4. 失效率与 MTBF：平均无故障时间 MTBF = 1/λ，指数分布下 MTBF 与可靠度的关系
在恒定失效率（CFR）模型中，失效率 λ 与 平均无故障时间（MTBF） 互为倒数，这是指数分布最核心的数学性质之一。理解这一关系，是进行可靠性预计、维修策略制定和寿命试验设计的基础。
4.1 核心公式与物理含义
对于指数分布，可靠度函数为：
R(t) = e^(-λt)其中 λ 为失效率（单位：失效数/时间），MTBF 定义为：
MTBF = ∫₀^∞ R(t) dt = ∫₀^∞ e^(-λt) dt = 1/λ这一简洁关系仅在指数分布下成立。下表总结了 λ 与 MTBF 的对应关系：
| 参数 | 符号 | 定义 | 单位 | 指数分布关系 |
|---|---|---|---|---|
| 失效率 | λ | 单位时间内失效的概率 | 1/h, 1/次, FIT | λ = 1 / MTBF |
| 平均无故障时间 | MTBF | 可修复产品相邻故障间的平均工作时间 | h, 年, 次 | MTBF = 1 / λ |
| 特征寿命 | η | 可靠度降至 e⁻¹ ≈ 36.8% 的时间 | h | η = MTBF = 1/λ |
关键理解： 在指数分布下，MTBF 不是“平均寿命”，而是“特征寿命”——当 t = MTBF 时，可靠度恰好为 36.8%。这意味着，一个设备工作到 MTBF 时刻，仍有约 37% 的概率未失效。
4.2 指数分布下 MTBF 与可靠度的数值关系
利用 MTBF = 1/λ，可将可靠度函数改写为以 MTBF 为参数的形式：
R(t) = e^(-t / MTBF)下表列出不同工作时间 t 相对于 MTBF 的倍数时，对应的可靠度值：
| t / MTBF | 可靠度 R(t) | 工程含义 |
|---|---|---|
| 0.1 | 90.5% | 早期高可靠阶段 |
| 0.5 | 60.7% | 接近中位寿命 |
| 1.0 | 36.8% | 特征寿命点 |
| 2.0 | 13.5% | 进入耗损区 |
| 3.0 | 5.0% | 极低可靠度 |
工程经验： 若要求设备在任务时间 T 内可靠度不低于 90%，则需保证 MTBF ≥ 9.5T（因为 e^(-T/MTBF) ≥ 0.9 → T/MTBF ≤ -ln(0.9) ≈ 0.1053 → MTBF ≥ 9.5T）。
4.3 指数分布下 MTBF 与可靠度的关系图
下图展示了以 MTBF 为归一化单位时，可靠度随时间的衰减曲线：
4.4 工程应用中的常见误区
- 误区一：“MTBF 就是产品的使用寿命。” 实际上，MTBF 是统计平均值，指数分布下产品在 MTBF 时刻仍有 36.8% 未失效，而部分产品可能在远小于 MTBF 时失效。
- 误区二：“MTBF 越高，产品越可靠。” 对于同一任务时间 T，MTBF 越高则可靠度越高；但 MTBF 不能直接比较不同任务剖面下的产品。
- 误区三：“指数分布下，可靠度与时间成线性关系。” 实际上是指数衰减，早期下降快，后期下降趋缓。
注意： MTBF = 1/λ 仅在指数分布（恒定失效率）下成立。对于威布尔分布（形状参数 β ≠ 1）或对数正态分布，MTBF 与失效率之间不存在简单的倒数关系，必须通过积分或数值方法计算。
4.5 实战案例：根据 MTBF 指标反推可靠度
场景：某通信基站电源模块的 MTBF 指标为 50,000 小时，要求在一次 8 小时应急供电任务中可靠度不低于 99.9%。
计算步骤：
- λ = 1 / MTBF = 1 / 50,000 = 2×10⁻⁵ 失效/小时
- R(8) = e^(-λ × 8) = e^(-2×10⁻⁵ × 8) = e^(-0.00016) ≈ 0.99984
- 可靠度 99.984% > 99.9%，满足要求
# Python 快速验证
import math
MTBF = 50000
T = 8
R = math.exp(-T / MTBF)
print(f"可靠度 R({T}h) = {R:.6f} = {R*100:.4f}%")
# 输出：可靠度 R(8h) = 0.999840 = 99.9840%
结论： 在指数分布假设下，只要任务时间远小于 MTBF（T << MTBF），可靠度会非常接近 100%。工程中常利用这一特性快速评估短期任务的可信度。