想象一下，您的新车开了 60 英里后就抛锚了。发动机灯亮起，您的汽车必须拖走维修。这不单单是保修问题，同时也是一个现场问题，因为产品缺少可靠性。
可靠性的定义是产品在一段时间内的质量，从统计学角度来说，它反映了产品在定义的一段时间内不会出现故障的概率。
本文共同作者为 Serhan Anac 先生，一位认证的六西格玛黑带成员，同时还是认证的 Shainin RedX Master。Serhan Anac 任职于土耳其的 Robert Bosch 公司，是一位拥有 11 年经验的问题解决专家。
Serhan 在带领客户质量项目的同时还参与了研发，因此他特别关注产品可靠性、Monte Carlo Simulation 以及更多分析工程方法。
作为一位统计学家、数据科学家和 Minitab 产品爱好者，Serhan 帮助自己的组织改进了流程，并且寻找各种办法解决了许多日常的制造问题，因此他很高兴分享他的最佳实践，希望能够帮助其他质量专业人员在职业生涯中不断学习和成长。
出现故障的风险
若出现类似这种情况，则属于原始设备制造商 (OEM) 的过失。这些 OEMS 必须快速找出问题根源并确定其他仍在行驶的车辆的风险，以便可以预测还有多少车辆会因同样问题返厂，或者有多少车辆没有这类问题而能继续正常驾驶（后者也称为幸存车辆）。最终，如果风险够高，则需要在该市场进行车辆召回。
一旦找到故障部件，就可以确定尚待解决的风险*，并开始计算给定时间段内的概率。通常，寿命数据（如周期数、里程、行驶时间）并不总是符合正态分布，因此建议使用 Weibull 分布模型进行可靠性分析，以便利用 Minitab Statistical Software 进行预测。
相关博客：为何量化故障和生存风险至关重要
要在 Minitab Statistical Software 中执行可靠度分析，需要提供以下数据：
- 故障数量
- 发生故障时的里程
- 故障发生日期
- 故障部件生产日期
- 车辆登记日期
- 风险期间的产量
拥有以上数据后，我们就可以提供必要的输入，以使用 Minitab Statistical Software 进行分析。
数据详探
42 辆汽车因为燃油喷射装置故障而在路上抛锚。这是来自原始设备制造商的报告。由于早期故障（称为早期损坏率）也计算在内，因此相对于已生产的 1190 万个部件而言，这一数字并不算高。
即便某些部件已出现故障，幸存车辆仍在路上行驶。我们需要考虑幸存车辆的数量以及它们迄今为止的里程。
运行可靠性分析
参数分布分析将帮助我们计算有多少辆车可能会出现故障。
Graph: Weibull Probability Plot
期待了解更多有关可靠性分析的知识？参加我们在全球推出的 Minitab 培训课程：阅读课程说明，立即索取资料！
多少辆汽车可能会出现故障？
汽车平均一年行驶约 45000 公里。下面显示的表中，报告了预估的行驶至 45000 公里和 135000 公里时的累积故障概率。
表：累积故障概率
生产了 1190 万个部件。根据 95% 置信水平上限，估算的最大预期返回故障数为 0.0000037。因此，我们预计，每 100 万个部件中，会有 3.7 个出现故障。
1190 万辆车中，44 辆车可能出现故障：
1190 万个部件 x 3.7 个部件/百万 = 44 个部件可能会出现故障
42 辆车已经出现故障，预计另有 2 辆车有可能行驶不到 45000 公里就会返回。
原始设备制造商通常与部件供应商签订保修协议：部件在设定的期间内不得出现故障。
该数据驱动方法卓有成效。
Minitab Statistical Software 为计算产品可靠性提供了丰富的功能，其中有些功能在本示例中进行了演示。
* 注意：风险由定性和定量两方面决定，但本博客中我们的主要关注点是定量。
案例研究：
Signify 以光速实现产品上市和可靠性设计
准备迎接高光时刻！在瞬息万变的行业，产品上市速度和可靠性意味着竞争优势，探究全球领先的照明企业 Signify 如何快速验证创新成果。在此一小时网络研讨会中，W.D. van Driel 教授和 P. Watté 博士将阐明 Signify（原飞利浦照明 (Philips Lighting) ）如何利用 Minitab Statistical Software 进行可靠性设计 (DfR)。从真实示例中学习降低开发成本、提高设计性能与合规性以及加快产品设计可靠性测试的方法。如果您开发的产品旨在满足数年之后的高规格，您将会发现您和您的客户要想降低产品故障和高昂索赔的风险和后果，可以采取哪些措施。
