蔡忠義，陳云翔，項華春，董驍雄

（空軍工程大學(xué)裝備管理與安全工程學(xué)院，陜西西安710051）

基于無失效數(shù)據(jù)的加權(quán)E-Bayes可靠性評估方法

蔡忠義，陳云翔，項華春，董驍雄

（空軍工程大學(xué)裝備管理與安全工程學(xué)院，陜西西安710051）

針對無失效數(shù)據(jù)情況下產(chǎn)品的可靠性評估問題，提出加權(quán)最小二乘法結(jié)合期望Bayes（expected-Bayesian，E-Bayes）可靠性評估方法與模型。根據(jù)工程經(jīng)驗，構(gòu)造出產(chǎn)品失效概率的先驗分布；運用Bayes理論與方法，給出產(chǎn)品失效概率的E-Bayes估計；在威布爾分布場合下，采用加權(quán)最小二乘法來擬合產(chǎn)品壽命分布參數(shù)，給出產(chǎn)品可靠性指標的點估計和區(qū)間估計；結(jié)合算例分析，探討模型的穩(wěn)健性與方法的優(yōu)越性，表明該方法具有較好的工程應(yīng)用價值。

可靠性評估；無失效數(shù)據(jù)；先驗分布；失效概率；期望Bayes

0 引 言

定時截尾試驗方案廣泛運用于產(chǎn)品可靠性鑒定、驗收試驗中，不僅可以有效驗證產(chǎn)品可靠性是否達到規(guī)定要求，而且可以有效縮減試驗時間和經(jīng)費。隨著科學(xué)技術(shù)的快速發(fā)展，產(chǎn)品的質(zhì)量與可靠性水平不斷提高，在定時截尾試驗中某型高可靠性水平的產(chǎn)品會出現(xiàn)無故障數(shù)據(jù)的情況，即無一試驗樣品失效，導(dǎo)致傳統(tǒng)處理有失效數(shù)據(jù)定時截尾試驗的統(tǒng)計方法不再適用。如何在無失效數(shù)據(jù)情況下對產(chǎn)品的可靠性指標進行科學(xué)合理的評估，受到了工程界和統(tǒng)計學(xué)者的廣泛重視與研究，對這類問題的研究具有重要的理論和實用價值［1］。

關(guān)于無失效數(shù)據(jù)的研究分為兩類：一類是傳統(tǒng)的解析計算法，有修正似然函數(shù)法、樣本空間排序法等；另一類是Bayes方法，包括Bayes估計法、多層Bayes估計法以及期望Bayes（expected-Bayesian，E-Bayes）估計法等。兩者之間的主要差別在于是否利用先驗信息。經(jīng)典方法在處理無失效數(shù)據(jù)時不包含失效信息，其結(jié)果往往偏于保守；而Bayes方法充分利用了產(chǎn)品的各類先驗信息，提高了估計的精度。

近年來，針對Bayes方法處理無失效數(shù)據(jù)的研究［26］，主要集中于如何在處理產(chǎn)品先驗信息（如工程經(jīng)驗、主觀信息）過程中保持客觀公正，減少主觀干擾。文獻［2］和文獻［3］分別采用經(jīng)典的Bayes估計法、多層Bayes估計法與最小二乘法相集成的方法對無失效數(shù)據(jù)條件下的火箭發(fā)動機可靠性進行了評估，通過對比分析，發(fā)現(xiàn)前者估計誤差較大，而后者計算十分復(fù)雜，工程上不便應(yīng)用。文獻［6］運用EBayes方法對液體火箭發(fā)動機進行了可靠性分析，并結(jié)合算例驗證了方法的可行性。另外，文獻［7- 13］針對可靠性試驗中其他分布（如二項分布、指數(shù)分布等）場合下對無失效數(shù)據(jù)進行評估分析。

因此，本文在文獻［6］的基礎(chǔ)上，提出E-Bayes法與加權(quán)最小二乘法相集成的方法對無失效數(shù)據(jù)的產(chǎn)品可靠性指標進行估計。第1節(jié)描述了無失效數(shù)據(jù)問題，給出了統(tǒng)計模型；第2節(jié)根據(jù)工程經(jīng)驗分析和Bayes理論，構(gòu)造出產(chǎn)品失效概率的Beta分布，求出失效概率的E-Bayes估計；第3節(jié)根據(jù)加權(quán)最小二乘法，擬合產(chǎn)品壽命服從威布爾分布的參數(shù)，從而求出產(chǎn)品平均壽命和可靠度的點估計和區(qū)間估計；第4節(jié)通過算例分析，探討了方法的穩(wěn)健性和適用性，并與現(xiàn)有方法進行對比分析。

