2、可靠性基础概念：可靠度、失效概率、失效率、平均无故障时间（MTTF）、平均故障间隔时间（MTBF）、可用度等核心指标的定义与计算
可靠性工程的核心在于用定量指标刻画产品在时间维度上的表现。无论是电子元器件、机械系统还是软件服务，工程决策都依赖于对“多长时间不出故障”“故障后多久能恢复”等问题的量化回答。本章围绕六个核心指标展开：可靠度 R(t)、失效概率 F(t)、失效率 λ(t)、平均无故障时间 MTTF、平均故障间隔时间 MTBF 以及可用度 A。这些指标并非孤立存在，它们之间通过概率密度函数 f(t) 和累积分布函数 F(t) 形成严密的数学闭环。理解这些定义及其适用边界，是后续开展蒙特卡洛随机仿真的前提——仿真本质上就是对这些指标在复杂系统下的数值逼近。
2.1 核心原理：从寿命分布到可靠性度量
可靠性分析的理论起点是寿命随机变量 T，它表示产品从开始工作到首次失效的时间。T 的统计特性完全由概率密度函数 f(t) 描述。基于 f(t)，可以派生出一系列工程上常用的指标。可靠度 R(t) 定义为产品在时间 t 内正常工作的概率，即 R(t) = P(T > t) = 1 - F(t)，其中 F(t) 是累积失效概率（不可靠度）。R(t) 是单调递减函数，初始值为 1，随时间推移趋近于 0。失效率 λ(t) 则刻画了“在 t 时刻尚未失效的产品，在接下来单位时间内发生失效的条件概率密度”，其数学表达式为 λ(t) = f(t) / R(t)。这三个量构成了一组互逆的变换关系：已知任意一个，即可通过积分或微分求出另外两个。
在实际工程中，失效率 λ(t) 的形态往往呈现经典的“浴盆曲线”特征：早期失效期（λ 递减，由制造缺陷引起）、偶然失效期（λ 近似常数，随机应力主导）、耗损失效期（λ 递增，磨损老化主导）。在偶然失效期，λ 可视为常数，此时 R(t) 退化为指数形式 e^(-λt)，计算大为简化。但必须警惕：指数分布假设并不适用于所有场景，机械磨损、电子迁移等退化机制会导致 λ 随时间上升，此时必须使用威布尔分布或对数正态分布建模。
2.2 判断方法与计算流程：指标选型与数值计算
选择哪个指标取决于产品是否可修复以及所处的生命周期阶段。对于不可修复产品（如一枚导弹、一个密封轴承），使用 MTTF；对于可修复产品（如服务器、通信基站），使用 MTBF 和可用度 A。MTTF 的计算公式为 MTTF = ∫₀^∞ R(t)dt，当 R(t) 服从指数分布时，MTTF = 1/λ。MTBF 则定义为相邻两次故障之间的平均工作时间，对于可修复系统，MTBF = 总运行时间 / 故障次数。可用度 A 将可靠性与维修性结合，稳态可用度 A = MTBF / (MTBF + MTTR)，其中 MTTR 为平均修复时间。需要注意的是，MTBF 并不等于“寿命”，它只描述故障间隔的期望，而单个产品的实际故障时间可能远小于或远大于 MTBF。
计算流程通常遵循以下步骤：第一步，收集失效数据（现场数据或加速寿命试验数据）；第二步，通过概率图或极大似然估计拟合寿命分布；第三步，根据分布参数计算 R(t)、λ(t) 等函数；第四步，对可修复系统统计故障次数与修复时间，计算 MTBF 和 MTTR；第五步，综合得出可用度。在蒙特卡洛仿真中，上述步骤被转化为：生成随机失效时间 → 模拟修复过程 → 统计多次仿真的均值与置信区间。
| 指标 | 适用对象 | 定义式 | 典型单位 | 工程含义 |
|---|---|---|---|---|
| 可靠度 R(t) | 所有产品 | P(T > t) | 无量纲（0~1） | t 时刻仍正常工作的概率 |
| 失效概率 F(t) | 所有产品 | 1 - R(t) | 无量纲（0~1） | t 时刻前已失效的概率 |
