3. MTBF的统计本质与验收风险

MTBF（Mean Time Between Failures，平均故障间隔时间）在验收语境中不是一个“设备能连续跑多久”的物理承诺，而是一个统计量。它描述的是寿命分布的一个参数，必须与分布假设、样本量、截尾方式和置信水平绑定在一起才有意义。把 MTBF 当成一个确定数值来验收，是许多争议的根源。

指数分布假设：MTBF 的“母体”

连续运行的高端装备在浴盆曲线的“偶然失效期”内，通常可用指数分布近似描述。指数分布的核心特征是失效率 λ 为常数，可靠度函数为 R(t)=e^(−λt)，而 MTBF 恰好等于 1/λ。这意味着：MTBF=2000 h 并不表示设备“能跑 2000 h”，而是表示在任意时刻，单位时间内发生失效的期望概率为 1/2000。

指数分布假设带来两个关键推论。第一，无记忆性：设备已经无故障运行了 500 h，它在下一次 500 h 内失效的概率与全新设备相同，不会因为“用久了”而更可靠或更不可靠。第二，验收判据可以转化为对失效率的检验。若规定 MTBF 下限为 θ₀，则等价于规定失效率上限 λ₀=1/θ₀。验收试验本质上是在有限样本和有限时间内，判断真实 λ 是否超过 λ₀。

点估计与区间估计

试验结束后，我们得到的是样本数据，不是真值。点估计给出一个“最可能”的值，区间估计给出一个带有置信水平的范围。两者必须同时报告，否则无法判断验收结论的稳健性。

以定时截尾试验为例：n 台设备同时运行，到预定时间 T 停止，期间共发生 r 次失效，累计试验时间（总台时）为 T_total。则 MTBF 的点估计为：

θ_hat = T_total / r

其中 T_total = Σ(每台设备的实际运行时间)
定时截尾时，未失效设备也贡献 T 的试验时间。

假设示例：投入 10 台设备，运行 1000 h 后停止，期间共失效 4 次，累计台时为 10×1000=10000 h，则 θ_hat=10000/4=2500 h。这个 2500 h 是点估计，它没有回答“真实 MTBF 低于 2000 h 的概率有多大”。

区间估计解决这个问题。对于定时截尾、失效数 r，MTBF 的置信下限常用卡方分布计算：

θ_L = 2·T_total / χ²(1−α, 2r+2)

示例：T_total=10000 h，r=4，取置信水平 1−α=0.90
查表 χ²(0.90, 10)=15.987
θ_L = 2×10000 / 15.987 ≈ 1251 h

也就是说，虽然点估计是 2500 h，但在 90% 置信水平下，真实 MTBF 可能低至约 1251 h。如果验收判据是“MTBF 下限不低于 2000 h”，仅看点估计会误判为合格，而看置信下限则结论相反。这正是验收风险的核心来源。

置信水平与两类风险

置信水平 1−α 描述的是“重复抽样时，区间包含真值的长期频率”。取 90% 置信水平，意味着如果同样的试验重复 100 次，约 90 次算出的置信下限会低于真实 MTBF。它不是“真实 MTBF 有 90% 概率落在区间内”这种对单次结果的概率陈述，但在工程沟通中常被这样近似使用，需注意措辞。

验收判据设计直接决定两类风险的大小。生产方风险 α 是“真实 MTBF 达标却被拒收”的概率；使用方风险 β 是“真实 MTBF 不达标却被接收”的概率。二者此消彼长：判据越严（要求 θ_L 越高），α 越大、β 越小；判据越松，则相反。抽样特性曲线（OC 曲线）正是描述“真实 MTBF 取不同值时，批被接收的概率”的曲线。

OC 曲线通常由四个参数确定：生产方风险点（θ₂, α）和使用方风险点（θ₁, β），其中 θ₂>θ₀>θ₁。例如取 α=0.10、β=0.10、鉴别比 θ₂/θ₁=3，可查标准定时截尾方案得到所需总台时和失效判据。若试验累计台时不足，OC 曲线会变得平缓，接收概率对真实 MTBF 不敏感，验收结论的区分能力下降。

验收判据设计示例

下面给出一份可直接参考的定时截尾验收判据设计表，用于把上述统计概念落到可执行的试验方案上。表中数值为示例假设，实际使用时应依据产品规范或 GJB 899A 等标准查表确定。

执行时，若 10 台设备运行 1200 h 后累计台时达到 12000 h，期间失效 3 次，则按判据接收；若失效 4 次，则拒收。注意，这里的“接收”是在给定 α、β 和分布假设下的统计决策，不等于证明真实 MTBF 一定高于 θ₀。验收报告应同时给出点估计、置信下限、所用判据和两类风险，使结论可追溯、可复核。