CN114692084A - 一种加速可靠性验证试验方案设计方法 - Google Patents
一种加速可靠性验证试验方案设计方法 Download PDFInfo
- Publication number
- CN114692084A CN114692084A CN202210246845.3A CN202210246845A CN114692084A CN 114692084 A CN114692084 A CN 114692084A CN 202210246845 A CN202210246845 A CN 202210246845A CN 114692084 A CN114692084 A CN 114692084A
- Authority
- CN
- China
- Prior art keywords
- stress
- test
- formula
- reliability verification
- accelerated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 156
- 238000012795 verification Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013461 design Methods 0.000 title claims abstract description 29
- 230000001133 acceleration Effects 0.000 claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 4
- 238000000846 Bartlett's test Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000012938 design process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 239000007983 Tris buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Complex Calculations (AREA)
Abstract
本发明提供一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法,其具体步骤如下:一:对数正态分布参数估计;二:建立逆幂律模型,基于模型不确定性外推加速因子的分布;三:基于费用约束的对数正态分布产品可靠性验证优化方案设计;通过以上步骤,解决了对数正态分布产品加速可靠性验证优化方案设计过程中产品高可靠长寿命、模型不确定性等问题,通过引入AF不确定性保证了加速可靠性验证优化方案设计的有效性,符合工程实际情况,计算简单,为工程技术人员提供便利,存在重要的应用价值。
Description
技术领域
本发明提出一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法;首先,基于产品恒定加速应力试验下获取的寿命试验数据,在产品寿命服从对数正态的情形下,运用极大似然估计方法进行产品寿命分布参数估计;其次,在保证失效机理一致的前提下,构建分布对数均值参数与电流应力的逆幂律模型;然后,对该模型进行对数变换,使其为一元线性回归模型,并使用最小二乘估计方法得出一元线性回归模型的参数估计值,进而基于模型不确定性外推加速因子(Acelerate Factor,以下简写为AF)的分布;最后,考虑AF不确定性,进行费用约束下加速可靠性验证试验方案优化设计,给出加速可靠性验证试验方案;
本发明用于产品寿命服从对数正态分布时的加速可靠性验证试验方案设计,可以有效减少加速可靠性验证中模型不确定性对结果产生的影响;本专利适用于可靠性评估与可靠性验证等相关技术领域。
背景技术
可靠性验证试验是为了验证产品可靠性水平是否满足设计预定的指标要求而进行的可靠性试验,目的是为了验证成批产品的可靠性水平;传统可靠性验证方法研究(即基于正常应力试验的可靠性验证方法研究)较多且日渐成熟,但是该方法在可靠性水平较高时试验时间长、试验成本高;加速可靠性验证方法通过适当提高试验应力水平加快了产品失效过程,显著降低了试验时长,受到了大量研究者和工业从事人员的关注;进一步,为外推加速可靠性验证试验方案设计所需的AF分布信息,需在不同试验应力下开展恒定加速寿命试验,收集不同加速应力下的产品寿命数据,得到不同加速应力下的寿命分布参数,从而建立寿命分布参数与试验应力的加速模型,并基于模型不确定性外推AF分布类型及其分布参数;目前,现有加速可靠性验证方法均未考虑模型的不确定性,计算得出的试验方案存在偏差;因此,一方面,需要考虑AF不确定性,对其数值积分并计算出接收概率,找出满足双方风险条件的结果;另一方面,为了满足工程实际需求,降低试验成本,需设立费用最小的优化目标,完成对数正态分布产品加速可靠性验证试验方案优化设计;