| 失效率 λ(t) | 所有产品 | f(t)/R(t) | 1/h 或 FIT（10⁻⁹/h） | 瞬时故障速率 |
| MTTF | 不可修复产品 | ∫₀^∞ R(t)dt | 小时、年 | 失效前平均工作时间 |
| MTBF | 可修复产品 | 总时间/故障次数 | 小时、天 | 故障间隔平均时间 |
| 可用度 A | 可修复产品 | MTBF/(MTBF+MTTR) | 无量纲（0~1） | 长期运行中可用时间占比 |
2.3 案例拆解：数据中心服务器电源模块的可靠性评估
某云服务商对其数据中心使用的 500W 服务器电源模块进行可靠性评估。该电源模块为可修复单元，现场记录了 12 个月内 200 台电源的运行数据：累计运行 1,200,000 小时，共发生 40 次故障，平均每次修复时间为 4 小时。同时，从故障数据中拟合出寿命分布为威布尔分布，形状参数 β = 1.8，尺度参数 η = 30,000 小时。
分析过程：首先计算 MTBF = 1,200,000 / 40 = 30,000 小时。这与威布尔分布的尺度参数 η 在数值上接近，但含义不同——η 是特征寿命（63.2% 失效的时间点），而 MTBF 是经验平均值。接着计算可用度 A = 30,000 / (30,000 + 4) ≈ 0.99987，即全年可用性约 99.987%。然后评估可靠度：在 t = 8,760 小时（一年）时，R(t) = exp[-(t/η)^β] = exp[-(8760/30000)^1.8] ≈ exp(-0.116) ≈ 0.890。这意味着约 11% 的电源在一年内会发生至少一次故障。
实际操作与决策：运维团队发现，虽然可用度很高，但 11% 的年故障率意味着 200 台电源中约有 22 台需要更换。进一步分析失效率 λ(t) = (β/η)·(t/η)^(β-1)，在 t = 8760 小时时，λ ≈ (1.8/30000)·(0.292)^0.8 ≈ 3.2×10⁻⁵ /h，即每 10 亿小时约 32,000 FIT，远高于电子元器件通常的 100~1000 FIT 水平。这表明电源模块的失效率偏高，主要原因是电解电容在高温环境下的加速老化。团队据此制定了预防性更换策略：在 t = 20,000 小时（约 2.3 年）时批量更换电解电容，将耗损失效期的风险前移。
2.4 常见误区与总结复盘
误区一：混淆 MTTF 与 MTBF。MTTF 用于不可修复产品，MTBF 用于可修复产品。将两者互换会导致维修策略失误——例如用 MTTF 指导可修复系统的备件储备，会忽略修复时间对系统可用性的影响。
误区二：将失效率视为常数。只有在偶然失效期 λ 才近似恒定。对于机械产品、功率半导体等存在磨损或疲劳机理的器件，λ 随时间递增，必须使用非指数分布。判断方法是绘制失效数据的威布尔概率图，若斜率 β 明显大于 1，则存在耗损机理。
误区三：忽略可用度中的 MTTR。可用度 A 同时受 MTBF 和 MTTR 影响。两个系统的 MTBF 相同，但 MTTR 分别为 1 小时和 10 小时，可用度分别为 0.999 和 0.990，差异显著。在系统设计中，不仅要提高可靠性（增大 MTBF），还要提高维修性（减小 MTTR），例如采用模块化热插拔设计。
误区四：用平均值掩盖分布特征。MTBF 为 30,000 小时并不代表大多数产品能工作 30,000 小时。对于指数分布，63.2% 的产品会在 MTBF 之前失效；对于威布尔分布 β < 1 时，早期失效比例更高。工程上应同时报告 R(t) 曲线或 B10 寿命（10% 失效的时间点），而非仅给出单一平均值。