1 問題描述

設(shè)產(chǎn)品壽命T的分布函數(shù)為F（t，θ），θ∈Θ，Θ為參數(shù)空間，截尾時間分別為t1，t2，…，tk（0＜t1＜t2＜…＜tk），在ti（i＝1，2，…，k）處共試驗ni個樣品，假設(shè)參與試驗的樣本無一失效，可認為所用樣本壽命都大于截尾時間ti，則可稱該定時截尾試驗數(shù)據(jù)屬于無失效數(shù)據(jù)，記作（ti，ni）。

通過分析，可以得到以下試驗信息：

（1）產(chǎn)品壽命T服從分布函數(shù)F（t，θ），記為F（t）；

（2）產(chǎn)品在ti時刻的失效概率記為pi＝P（T≤ti），則p0＜p1＜…＜pk；

（3）t＝0時，產(chǎn)品的失效概率p0＝P（T≤0）＝0；

（4）記si＝ni＋ni＋1＋…＋nk表示在ti時刻有si個樣本還未失效，即有si個樣品的壽命大于ti。

因此，本文要解決的問題是如何利用上述定時截尾試驗中的無失效數(shù)據(jù)（ti，ni）信息對產(chǎn)品的可靠性指標進行科學(xué)評估。文獻［1］最早提出采用配分布曲線法，在定時截尾時間ti處獲得失效概率pi的估計＾pi，然后在壽命分布類型已知的情況下，利用＾pi給出壽命分布參數(shù)的最小二乘估計值，從而求出產(chǎn)品的可靠度估計值。在此基礎(chǔ)上，本文運用Bayes理論與方法，提出E-Bayes與加權(quán)最小二乘法相集成的可靠性估計方法。

2 失效概率估計

在確定失效概率pi的E-Bayes估計前，必須先確定其先驗分布。

2.1 先驗分布類型確定

根據(jù)工程經(jīng)驗，由于各樣品獨立試驗且試驗結(jié)果只有正常和失效兩個可能結(jié)果，可推斷樣本總體服從二項分布，此時可選Beta分布作為失效概率pi的共軛先驗分布［14］。

若pi的先驗分布為Beta分布（參數(shù)為a和b），記為B（a，b），其密度函數(shù)為

由于π（pi／a，b）必須是pi的減函數(shù)，才能作為pi的先驗密度函數(shù)，對其求導(dǎo)得

當(dāng)0＜a≤1，b＞1時，dπ（pi／a，b）／d pi＜0，此時π（pi／a，b）是pi的減函數(shù)。

2.2 失效概率E-Bayes估計

先驗分布中所含的未知參數(shù)稱為超參數(shù)，如何利用先驗信息來確定超參數(shù)是使用Bayes方法必須研究的問題。根據(jù)先驗信息，可假設(shè)pi的先驗分布中超參數(shù)服從均勻分布，以下分兩個超參數(shù)和一個超參數(shù)的情況，分別給出pi的E-Bayes估計的定義和估計［1516］。

（1）兩個超參數(shù)都為均勻分布的情況

超參數(shù)a和b的先驗分布服從均勻分布U（0，1）和U（1，c），其中c為大于1的常數(shù)（通常由專家結(jié)合歷史數(shù)據(jù)和經(jīng)驗給出）。

是pi的Bayes估計對超參數(shù)a和b的數(shù)學(xué)期望。

定理1 對某產(chǎn)品進行k次定時截尾試驗，結(jié)果所用樣品無一失效，獲得的無失效數(shù)據(jù)為（ti，ni） ，記

若pi的先驗密度函數(shù)π（pi／a，b）由式（1）給出，在平方損失下pi的E-Bayes估計為

式中

（2）一個超參數(shù)為均勻分布的情況

當(dāng)超參數(shù)a＝1時，pi先驗密度函數(shù)為式中，0＜pi＜1；超參數(shù)b的先驗分布服從均勻U（1，c），c為大于1的常數(shù)。

