机构名称：
¥ 4.0
意味着必须满足两个条件：1) 所有概率或概率分布都是已知的或完全可确定的；2) 系统组件是独立的，即描述组件可靠性行为的所有随机变量都是独立的，或者它们的依赖关系是精确已知的。如果满足这两个条件（这里假设系统结构是精确定义的，并且存在一个已知函数将系统故障时间 (TTF) 和组件的 TTF 或某些逻辑系统函数联系起来），那么总是可以（至少在理论上）计算出精确的系统可靠性度量。如果至少违反其中一个条件，则只能获得区间可靠性度量。实际上，很难期望第一个条件得到满足。如果我们掌握的有关组件和系统功能的信息是基于统计分析的，那么应该使用概率不确定性模型来数学表示和处理该信息。但是，用于描述系统和组件的可靠性评估可能来自各种来源。其中一些可能是基于相对频率或完善的统计模型的客观测量。部分可靠性评估可能由专家提供。如果系统是新的或仅作为项目存在，那么通常没有足够的统计数据来作为精确概率分布的基础。即使存在这样的数据，我们也并不总是从统计角度观察它们的稳定性。此外，可能无法准确观察到故障时间，甚至可能错过。有时，故障根本不发生或部分发生，导致对故障时间的观察被审查，而审查机制本身可能很复杂且不准确。因此，可能只有部分关于系统组件可靠性的信息可用，例如，平均故障时间 (MTTF) 或一次故障概率的界限。当然，人们总是可以假设 TTF 具有一定的概率分布，例如指数、威布尔和对数正态分布是流行的选择。但是，如果我们的假设仅基于我们的经验或专家的经验，我们应该如何信任可靠性分析的结果。有人可能会回答说，如果专家根据自己的经验为 MTTF 提供了一个间隔，那么我们为什么要拒绝他对 TTF 概率分布的假设呢？事实是，由于人类评估的精度有限，专家得出的判断通常不准确且不可靠。因此，任何关于某个概率分布的假设，加上专家判断的不准确性，都可能导致错误的结果，而这些结果往往无法验证
不精确的可靠性：介绍性概述
主要关键词
相关文件推荐
