bms可靠性测试，铜合金盐雾试验

 生产过程

生产是一个包含*多“变数” 的过程， 机械化与自动化是保证稳定的*有效因素； 在未现实完全自动化的状况下， 生

产过程主要有以下控制点：

1 . 检验投入使用的物料状况良好；

2. 检验各工位操作是否满足操作要求；

3. 检验各工位输出是否达到下一工位要求；

4. 检验产品性能是否满足成品要求；

5. 检验产品可靠性是否达到规定的要求；

3、 测试

针对公司的产品进行各种测试。 测试过程中， 任何问题都需要给予改善， 以提升产品品质。

任何一个问题的出现， 就是给我们指出一个前进的方向； 对问题的改善， 标志着品质又上升了一个台阶。 有这种态度，

还有什么办不到的。

2、 第六节 可靠性计算

一、 概率与统计

1 、 概率； 这里用道题来说明这个数学问题（用 WORD 把这些烦琐的公式打出来太麻烦了， 因为公司不重视品质管理，

所以部门连个文员 MM 都没有， *后我只好使用 CORELDRAW 做的公式粘贴过来， 如果你的电脑系统比较慢， 需要

耐心等待一会公式才会显示来， 不过别着急， 好东西往往是*后才出来的嘛！）。

题一、 从含有 D 个不良品的 N 个产品中随机取出 n 个产品（做不放回抽样）， 求取出 d 个不良品的概率是多少？

解： 典型的超几何分布例题， 计算公式如下（不要烦人的问我为什么是这样的公式计算， 我虽然理解了一些， 解释起

来非常麻烦， 别怪我不够意思， 是你自己上学的时候只顾早恋， 没有学习造成的， 骂自己吧！）：

超几何分布： （*基本的了）：

***的计算， 适用比较小的数据

其中： N —— 产品批量 D —— N 中的不合格数

d —— n 中的合格数 n —— 抽样数

另外的概率计算的常用算法还有：

二项分布： （*常用的了， 是超几何分布的极限形式。 用于具备计件值特征的质量分布研究）：

只是估算， 当 N≥1 0n 后才比较准确

其中： n —— 样本大小 d —— n 中的不合格数

ρ —— 产品不合格率

泊松分布： （电子产品的使用还没有使用过， 只是在学习的时候玩过一些题目， 我也使用没有经验）

具有计点计算特征的质量特性值

其中： λ —— n ρ n —— 样本的大小

ρ —— 单位不合格率(缺陷率) e = 2.71 8281

2、 分布； 各种随机情况， 常见的分布有： 二项分布、 正态分布、 泊松分布等， 分位数的意义和用法也需要掌握； 较

典型的题目为：

题三、 要求电阻器的值为 80+/-4 欧姆； 从某次生产中随机抽样发现： 电阻器的阻值服从正态分布， 其均值 80.8 欧姆、

标准差 1 .3 欧姆， 求此次生产中不合格品率。

公式好麻烦的， 而且还要查表计算， 555555555555， 我懒得写了， 反正我也没有做过电阻。

3、 置信区间： 我们根据取得样品的参数计算出产品相应的参数， 这个“计算值” 到底跟产品的“真实值” 有什么关

系？ 一般这样去描述这两个量： 把“计算值” 扩充成“计算区间”、 然后描述“真实值有多大的可能会落在这个计算区

间里”， 从统计学上看， 就是“估计参数” 的“置信区间”； 较典型的题目为：

题四、 设某物理量服从正态分布， 从中取出四个量， 测量/计算后求得四个量的平均值为 8.34， 四个量的标准差为 0.03；

求平均值在 95%的置信区间。

解： 因为只知道此物理量服从正态分布， 不知道这个正态分布对应的标准差， 所以只能用样品的标准差来代替原物理

量的标准差。 这时， 样品的平均值的分布就服从 t 分布。 4 个样品、 95%的置信区间， 对应的 t0.975(3)＝3.1 82； 所以

平均值的置信区间为：

8.34±3.1 82×（0.03/2） =[8.292,8.388]

这说明， 此物理量的总体平均值有 95%的可能落在 8.292 和 8.388 之间。