文獻［6］提出在先驗分布為Beta分布且a＝1時，b越大，其分布密度函數(shù)的尾部越細，Bayes估計模型的穩(wěn)健性越差，因而c的取值不宜過大。

從上述定義可以看出，pi的E-Bayes估計

是pi的Bayes估計對超參數(shù)b的數(shù)學(xué)期望。

定理2 對產(chǎn)品進行k次定時截尾試驗，結(jié)果所用樣品無一失效，獲得數(shù)據(jù)為（ti，ni），記

若pi的先驗密度函數(shù)π（pi／b）由式（8）給出，在平方損失下，pi的E-Bayes估計為

3 可靠性指標估計

假設(shè)產(chǎn)品的壽命T服從威布爾分布，其分布函數(shù)表示為

式中，m表示形狀參數(shù)；η表示尺度參數(shù)（也稱特征壽命）。在工程實踐中，一般可知威布爾分布的形狀參數(shù)在1～10之間。

產(chǎn)品在t時刻的可靠度函數(shù)表示為

3.1 可靠性指標點估計

根據(jù)文獻［1］的最小二乘估計法，提出威布爾分布參數(shù)m和η的加權(quán)最小二乘估計為

式中

其中，wi為權(quán)重值。加權(quán)的方式多種多樣，常見的有兩種：一是簡單的試驗時間加權(quán)；二是試驗時間與對應(yīng)的樣本量相融合的復(fù)合加權(quán)。文獻［6］的結(jié)論指出第二種加權(quán)方法得出的估計值誤差較小。因此，本文采用此結(jié)論，即按各試驗時間以及對應(yīng)的試驗樣品數(shù)加權(quán)，表示為

根據(jù)上述表達式，可知產(chǎn)品的平均壽命θ的點估計為

產(chǎn)品在t時刻的可靠度R（t）的點估計為

3.2 可靠性指標區(qū)間估計

文獻［17- 18］研究產(chǎn)品在壽命服從威布爾分布且形狀參數(shù)已知的情況下，令θ＝ηm，l＝tm，則威布爾分布改寫為指數(shù)分布，即分布函數(shù)為

從而將威布爾分布轉(zhuǎn)化為指數(shù)分布來處理，給出了可靠度的單側(cè)置信下限。通過上文分析可知，威布爾分布參數(shù)可以通過加權(quán)最小二乘法求出?；诖?，本文給出產(chǎn)品服從威布爾分布的可靠性指標（平均壽命和可靠度）的雙側(cè)置信區(qū)間。

定理3［5］對壽命服從威布爾分布的產(chǎn)品進行k次定時截尾試驗，所用樣品無一失效，獲取的數(shù)據(jù)為（ti，ni）（i＝1，2，…，k），若形狀參數(shù)m已知，則有：

（1）平均壽命θ的置信水平為1－α的置信區(qū)間為

（2）可靠度R（t）的置信水平為1－α的置信區(qū)間為

可靠度雙側(cè)置信區(qū)間的長度用Δ＾R（t）表示，可靠度雙側(cè)置信區(qū)間的平均長度用Δ表示，則有

4 算例分析

假設(shè)某產(chǎn)品在其可靠性鑒定試驗中，樣本都沒有發(fā)現(xiàn)故障，數(shù)據(jù)經(jīng)收集整理如表1所示［19］。依據(jù)工程實踐經(jīng)驗，可認為產(chǎn)品壽命服從威布爾分布。

表1 某航空產(chǎn)品的無失效數(shù)據(jù)

假設(shè)產(chǎn)品先驗分布參數(shù)a＝1，b服從于均勻分布。依據(jù)工程經(jīng)驗，取置信水平為0.9。首先，討論c取值的合理性，分別取c＝2，3，4，5，相關(guān)參數(shù)的計算結(jié)果如表2所示。在相同的置信水平下，Δ越短，估計誤差越小，c取值越優(yōu)，則該方法的穩(wěn)健性越好。從表2中可以看出，當(dāng)c取2時，Δ的值最小，得出的結(jié)論比較合理，這與工程實踐做法相符。

然后，通過與現(xiàn)有方法（即經(jīng)典Bayes法、多層Bayes法和無加權(quán)E-Bayes法）［3-4］對比分析可知，本文提出的EBayes可靠性指標估計的總體誤差最?。ㄒ姳?），充分說明了該方法的優(yōu)越性。

