QE能力进阶（29）｜Weibull 分析实战：用寿命数据预测失效
一、把 5 个失效点交给软件，就得到了一个"寿命结论"
某制造企业的一批电动执行器在现场陆续出现早期卡滞，售后要求质量部给出"这批产品的可靠寿命到底还剩多少"。QE 的做法是：把已经返修的 5 件产品失效时间录进软件，点选"威布尔双参数"，得到形状参数 β（贝塔）= 1.6、特征寿命 η（伊塔）= 4200 小时、B10 寿命 1300 小时，报告写"产品 B10 寿命 1300 小时，建议更换周期 1000 小时"。评审时问题接连暴露：第一，这 5 件分属两种完全不同的失效模式——3 件是密封件老化，2 件是减速齿轮磨损，两种机理被硬塞进一条曲线；第二，已经跑到 4000 小时仍正常的 30 件产品（截尾数据）根本没录入，软件只用了失效点；第三，β = 1.6 对应的是什么机理、这个估计有多可信、B10 的置信区间多宽，报告一个字没写。结果是：这条曲线既不能解释过去，也不能预测未来。威布尔分析不难算，难在数据怎么分、截尾怎么算、参数怎么读、结论能外推到哪一步。
二、原理要点：三个参数各管什么
威布尔分布的核心是三个参数，读懂了它们，曲线才不是一串数字。
形状参数 β——管"失效机理"。 β 是最有信息量的一个数，它直接告诉你产品当前处在寿命的哪个阶段：
| β 取值范围 | 失效类型 | 工程含义与对策 |
|---|---|---|
| β < 1 | 早期失效（失效率下降） | 工艺缺陷、来料不一致、装配损伤；靠筛选与老化剔除，不靠更改寿命 |
| β ≈ 1 | 随机失效（失效率恒定） | 外力/偶发冲击，此时指数分布与 MTBF 才有意义 |
| β ≈ 1.5～2.5 | 磨损早期、部分疲劳 | 轴承、密封件、接触件磨损；有明确耗损趋势 |
| β ≈ 3～4 | 典型磨损失效 | 材料疲劳、磨蚀加速；这是做预防更换最有效的区间 |
| β > 4 | 快速磨损或存在寿命阈值 | 位置参数 γ（伽马）显著，应改用三参数威布尔 |
尺度参数 η——管"水平"。 η 是特征寿命，即恰好 63.2% 的产品失效的时间点，它是曲线左右平移的标尺，不改变形状。
位置参数 γ——管"最小寿命"。 当样本在某个时间点之前一件都不失效时，γ 才显著；盲目套三参数模型容易让拟合"看起来更好"而实际失去机理意义，一般先按 γ = 0 拟合，再用拟合优度判断是否需要引入。
B10 寿命是工程上最常被引用的指标——10% 产品失效的时间点。当 γ = 0 时：
B10 = η × (0.10536)^(1/β)
几个常用值：β = 1 时 B10 ≈ 0.105η；β = 1.5 时 ≈ 0.223η；β = 2 时 ≈ 0.325η；β = 3 时 ≈ 0.472η；β = 3.44（近似正态）时 ≈ 0.520η。注意 β 越小，B10 相对 η 越靠前——这正好对应早期失效占主导时"第一批产品先倒"的现象。
三、实操五步：从原始记录到可交付结论
第一步：给数据分类，而不是急着拟合。 先把每条记录标成"失效"或"截尾（到时间点仍正常）"，再按失效位置与失效模式分组。判据：同一机理组内的失效样本数 r ≥ 5 才允许单独建模；r < 5 时只能合并同族机理或做定性描述。出现两种以上失效模式且模式随应力变化的，必须分开建曲线，禁止混拟合。
第二步：做概率纸/拟合优度检查。 把同一机理的数据按失效次序 i 在中位秩坐标 F(i) = (i − 0.3) ÷ (n + 0.4) 上描点，看是否近似一条直线。判据：最小二乘拟合的相关系数 r ≥ 0.95 可接受；点呈明显上凸或下凹，说明存在混合机理或需要用三参数模型，而不是"数据就是这样"。更严格时用 Anderson-Darling 检验，p 值不小于 0.05。
