人的可靠性用MTBF来衡量可以吗？

为什么问这么奇怪的问题？

因为对这个问题进行展开后，我们就能发现MTBF是对用户描述可靠性的最糟糕标准之一。

MTBF代表“平均无故障时间”，是故障率的倒数。如果MTBF为2000000小时，故障率为1/2000000故障/小时=0.0000005故障/小时。这些数字，有什么实际意义？

*某固态硬盘的可靠性数据，MTBF=200万小时，质保5年

是否意味着：

产品在失效前能持续工作200万小时？

还是，一半的产品在200万小时内会失效？

先稍等一下。我们的产品设计寿命是五年，也就是43800小时的使用时间。为什么我们的MTBF目标是2000000小时？

因为这些原因，MTBF的概念理解很是混乱，尤其是对并不是可靠性专业的客户而言。

好，现在可以回到标题的奇怪问题上了。

人的平均无故障时间（MTBF）是多少？

先说答案：至少800年

人类的平均无故障时间是800年。这实际上是非常保守的。在现代的生活方式中，MTBF更可能是2000年。

谁都知道，我们是活不了800年的，怎么出来这么一个感觉有点荒诞的答案呢？

这是因为，当使用平均无故障时间（MTBF）作为衡量产品在使用寿命期间的可靠性时，其实是有三个假设的：

第一，该指标不包括早期失效的数据

第二，该指标不包括寿命耗损期的故障数据

第三，使用寿命期间的故障是随机发生。在使用寿命期间的任何给定时刻，发生故障的可能性与其他任何时刻相同。对于使用寿命为10年的产品，这意味着随机失效发生在3个月龄时和7年龄时的概率是相同的。

800年的MTBF是怎么算出来的？举个例子更好理解。

18世纪欧洲一座煤矿的MTBF故事

在18世纪欧洲一个与世隔绝的小镇上，有一座煤矿，那里的矿工就像是煤矿老板的工具，煤矿老板想知道矿工因为生病或者受伤而不去上班的频率，于是煤矿的可靠性工程师做了一个快速的计算，并告诉老板，预计矿工的平均无故障时间为800年。

煤矿老板一听，很火大，能不能说别人能听懂的人话！可靠性工程师于是解释说，他预计在800年的时间里，62.3%的工作人口将不会因为随机疾病或受伤而死亡。

煤矿老板简直怒不可遏了：“一年内有多少员工会因死亡而不能工作？回答我这个问题！”

可靠性工程师战战兢兢地回答：在一年的时间里，10000名员工中有13人死亡。

煤矿老板这才终于拿到了他要的答案。

800年MTBF的计算过程

让我们把800年的平均无故障时间（MTBF）分解为在任何给定年份，可能有13名员工死亡。下面我们将使用方程式把800年计算出来，开始计算前有这么几个前提假设：

1. 我们处理的是一个恒定的故障率且无偏移

2. 我们不包括死亡儿童。这是婴儿死亡率。在工作中，我们认为这些是质量缺陷，而不是设计可靠性的特征。

3. 我们不包括退休人员。在工作中，这些相当于过保，承诺的使用可靠性将不再得到维护。

计算过程：

R（t）=e（–t/MTBF）

时间=测量可靠性的时间段

MTBF=平均无故障时间

R（t）=时间“t”时的可靠性

如果T=1年, 可靠性=0.9987（1-13/10000）, 那么：

R（1）=e（–1/MTBF）=0.9987，算出来MTBF=800年

浴缸曲线

下面的“浴缸曲线”是一个图形化的方法，你可以清楚地看到可靠性的三个阶段。

第一个阶段由质量缺陷驱动。故障率会很快下降，因为有缺陷的产品不断被新的取代。

第二个阶段，产品的使用寿命范围内有着一个恒定的失效率。“故障率”这条线的高度由MTBF决定。MTBF越高，故障率就越低。

第三个阶段是“磨损”期，在这一阶段，由累积应力导致的可靠性失效将成为主导。对于用户来说，这个时候应该拆下这些产品，并换上新的。

实际上，我们面对的会是这样一个情景：客户体验是一条平坦的直线，过程中产品的更换会带来一个小波动，除此之外，这条直线将永远持续下去。更进一步的话，如果质量得到控制和改进，问题产品永远不会离开工厂，那么连这种波动都可以减少到几乎为零，这些都会对MTBF的计算产生影响。

最后，为什么在描述可靠性时不喜欢强调MTBF这个概念？因为大家记不住这堆假设或影响因素。对统计学而言它很有价值，因为MTBF是一个很容易用数学方程来描述的特性。但是对于一般性的讨论，MTBF带来的困惑更多一点，就像大家很难理解人的MTBF是800年一样。

对于用户而言，将产品性能用可靠性百分比、故障率或可用性来描述可能更好一些。