最后，當(dāng)c＝2時，產(chǎn)品在t時刻可靠度的點估計與區(qū)間估計結(jié)果見表4。

表2 在c取值不同情況下產(chǎn)品可靠度估計誤差

表3 當(dāng)c=2時本文方法與現(xiàn)有方法的估計結(jié)果對比

表4 產(chǎn)品在t時刻可靠度的點估計與區(qū)間估計

5 結(jié) 論

在工程實踐活動中，工程技術(shù)人員對于產(chǎn)品可靠性經(jīng)驗認識豐富，本文正是針對此類先驗信息，推斷樣本總體分布，并以Beta分布作為失效概率共軛先驗分布，給出了產(chǎn)品失效概率E-Bayes估計值；采用加權(quán)最小二乘法擬合產(chǎn)品威布爾分布參數(shù)；結(jié)合算例表明，對壽命服從威布爾分布的某航空產(chǎn)品在無失效數(shù)據(jù)條件下的可靠性指標進行評估是可行的。

與現(xiàn)有的經(jīng)典Bayes、多層Bayes以及無加權(quán)E-Bayes方法相比，本文提出的加權(quán)最小二乘法結(jié)合E-Bayes可靠性評估方法，在加工經(jīng)驗和主觀信息過程中，不僅充分利用了各類先驗信息，盡可能減少了主觀因素的干擾，而且計算過程清晰明了，給出的可靠性指標估計誤差較小，具有較好的工程應(yīng)用價值。

［1］Mao S S，Luo C B．Reliability analysis of zero-failure data［J］．Chinese Mathematical Statistics and Applied Probability，1989，4（4）：489- 506．（茆詩松，羅朝斌．無失效數(shù)據(jù)的可靠性分析［J］．?dāng)?shù)理統(tǒng)計與應(yīng)用概率，1989，4（4）：489- 506．）

［2］Ning J F，Yan X Q，Zhang S F．Study on reliability analysis method for liquid rocket engine in case zero-failure data［J］．Journal of National University of Defense Technology，2006，28（5）：22- 25．（寧江凡，鄢小清，張士峰．液體發(fā)動機無失效條件下的可靠性分析方法［J］．國防科技大學(xué)學(xué)報，2006，28（5）：22- 25．）

［3］Jiang X Z，Shi Y M，Shen Z．The hierarchical Bayes reliability estimation for liquid rocket engine with zero-failure data［J］．Aerospace Control，2008，26（3）：88- 91．（姜祥周，師義民，沈政．無失效數(shù)據(jù)下液體火箭發(fā)動機可靠性多層Bayes估計［J］．航天控制，2008，26（3）：88- 91．）

［4］Han M．E-Bayesian estimation of the reliability derived from Binomial distribution［J］．Applied Mathematical Modeling，2011，35（5）：2419- 2424.

［5］Han M．E-Bayesian credible limit of reliability parameter［J］．Systems Engineering and Electronics，2008，30（8）：1592-1594．（韓明．可靠性指標的E-Bayes可信限［J］．系統(tǒng)工程與電子技術(shù)，2008，30（8）：1592- 1594．）

［6］Han M．E-Bayes reliability analysis for liquid rocket engine with zero-failure data［J］．Acta Aeronautic et Astronautic Sinica，2011，32（12）：2213- 2219.（韓明.無失效數(shù)據(jù)下液體火箭發(fā)動機的E-Bayes可靠性分析［J］．航空學(xué)報，2011，32（12）：2213- 2219．）

［7］Huang Z L，Yu F X，Zhang S T．Empirical-statistics analysis for zero-failure Ga As MMICs life testing data［J］．IEICE Trans.on Fundamentals of Electronics，Communications and Computer Sciences，2009，92（9）：2376- 2379．

［8］Coolen F，Coolen-Schrijner P．On zero-failure testing for Bayesian

high-reliability demonstration［J］．Journal of Risk and Reliability，

2006，220（1）：35- 44.

［9］Bailey R T．Estimation from zero-failure data［J］．Risk Analysis，

2006，17（3）：375- 380．

［10］Huang X P，Zhou J L，Sun Q．Reliability demonstration through accelerated degradation zero-failure testing under binomial distribution［J］．Systems Engineering and Electronics，2012，34（9）：1951- 1956．（黃秀平，周經(jīng)倫，孫權(quán)．二項式分布場合加速退化零失效可靠性驗證試驗［J］．系統(tǒng)工程與電子技術(shù)，2012，34（9）：1951- 1956．）

［11］Guo R H，Wu Y S，Chen Q R．Research on estimation method of MTBF for zero-failure data in reliability time truncated qualification test［J］．Acta Armamentarii，2011，32（8）：1036- 1040．（郭榮化，吳玉生，陳慶榮．定時截尾試驗中故障數(shù)為零裝備的平均無故障間隔時間評估方法研究［J］．兵工學(xué)報，2011，32（8）：1036- 1040．）

［12］Yang U B．Reliability demonstration through degradation bogey testing［J］．IEEE Trans.on Reliability，2009，58（4）：604- 610.

