2、可靠性基础概念：可靠度、失效率、MTBF、寿命分布（指数、威布尔）等核心术语
在消费电子产品可靠性工程中，我们经常听到“这款电源的MTBF是5万小时”“这批产品的失效率是0.1%/千小时”等表述。但若追问这些指标背后的数学定义、适用前提和工程含义，很多工程师会陷入混淆。本章作为可靠性理论的基石，将系统梳理可靠度、失效率、MTBF以及指数分布和威布尔分布等核心术语，帮助学员建立统一的可靠性量化语言。只有准确理解这些概念，后续的环境试验设计、寿命加速模型和失效分析才有坚实的数学与逻辑基础。
2.1 可靠度与失效概率函数
核心原理：可靠度（Reliability）是产品在规定的条件下、规定的时间内完成规定功能的概率，记为 R(t)。设 T 为产品失效时间（随机变量），则 R(t) = P(T > t)。与之互补的是累积失效概率 F(t) = P(T ≤ t) = 1 - R(t)。F(t) 的导数即为失效概率密度函数 f(t) = dF(t)/dt。这三个函数构成了可靠性量化分析的基础三角。在消费电子领域，例如智能手机的触控模组，R(8760h) 表示该模组在连续工作一年（8760小时）后仍能正常触控的概率。
判断方法：工程中通常通过寿命试验获取失效时间数据，然后采用概率图或极大似然估计（MLE）拟合分布模型，进而计算任意时刻的 R(t)。对于小样本（n<20），常采用中位秩公式 F(t_i) ≈ (i - 0.3)/(n + 0.4) 来估计累积失效概率，再在威布尔概率纸上描点判断分布类型。
2.2 失效率函数与浴盆曲线
核心原理：失效率（Failure Rate）λ(t) 定义为产品工作到 t 时刻后，在单位时间内发生失效的概率，数学表达式为 λ(t) = f(t) / R(t)。它反映了产品在某一瞬间的失效风险。消费电子产品的失效率随时间变化呈现经典的“浴盆曲线”特征：早期失效期（λ 递减，多为制造缺陷、焊接不良）、偶然失效期（λ 近似恒定，随机应力导致）、耗损失效期（λ 递增，磨损、老化、腐蚀）。
操作流程：在环境试验中，通过高温高湿、温度循环等应力筛选（ESS）来剔除早期失效产品；在偶然失效期进行可靠性验证试验，用恒定失效率假设简化计算；针对耗损失效期，则需通过耐久试验确定产品的使用寿命终点。
| 阶段 | 失效率趋势 | 主要失效机理 | 工程对策 |
|---|---|---|---|
| 早期失效期 | 递减 | 焊接空洞、元器件缺陷、装配污染 | 老化筛选、环境应力筛选（ESS） |
| 偶然失效期 | 恒定 | 随机过载、静电放电、软件缺陷 | 可靠性增长、冗余设计、降额设计 |
| 耗损失效期 | 递增 | 电解电容干涸、LED光衰、机械磨损 | 预防性维护、寿命预测、易损件更换 |
2.3 MTBF 与 MTTF 的工程含义
核心原理：MTBF（Mean Time Between Failures）指可修复产品相邻两次故障之间的平均工作时间；MTTF（Mean Time To Failure）指不可修复产品失效前的平均工作时间。对于指数分布，MTBF = 1/λ，且 MTBF 与可靠度关系为 R(t) = e^(-t/MTBF)。需要特别强调的是，MTBF 是统计平均值，并不代表产品能保证工作到该时长。例如某路由器标称 MTBF=50,000 小时，意味着在指数分布假设下，其工作 50,000 小时后的可靠度仅为 e^(-1) ≈ 36.8%。
判断方法：工程中常用定时截尾试验（Type I Censoring）或定数截尾试验（Type II Censoring）收集数据，然后通过卡方分布计算 MTBF 的置信下限。例如，在置信度 90% 下，若总试验时间 T=200,000 小时，失效数 r=2，则 MTBF 下限 = 2T / χ²(0.9, 2r+2) = 400,000 / χ²(0.9, 6) ≈ 400,000 / 10.645 ≈ 37,577 小时。
2.4 寿命分布：指数分布与威布尔分布
核心原理：指数分布是唯一具有“无记忆性”的连续分布，其失效率 λ 为常数，适用于电子元器件随机失效阶段。其可靠度函数 R(t) = e^(-λt)，累积分布 F(t) = 1 - e^(-λt)。威布尔分布则通过形状参数 β 灵活描述不同失效行为：β<1 对应早期失效（失效率递减），β=1 退化为指数分布，β>1 对应耗损失效（失效率递增）。威布尔分布的可靠度函数为 R(t) = exp[-(t/η)^β]，其中 η 为特征寿命（63.2% 失效时的时间）。
判断方法：通过威布尔概率图（横轴 ln(t)，纵轴 ln(-ln(1-F(t)))）拟合数据，若散点近似直线，则斜率即为 β，截距可求 η。现代工具如 Minitab 或 Python 的 reliability 库可直接进行 MLE 拟合和置信区间估计。
| 分布类型 | 失效率 λ(t) | 适用场景 | 典型产品 |
|---|---|---|---|
| 指数分布 | 恒定 | 偶然失效期、复杂系统（大量元器件串联） | 服务器电源、通信模块 |
| 威布尔(β>1) | 递增 | 机械磨损、疲劳、腐蚀 | 风扇轴承、按键、铰链 |
| 威布尔(β<1) | 递减 | 早期失效、制造缺陷 | 新产线首批产品 |
2.5 核心术语之间的数学关系与工程决策
核心原理：可靠度、失效率、MTBF 和寿命分布并非孤立概念，它们通过数学公式紧密关联。对于任意分布，失效率 λ(t) = f(t)/R(t)，可靠度 R(t) = exp[-∫₀ᵗ λ(τ)dτ]。当 λ 恒定时，R(t) = e^(-λt)，MTBF = 1/λ。对于威布尔分布，MTBF = η·Γ(1+1/β)，其中 Γ 为伽马函数。工程决策中，通常先通过寿命试验数据拟合分布，再计算 R(t) 和 MTBF，最后与设计指标对比。
操作流程：① 明确产品失效判据（如功能丧失、性能超差）；② 设计并执行环境试验（温度、湿度、振动等）；③ 记录失效时间并处理删失数据；④ 选择候选分布（指数、威布尔、对数正态）进行拟合优度检验（如 Anderson-Darling）；⑤ 计算目标时刻的 R(t) 及 MTBF 置信区间；⑥ 对比设计阈值，输出可靠性评估报告。