泛可靠性数据收集与处理

14.9.1 以数据为基础的泛可靠性工程体系

为了在装备的设计、建造和使用过程中实施可靠性工程，需要各种各样的数据作支持，因此，可靠性数据是开展泛可靠性工程的基础。在可靠性工程活动中，可靠性数据分析是一项基础性的工作，始终发挥着重要的作用。

在装备的寿命周期内，可靠性数据的收集与分析伴随着各阶段可靠性工程活动而进行。

在论证阶段，设计者不仅需要根据总的战术及使用设想提出可靠性要求，还需要大量的反映现有技术水平的数据作支撑，研究所提出的要求是否合理。通常，在这一阶段不可能对装备本身作很细致的剖析工作，所需的数据往往是总体数据，如战备完好率、出勤可靠度、任务可靠度等。这些数据都是在平时同类装备的使用过程中收集的，因而客观地反映了现有的技术和使用水平。

在方案阶段，设计者需要对装备本身作较为细致的分析，工作重点在如何满足战术技术要求。因而，往往要以系统可靠性数据和分系统可靠性数据作为基础开展工作，这些数据有平均无故障工作时间、平均危险性故障间隔时间、系统可靠性分布参数等。

在工程研制阶段，一方面需要收集和分析同类装备的可靠性数据，以便对新装备的设计进行可靠性预测；另一方面，通过收集可靠性研究和试验产生的数据，用于分析产品的初始可靠性、故障模式和可靠性增长规律等，并为产品的改进和定型提供托派的依据。

在生产阶段，为对装备的质量进行控制，必须进行抽样检查与试验，来确定装备合格与否，从而指导生产，保证质量。由于生产阶段产品数量和试验数量大大增加，此时所进行的可靠性数据的分析和评估，反映了装备的设计和制造水平。

在使用阶段，通过收集和分析可靠性数据，可对装备的设计和制造进行权威的评价，因为它反映的使用与环境条件最真实，参与评估的数据较多，其评估结果反映了装备趋向成熟期或达到成熟期时的可靠性水平，是该装备可靠性工程的最终检验，也是今后开展新装备可靠性设计和改进原装备设计的最有价值的参考。

14.9.2 可靠性数据的特点

可靠性数据是指在产品寿命周期各阶段的可靠性工作及活动中所产生的能够反映产品可靠性水平及状态的各种数据，包括数字、图表、符号、文字和曲线等形式。

在通常的课题（非可靠性问题）中，数据收集并不成问题。只要很好地注意测量技术的优劣，抽样是否有代表性等几个问题就可以了。如果忽视了这些问题，也多半会自然地觉察出来，因此，这种课题失误的例子并不多见。可是对于可靠性数据，收集不当的例子屡见不鲜。可以说，其根本原因在于可靠性数据是用时间表示的量。虽然数据用时间表示这一点在测量技术上并不成为特别的问题，但是与抽样的关系却很复杂。例如，对使用中的装备在某一时刻所迸行的抽样，有可能多是片面的抽样。还有，在观测结束时，有时装备尚未出现故障，由于这种数据（观测中断数据）是不可避免的，因此也要事先考虑好收集方法。总之，可靠性数据是用时间来表示的这一特征，是产生种种问题的原因，因而要在数据收集阶段，就充分考虑到这一点。

可靠性数据是可靠性分析的基础，并且多是用时间表示的量。在最简单的情况下，所收集的基本数据中，最重要的值是故障时间。对此项数据进行分析，就可以得出各种可靠性指标。

可靠性的基本数据是时间，对此时间要观测到何时结束是不知道的，而要等到数据收集齐全，再做分析常常是太迟了。此外，不仅要在实验室有计划地取得数据，也还要在实际使用状态下收集数据。由于数据是时间这一特点，就产生了数据收集的各种复杂问题。

问题之一是抽样的代表性问题，再一个是观测中断数据的问题。这两个问题不单是数据分析中的问题，在收集阶段也必须予以注意。如果忽视这些问题，对所收集的数据无论怎样分析，也难以得到正确的结果。此时，虽然采取某些办法，有时也可以得到正确结果，但不是使用通常的方法，而是需要相当复杂的手续，并且其估计精度很差。在这种情况下，一般是采取什么办法也得不出正确结果的，致使所收集的数据失去作用。