［13］Guo J L．Researches on reliability of hull life based zero-failure data［D］．Harbin：Harbin Engineering University，2009．（郭金龍．基于無失效數(shù)據(jù)船體可靠性的研究［D］．哈爾濱：哈爾濱工程大學(xué)，2009．）

［14］Zhao Y．Data analysis of reliability［M］．Beijing：National Defense Industry Press，2011：251- 259．（趙宇．可靠性數(shù)據(jù)分析［M］．北京：國防工業(yè)出版社，2011：251- 259．）

［15］Han M．E-Bayesian estimation and hierarchical Bayesian estimation of failure rate［J］．Applied Mathematical Modeling，2009，33（4）：1915- 1922.

［16］Han M．E-Bayesian estimation of failure probability and its application［J］．Mathematical and Computer Modeling，2007，45（9）：1272- 1279.

［17］Fu H M，Zhang Y B．Method of reliability analysis for time truncated zero-failure data based on Weibull distribution［J］．Journal of Aerospace Power，2010，25（12）：2807- 2810.（傅惠民，張勇波．Weibull分布定時無失效數(shù)據(jù)可靠性分析方法［J］．航空動力學(xué)報，2010，25（12）：2807- 2810．）

［18］Zhang Y B，F(xiàn)u H M，Wang Z H．Fatigue life scatter factor analysis for time truncated zero-failure data based on Weibull distribution［J］．Journal of Aerospace Power，2012，27（4）：795- 800．（張勇波，傅惠民，王治華．Weibull分布定時無失效數(shù)據(jù)壽命分散系數(shù)［J］．航空動力學(xué)報，2012，27（4）：795- 800．）

［19］Liu H T，Zhang Z H．Bayesian reliability analysis of Weibull zero failure data［J］．Systems Engineering-Theory&Practice，2008，28（11）：103- 108.（劉海濤，張志華.威布爾分布無失效數(shù)據(jù)的Bayes可靠性分析［J］．系統(tǒng)工程理論與實踐，2008，28（11）：103- 108．）

Method for evaluation of weight expected-Bayesian reliability based on zero-failure data

CAI Zhong-yi，CHEN Yun-xiang，XIANG Hua-chun，DONG Xiao-xiong（Equipment Management&Safety Engineering College，Air Force Engineering University，Xi’an 710051，China）

Aiming at the problem of product reliability evaluation in condition of zero-failure data，a method combining the weight-least-square method with expected-Bayesian（E-Bayes）reliability evaluation is put forward．According to the engineering experience，the prior distribution of product failure probability is constructed．Then the E-Bayes estimation of product failure probability is given by using the theory and method of Bayesian．In condition of Weibull distribution，the weight-least-square method is used to seek out the parameter of Weibull distribution，and obtain the reliability indexes’point and interval estimation．At last the robustness of the model and the superiority of the method are discussed by an example which shows the value of the method in engineering application．

reliability evaluation；zero-failure data；prior distribution；failure probability；expected-Bayesian（EBayes）

TB 114

A

10．3969／j．issn．1001-506X．2015．01．35

蔡忠義（1988-），男，博士研究生，主要研究方向為裝備可靠性與系統(tǒng)工程。

E-mail：afeuczy＠163．com

陳云翔（1962-），男，教授，博士，主要研究方向為裝備管理與決策、裝備維修保障。

E-mail：cyx87793＠163．com

項華春（1980-），男，副教授，博士，主要研究方向為裝備可靠性與系統(tǒng)工程。

E-mail：646297491＠qq．com

董驍雄（1990-），男，碩士研究生，主要研究方向為裝備維修保障。

E-mail：zzz_699699＠126．com

1001-506X（2015）01-0219-05

網(wǎng)址：www．sys-ele．com

2013- 11- 01；

2014- 05- 19；網(wǎng)絡(luò)優(yōu)先出版日期：2014- 07- 30。

網(wǎng)絡(luò)優(yōu)先出版地址：http：／／w ww．cnki．net／kcms／detail／11．2422．TN．20140730．1050．003．html

總裝“十二五”國防預(yù)先研究項目資助課題