可靠性公式路标——请大侠指指路
例如：加速寿命实验的根据是什么？
答:阿伦尼乌斯(Arrhenius)公式。
这是公司一位老法师告诉我的，在此基础上，我通过上网查询和自己推导，http://www.kekaoxing.com/club/thread-1391-1-1.html
搞清了其根据是化学反应速度与温度的关系公式，一片疑云散开，头脑清亮不少。
作为初入门的菜鸟，想请各位大侠引引路，以便上手快点，切中要害，少走弯路。
我以前的体会是，工程经验一旦上升到数学公式，就变得清楚、简洁、明了。
俗话说纲举目张，可靠性的纲归结到最后，是不是也会是几个公式，一些参数？
果真如此，面对满篇数学符号，想迷路都不可能了。
所以想从使用的角度提几个问题，请前辈和大侠指点，这里先代表我自己和菜鸟们致谢了！
将后面几贴整理到一起:
一.整机可靠性是否主要依赖元器件可靠性？
如果这样就可以一分为二，
一方面一个元件一个元件或者一类元件一类元件地进行分解，这可能是一项必不可少的基础性工作。
另一方面就是考查将元件连接在一起的工艺，如焊接、装配等。
二.如何建立每一个或者一种元件的模型？
如果1是对的，这项工作就绕不过去。
我猜Arrhenius公式是基础，因为它揭示了化学反应速度与温度间的规律。
果真如此，就需要给出一个表，就是各种器件或者材料在Arrhenius模型中的系数
除Arrhenius模型外，针对某一特定的元件，是否有其它更合适的模型？
三.如何建立每种元件的失效统计模型？
Arrhenius模型是元件的理论寿命，任何元件受制作工艺过程的影响，其它寿命一般按某种统计规律分布。
比如60度老化72小时的就是根据这样的统计规律制定的：元件的故障高发期为前三个月，前三个月不失效，一般就会达到理论设计寿命。60度72小时老化就是将这三个月缩短为三天，而且在厂内完成，从而提高交给用户的产品的可靠性。
那么针对每种元件或者每类元件的比较适合的统计学模型是什么，参数是什么？
四.如何验证和实测公式中的参数？
无论是作为元件理论寿命模型的Arrhenius公式，还是作为某一品牌元件的实际的失效统计学模型，即使给出了相关的参数，也只是先验数据。
对于关键器件，需要进行测试，也就是要获得后验数据。
后验数据的获取途径有两个方面，
一是实验室加速寿命测试的数据，
二是从用户返回的质量数据，
后者尤其重要，因为无论先验数据还是加速寿命数据都需要从用户返回的实际质量数据来修正。
先从道理和算法上搞懂，我认为很重要
五.可靠性的范畴
是否可以划成三块：
加速寿命模型、失效统计模型是可靠性最需要关注范围。
原理性设计（如电路图）不属于可靠性范围。
二者的结合部是各种器件材料的物理化学方面的解释，即寿命或者失效为什么会与这些因素有关。
换句话说，可靠性的本质问题是寿命模型是什么（即各种因素的关系是什么），进一步的问题是为什么会这样（如温度和电压为什么会影响寿命），从而与原理性设计接轨，做出一个高可靠性的设计来。
六.可靠性应该关注什么？
关注了大量不去关注也没有什么大问题的事，自然没有效益，老板当然也不会重视，那不是老板的问题，而且做可靠性工作的人头脑中的可靠性模型出了问题。
是否应该这样：从产品故障高发率的现状着手，搞清它的理论模型和统计学模型，通过调整边界条件，如改善散热，或者选耐压更高的管子，从而减少产品的保内返修率，这样的可靠性工作大家一定支持。
进一步应该着手建立所有关键器件（我的定义：一个失效就会整机失效的器件）的理论寿命模型或者失效统计学模型。
进一步搞清这些规律背后的物理化学原因。
这样，菜鸟就有可能成为大师了。
七.整机的可靠性由什么决定？
