预测产品寿命与失效规律，让质量从"出厂合格"走向"长期可靠"
传统质量关注"交付时是否合格"，可靠性则关注产品在寿命期内能否持续正常工作。可靠性寿命分析用寿命数据（失效时间）建立失效分布模型，回答：产品能撑多久？在给定时间失效的概率多大？哪类失效模式最致命？
| 指标/模型 | 含义 | 应用场景 |
|---|---|---|
| 可靠度 R(t) | 在 t 时刻仍正常工作的概率 | 质保期设计、MTBF 承诺 |
| 失效率函数 λ(t) | 瞬时失效速率，分早期/偶然/耗损期 | 判断浴盆曲线阶段 |
| MTBF / MTTF | 平均无故障/失效时间 | 保修与备件策略 |
| Weibull 分布 | 形状参数 β 刻画失效率形态 | β<1 早期失效、β=1 恒定、β>1 耗损，最常用 |
| 指数/对数正态 | 恒定失效率/疲劳类失效 | 电子件、疲劳寿命 |
Weibull 分析估计形状参数 β 与特征寿命 η，是判断失效机理、预测剩余寿命、制定预防性维护周期的最常用工具。
来自寿命试验、加速寿命试验 (ALT)、现场质保数据。区分完整失效与右删失（尚未失效或中途退出）。
用最大似然估计 (MLE) 拟合 Weibull/对数正态，概率图上检验拟合优度，读形状参数判断失效机理。
根据分布估计 R(t)、λ(t)、MTBF，带置信区间给出承诺指标（如 B10 寿命 = 10% 失效时间）。
区分多个失效机理分别建模，识别主导失效模式。
定质保期、换件周期、冗余设计、筛选试验 (burn-in) 参数，并把失效模式反馈至 DFMEA 闭环。
某电机厂对退货轴承做现场失效 Weibull 分析，β≈2.3（耗损型），B10 寿命（95% 置信下限）4100 小时，低于客户要求 5000 小时。据此改进润滑方案并提高材料等级，复测 B10 提升至 6200 小时，质保索赔率下降 60%。
1. 善待删失数据：右删失信息同样含寿命信息，忽略会低估寿命。
2. 用加速试验补足样本：高可靠性产品寿命试验周期长，用 ALT 与 Arrhenius/逆幂模型外推。
3. 失效模式分开建：合并不同机理建模会误导，先分层再分别拟合。
4. 重设计反馈：可靠性分析的终点是设计闭环（降额/冗余/预防维护），不是一份报告。
可靠性寿命分析用寿命数据建立失效分布（以 Weibull 为主），预测可靠度、失效率与 B10/MTBF 寿命，把质量从"出厂合格"提升到"长期可靠"，是黑带的战略级能力。
面对一批退货且含删失的寿命数据：第一步用概率纸/软件拟合 Weibull 并读 β；第二步按 B10 与置信区间给出寿命承诺；第三步把失效机理反馈到 DFMEA 并重设计。三步闭环，就是一次完整的黑带级可靠性实践。