1. 课程导入与问题定义

加速寿命试验（Accelerated Life Test，ALT）通过施加高于正常使用条件的应力（如温度、电压、湿度、振动、电流密度等），在较短时间内激发产品失效，再借助加速模型外推到正常使用条件下的寿命与可靠度。它解决的核心矛盾是：产品寿命往往长达数年甚至数十年，而研发周期与验证窗口只有数周至数月。样本量设计则是这一矛盾中的关键杠杆——样本太少，试验结论不可信；样本太多，试验成本与周期失控。

本课程要回答的问题不是"要不要做加速寿命试验"，而是：在给定置信度、可靠度目标、加速模型与应力水平的前提下，究竟需要多少样本、如何分配、如何判定试验是否有效。这是一个从工程目标反推统计设计，再由统计设计约束试验执行的双向问题。

1.1 核心目标：从"能测出失效"到"能给出可信结论"

加速寿命试验样本量设计的核心目标可以概括为三层：

• 统计目标：在规定的置信水平（如90%、95%）下，对正常使用条件下的特征寿命（如B10寿命、MTTF）或可靠度给出满足精度要求的区间估计或假设检验结论。
• 工程目标：用可接受的样本量、试验时间和设备资源，覆盖产品关键失效模式，避免因样本不足而漏判早期失效或误判寿命达标。
• 决策目标：为设计定型、供应商准入、可靠性增长验证或质保策略提供可追溯的量化依据，使"通过/不通过"有明确的统计判据。

三者不是并列关系，而是层层约束：统计目标决定最小样本量下限，工程目标决定样本分配与失效模式覆盖，决策目标决定最终判定规则。忽略任何一层，都会导致试验"做了但不可用"。

1.2 工程意义：样本量是成本、周期与风险的交汇点

在工程实践中，样本量直接决定三件事：试验成本（样品、夹具、通道、能耗、人工）、试验周期（尤其当试验台位有限时，样本量与并行能力共同决定日历时间）、结论风险（漏判风险β与误判风险α）。

一个常见的工程场景是：某电源模块要求在95%置信度下验证B10寿命不低于5年，加速模型采用Arrhenius温度加速，正常使用温度40℃，加速温度125℃，加速因子约30～50倍。若仅用5个样本做试验，即使全部通过，其统计置信度也远不足以支撑"B10≥5年"的结论；而若盲目用100个样本，试验成本可能超过产品本身价值。样本量设计就是在这两者之间找到可辩护的平衡点。

1.3 常见误区：为什么很多ALT试验"做了等于没做"

以下误区在工程评审中反复出现，值得在课程开始就建立警觉：

这些误区的共同根源是：把样本量当作试验执行细节，而不是统计设计输入。本课程后续章节将逐一给出可操作的修正方法。

1.4 整体学习路径：从问题到方案再到判定

本课程共30章，整体遵循"目标—模型—设计—执行—判定—复盘"的闭环。下图给出课程的知识结构与学习路径，帮助你在后续章节中始终知道"当前学的内容在整个设计链条中的位置"。

图中横向表示同一层级内的知识推进，纵向虚线表示从上一层到下一层的依赖关系，右侧紫色回路表示判定与复盘结果会反向修正问题定义与样本量设计。你在学习后续章节时，可以随时回到这张图确认当前内容所处的位置。

1.5 一个贯穿课程的示例背景

为使后续章节的公式与参数有具体落点，本课程将贯穿一个示例场景（以下参数为教学假设，非实测数据）：

• 产品对象：某工业级DC-DC电源模块，正常使用环境温度40℃，关键失效模式为电解电容退化与焊点热疲劳。
• 寿命目标：在95%置信度下验证B10寿命不低于5年（约43800小时）。
• 加速应力：温度，加速水平拟取105℃与125℃两档；加速模型采用Arrhenius，激活能Ea按0.7 eV假设。
• 试验约束：可用试验台位12个，单轮试验最长允许8周（1344小时），允许截尾。

这个场景将在后续章节中反复出现：第2～4章讨论加速模型与寿命分布如何影响样本量；第5～10章给出不同置信度与精度下的样本量计算方法；第11章之后进入分配、截尾、零失效处理与判定规则。你现在不需要记住所有参数，只需要知道：样本量设计从来不是孤立公式，而是目标、模型、约束三者共同作用的结果。

接下来，第2章将从加速模型的基本形式出发，说明为什么模型选择会直接改变样本量需求——这是整个课程第一个需要建立的关键认知。