质量与可靠性 / 系统课时

如何从寿命分布求出 B10 寿命

如何从寿命分布求出 B10 寿命

当产品要求“B10 寿命至少 300 小时”时,需要找到累计失效概率达到 10% 的时间,而不是取平均寿命的 10%。下面用指数分布与双参数 Weibull 分布各算一次,再用代码核对结果并判断是否满足要求。

学习目标

  • 用累计失效概率和可靠度准确解释 B10。
  • 根据指数分布或 Weibull 分布参数求出 B10 并复核。
  • 区分 B10、平均寿命以及带置信度的寿命要求。

把 B10 还原成概率条件

设 TT 是产品从投入运行到首次失效的时间。累计失效概率为 F(t)=P(T≤t)F(t)=P(T\le t),可靠度为 R(t)=1−F(t)R(t)=1-F(t)。因此 B10 满足 F(B10)=0.10F(B_{10})=0.10,也等价于 R(B10)=0.90R(B_{10})=0.90:总体中预计有 10% 在此时间之前或此时失效,90% 可运行到此时。

例如某模型算得 R(200)=0.93R(200)=0.93,则到 200 小时的累计失效概率为 7%,其 B10 应大于 200 小时。注意这是同一批、同一工况下寿命分布的时间分位点,并不是单台设备的保证寿命,也不是观测到第一台故障的时间。

从两种寿命模型求出分位点

指数分布假设失效率 λ\lambda 恒定,可靠度为 R(t)=e−λtR(t)=e^{-\lambda t}。令 R(t)=0.9R(t)=0.9,可得 B10=−ln⁡(0.9)/λB_{10}=-\ln(0.9)/\lambda。当 λ=0.001\lambda=0.001 次/小时时,B10=105.36B_{10}=105.36 小时,而平均寿命 1/λ=10001/\lambda=1000 小时。

双参数 Weibull 分布假设位置参数为 0,可靠度为 R(t)=e−(t/η)βR(t)=e^{-(t/\eta)^\beta},其中 η\eta 为尺度参数(与时间同单位),β\beta 为无量纲形状参数。整理得 B10=η[−ln⁡(0.9)]1/βB_{10}=\eta[-\ln(0.9)]^{1/\beta}。取 η=1000\eta=1000 小时、β=2\beta=2,得到 B10=324.59B_{10}=324.59 小时,平均寿命 ηΓ(1+1/β)=886.23\eta\Gamma(1+1/\beta)=886.23 小时。

指数与 Weibull 分布在累计失效概率 10% 处对应不同的 B10 寿命

两组模型虽然尺度或平均寿命都接近 1000 小时,B10 却相差约 219 小时。平均寿命较长不代表 B10 必然较长:早期失效尾部的形状也会改变低分位寿命。

用 Python 复核结果

以下示例只用 Python 3 标准库 math,时间一律使用小时。除了直接求 B10,还计算 300 小时的累计失效概率,检验是否满足 B10≥300B_{10}\ge300 小时的要求。

python
import math

rate = 0.001
scale = 1000.0
shape = 2.0
q = -math.log(0.9)

# 从 R(t)=0.9 反求两种分布的 B10
b10_exp = q / rate
b10_weibull = scale * q ** (1.0 / shape)

# 用均值及 300 小时累计失效概率交叉检查
mean_exp = 1.0 / rate
mean_weibull = scale * math.gamma(1.0 + 1.0 / shape)
f_exp_300 = 1.0 - math.exp(-rate * 300)
f_weibull_300 = 1.0 - math.exp(-(300 / scale) ** shape)

print(f"指数: B10={b10_exp:.2f} h, 均值={mean_exp:.2f} h")
print(f"Weibull: B10={b10_weibull:.2f} h, 均值={mean_weibull:.2f} h")
print(f"300h 失效概率: 指数={f_exp_300:.2%}, Weibull={f_weibull_300:.2%}")

预期输出:

text
指数: B10=105.36 h, 均值=1000.00 h
Weibull: B10=324.59 h, 均值=886.23 h
300h 失效概率: 指数=25.92%, Weibull=8.61%

以“B10 不低于 300 小时”为点估计验收线,指数模型不满足,Weibull 模型满足。也可以从另一侧验证:300 小时累计失效概率须不高于 10%;上面的 25.92% 与 8.61% 给出相同结论。

使用计算结果前检查适用边界

  • 核对模型假设。 指数分布的失效率不随服役时间变化;Weibull 的 β=2\beta=2 描述随时间上升的失效风险。不能为了得到更高的 B10 而任意选择分布,应使用故障时间与右删失记录进行参数拟合和拟合诊断。
  • 核对参数与单位。 λ\lambda 以“每小时”计时,得到的 B10 才是小时;η\eta 的单位也必须与任务时间一致。若采用带位置参数的三参数 Weibull,不能直接套用这里的双参数公式。
  • 区分点估计与置信保证。 算出 B10=324.59B_{10}=324.59 小时只说明当前参数估计对应的分位点。若合同写明“以 90% 置信度保证 B10 不低于 300 小时”,必须评估参数不确定性,并检查 B10 的单侧置信下限是否达到 300 小时。

对实际寿命数据,应先确定工况、失效判据和删失处理方式,再拟合分布并反求 F(t)=0.10F(t)=0.10 的时间;只有模型与统计证据都满足要求,B10 才能用于可靠性验收。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

如何从寿命分布求出 B10 寿命

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通