第2章可靠性数学基础

第2章：可靠性数学基础——概率论基础、常见分布函数与浴盆曲线

各位同学，欢迎来到第二章。说实话，数学是很多工程师的“拦路虎”。但搞RAMS，数学绕不开。别怕，今天我不讲枯燥的公式推导，咱们聊聊这些数学工具在实际工作中到底怎么用。

我个人习惯，每次做可靠性分析前，都会先问自己三个问题：这个数据服从什么分布？失效率是恒定的还是变化的？我该用指数分布还是威布尔分布？搞清楚了这些，后面的建模就顺了。

2.1 概率论基础——别被符号吓到

概率论说白了就是研究“不确定性”的学问。你想想看，一个产品什么时候坏？没人能精确预测。但我们可以用概率来描述它。

几个核心概念，我简单过一下：

随机事件：比如“某继电器在1000小时内失效”，这就是一个随机事件。
概率：事件发生的可能性，取值0到1之间。
条件概率：已知某个条件成立时，事件发生的概率。我在项目中遇到过，客户问“已知设备已经工作了500小时，再工作500小时不坏的概率是多少？”这就是条件概率问题。
独立性：两个事件互不影响。比如两个并联的电源模块，一个坏了不影响另一个，这就是独立事件。

重要公式——可靠度函数R(t)：

R(t) = P(T > t)，表示产品在时间t内正常工作的概率。

与之对应的是累积失效概率F(t) = 1 - R(t)。

嗯，这里要注意：可靠度函数是随时间递减的。时间越长，不出问题的概率自然越小。这个直觉要有。

2.2 常见分布函数——选对分布，建模就成功了一半

搞可靠性分析，最常用的就三种分布：指数分布、威布尔分布、正态分布。我一个个说。

2.2.1 指数分布——最简单，也最常用

指数分布的特点是“无记忆性”。什么意思？就是说一个产品如果服从指数分布，它“现在不坏，下一秒坏的概率”和“已经用了1000小时，下一秒坏的概率”是一样的。

我曾经在分析某批电源模块时，发现数据拟合指数分布效果很好。后来一查，这批模块经过了充分的老化筛选，已经进入了偶然失效期。指数分布正好描述这种“失效率恒定”的阶段。

指数分布的可靠度函数：

R(t) = e^(-λt)

其中：
λ = 失效率（常数）
t = 时间

平均无故障时间MTBF = 1/λ。这个公式很实用，客户经常问“MTBF是多少？”你直接拿1/λ算就行。

我的经验：指数分布适用于电子元器件、经过老炼筛选的产品。但机械部件、磨损件慎用，因为它们的失效率不是恒定的。

2.2.2 威布尔分布——最灵活，也最强大

威布尔分布是我个人最喜欢的分布。为什么？因为它能描述失效率变化的三种情况：早期失效（失效率递减）、偶然失效（失效率恒定）、耗损失效（失效率递增）。

威布尔分布有两个关键参数：

形状参数β：决定分布的形状。β < 1 是早期失效期；β = 1 退化为指数分布；β > 1 是耗损失效期。
尺度参数η：也叫特征寿命，63.2%的产品失效的时间点。

可靠度函数：

R(t) = e^[-(t/η)^β]

我在项目中遇到过，某机械轴承的失效数据用指数分布拟合效果很差，但换成威布尔分布，β=2.3，拟合效果非常好。这说明轴承的失效是磨损累积的结果，失效率随时间递增。

避坑指南：我曾经犯过一个错误——拿到数据直接套指数分布。结果模型预测的寿命比实际短了一半。后来才发现数据来自机械部件，应该用威布尔分布。记住：先做分布拟合检验，再选分布。

2.2.3 正态分布——适用于对称的失效模式

正态分布在可靠性中主要用于描述疲劳寿命、磨损等对称分布的失效模式。比如某批弹簧的疲劳寿命，往往服从正态分布。

正态分布有两个参数：均值μ和标准差σ。μ决定了分布的中心位置，σ决定了分布的分散程度。

不过说实话，在RAMS工程中，正态分布用得不如威布尔分布多。因为大多数失效数据是偏态的，不是对称的。

2.3 失效率与浴盆曲线——可靠性工程师的“心电图”

浴盆曲线，搞可靠性的没人不知道。它描述的是产品在整个生命周期中失效率的变化规律。

阶段	失效率变化	原因	应对措施
早期失效期	递减	设计缺陷、制造缺陷、材料瑕疵	老炼筛选、环境应力筛选
偶然失效期	恒定	随机应力、操作失误	冗余设计、预防性维护
耗损失效期	递增	磨损、疲劳、腐蚀、老化	定期更换、状态监测

你想想看，浴盆曲线告诉我们什么？

产品刚出厂时，问题最多（早期失效）。所以要做老炼，把“婴儿期”的毛病提前暴露出来。
进入稳定期后，失效率最低且恒定。这是产品的“黄金期”。
到了寿命末期，失效率急剧上升。这时候就该考虑更换了。

我记得有一次，客户抱怨某批设备返修率太高。我一看数据，发现返修集中在出厂后的前200小时。这就是典型的早期失效。我建议客户增加48小时的高温老炼工序。结果呢？返修率从8%降到了1.5%。

核心要点：

指数分布描述浴盆曲线的“底部”（偶然失效期）
威布尔分布能描述整个浴盆曲线（β < 1 早期，β = 1 偶然，β > 1 耗损）
浴盆曲线是制定可靠性试验方案和维护策略的依据

2.4 小结——数学是工具，不是目的

搞RAMS，数学是工具。你不需要成为概率论专家，但你要知道：什么时候用指数分布，什么时候用威布尔分布，浴盆曲线怎么指导你的工作。

我建议初学者先掌握两点：

拿到失效数据，先画个直方图，看看数据是“早死型”还是“老死型”。
用威布尔分布做拟合，看β值。β < 1 找制造问题，β > 1 找磨损问题。

下一章，咱们聊可靠性框图（RBD）和故障树分析（FTA）。到时候你会看到，今天学的这些分布函数，会像积木一样搭起来，变成完整的可靠性模型。

好，今天就到这儿。有问题随时交流。

📚 课程目录