3. 指数分布失效率模型：恒定失效率假设、概率密度函数与累积分布函数、无记忆性
指数分布是可靠性工程中最基础、应用最广泛的寿命分布模型。其核心假设是失效率恒定，即产品在任意时刻的失效概率不随年龄增长而变化。这一特性使得指数分布成为电子元器件、随机失效期系统故障排查的首选数学工具。
3.1 恒定失效率假设
恒定失效率假设源于“浴盆曲线”中随机失效期的平坦段。在该阶段，系统已度过早期磨合期，尚未进入耗损老化期，失效率 λ 近似为常数。工程含义如下：
- 无老化效应：系统在 t 时刻的失效概率与已工作的时间无关。
- 失效随机性：失效由外部随机冲击或内部缺陷偶然触发，而非累积损伤。
- 数学简化：失效率函数 h(t) = λ，为一条水平直线。
工程经验法则：当系统处于稳定运行期（无早期失效、无耗损故障），且故障间隔时间基本稳定时，可优先采用指数分布建模。典型场景包括：服务器集群、通信基站、LED 灯具、集成电路。
3.2 概率密度函数与累积分布函数
指数分布由单一参数 λ（失效率）完全定义。其概率密度函数（PDF）和累积分布函数（CDF）是故障排查中计算可靠度与失效概率的基础。
| 函数类型 | 数学表达式 | 工程含义 |
|---|---|---|
| 概率密度函数 f(t) | f(t) = λ e−λt, t ≥ 0 | 在 t 时刻附近单位时间内发生失效的概率密度 |
| 累积分布函数 F(t) | F(t) = 1 − e−λt, t ≥ 0 | 到 t 时刻为止发生失效的累积概率 |
| 可靠度函数 R(t) | R(t) = e−λt, t ≥ 0 | 到 t 时刻仍未失效的概率 |
在故障排查中，若已知系统失效率 λ，可直接代入 CDF 计算任意时间窗口内的失效概率。例如，某路由器失效率 λ = 0.001 次/小时，则运行 1000 小时后的累积失效概率为 F(1000) = 1 − e−1 ≈ 0.632。
3.3 无记忆性
无记忆性（Memoryless Property）是指数分布最独特的数学性质，也是工程应用中需要特别关注的关键点。
无记忆性定义：若系统已正常工作 s 小时，则再继续工作 t 小时而不失效的概率，与一个新系统工作 t 小时而不失效的概率完全相同。数学表达为：
P(T > s + t | T > s) = P(T > t) = e−λt
P(T > s + t | T > s) = P(T > t) = e−λt
这一性质意味着：系统“不记得”自己已经工作了多久。在故障排查中，无记忆性带来以下工程推论：
- 剩余寿命与已工作时间无关：一个已运行 1000 小时的设备，其未来 100 小时的失效概率与一个全新设备相同。
- 定期更换无效：对于严格服从指数分布的系统，定期更换部件并不能降低后续失效概率，因为失效率恒定。
- 故障排查简化：排查时无需追溯设备的历史运行时长，只需关注当前失效率 λ 即可预测未来行为。
工程陷阱警示：无记忆性仅适用于严格服从指数分布的系统。若系统存在耗损老化（如机械磨损、材料疲劳），则无记忆性不成立。此时使用指数分布会严重低估后期失效风险，导致维护策略失效。
3.4 工程应用要点总结
| 特性 | 数学表达 | 故障排查应用 |
|---|---|---|
| 恒定失效率 | h(t) = λ | 可直接用 λ 计算任意时段的失效概率，无需考虑设备年龄 |
| PDF 单调递减 | f(t) = λe−λt | 早期失效概率最高，随时间推移逐渐降低 |
| CDF 简单可逆 | F(t) = 1 − e−λt | 可反解出给定失效概率对应的运行时间 t = −ln(1−F)/λ |
| 无记忆性 | P(T > s+t | T > s) = P(T > t) | 排查时无需追溯历史运行时长，简化数据收集 |
排查口诀：指数分布看 λ，失效率恒定不变化；无记忆性要记牢，年龄大小不重要；PDF 递减 CDF 增，可靠度函数 e 的负 λt。