鉴于此,本发明提出一种基于产品恒定加速寿命试验数据,综合应用极大似然估计方法、逆幂律模型、Bartlett检验、一元线性回归模型与最小二乘估计方法的加速可靠性验证试验方案设计。
发明内容
(1)本发明的目的:本发明针对产品受到模型不确定影响所带来的加速可靠性验证问题,提供一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法;首先,它基于产品恒定加速寿命试验数据,在产品寿命服从对数正态分布的情形下,运用极大似然估计方法进行产品寿命分布参数估计;其次,在保证失效机理一致的前提下,建立分布对数均值参数与电流应力的逆幂律模型;然后,将该模型对数变换为一元线性回归模型,并使用最小二乘估计方法得出模型参数估计值,进而基于模型不确定性外推AF分布;最后,考虑AF不确定性,进行费用约束下加速可靠性验证试验方案优化设计,给出加速可靠性验证试验方案。
(2)技术方案:基于上述理论和思路,本发明一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法,具体的实施步骤如下:
步骤一:对数正态分布参数估计
首先,产品寿命服从对数正态分布,则产品寿命t的概率密度函数f(t)可以表示为
式中:μ为对数均值,σ为对数标准差;
然后,收集产品恒定应力加速寿命试验数据;假设共有r个应力水平,记为{Sl;l=1,2,…,r},每个应力水平下有nl个样本,记录不同应力水平Sl下各样本的失效时间,并将各个应力水平所对应的样本失效时间按先后顺序进行排列,所得的试验数据集记为
{t(i,l);i=1,2,…,nl;l=1,2,…,r}, (2)
式中:i为样本序号,l为应力序号,nl为第l个应力水平的样本数,r为应力水平数,t(i,l)为第l个应力下第i个样本失效时间;
式中:i为样本序号,l为应力序号,nl为第l个应力水平的样本数,t(i,l)为第l个应力下第i个样本失效时间;
步骤二:建立逆幂律模型,基于模型不确定性外推加速因子的分布
通过步骤一,可得到r个应力水平下的对数正态分布双参数μl和σl,l=1,2,…,r;为得到加速因子AF的分布,需要在保持失效机理不变的基础上(具体表示为σ保持不变),建立对数寿命均值μ与电流应力I之间的联系,即逆幂律模型;
首先,对逆幂律模型的合理性进行假设检验;若产品在不同应力下的失效机理没有改变,则代表σ相同;因此,对数据集{σl;l=1,2,…,r}进行一致性检验,即方差齐性检验;其中,Bartlett检验作为一种常用的方差齐性检验方法,可用于多组不等测定次数下方差检验,它的核心思想是通过求取不同组之间的卡方统计量,然后根据卡方统计量的值来判断组间方差是否相等;该方法的步骤如下:
建立原假设H0与备择假设H1
H0:σ1=σ2=…=σr; (5)
H1:σ1,σ2,…,σr不同. (6)
式中:r为应力水平数,σ1,σ2,…,σr为各应力水平下的对数标准差;
计算统计量X2
在原假设成立的条件下,统计量X2近似服从自由度为v=r-1的卡方分布,可直接将此计算值与卡方分布表中对应的临界值比较,如果计算值大于等于特定显著性水平(a)下的临界值,即:则在该水平下拒绝检验的原假设H0;否则接收原假设H0,失效机理保持不变;
然后,建立产品基于电流应力影响下的逆幂律模型;对数寿命均值μ与电流应力I的关系表示为
μ=AI-B, (12)
式中:A和B为常数;进行对数化线性处理得到
lnμ=lnA-BlnI, (13)
式中:μ为对数均值,I为电流应力,A和B为常数;建立一元线性回归模型:
式中:l为应力序号,r为应力水平数,μl为第l个应力水平的对数均值,Il为第l个电流应力水平,εl第l个应力水平的误差项,为误差项方差,A和B为常数;导入数据集{(Il,μl);l=1,2,…,r},并转化为{(lnIl,lnμl);l=1,2,…,r};基于最小二乘法可以得到参数lnA,B以及的估计值;
假设工作环境下电应力为SW=IW,加速可靠性验证试验中的电应力为SA=IA,加速因子为AF,它反映的是相同产品在不同量级的应力环境中失效的快慢程度,公式为
步骤三:基于费用约束的对数正态分布产品可靠性验证优化方案设计
首先,建立对数正态分布下加速可靠性验证方案;已知工作应力下可接收质量水平μ0、极限质量μ1、生产方风险α、使用方风险β,建立恒定加速寿命试验下的定时截尾试验方案,确定加速试验截尾时间τ、试验样本数n与判决故障数c;建立工作应力下原假设H0与备择假设H1,对产品对数正态分布参数μ进行抽样检验:
式中:μ为工作应力的可靠性验证指标,μ0为工作应力的可接收质量水平,μ1为工作应力的极限质量;由于进行加速可靠性验证试验,检验指标转换为产品加速应力下对数正态分布参数μ′,所以加速应力下零假设与备择假设转换为:
式中:H′0为零假设,H′1为备择假设,μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′0=μ0/AF,μ′1为加速试验的极限质量,μ′1=μ1/AF;双方风险约束条件为:
式中:H′0为零假设,μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′1为加速试验的极限质量,α为生产方风险,β为使用方风险;
制定判决准则:当试验的累计故障数k≤c时,产品合格,作出接收判决;当k>c时,产品不合格,作出拒收判决;由双方风险约束条件建立方程组
式中:μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′1为加速试验的极限质量,α为生产方风险,β为使用方风险,k为累计故障数,c为判决故障数;将接收概率公式展开,得
式中:μ为工作应力的可靠性验证指标,μ′为加速试验的可靠性验证指标,σ为对数标准差,τ为试验时间,n为试验样本数,k为累计故障数,c为判决故障数;当AF考虑不确定性时,接收概率为
式中:μ′为加速试验的可靠性验证指标,f(AF)为加速因子的概率分布函数;结合式(23)与式(24),双方风险约束条件展开为
式中:μ0为工作应力的可接收质量水平,μ1为工作应力的极限质量,σ为对数标准差,τ为试验时间,n为试验样本数,k为累计故障数,c为判决故障数,μAF为加速因子的均值,为加速因子的方差,α为生产方风险,β为使用方风险;
然后,建立可靠性验证方案的优化目标;在满足双方风险约束条件的基础上,设立费用指标,找出最节省成本的优化方案;依据试验实际情况,费用共包含三部分:与试验截尾时间τ值相关的测试费用、与样本数n值相关的样本费用、加速应力IA值相关的风险费用;用TC表示试验费用总和,费用函数如下:
TC=c1*τ+c2*n+c3*(IA/IW-1), (26)
式中:c1为单位时间测试费用,c2为单个样本费用,c3为单位风险费用,τ为试验时间,n为试验样本数,IW为工作环境的电应力大小,IA为加速试验的电应力大小;
min TC=c1*τ+c2*n+c3*(IA/IW-1),
式中:c1为单位时间测试费用,c2为单个样本费用,c3为单位风险费用,τ为试验时间,n为试验样本数,IW为工作环境的电应力大小,IA为加速试验的电应力大小,μ0为工作应力的可接收质量水平,μ1为工作应力的极限质量,σ为对数标准差,k为累计故障数,c为判决故障数,为误差项方差,α为生产方风险,β为使用方风险,B为常数,IAmin为最小电应力,IAmax为最大电应力,nmax为最大试验样本数;计算出满足双方风险约束条件与最小试验费用的最优加速可靠性验证方案(n,τ,c,IA);
通过以上步骤,解决了对数正态分布产品加速可靠性验证优化方案设计过程中产品高可靠长寿命、模型不确定性等问题,通过引入AF不确定性保证了加速可靠性验证优化方案设计的有效性,符合工程实际情况,计算简单,为工程技术人员提供便利,存在重要的应用价值。
(3)优点:
本发明一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法,其优点如下:
①本发明针对寿命服从对数正态分布的产品受到模型不确定影响所带来的加速可靠性验证问题,它通过考虑AF不确定性建立了费用约束下加速可靠性验证优化方案,有效地管控双方风险,显著节约了试验费用;
②本发明提出的方法计算简便,容易实现,且更加符合工程实际,方便工程技术人员掌握使用,方法科学,便于应用推广。
附图说明
图1是本发明所述方法的流程图。
具体实施方式
本发明一种加速可靠性验证试验方案设计方法,即一种产品寿命服从对数正态分布的加速可靠性验证试验方案设计方法,其流程图如图1所示;
下面以某型白色有机发光二极管(White Organic Light-Emitting Diode,以下简写为WOLED)产品为案例,对本发明做进一步详细说明;
在WOLED加速寿命试验中,加速应力为电流,试验的应力水平分别设置为I1=9.64mA,I2=17.09mA和I3=22.58mA,在每个电流应力下,分别安排一定量的样本开展恒定加速寿命试验;试验过程中记录其失效时间,随后按时间大小排序;
而在WOLED加速可靠性验证试验中,工作应力IW=3.2mA,加速应力给定范围IA∈[9mA,23mA];可靠性验证指标为可靠寿命tR(可靠度R=0.9),双方指标分别为tR0=600h、tR1=400h,双方风险α=β=0.2;