从另一个方面看，可以说可靠性数据是“高价”的数据。因为是以故障时间作数据，所以要使作为对象的装备发生故障，以致被废弃。即使这些故障装备能够修理好，也不能再作为商品出售，还有那些未发生故障的试验装备，也是这样。总之，凡是做过寿命试验的装备，就不再作为商品处理。

14.9.3 可靠性数据的来源

由可靠性数据的定义可知，产品寿命周期各阶段的一切可靠性活动都是可靠性数据的产生源。因此，可靠性数据的来源贯穿于产品设计、制造、试验、使用、维护的整个过程，如研制阶段的可靠性试验、可靠性评审报告；生产阶段的可靠性验收试验、制造、装配、检验记录，元器件、原材料的筛选与验收记录，返修记录；使用中的故障数据、维护、修理记录及退役、报废记录等。

从数据的分类来看，可靠性数据可分为实验室数据和现场数据。在实验室数据中还可分为完全数据、定时截尾数据和定数截尾数据（见图14-6）。

图14-6 完全数据和不完全数据

完全数据由产品的全数试验获得，在做试验时，要等到全部参试样品都失效才结束。在实际工程中，往往可以在某一定时刻中断试验，用当前数据进行分析，以尽快得到试验分析结果。这种数据相当于经过某段时间后，使试验中断所取得的数据，故称为定时截尾数据，又称为Ⅰ型截尾数据。采取故障数达到某一预定值而中断试验的方法所取得的数据称为定数截尾数据，又称为Ⅱ型截尾数据，其数据结构如图14-6（c）所示。此时的观测中断数据值，与最大的故障时间相等。试验结束时间是不定的，但由于故障数目一定，可以使估计的精度大体一致。

定时截尾和定数截尾数据，都含有观测中断数据，即运转了某些时间，尚未发生故障的数据，这种包含观测中断数据，称为不完全数据。

定时截尾和定数截尾，也可以不中止试验，试验继续到最后，就得到完全数据。也就是说，定时截尾数据和定数截尾数据，是在取得完全数据的过程中所得到的短时间的部分数据。因此，它们是不完全数据中具有易处理性质的数据。根据其由来，也称为有计划的不完全数据，以便与其他不完全数据有所区别。

实验室寿命试验数据，与其他普通试验（性能试验等）数据相比，其费用之昂贵是明显的，这是因为要把对象产品一直试验到不能使用为止。另外，可靠性试验所耗费的时间，也比其他试验的长，寿命试验更是如此。

产品在实际使用中的可靠性数据称为现场数据。在故障频发（可靠性低）的状态下，在实验室做试验时，就可以很容易地获得数据；但产品的可靠性提高之后，故障并不轻易发生，此时通过实验室试验取得数据就很困难。为了解决后一问题，可以采用加速度试验等方法缩短试验时间，但又发生了试验数据如何与现实数据相对应等问题。在这种情况下，现场数据得到了重视，应当收集产品在现场使用状态下发生故障与缺陷的有关信息，并对其进行分析。

虽然现场数据是体现产品可靠性的数据，但因实际使用环境不同，并且通常连使用条件、使用状况也不相同，故可以说比实验室数据难以处理。

比应力更大的问题，是实际使用时间的不同。装置的使用状况，随设置地点的不同而有很大差异。比如同样是使用了一年，但实际使月时间常常是差别很大。另外，不知道实际使用时间的情况很多，因而有的用日历时间代替实际使用时间，还有的用与使用时间成正比变化的其他物理量（如轮胎的磨耗量）来代替时间。

由于上述原因，因而现场数据的波动要比实验室数据大得多。因为存在各种条件不同的数据，故必须将它们进行某种程度的分类，整理条件大约一致的数据，然后再进行分析。

实验室数据与现场数据有各种意义上的差别。实验室数据的条件，可以做到相当严格的一致，因而适于判明产品的性质。但实际上要求的是现场保证，因而如果利用实验室数据，就应使之与现场数据很好对应。

14.9.4 可靠性数据的收集

与数据本身的分类一样，数据收集方法也可以分为实验室数据收集方法和现场数据收集方法。

1）实验室数据的收集

在实验室内，可有计划地进行寿命试验，测定故障发生时间，再对所测数据进行分析。这种数据最容易处理。实验室数据的收集，也没有太大的问题。在此情况下，数据的收集者，常常也就是数据分析者，或是对分析的目的、方法完全了解的人员。只要在试验中随机地选择受试产品，就不会产生抽样的片面性问题。另外，由于已经发生故障的产品就在身边，事后发生疑问也便于再研究。实验室数据是质量极为优良的数据。