第三步：选估计方法，正确处理截尾。 有较多截尾数据时用极大似然估计（MLE），因为它能利用全部未失效样本的时间信息；数据少、几乎全失效时可用秩回归。判据：截尾样本数不得超过总样本数的 60%；把未失效样本当"通过"直接删除，是威布尔分析里最致命的数据错误。关键提醒：一条曲线上若一个失效点都没有（全是截尾），β 根本不可估，此时任何"寿命预测"都是凭空生成的。
第四步：读 β、算 B10、给置信区间。 先按第二步的表判读 β 对应的机理，确认它与现场拆解结论一致；不一致时先怀疑数据分组，而不是先怀疑软件。再用上式算 B10。判据：必须同时给出 β 与 B10 的 90% 置信区间，并说明是单侧下限还是双侧区间；区间宽度覆盖不了 30%（例如 B10 = 1300 小时而区间是 900～2600 小时）时，结论只能表述为"参考值"，不能作为更换周期的设计输入。
第五步：用目标反算验证方案的样本量。 当没有历史数据、只能靠新试验验证时，最常用的是零失效方案，其可靠性单侧置信下限为 (1 − C)^(1/n)。要让这个下限不低于 0.90（即证明 B10 达标），90% 置信度下至少需要 22 只样品各跑到目标 B10 时间且零失效；95% 置信度下需 29 只。这个结论不依赖 β，非常好用——它直接告诉你"3 只样品全过"离"验证 B10"差了多远。
四、四个典型误区
误区一：把不同失效模式混进一条曲线。 密封老化是把腐蚀/材料劣化做主导，齿轮磨损是接触疲劳，两者 β 与 η 都不同。混拟合出的 β 会落在两者之间，既高估了早期失效风险，又低估了磨损阶段的爬升速度，B10 完全失真。正确做法：先拆解失效件定模式，再分组拟合。
误区二：把截尾数据当噪声丢掉。 只录失效点等于只保留"最差样本"，会系统性低估 η、估小 B10。软件里必须把未失效产品的运行时间作为 suspended/censored 数据录入。
误区三：只看 B10，不看 β 的置信区间。 β 的估计本身就有不确定度，样本越少区间越宽。5 个失效点估出的 β = 1.6，其 90% 置信区间可能宽到 0.9～2.8——从"早期失效"横跨到"磨损"，机理判断根本立不住。口径建议：报"β = 1.6（90% CI：1.1～2.3），对应磨损失效倾向"，而不是"β = 1.6"。
误区四：把寿命外推到数据之外一两个数量级。 威布尔外推的可信度随外推距离急剧衰减。试验只跑到 2000 小时就去外推 20000 小时的 B10，等于把模型的误差放大十倍。经验边界：B10 不应超出最长试验时间的 3 倍；超出这个范围，只能叫"趋势判断"，不能叫"寿命结论"。
五、自查清单
- □ 数据是否已区分失效与截尾，并按同一失效机理分组（每组失效样本 r ≥ 5）？
- □ 是否做了概率纸线性或 Anderson-Darling 拟合优度检查（r ≥ 0.95）？
- □ 截尾数据是否已完整录入，而非直接删除？
- □ 是否同时给出了 β、B10 的 90% 置信区间，并判读了 β 对应的失效机理？
- □ B10 的外推距离是否在最长试验时间 3 倍以内；若做新试验验证，样本量是否按目标反算（90% 置信度零失效方案 ≥ 22 只）？
分不清机理的曲线，画得再直也是错的。
知识编号：8.2.3
版本：v20261009
作者：卓越质量智库 卓越质量智库致力于为质量管理从业者提供系统化的专业知识、方法论与实战工具，助力企业质量能力持续提升。