根据 95% 置信水平上限，1190 万辆车中，44 辆车可能出现故障

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。

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进行预测。

要在 Minitab 软件中执行可靠度分析，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

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 为计算产品可靠性提供了丰富的功能。

* 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。

来源：上海泰珂玛信息技术有限公司