2. 可靠性特征量与寿命分布基础

可靠性工程的第一道门槛，是把"可靠"这个模糊的形容词变成可以计算、可以比较、可以验收的数字。本节围绕四个基本特征量——可靠度、失效概率、失效率、平均寿命——以及三类最常用的寿命分布展开，目标是让读者看到一组寿命数据或一条失效率曲线时，能判断该用哪个模型、参数意味着什么、结论能支撑什么决策。

一、四个基本特征量的定义与相互关系

设产品从开始工作到发生失效的时间为随机变量 T，其累积分布函数为 F(t)，概率密度为 f(t)。四个特征量都建立在这个随机变量之上。

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) = 1 − F(t)。它是时间的减函数，R(0) = 1，随 t 增大单调下降。

失效概率 F(t)：与可靠度互补，F(t) = 1 − R(t)，表示在 t 时刻之前已经失效的比例。二者是同一枚硬币的两面，工程上习惯用 R(t) 表达要求，用 F(t) 做统计推断。

失效率 λ(t)：这是最容易误解的一个量。它表示"已经工作到 t 时刻仍未失效的产品，在下一瞬间发生失效的速率"，定义为

λ(t) = f(t) / R(t)

注意分母是 R(t) 而不是 1，所以失效率是条件量。它不等于"失效比例"，单位是 1/h 或 FIT（1 FIT = 10⁻⁹/h）。典型电子元器件的失效率曲线呈"浴盆"形：早期失效期 λ 递减，偶然失效期 λ 近似常数，耗损失效期 λ 递增。

平均寿命：对不可修产品称 MTTF（Mean Time To Failure），对可修产品称 MTBF（Mean Time Between Failures），数值上都是 E[T] = ∫₀∞ R(t)dt。这个积分式非常有用：只要知道 R(t) 曲线，其下方面积就是平均寿命，不必先求密度函数。

常见误区：把 MTBF 当作"无故障工作时间"。MTBF = 10000 h 并不意味着能连续工作 10000 h 不坏，它只是失效时间的期望值。若寿命服从指数分布，MTBF = 10000 h 时，工作到 10000 h 的可靠度只有 e⁻¹ ≈ 0.368。

二、三类寿命分布及其适用场景

指数分布：R(t) = e−λt，失效率 λ 为常数，MTTF = 1/λ。它对应浴盆曲线的偶然失效期，也是唯一具有"无记忆性"的分布——已工作多久不影响后续失效概率。适用场景：经过筛选和老化剔除早期缺陷的电子元器件、复杂系统的稳态运行阶段、失效率近似恒定的场合。它的优点是计算简单，串联系统可靠度可直接相乘。

威布尔分布：R(t) = exp[−(t/η)β]，含形状参数 β 和尺度参数 η。β 是威布尔分布的灵魂：β < 1 对应早期失效（λ 递减），β = 1 退化为指数分布（λ 常数），β > 1 对应耗损失效（λ 递增），β ≈ 3.5 时接近正态分布。适用场景：机械零件磨损、轴承疲劳、材料强度、寿命试验数据拟合，是通用性最强的寿命分布。

对数正态分布：T 的对数服从正态分布，密度函数右偏、长尾。失效率先升后降，适合描述"失效由累积损伤引起、且损伤速率差异大"的场合。适用场景：半导体器件退化失效、维修时间分布、某些疲劳裂纹扩展寿命。

选择分布时，先看物理失效机理，再用数据检验。工程上常用威布尔概率纸或最小二乘拟合判断：若数据点在威布尔概率纸上近似直线，则威布尔分布成立，直线斜率即 β 的估计。

可靠性特征量关系与三类寿命分布对照 特征量关系链 寿命随机变量 T f(t) 概率密度 · F(t) 累积分布 可靠度 R(t) P(T > t) 失效概率 F(t) 1 − R(t) 互补 失效率 λ(t) = f(t) / R(t) 条件量 · 单位 1/h 或 FIT 平均寿命 MTTF / MTBF E[T] = ∫ R(t) dt 浴盆曲线三阶段 早期 λ↓ · 偶然 λ≈常数 · 耗损 λ↑ 指数分布对应中段 三类寿命分布：曲线形态与适用场景 指数分布 R(t) = e^(−λt)　λ 为常数　MTTF = 1/λ 无记忆性：已工作时间不影响后续失效概率 适用：筛选后的电子元器件、系统稳态运行期 特点：串联系统可靠度可直接相乘 t R 威布尔分布 R(t) = exp[−(t/η)^β]　β 形状参数　η 尺度参数 β<1 早期失效 · β=1 退化为指数 · β>1 耗损失效 适用：机械磨损、轴承疲劳、材料强度、寿命试验 通用性最强，概率纸上近似直线即成立 t R 对数正态分布 ln T 服从正态分布　密度右偏、长尾 失效率先升后降，反映累积损伤速率差异大 适用：半导体退化失效、维修时间、疲劳裂纹扩展 特点：长尾意味着少数个体寿命极长 t f(t)

三、从数据到参数的实操路径

假设对 10 只某型继电器做寿命试验，记录失效时间（单位：万次动作）为：12、18、25、31、40、52、68、85、110、150。要判断分布并估计参数，可按以下路径操作。

第一步，排序并计算经验可靠度。用中位秩公式 Ri = 1 − (i − 0.3)/(n + 0.4)，n = 10，得到各失效点对应的 R 值。第二步，在威布尔概率纸上描点（横轴 ln t，纵轴 ln[−ln R]）。若点近似成直线，则威布尔分布成立。第三步，用最小二乘拟合直线，斜率即 β 的估计，截距用于求 η。

若拟合得到 β ≈ 1.8、η ≈ 62 万次，说明该继电器处于耗损失效阶段（β > 1），失效率随时间上升，不适合用指数分布建模。此时若要计算工作到 30 万次动作的可靠度：

R(30) = exp[−(30/62)^1.8]
      = exp[−(0.4839)^1.8]
      = exp[−0.2705]
      ≈ 0.763

即约 76.3% 的继电器能撑过 30 万次动作。若改用指数分布强行拟合，会低估早期可靠度、高估后期可靠度，导致维护周期定得过长。

参数估计必须报告样本量和置信区间。10 个样本估计出的 β 不确定性很大，工程上通常要求至少 20～30 个失效数据，或采用截尾试验配合极大似然估计。仅凭一条拟合直线就下结论，是可靠性分析中最常见的错误。

四、特征量在工程决策中的用法

四个特征量各有分工。R(t) 用于回答"能不能达到指标"，例如合同要求 5 年可靠度不低于 0.95，就直接代入分布函数求解。F(t) 用于备件和保修预测，例如预计 3 年内返修比例。λ(t) 用于可靠性分配和降额设计，因为它可以直接相加——串联系统总失效率等于各单元失效率之和。MTTF 用于横向比较不同方案，但它对分布形状敏感，比较时必须确认分布类型一致。

一个实用的判断顺序是：先看失效机理是否由随机偶然事件主导，是则用指数分布；若存在明显磨损、疲劳、老化趋势，用威布尔分布并关注 β；若失效由多种退化路径叠加、寿命离散度大，考虑对数正态分布。分布选错，后续的可靠性分配、预计和 RBD 建模都会建立在错误的基础上。

← 上一章 📖 返回目录 下一章 →