只要以故障时间作为数据项目，就可以立即进行可靠性特征量的估计。但为了将来进一步分析的需要，还应当对故障零件、故障模式作记录。建议尽可能保留发生故障的产品，因其包含着各种各样的信息。在通常情况下，实验的应力条件，如温度、电压、外力等，都是一定的，但也会出现不稳定的条件，而且有时还要有意地改变条件，对这些条件都应当做出记录。

表14-7和表14-8分别用于成败型数据和变量型数据的试验记录。

表14-7 功能数据表—成败型数据

*状态说明：A——非运行，但必须存活，且在以后的使用阶段必须运行；B——非运行，不允许过早运行，在以后的使用阶段必须运行；C——运行。持续时间用周期数或离散的事件数计量；D——运行。用时间单位度量的持续时间。

表14-8 功能数据表—变量型数据

2）现场数据的收集

对于舰船，现场数据包括船上试验数据和使用数据。现场数据收集的问题，在于收集工作本身。如果所收集的数据是不完全的，当然就无法进行分析，因此，必须在充分计划的基础上进行收集。如果数据收集不充分，分析也就不合理，其结果当然不会正确，并且会随着场合的不同，给出不同的错误信息。这种事例时有发生，其原因几乎都是数据抽样的不均衡性，忽略观测中断数据等也是重要原因。

在现场使用的产品，各台之间大都有使用环境、使用条件的差异，其寿命受到各种复杂因素的影响。因此在收集数据时，也切不可忘记这些项目的数据。对于现场数据，在很多情况下是不可能过行事后调查的，在收集时要没有遗漏。

使用可靠性数据的收集就不这么简单了。既然装备的系统可靠性与维修性参数是以使用可靠性提出的，那么装备的可靠性定量分析工作就离不开使用阶段的可靠性数据，所以在研制阶段开始就要制定有关可靠性信息积累的规划和制度。这些信息包括对维修性及后勤保障的分析、设计所需要的可靠性信息。以往不重视该工作的做法已经部分地造成了海军装备维修与备件供应等方面的被动局面。因此，可靠性信息管理是所有可靠性管理工作中的关键。

在使用阶段，影响装备可靠性的因素是多方面的。其中一个主要因素就是使用、维修中的人为差错。这就需要在装备的研制与生产阶段，就要考虑如何遵循人的能力与弱点兼容的原则来设计、研制与生产装备的硬件，降低对操作使用人员的技能要求。但是，使用、维修中的人为差错是很难收集到的，也很难能反馈给研制部门，从而不能保证装备的改型设计能消除那些设计中存在的缺陷。

除此之外，即使研制部门有一个非常完善的数据收集系统，但没有使用部门的配合，要在真正发生了故障的零部件上获得有用的工作应力时间和故障数据也是非常困难的。这是由于装备使用与维修的技术综合性、快速反应性、环境复杂性和人员流动性等基本特点，限制了使用阶段可靠性数据的收集与积累。改善这种状态的途径之一就是建立与完善装备的维修数据管理系统。保证装备的使用信息与维修信息的完善。承制方有责任向该系统提供必要的可靠性技术文化，包括故障模式、影响及危害度分析报告、修复性维修的规程步骤、预防性维修大纲、故障诊断与判别准则等，同时也有权获取由维修数据管理系统所提供的成果。

另外，使用数据收集者，不像实验数据收集者那样能很好地理解收集、分析计划，而且水平不一。因此，数据收集必须有计划地进行，务必作好充分准备，必须就记录纸的设计、记录方法等做相当详细的准备。否则，得来不易的数据就无法进行分析。

对待故障的态度，也在很大程度上影响着使用数据收集的质量。使用可靠性数据的收集以故障记录为主要形式，若单纯地把故障看作人为使用不当或是管理不当造成的，则当船上出现故障时，当事者总希望大事化小，小事化了，而不做报告或记录，以免受到上级的批评或影响到评功评奖。如果把故障科学地看成是船舶可靠性的客观表现，并贯彻到船舶的日常使用和管理之中，则影响使用可靠性数据收集的这一层障碍应该可以消除。

收集数据总是有某种目的。所采用的数据收集方法，当然要与此目的相适应。如果要分析有关寿命的数据，就需要故障前工作时间。进行数据分析要按顺序有步骤地进行，自一开始就有很多应该虑的项目，如这个数据是否合适，这些数据是一起处理还是要进一步详细分类等。随着分析的进展，还需进一步形成各种项目。因此，数据收集要与这些要求充分对应，并可由数据分析过程来决定记录项目。