是否可以这样认为：由每个元件的可靠性数据推算整机的可靠性，是一件事倍功半或者连半都算不上的事？
是否可以采用几条规则即可：
1.列出所有关键器件（我的定义：一个失效就会整机失效的器件），然后再按容易出问题的程度排序，一个一个关注每个器件的寿命模型。
2.修改容易失效处的设计，并通过用户反馈数据进行调整直到满意。
3.了解从采购到制作全部工艺过程现状（有文字说明的和没有文字说明的），以此为基础，对于每个改动要关注。
八.可靠性地图
路标可能让菜鸟明确方向，但将可靠性工作做好，可能需要一张地图。
高速公路——可能只有几个公式，再加上一些对于公式和参数解释
国道——哪些元件适用哪些公式
省道——针对元件的参数
广阔的田野——物理化学规律
驾驶技术——各种实验方法
请老鸟和大侠们组织大家编写这张地图吧。
如果有了纲，我也会把今后工作中的数据填进去，通过大家互相交流，就可以尽早驾御这些浩瀚的标准和数学符号，让国产装备的可靠性提上来！
简单的是好的，复杂的是不能用的！
[本帖最后由zzs_821于2007-8-3109:57编辑]
加速模型！
这里有些加速模型，可供参考一下。当然Arrhenius模型，是在我们加速试验用的最多的计算模型：Arrhenius
Eyring
逆幂率
温度--湿度
温度---非热
GeneralizedEyring
ProportionalHazards
GeneralLog-linear
CumulativeDamage
至于LZ说的加速寿命实验的根据是什么，暂时也不太清楚，希望其它的了解的朋友介绍介绍。我是看到数学就头晕的人。
可靠性公式路标——请大侠指指路（续）
接着写：1.整机可靠性是否主要依赖元器件可靠性？
如果这样就可以一分为二，
一方面一个元件一个元件或者一类元件一类元件地进行分解，这可能是一项必不可少的基础性工作。
另一方面就是考查将元件连接在一起的工艺，如焊接、装配等。
2.如何建立每一个或者一种元件的模型？
如果1是对的，这项工作就绕不过去。
我猜Arrhenius公式是基础，因为它揭示了化学反应速度与温度间的规律。
果真如此，就需要给出一个表，就是各种器件或者材料在Arrhenius模型中的系数
除Arrhenius模型外，针对某一特定的元件，是否有其它更合适的模型？
[本帖最后由zzs_821于2007-8-3108:43编辑]
可靠性公式路标——请大侠指指路（续）
3.如何建立每种元件的失效统计模型？Arrhenius模型是元件的理论寿命，任何元件受制作工艺过程的影响，其它寿命一般按某种统计规律分布。
比如60度老化72小时的就是根据这样的统计规律制定的：元件的故障高发期为前三个月，前三个月不失效，一般就会达到理论设计寿命。60度72小时老化就是将这三个月缩短为三天，而且在厂内完成，从而提高交给用户的产品的可靠性。
那么针对每种元件或者每类元件的比较适合的统计学模型是什么，参数是什么？
可靠性公式路标——请大侠指指路（续）
4.如何验证和实测公式中的参数？无论是作为元件理论寿命模型的Arrhenius公式，还是作为某一品牌元件的实际的失效统计学模型，即使给出了相关的参数，也只是先验数据。
对于关键器件，需要进行测试，也就是要获得后验数据。
后验数据的获取途径有两个方面，
一是实验室加速寿命测试的数据，
二是从用户返回的质量数据，
后者尤其重要，因为无论先验数据还是加速寿命数据都需要从用户返回的实际质量数据来修正。
先从道理和算法上搞懂，我认为很重要 Arrhenius是叫阿伦纽斯还是叫阿伦尼乌斯?
论坛上有人说是这个名字,还有人说是那个名字.
名字可能没人去注意,可是你去介绍这个模型的时候,就要去介绍名字.
