使用SAS六西格玛软件JMP进行可靠性分析

　　可靠性是一个在产品的设计、制造和使用的每个环节中都存在的问题。简单地说，所谓可靠性就是产品不易发生故障的程度。众所周知，产品在出厂检验时通常都是合格的，但是随着时间的推移，产品的功能和性能会渐渐发生变化，最终导致故障的发生。虽然这一趋势无法改变，但设计、制造出在指定时间内不出现故障的产品却是企业和消费者都关心的话题。远到二战早期美军战斗机频频发生的通信故障，近到今年3·15期间屡屡曝光的某品牌笔记本电脑的质量问题，究其实质，都是产品可靠性不过关惹的祸。合理应用可靠性分析，可以帮助研发、工程、质量等部门的技术人员提高产品质量的稳定性，降低产品全寿命周期费用和售后服务成本，改善顾客的满意度和忠诚度。

　　令人不解的是，很多企业已经意识到可靠性分析的重要性，却依然在刻意地回避可靠性分析，这是为什么呢?原因很多，其中的一个主要原因是因为一般企业觉得常规的统计质量管理已经够复杂了，而可靠性的研究还需要用到许多更高深的统计学知识，这对于没有经过正规统计方法培训的人来说，会让人望而生畏，这在客观上大大限制了可靠性方法在企业的推广。

　　笔者尝试过用不同软件进行可靠性分析，SAS公司的高端六西格玛软件JMP是其中之一， 其交互式可视化分析的特点在可靠性方面也有很好的体现。下面以一个典型的实例来看看如何用JMP做可靠性分析。

　　例： 某公司为了对一个电子产品进行可靠性分析，收集了一批该产品的使用寿命数据(如图一所示，当“删失”=0时表示“时间”是精确的失效时间，当“删失”=1时表示精确的失效时间不详，但肯定大于“时间”所显示的数值)。在这组具有代表性的数据下，我们来研究一下该产品的失效特性如何?当失效概率为90%时，该产品的可靠寿命是多少?

　　图一 可靠性试验原始数据表(部分)

　　按照可靠性方法的理论，要解决这两个问题，需要首先解决一个基本问题：这组寿命数据是服从什么分布的?实在地讲，这不是一个容易解决的问题，得一个一个分布地去尝试、去比较、去验证，什么威布尔Weibull分布啊，对数正态分布啊，指数分布啊，等等，少说也有十几种。而一般质量工程师一听这些专业的统计学名词就犯晕，而且由于寿命数据中又含有“删失”特性，判断起来就更复杂了，通常需要通过一系列冗长的统计分析报表和统计指标去判断。

　　笔者在用JMP软件做分析的时候，发现JMP中有一条命令叫“拟合所有分布”，它可以在几秒钟的时间内对所有常规的可靠性分布逐一拟合，然后自动筛选出最佳的分布拟合。比如在下图中，“对数正态”分布就是JMP在快速比较所有寿命分布后找到的最佳分布。如果不太懂统计学原理，只想直观地看一看这个分布长什么样的话，就看图上那个红色曲线及其周边粉红色的置信区间带;如果对统计学原理比较懂，想深入了解统计学上的判别依据，还可以看下面那个“模型拟合”表格中的相关指标。总之，可以各取所需，完成最基本的分布模型识别的任务。