可靠性数据是相当昂贵的数据，不希望所收集的数据只利用一次，应当使数据得到充分有效的利用。因此，在收集数据时，要注意适应这种要求。

使用可靠性数据可通过下列具体步骤获得：

（1）制定使用可靠性数据的收集大纲。

所收集到的数据要能准确完整地反映出装备的可靠性，且能从这些数据中得出较高置信度的结论。不完整而又不准确的数据报告，必会导致数据无法利用，所得出的结论丧失置信度，甚至是完全错误的，必将进一步导致做出错误的决定和错误的作法。为了确保数据的可信性与完整性，因此有必要制订使用可靠性数据的收集纲要，在制订纲要时，应考虑的因素有：①收集数据所用的表格，利用这些表格可确保所得到的数据能准确地反映出装备在实际使用条件下的真实情况；②所需的数据量；③为达到所需数据量所花费的时间与费用，④数据交换的程序和处理方式的规定。

（2）故障报表。

无论故障报表是由承制方编制的，还是由其他管理部门提供的，故障报表至少应包含下述数据项目：

①故障部件的名称、编号、代码等，以便对此故障部件或组件进行鉴别；

②部位（舰船型号、舷号、舱室号码、装备所处的位置）；

③故障的时间与日期；

④上一次故障后持续的工作时间；

⑤故障发生时的工作应力及周围环境，特别要指出值得注意的任一异常情况；

⑧故障模式及影响；

⑦故障原因或机理，包括诸如操作人员的差错。从属故障，非正常使用（超出正常寿命的使用，极端的工作、环境、冲击等）；

⑧用通用的名称、代码或标号注明故障部件或更高一级组件；

⑨维修的原因（预防性维修或校正性维修）以及维修工时；

⑩维修与保障费用。

为了保证通过故障报表所得到的使用数据及时、准确、适用、完整，表格的制作应注意系统与统一原则。所谓系统原则就是表格要相互配套，分发和反馈要由相应信息管理机构负责进行监督、管理和协调。所谓统一的原则就是要保证表格的编码方式统一、格式统一、填写的方法步骤统一。对于由使用部分填写的表格，应特别注意表格的内容尽量简单明确，适应使用人员的理解与写作水平，尽可能消除容易引起数据混淆的不确定因素。操作使用人员的理解与能力不同，维护、保养和检修的各种方法以及可能出现的人为差错都会给数据的正确解释和说明造成困难。

3）数据分类

通常的故障报表中所包括的基本数据分为结构数据、工程数据和维修统计数据三类。

结构数据用来定义被分析装备的边界，组成该装备的设备、组件、零件，以及有关定义装备设备的定额部件。确定结构数据至关重要的一点就是应有一设备部件编号或代码系统，或舰船武器装备结构分类表。依据这样一个编号、分类系统，无论是装备的承制部门，还是订购、使用部门，都能准确地理解其数据的含义，也便于信息管理与利用。

工程数据包括装备工作小时记录、设备技术手册、说明书、工程图纸、故障模式与影响分析、修理规程步骤及要求等。工程数据用于说明装备的功能、接口、工作、测试和维修要求。

维修统计数据记录了维修工时、平均停机时间、部件消耗、操作使用人员对装备实施修复性维修的详细情况、一个维修周期内的各维修等级的活动、重大事故报告记录及有关装备和设备临界状态的故障信息和征兆等。维修统计数据为装备承制方或修理厂提供了统计资料。数据的其他来源包括大修前的试验和检查报告。

数据收集到后，应由专人对数据进行检查。对有计划、有目的地从试验中获取的数据进行专门检查尤为必要。

从事数据检查的人员必须具有进入试验场所的机会，以保证记录所有的数据，保证所有的表格都转送去接受数据检查口将收集数据的表格中的方框编上序号是一种防止试验人员遗漏数据系统中任何数据（表格）的办法。另一种方法是分发给数据检查机构一种核对清单，清单中包含了计划被试单元的图号和序一号。核对清单要和以后处理的数据比较，说明有差别的地方并返回填写数据的人以求解决。

应该在数据检查的地方人工地筛选一次所有填好的表格，以便发现显著的错误。筛选包括验证清晰性、核对系统标志、核对数据的记录，核对是否满足签名的要求口如这些方面有错误，就返回原始填表人纠正。