如果名字都不清楚,还谈什么专业呢?
可靠性公式路标——请大侠指指路（续）
5.可靠性的范畴是否可以划成三块：
加速寿命模型、失效统计模型是可靠性最需要关注范围。
原理性设计（如电路图）不属于可靠性范围。
二者的结合部是各种器件材料的物理化学方面的解释，即寿命或者失效为什么会与这些因素有关。
换句话说，可靠性的本质问题是寿命模型是什么（即各种因素的关系是什么），进一步的问题是为什么会这样（如温度和电压为什么会影响寿命），从而与原理性设计接轨，做出一个高可靠性的设计来。
回复 #6 oyboooooooo 的帖子
这个只是音译的问题而已，只要你说到这个，人家懂的自然就知道了。可靠性公式路标——请大侠指指路（续）
6.可靠性应该关注什么？关注了大量不去关注也没有什么大问题的事，自然没有效益，老板当然也不会重视，那不是老板的问题，而且做可靠性工作的人头脑中的可靠性模型出了问题。
是否应该这样：从产品故障高发率的现状着手，搞清它的理论模型和统计学模型，通过调整边界条件，如改善散热，或者选耐压更高的管子，从而减少产品的保内返修率，这样的可靠性工作大家一定支持。
进一步应该着手建立所有关键器件（我的定义：一个失效就会整机失效的器件）的理论寿命模型或者失效统计学模型。
进一步搞清这些规律背后的物理化学原因。
这样，菜鸟就有可能成为大师了。 1.整机可靠性是否主要依赖元器件可靠性？
如果这样就可以一分为二，
一方面一个元件一个元件或者一类元件一类元件地进行分解，这可能是一项必不可少的基础性工作。
另一方面就是考查将元件连接在一起的工艺，如焊接、装配等。
整机可靠性我个人认为是主要依赖于元器件，当然不是全部，于可靠性相关的还有各器件的应力水平，及你后面说得工艺等各方面。
2.如何建立每一个或者一种元件的模型？
如果1是对的，这项工作就绕不过去。
我猜Arrhenius公式是基础，因为它揭示了化学反应速度与温度间的规律。
果真如此，就需要给出一个表，就是各种器件或者材料在Arrhenius模型中的系数
除Arrhenius模型外，针对某一特定的元件，是否有其它更合适的模型？
关于元器件模型，可以参考一下这个贴子：可靠性模型-台湾http://www.kekaoxing.com/club/thread-1370-1-1.html
3.如何建立每种元件的失效统计模型？
Arrhenius模型是元件的理论寿命，任何元件受制作工艺过程的影响，其它寿命一般按某种统计规律分布。
比如60度老化72小时的就是根据这样的统计规律制定的：元件的故障高发期为前三个月，前三个月不失效，一般就会达到理论设计寿命。60度72小时老化就是将这三个月缩短为三天，而且在厂内完成，从而提高交给用户的产品的可靠性。
那么针对每种元件或者每类元件的比较适合的统计学模型是什么，参数是什么？
每个元器件的失效统计模型，可以参考一下GJB299BMil-HDBK-217F
4.如何验证和实测公式中的参数？
无论是作为元件理论寿命模型的Arrhenius公式，还是作为某一品牌元件的实际的失效统计学模型，即使给出了相关的参数，也只是先验数据。
对于关键器件，需要进行测试，也就是要获得后验数据。
后验数据的获取途径有两个方面，
一是实验室加速寿命测试的数据，
二是从用户返回的质量数据，
后者尤其重要，因为无论先验数据还是加速寿命数据都需要从用户返回的实际质量数据来修正。
这个楼主说得有道理，特别是第二点从市场反馈回来的产品失效数，要好好利用起来，对你产面的设计，生产，还有预计出来龙去脉MTBF修正都有很大的帮助。
楼主一下子抛出来太多的问题了，我简单的回复了一下，都是个人意见，可能有一些是不正确的，欢迎大家讨论交流。:lol