無線通信產(chǎn)品的現(xiàn)場返還故障多種多樣，以智能手機(jī)為例，有硬件的、軟件的、部件的等，故障種類多達(dá)上百種。對于如此復(fù)雜的現(xiàn)場返還數(shù)據(jù)，為保證返還率預(yù)測的準(zhǔn)確性，必須選擇重點(diǎn)故障進(jìn)行失效率建模。如何選擇重點(diǎn)故障，可以通過圖5的某智能機(jī)現(xiàn)場返還故障占比案例進(jìn)行說明。

通過計(jì)算可知，該產(chǎn)品前10 名故障數(shù)量占總故障數(shù)量的62.5%.如果只對這10個(gè)故障的現(xiàn)場數(shù)據(jù)分析和建模，則預(yù)測方法的系統(tǒng)誤差有37.5%,這與要求的系統(tǒng)誤差不高于10%相差甚遠(yuǎn)。為降低預(yù)測的系統(tǒng)誤差，應(yīng)擴(kuò)大更多的故障進(jìn)行建模，使得這些故障總占比超出90%.按前面案例中的智能機(jī)產(chǎn)品，至少有33 種故障加起來的故障數(shù)占總故障數(shù)比值超出90%,在失效率建模中要分別對這33種故障進(jìn)行建模。

確定了哪些故障要建模后，便開始進(jìn)行失效率建模。以不識卡故障為例，其現(xiàn)場返還數(shù)據(jù)的規(guī)律如圖6所示。可以看出該故障早期失效期大約到第40周，最初的2周時(shí)間內(nèi)主要由于開箱損和相關(guān)法律法規(guī)影響，返還率較高，而第3周后到第40周的返還成先波峰狀，經(jīng)數(shù)學(xué)工具擬合分析后證明該分布符合威布爾分布。

40周后，該故障成線性分布，視作偶然失效期。

由于此類型消費(fèi)類無線通信產(chǎn)品的產(chǎn)品生命周期較短，一般不超過2年，因此很難觀測到故障的耗損失效期，為此僅對故障的早期失效期和偶然失效期的失效率進(jìn)行建模。

圖7是對不識卡故障的現(xiàn)場返還數(shù)據(jù)進(jìn)行的建模，符合威布爾分布，其形狀參數(shù)為2.8,尺度參數(shù)24.7.在第40周附件的模型與實(shí)際數(shù)據(jù)略有差異，表明有故障發(fā)生但用戶因該產(chǎn)品已經(jīng)使用了較長的時(shí)間，不愿意去維修，故返回規(guī)律在此處與模型有所差異。

可得不識卡故障的失效率模型如式(1)所示：

式中：N為總返還量。

按照以上數(shù)學(xué)工具擬合方式對其余32個(gè)故障進(jìn)行建模，便可完成產(chǎn)品的失效率模型，如式(2)所示：

開始新產(chǎn)品的預(yù)測時(shí)，根據(jù)新產(chǎn)品可靠性測試和生產(chǎn)質(zhì)量檢驗(yàn)等輸出物進(jìn)行失效率模型的因子計(jì)算，便可獲得新產(chǎn)品的失效率模型，如式(3)所示：

式中：N為總返還量;Mi為某故障在生產(chǎn)質(zhì)量檢驗(yàn)中的發(fā)生概率與已有產(chǎn)品在生產(chǎn)質(zhì)量檢驗(yàn)中發(fā)生概率的比值，作為該產(chǎn)品的制造因素參數(shù);Di為某故障在研發(fā)階段可靠性測試中的失效率與已有產(chǎn)品的失效率比值，作為該產(chǎn)品的設(shè)計(jì)因素參數(shù)。最后，通過返還率的定義，按月份計(jì)算產(chǎn)品上市后各個(gè)月度的返還率。

4 結(jié)語

通過以相同市場的已有產(chǎn)品返還數(shù)據(jù)進(jìn)行產(chǎn)品失效率建模和返還率預(yù)測，規(guī)避了Bellcore-SR332可靠性預(yù)計(jì)方法上的缺陷，使得返還率的預(yù)測更加符合產(chǎn)品實(shí)際情況。并且結(jié)合無線通信產(chǎn)品的研發(fā)過程，相應(yīng)的采用過程數(shù)據(jù)進(jìn)行預(yù)測，使得可靠性預(yù)計(jì)工作與產(chǎn)品可靠性設(shè)計(jì)結(jié)合得更加緊密，為提高無線通信產(chǎn)品的可靠性，提高預(yù)測的準(zhǔn)確性等方面都得以實(shí)現(xiàn)。