除了对数据进行人工检查外，应该开发一分计算机程序来校订数据。应该用计算机程序来对数据进行精确性、有效性和完整性检验，并提出一分错误清单。错误清单应该包含识别错误类型的代号。应该将错误送回有关人员纠正。经验证明，这种方法使错误的数量迅速减少。

数据精确性的计算机检验应该保证，数字数据不应该出现在为这字符保留的表列中，反过来也一样。它也应该校核数字的合适的范围（例如，日期由1到31，月由1到12，年由00到99，分由00到60，等级由1到7等）。数据完整性的计算机检验应该保证，所有需要的数据都出现在每一个项目中（出现失效时还需要更多的数据）。使用有效性检验监测试验的结果（时间或周期数）。对状态A、B和D可以将时间的允许范围预置于计算机内，对状态C可以将允许的周期数范围预置于计算机内。报告中超过这些范围的数据应返回试验场所进行验证。例如，当振动试验的允许范围是15～30min时，试验报告进行了4h振动试验，因而必须返回验证。

错误清单确实能检出被报告数据中的一些错误，然而它不能查出完全遗漏的数据。核对清单的目的在于定期地检查，看是否报告了所有的数据。所有安排好被试的编好序号的硬件都应列入一个清单，并将它输入计算机。输出报告指出已经收到的试验数据，然后可以研究为什么遗漏了某些数据，并可以采取纠正措施。这样构成了一个闭环。

一般的数据检查功能监督被报告数据的及时性、完整性和精确性，然后对数据进行变换以便计算机处理。数据检查机构必须指定数据获取及分发、复制点，日程安排、分发办法和对数据系统收到的数据所负的责任。必须要建立一些措施来复制、分发、收集、校订和编辑由试验场和舰队服役中收来的数据表格。这种措施应该包括人工和自动的方法，它可筛选报告的数据以使其符合要求，它还为纠正报告数据中的错误提供条件。

数据检查机构应和数据处理机构一起工作，确定可用计算机程序核对的数据段，可用的核对逻辑以及除数据本身以外为检出错误所需要的信息；使用通过分析所确定的项目特有的要求，数据检查机构必须要具有上述信息。

为了要从收集的数据中检出错误，所需要的信息包括所有可接受硬件的标志及试验证明，字符段，包括持续时间在内的变量标志，变量取值范围，决定在原始文件中何时应该出现特定的数据或者保留空白的标准（如在试验表格中报告了一次失效，它应伴随有失效报告号码以供参考）。对于承制方的数据检查办公室来说，由于存在外来数据，要完全纠正所有的错误可能是困难的。因此，在处理数据时应注意，使系统的输出对有高出错率的数据元素尽可能不敏感，同时要注意综合叙述性的统计结果，使有可能近似地纠正数据库中未发现的错误。

应该在原始文件上做记号，指出已经摘出的重要信息，可在要标出的地方盖上印或打一个孔。可用红笔圈出文件中没有很好填入的数据段或方框，或者圈出不能解释的信息。然后复制处理过的文件，原件返回原始填写机构，若有需要可纠正错误。必须提供一分中断文件，以保证在最终处理以前纠正所有检出的数据错误，同时保证在纠正错误的循环中没有一个数据从系统中丢失。文件应该包含所有尚未纠正的错误记录。当数据用作计算机的输入时，必须要建立有一定格式的指令和表列信息，以便自动进行错误校订和有效性核对。

管理部门在数据检查工作中起着关键的作用，这种作用是依靠不断检查数据（至少一周一次）和强调数据的重要性来发挥的。管理部门应该仔细地监视中断文件并纠正人为错误。

14.9.5 可靠性数据的处理

数据处理功能编排筛选好的数据，在计算机的可读装置中将它们记录下来，在存储装置中产生并维持一项数据历史文件；对硬件单元来说凡元件等级及以上的数据，对软件单元，凡“模块”等级及以上的数据都储存在该文件中。它应用累积数据来产生摘要报告，可靠性分析机构将利用这些报告去评估和报告正在开发或已在舰队服役的系统可靠性和可用性。

在处理时若发现数据中的错误，可准备好一些表格，上面清楚地对错误下定义，然后将表格送往数据检查机构。数据检查机构必须保证纠正错误，他们或者直接纠正错误；或者迅速把原始文件转送到原填表人手中，以便原填表人可以准确地回忆报告时的情况。在数据检查机构中维持一分这种错误的中断文件，以保证在纠正错误的循环中没有数据从系统中丢失。纠正以后的数据再一次准备进行处理并进入下一个处理循环中。