本发明提出一种加速可靠性验证试验方案设计方法,即一种对数正态寿命分布产品的加速可靠性验证试验方案设计,其具体的实施步骤如下:
步骤一:对数正态分布参数估计
分别设置I1=9.64mA,I2=17.09mA和I3=22.58mA的电流应力水平,通过恒定加速寿命试验获得不同应力下排序后的失效时间数据,如表1所示;
表1 WOLED的加速寿命试验数据
表2不同加速应力下对数正态分布参数估计结果
步骤二:建立逆幂律模型,基于模型不确定性外推加速因子的分布
首先,进行失效机理一致性检验;若产品在不同电流应力下的失效机理没有改变,则代表对数标准差σ相同;针对数据集{σl;l=1,2,3},使用Bartlett方法检验假设H0是否成立:
式中:r为应力水平数,σ1,σ2,…,σr为各应力水平下的对数标准差;作为检验H0的统计量,根据式(7)得出:
X2=1.2973. (29)
然后,建立WOLED基于电流应力影响下的逆幂律模型;建立式(12)中对数寿命均值μ与电流应力I的逆幂律方程与式(13)中的线性方程;同时根据表2中各电流应力的参数估计值使用最小二乘估计求出式(14)的一元线性回归模型的参数估计值其中,R2=0.9994,证明回归模型拟合效果很好;
步骤三:基于费用约束的对数正态分布产品可靠性验证优化方案设计
首先,将可靠性指标由tR转化为μ;由于对数正态分布的可靠度公式为
μ可写为包含tR的公式,即
μ=lntR-σφ-1(1-R). (32)
式中:μ为对数均值,σ为对数标准差,R为可靠度,tR为可靠寿命;所以根据式(32)得到双方可靠性指标
μ0=lntR0-σφ-1(1-R)=6.525, (33)
μ1=lntR1-σφ-1(1-R)=6.358. (34)
然后,进行WOLED可靠性验证优化方案设计;将双方可靠性指标、双方风险等已有信息代入式(27)的优化模型中,设c1=300元/h,c2=3000元/个,c3=1000元,nmax=10,得
min TC=300*τ+3000*n+1000*(IA/3.2-1),
式中:τ为试验时间,n为试验样本数,IA为加速试验的电应力大小,k为累计故障数,c为判决故障数;
最后,计算WOLED可靠性验证优化方案结果;将IA范围以1mA为刻度,在满足双方风险约束条件的解中找出费用最低,结果如表3所示。
表3不同加速应力下可靠性验证方案最低费用
通过对比,最优加速可靠性验证方案(n,τ,c,IA)=(6,59h,0,16mA),实际双方风险分别为0.1973和0.1866,最低试验费用为39700元;通过将本发明应用在WOLED产品的案例,建立了对数正态分布的加速可靠性验证优化方案;结果表明:该方案有效地管控了双方风险,同时根据优化模型找出最优结果,显著节约了试验费用;
综上,本发明以某型WOLED产品为案例,针对寿命服从对数正态分布的产品受到模型不确定影响所带来的加速可靠性验证问题,首先,依据产品恒定加速寿命试验数据,运用极大似然估计方法进行对数正态分布参数估计;其次,在保证失效机理一致的前提下,构建分布对数均值参数与电流应力的逆幂律模型;然后,将该模型对数变换为一元线性回归模型,并使用最小二乘估计方法得出模型参数估计值,进而基于模型不确定性外推加速因子的分布;最后,结合AF不确定性,进行费用约束的加速可靠性验证试验方案优化设计,给出加速可靠性验证试验方案,有效完成了产品寿命服从对数正态分布的加速可靠性验证试验方案设计。
Claims (1)
1.一种加速可靠性验证试验方案设计方法,其特征在于:具体步骤如下:
步骤一:对数正态分布参数估计
首先,产品寿命服从对数正态分布,则产品寿命t的概率密度函数f(t)表示为
式中:μ为对数均值,σ为对数标准差;
然后,收集产品恒定应力加速寿命试验数据;设共有r个应力水平,记为{Sl;l=1,2,…,r},每个应力水平下有nl个样本,记录不同应力水平Sl下各样本的失效时间,并将各个应力水平所对应的样本失效时间按先后顺序进行排列,所得的试验数据集记为
{t(i,l);i=1,2,…,nl;l=1,2,…,r}, (2)
式中:i为样本序号,l为应力序号,nl为第l个应力水平的样本数,r为应力水平数,t(i,l)为第l个应力下第i个样本失效时间;
式中:i为样本序号,l为应力序号,nl为第l个应力水平的样本数,t(i,l)为第l个应力下第i个样本失效时间;
步骤二:建立逆幂律模型,基于模型不确定性外推加速因子的分布
通过步骤一,得到r个应力水平下的对数正态分布双参数μl和σl,l=1,2,…,r;为得到加速因子AF的分布,需要在保持失效机理不变的基础上,建立对数寿命均值μ与电流应力I之间的联系,即逆幂律模型;
