第二章_可靠性数学及其应用.pptVIP

2.2.2抽样概率分布——二项分布和泊松概率 固定样本大小的抽样检验 固定样本大小的抽样检验方法也可称为定数抽样，主要适用于具有破坏性的检验，如DPA、内部水汽含量等。 元器件升级试验抽样 元器件定级试验合格的元器件可以进行升级试验 确定失效率等级（一般比原来得失效率等级高一级） 置信度 允许失效数 注2：例如要鉴定λ＝5×10－5（置信度90％）的器件批，常采用的方案为：1000小时工作寿命试验时间，LTPD取5（如样品45只，允许零只失效）。如要检验失效率λ＝5×10－6（置信度90％）的器件批，传统方法的思路是：或将LTPD取0.5,即试验器件约增加约10倍（样品461只，允许零只失效），或将试验时间增加10倍（达10000小时），不论那一种，均将增加很多费用，工程上无法实用。 元器件失效率等级维持试验抽样 置信度为10%的失效率维持试验抽样表 元件批一致性失效率检验抽样 当元器件产品规范要求做批一致性失效率检验又未规定抽样方案时，可按下表抽样进行检验 批一致性失效率检验抽样方案 一般只抽取少量样品，主要确定样本的大小（n）及合格判定数（c），具体样本大小在产品规范或采购文件中规定。 * * 元器件可靠性试验技术教程 第二章 可靠性数学及其应用 元器件出现失效是一种随机事件，元器件的寿命是一个随机变量，而元器件的失效率或寿命都可以用失效分布或寿命分布函数的形式来描述其规律性 指数分布 对数分布 威布尔分布 2.1 寿命分布 元器件去除早期失效后，当数量足够多，时间足够长时，失效率便趋于某一稳定值。其值的大小只与工作条件和外部环境有关，而与元器件的工作时间无关，产品的这种寿命分布规律称为指数分布 2.1.1 寿命分布——指数分布 寿命服从指数分布，当失效率不同时，其可靠度也不同。 O 1 t 可靠性 不同失效率的可靠度与时间的关系 O 1 t 典型的失效率曲线 规定的失效率 I II III 使用寿命 概率密度函数 2.1.1 寿命分布——指数分布函数的性质 可靠度函数 累积失效概率 平均寿命 可靠寿命 中位寿命 特征寿命 指数分布的特点： 失效率是常数 平均寿命与特征寿命相同，均为失效率的倒数 当产品工作至平均寿命时间时，其可靠度下降到36.8% 指数分布举例 某元件寿命T服从指数分布，它的平均寿命为5000小时，试求其失效率和使用125小时后的可靠度？ 当t=125小时， 在 较小时，有近似公式 所以 2.1.2 寿命分布——正态分布 工艺误差、测量误差、产品参数值的分布等一般符合正态分布 概率密度函数 可靠度函数 累积失效概率 正态分布的特点： 概率密度函数曲线的形状是中间高、两边低，左右对称 含有两个未知参数，即均值 ，和方差 概率密度函数曲线的包络面积为1 正态分布函数的概率密度函数 2.1.2 寿命分布——对数正态分布 由某一随机现象而引起的误差为 ，总的偏差为 ，如果 ，显然 也是一个随机变量，则有 从数理统计学得知，这时 应服从对数正态分布。 概率密度函数 累积失效概率 对数正态分布的特点： 概率密度函数呈不对称的山包形，顶部附近失效密度较高 含有两个未知参数，即均值 ，和方差 概率密度函数曲线的包络面积为1 对数正态分布函数的概率密度函数 3个未知参数，形状参数m，位置参数r，尺度参数t0 2.1.2 寿命分布——威布尔分布 可靠性试验中常用的一种寿命分布，凡是由于局部失效导致整体机能失效的链条模型，都可用这种分布来描述 概率密度函数 可靠度函数 累积失效概率 瞬时失效率 m=3.5 正态分布 m=1， r=0 指数分布 形状参数m表示概率密度函数曲线的集合形状 位置参数r表示概率密度函数曲线在t轴上的起始位置 尺度参数t0表示概率密度函数曲线与坐标轴的标尺比例，与曲线的形状无关 威布尔分布3个未知参数的几何意义 O t 形状参数不同时的概率密度函数 r=0，t0=1 O O t t 位置参数不同时的概率密度函数 m不变，t0=1 尺度参数不同时的概率密度函数 m不变，r=0 2.2 抽样检验 抽样检验的必要性 抽样检验的前提是产品质量上基本是均匀、稳定的。抽样过程是随机的。 抽样的目的是保证样本的质量指标有一定的代表性，同时尽可能减少抽样检验成本及由于抽样带来的损失。 抽样的前提与目的 产品批量大，人力、时间上不允许100%检验 有些产品的指标只能用破坏性检验方式鉴定 检验人员工作量大容易引起错、漏检 任抽（随机抽取）一个样品得到不合格品这一事件的概率为p，则任抽一个样品得到合格品的概率1-p