者对似然函数的贡献不同，处理方式也不同。

二、为什么可靠性工程需要区间估计

点估计给出一个数值，例如“平均寿命约 5200 小时”。但工程决策需要知道这个数值有多可靠。若样本只有 8 个、且其中 5 个是删失，那么 5200 小时可能对应很宽的置信区间，例如 [3100, 9800] 小时；若样本有 200 个、删失比例低，区间可能收窄到 [4900, 5500] 小时。区间估计把“样本量、删失比例、置信水平”三者的影响显式表达出来，这正是可靠性报告、寿命验证和维修策略制定所必需的。

在工程实践中，区间估计常用于以下判断：

• 验证 B10 寿命是否满足合同下限，例如要求 B10 ≥ 2000 小时，需给出 B10 的置信下限；
• 比较两种设计或两家供应商的寿命差异是否显著；
• 在加速寿命试验中，把高应力下的区间估计外推到正常应力；
• 为备件库存和预防性维修间隔提供带置信度的依据。

三、从数据到区间的整体路线

本课程后续内容按“数据 → 模型 → 估计 → 判断”的逻辑推进。下图给出整体路线图，并标出各阶段的核心对象与关键输出。

四、一个贯穿课程的示例背景

为使后续方法有统一的落点，本课程采用一个可复现的示例背景：某型工业轴承进行定时截尾寿命试验，投入 n = 20 套，试验在 t_c = 1500 小时停止。假设记录到 12 个失效时间（单位：小时）为：

320, 480, 610, 750, 890, 1020, 1150, 1240, 1310, 1380, 1430, 1490
另有 8 套在 1500 小时时仍未失效，记为右删失：>1500

这组数据的特点是：样本量不大、删失比例 40%、存在明确的截尾时间。后续章节将用它对指数分布和威布尔分布分别做参数估计，并计算 MTBF 与 B10 寿命的置信区间。需要说明的是，以上数值为教学示例数据，用于演示计算流程，并非真实试验实测结果。

五、学习本课程需要建立的三个习惯

1. 先写似然，再谈估计。 面对任何删失数据，第一步是把每个样品的似然贡献写清楚：完全失效用密度函数 f(t)，右删失用可靠度函数 S(t)，左删失用分布函数 F(t)，区间删失用 F(R) − F(L)。似然写对了，后面的估计才有依据。
2. 区分“置信水平”和“可靠度”。 置信水平 1−α 描述的是估计方法的长期覆盖率，可靠度 R(t) 描述的是产品在时间 t 仍能工作的概率。二者含义不同，不能混用。
3. 报告结果时带上条件。 任何区间估计都应注明：分布假设、样本量、删失数与删失类型、置信水平、所用方法（精确/近似/Bootstrap）。缺少这些条件，区间无法被复核，也无法用于工程决策。