首先,对逆幂律模型的合理性进行检验;若产品在不同应力下的失效机理没有改变,则代表σ相同;因此,对数据集{σl;l=1,2,…,r}进行一致性检验,即方差齐性检验;其中,Bartlett检验作为一种常用的方差齐性检验方法,用于多组不等测定次数下方差检验,然后根据卡方统计量的值来判断组间方差是否相等;该方法的步骤如下:
建立原假设H0与备择假设H1
H0:σ1=σ2=…=σr; (5)
H1:σ1,σ2,…,σr不同; (6)
式中:r为应力水平数,σ1,σ2,…,σr为各应力水平下的对数标准差;
计算统计量X2
在原假设成立的条件下,统计量X2近似服从自由度为v=r-1的卡方分布,直接将此计算值与卡方分布表中对应的临界值比较,如果计算值大于等于特定显著性水平(a)下的临界值,即:则在该水平下拒绝检验的原假设H0;否则接收原假设H0,失效机理保持不变;
然后,建立产品基于电流应力影响下的逆幂律模型;对数寿命均值μ与电流应力I的关系表示为
μ=AI-B, (12)
式中:A和B为常数;进行对数化线性处理得到
lnμ=InA-BlnI, (13)
式中:μ为对数均值,I为电流应力,A和B为常数;建立一元线性回归模型:
式中:l为应力序号,r为应力水平数,μl为第l个应力水平的对数均值,Il为第l个电流应力水平,εl第l个应力水平的误差项,为误差项方差,A和B为常数;导入数据集{(Il,μl);l=1,2,…,r},并转化为{(lnIl,lnμl);l=1,2,…,r};基于最小二乘法得到参数lnA,B以及的估计值;
设工作环境下电应力为SW=IW,加速可靠性验证试验中的电应力为SA=IA,加速因子为AF,它反映的是相同产品在不同量级的应力环境中失效的快慢程度,公式为
步骤三:基于费用约束的对数正态分布产品可靠性验证优化方案设计
首先,建立对数正态分布下加速可靠性验证方案;已知工作应力下可接收质量水平μ0、极限质量μ1、生产方风险α、使用方风险β,建立恒定加速寿命试验下的定时截尾试验方案,确定加速试验截尾时间τ、试验样本数n与判决故障数c;建立工作应力下原假设H0与备择假设H1,对产品对数正态分布参数μ进行抽样检验:
式中:μ为工作应力的可靠性验证指标,μ0为工作应力的可接收质量水平,μ1为工作应力的极限质量;由于进行加速可靠性验证试验,检验指标转换为产品加速应力下对数正态分布参数μ′,所以加速应力下零假设与备择假设转换为:
式中:H′0为零假设,H′1为备择假设,μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′0=μ0/AF,μ′1为加速试验的极限质量,μ′1=μ1/AF;双方风险约束条件为:
式中:H′0为零假设,μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′1为加速试验的极限质量,α为生产方风险,β为使用方风险;
制定判决准则:当试验的累计故障数k≤c时,产品合格,作出接收判决;当k>c时,产品不合格,作出拒收判决;由双方风险约束条件建立方程组
式中:μ′为加速试验的可靠性验证指标,μ′0为加速试验的可接收质量水平,μ′1为加速试验的极限质量,α为生产方风险,β为使用方风险,k为累计故障数,c为判决故障数;将接收概率公式展开,得
式中:μ为工作应力的可靠性验证指标,μ′为加速试验的可靠性验证指标,σ为对数标准差,τ为试验时间,n为试验样本数,k为累计故障数,c为判决故障数;当AF考虑不确定性时,接收概率为
式中:μ′为加速试验的可靠性验证指标,f(AF)为加速因子的概率分布函数;结合式(23)与式(24),双方风险约束条件展开为
式中:μ0为工作应力的可接收质量水平,μ1为工作应力的极限质量,σ为对数标准差,τ为试验时间,n为试验样本数,k为累计故障数,c为判决故障数,μAF为加速因子的均值,为加速因子的方差,α为生产方风险,β为使用方风险;
然后,建立可靠性验证方案的优化目标;在满足双方风险约束条件的基础上,设立费用指标,找出最节省成本的优化方案;费用共包含三部分:与试验截尾时间τ值相关的测试费用、与样本数n值相关的样本费用、加速应力IA值相关的风险费用;用TC表示试验费用总和,费用函数如下:
TC=c1*τ+c2*n+c3*(IA/IW-1), (26)