数据处理功能必须要有能力在数据的所有范围内进行分类挑选，有能力清除旧的数据（按日期、批量、试验类型等分类），有能力纠正数据库中的错误数据。

在建立数据处理功能时包含以下几项任务：①决定被处理信息的类型和数量；②决定对数据进行检查（计算机化的错误检查工作）的工作量；③进行数据处理系统分析；④制订计算机编程规范；⑤编制和验证计算机程序；⑥编制计算机操作指令。在进行这些工作时，数据处理机构应该与向数据系统提供信息的小组和使用数据系统输出信息的小组共同工作。

为了要产生一个用于准备RMA报告的公式化和程序化的历史文件，可能需要计算机运算多次，通常需要运算五次：①格式标准化；②初步处理；③项目选择；④更新和编译；⑤统计计算以便按数据使用功能的要求提供输出报告。在每次计算机运算过程中进行的数据处理工作讨论如下。

1）格式标准化

为了今后的处理，数据输入格式必须重新安排成标准的记录格式。这样，只要试验场提供数据收集机构所需要的普通的和不矛盾的信息，他们就可使用最适合他们需要的表格。标准定长记录格式使数据处理很方便，也免去了今后将信息单元和它们在记录单上的位置对应起来的工作。

2）初步处理

在这一步检查试验和失效数据，以便验证其精确性、简明性、完整性和被处理信息的有效性。可以人工地或用编辑程序或两者并用来进行检查。应该妥善设计错误清单，使人工纠错人员易于读它。因为为一个特定的被试系统收集的试验结果也可能适用于其他的使用同类型硬件的系统，应该在数据系统中包括一些措施和标准以便在开发的项目之间交换试验数据。

在某些情况下，可能需要对子元件等级上的硬件进行可靠性估计，但是可能完全无法将这些子元件作为分离的装置来进行试验，而只能将它们作为较大装置的一部分来试验。因此，为了从元件等级下降到子元件等级估计试验结果，可能需要在初步处理阶段准备好条件。为了实现这一点，必须对计算机提供影响元件的子元件母体的信息（结构信息）。

例如，若型号A的元件包含三种型号的子元件（A1，A2，A3）每样一个，又若试验仅包含两个元件A1和A3，但不包含A2。那么仅仅赋予A1和A3两个元件运行时间或运行周期数，赋予第三个子元件A2非运行时间，但两种时间相等。

3）更新和编译

将利用被处理的试验数据记录更新已有的试验历史文件。不论做出多大的努力来保证试验数据的准确性，在历史文件中总会出现错误。因此，有必要提供一个方法，在这一步纠正文件中的错误。

因为仅仅当需要项目的报告时才更新历史文件，因此应该提供条件，以除了产生可靠性和可用性状态的综合报告这一基本输出信息外，还要能产生各种选定的报告。这些选定的报告通常由汇总试验结果构成，它们可能汇总跨类试验结果，也可能汇总某单类的试验结果，

对于在舰队服役的系数，数据处理功能应该进行某些数据运算，除了为开发中系统提供的那些信息以外还能提供其他一些信息输出。这些附加的输出信息可能包括计算的运行可靠度和可用度、反复失效的失效清单、纠正措施有效性的评价以及高失效率元件的次序清单。

4）统计分析

如果数据是完全数据，则很容易用一般的统计方法将产品的故障特性表现出来。即使是定时截尾试验和定数截尾试验所得到的不完全数据，也可以作为完全数据的一部分采用完全相同的处理，从而找到设备及系统的可靠性分布特征。具体方法在一般数据统计教材中均有叙述，有兴趣的读者可以从有关书籍中方便地找到适当的计算方法。

需要一提的是，在日常工作中，提到可靠性数据往往就关心可靠度、失效率、平均无故障工作时间等，对可靠性分布形式则不太注意。在电子产品的可靠性工作中，这样做是可行的，因为大家都公认电子元器件及产品的可靠性是服从指数分布的，给出指数分布的失效率只就等于给出了全部参数，所有所需的信息都可以由此推导出来。在一些大型复杂装备上，如舰船，就不一样了，大量的机械系统和结构件失效率并不服从指数分布，如果沿用老习惯，仅给出失效率。则无法确定可靠性分布。若仍用指数分布来表示失效率，会给分析带来较大的误差，工作的可信度大大降低。