式中:c1为单位时间测试费用,c2为单个样本费用,c3为单位风险费用,τ为试验时间,n为试验样本数,IW为工作环境的电应力大小,IA为加速试验的电应力大小;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210246845.3A CN114692084A (zh) | 2022-03-14 | 2022-03-14 | 一种加速可靠性验证试验方案设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210246845.3A CN114692084A (zh) | 2022-03-14 | 2022-03-14 | 一种加速可靠性验证试验方案设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114692084A true CN114692084A (zh) | 2022-07-01 |
Family
ID=82138654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210246845.3A Pending CN114692084A (zh) | 2022-03-14 | 2022-03-14 | 一种加速可靠性验证试验方案设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114692084A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
-
2022
- 2022-03-14 CN CN202210246845.3A patent/CN114692084A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115906544A (zh) * | 2023-03-09 | 2023-04-04 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
CN115906544B (zh) * | 2023-03-09 | 2023-05-05 | 中国人民解放军国防科技大学 | 基于可靠性增长过程的可靠性鉴定试验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及系统 | |
CN110348697A (zh) | 员工的绩效考核方法、装置、终端及计算机可读存储介质 | |
CN113792266B (zh) | 恒定应力定时截尾加速寿命试验寿命评估方法及系统 | |
CN106547265B (zh) | 一种轨道交通电子控制装置的现场可靠性评估方法及系统 | |
CN109409628A (zh) | 基于计量大数据聚类模型的采集终端生产厂商评价方法 | |
CN107478455A (zh) | 一种适用于威布尔分布型产品的定时截尾可靠性试验方法 | |
CN105512465B (zh) | 基于改进vikor法的云平台安全性量化评估方法 | |
CN110260907B (zh) | 一种用于传感器的温度应力无失效加速寿命试验方法 | |
CN113687235A (zh) | 一种动力电池半经验日历寿命预测评估方法 | |
CN115630847A (zh) | 一种基于数据预测的收发组件检测方法、系统及存储介质 | |
CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
CN114692084A (zh) | 一种加速可靠性验证试验方案设计方法 | |
CN112784414A (zh) | 一种多部件整机贮存寿命置信下限评估方法 | |
WO2023134188A1 (zh) | 指标确定方法、装置、电子设备和计算机可读介质 | |
CN110544047A (zh) | 一种不良数据辨识方法 | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN110414086B (zh) | 一种基于灵敏度的综合应力加速因子计算方法 | |
CN115640950A (zh) | 一种基于因子分析的有源台区配网线路异常线损诊断方法 | |
CN108572285B (zh) | 一种基于低频宽带噪声的高速光耦筛选方法 | |
CN117370326A (zh) | 一种数据评估方法、装置、电子设备及介质 | |
CN117131437A (zh) | 发动机振动故障隔离方法 | |
CN115754772A (zh) | 一种电池容量衰减处理方法、装置、设备和存储介质 | |
WO2022227094A1 (zh) | 数据处理方法、装置、设备及存储介质 | |
US6662065B2 (en) | Method of monitoring manufacturing apparatus | |
CN107562695A (zh) | 一种配电变压器的负载数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |