A公司

可靠性流程：

有完善的可靠性流程和相关文档，但是执行的比较差，尤其是在降成本的压力下更是一纸空文。降成本目标是硬性规定，降成本凌驾于一切之上，可靠性与降成本有冲突时都是第一个被牺牲。

可靠性目标制定：
每个项目都会制定相应的可靠性目标，但是并不固定，例如客诉率，现场失效率或者研发阶段问题率。
可靠性目标制定会参考历史产品的数据，同时也是中高层领导的业绩考核关键指标之一，未完成对于自身绩效影响很大，但是对于基层员工基本没有什么影响。

可靠性目标制定完成后需要进行相应的评估，最终通过产品现场失效统计来验证。

环境剖面：
有相对完整的环境剖面数据，但是对于特定地区的详细数据并不具备，也没有就此进行详细的调研。

只有当失效疑似和某地区气候相关时才会进行具体的研究，结果导向比较严重，而且只关注和失效相关的应力数据。

可靠性设计：
一切让位于降成本的目标和活动，可靠性设计只是存在于流程和文档中。

偶尔会有项目开展可靠性设计，但是由于可靠性和成本很多时候是个矛盾，所以开了个头而已，就没有以后了。

环境与可靠性试验：
环境与可靠性实验室由质量负责，质量部门负责所有的环境与可靠性试验的标准的制定与试验的执行。
现有产品都是基于历史产品试验标准，对于新采用的零部件基本是研发人员讨论后给出建议实行，在后期出现问题后再进行完善。

为产品户外春夏秋冬的环境定制了试验设备，但是只能够控制温度和湿度，产品必须经过相应测试并满足要求才可以正式量产。系统可靠性试验的判断标准为不同严重程度的失效数量。

生产可靠性：

定期开展来料可靠性抽检工作，具体工作由质量部门负责。

失效分析：
暂时只做事后的失效分析，及发生失效后的原因分析。
失效分析由质量部门主导开展，如果碰到能力瓶颈且必须分析改善的则寻求外部试验室协助解决，但是基本以和供应商之间的妥协而结束，因为降成本的原因，如果更换供应商会造成无法采购相应的物料而影响生产。

失效分析的结果并没有系统归纳存档，相应的经验在公司内部无法很好的共享和传承，基本是结果导向，问题解决后就无人关心。

现场可靠性监控：
只有关键项目产品才会开展现场可靠性监控，通常为全新开发的产品。

监控时间大约为6-12个月，考虑到项目施工的时间，实际监控的时间不定，在监控结束前产品的生产量会很低，必须要等监控结束后评估满足要求才能够大批量生产。

数据收集：
绝大多数产品只能够收集到保内的数据。

对于部分客户购买了维修服务的，可以获得更多的现场失效数据，但是极其有限。

可靠性改善：
主要是定期检查产品失效率最高的和维修费用最高的零部件来确定需要对现有产品哪些零部件进行改善。

但是由于与中高层绩效挂钩，所以在实际操作中那些难以解决的会被忽略，从而使得可能会出现需要解决现场偶发性问题，最终进入一个死循环。

售后系统：
所有出货的产品都会记录到售后系统中，并且可以做到每个现场维修与具体的机器对应上，但是系统只具备存储数据的功能加上简单的统计，没有针对可靠性进行相关功能开发来发掘更多的价值。

B公司

可靠性流程：

没有任何成文或者达成共识的可靠性流程，暂时也没有计划来制定可靠性流程。

可靠性目标制定：
每个项目都会制定相应的可靠性目标。
可靠性目标制定会参考历史产品的现场维修数据。

可靠性目标制定完成后没有任何的跟踪和评估，产品可靠性水平靠现场失效统计来反馈。

环境剖面：
没有具体的环境剖面数据，也没有就此开展具体的活动。

如果产品销售到一个特殊的区域，只是简单的了解当地的气象特点，并不会进行详细调查。

可靠性设计：
所有的设计全靠设计人员的经验，没有具体的可靠性设计活动。

正在计划建立有限元仿真的团队来开展有限元分析，例如热仿真和结构可靠性仿真（静强度和动疲劳）。

环境与可靠性试验：
环境与可靠性实验室由质量负责，研发阶段试验由研发负责，具体试验由研发提出后质量执行，所有的试验标准由研发制定。
现有产品都是基于历史产品试验标准，对于新采用的零部件基本是研发人员讨论后给出建议实行，在后期出现问题后再进行完善。

没有可靠性试验项目，或者说现有试验都只是环境试验，试验完成后无法提供定量可靠性数据。

没有系统级的可靠性试验。

生产可靠性：
针对设计阶段的CTQ（Critical to Quality）来开展来料可靠性抽检工作。

具体工作由质量部门负责。

失效分析：
暂时只做事后的失效分析，及发生失效后的原因分析。
失效分析有研发主导开展，如果碰到能力瓶颈且必须分析改善的则寻求外部试验室协助解决。

失效分析的结果并没有系统归纳存档，相应的经验在公司内部无法很好的共享和传承。

现场可靠性监控：
只有关键项目产品才会开展现场可靠性监控，通常为全新开发的产品。

监控时间大约为6-12个月，考虑到项目施工的时间，实际监控的时间不定，在监控结束前产品的生产量会很低，必须要等监控结束后评估满足要求才能够大批量生产。

数据收集：
绝大多数产品只能够收集到保内的数据。

对于部分客户购买了维修服务的，可以获得更多的现场失效数据，但是极其有限。

可靠性改善：
主要是定期检查产品失效率最高的和维修费用最高的零部件来确定需要对现有产品哪些零部件进行改善。

可靠性改善先期由研发和品质共同推动，在问题确定为研发或者质量后再决定最终由那个部门来负责改善。

售后系统：

所有出货的产品都会记录到售后系统中，但是并没有把每个现场维修记录和具体的哪个地方安装的产品对应上，暂时只能够计算平均失效率，无法做到失效分布和失效率的精确计算。

分析评估

流程：
有了流程才能够更好的协调各部门的合作，但是流程必须要考虑到灵活性，而不能够有任何异常就直接导致流程无法执行。

对于流程的执行必须获得高层的支持，否则十之八九会成为一纸空文。

可靠性指标：
可靠性指标不应该只是局限于返修率，应该考虑可靠性目标如何与企业的运营指标相结合，这样才能够支持企业的经营决策。

客诉率，首年失效率，保内失效率等等都有可能成为产品的可靠性指标，但是一个企业同类产品应该只存在一种指标，否则会不同产品之间无法对比而造成混乱。

可靠性设计：
不能够为了可靠性设计而开展可靠性设计，即使不开展也并不意味着产品可靠性一定不符合要求。
可靠性设计需要考虑企业和行业的实际情况来有选择的来执行可靠性设计活动
环境与可靠性试验。
环境与可靠性试验的基础是产品使用环境剖面，所以企业应该整理并发布标准的产品使用环境剖面来指导设计和试验。
环境试验的挑战相对较小，重点应该放在试验失效的分析和整理上。

可靠性试验最大的挑战是其定量分析结果和市场实际表现的关系，只有建立起了相应的关系才能够体现可靠性试验的价值，否则建议弱化，通常来讲环境试验保质保量完成后产品可靠性的风险并不是那么高。

失效分析：
所有的公司都是被动式的开展失效分析的工作，主要是试验失效和现场失效两部分，但是即使如此失效分析的结果都只是一次性的，没有能够做到整理成数据库存档，并且在内部共享，这是非常可惜的，失效分析的价值被严重浪费
如果能够在失效分析数据库的基础上来制定并完善企业设计准则就更好的。

终极目标是把事前的失效分析和时候的失效分析数据库进行联动，这才能够做到以最少的人力和投入保证产品的设计水准。

售后数据：
产品的售后数据库必须要有，而且需要做到每个维修件与特定产品序列号的对应，如果可以和产品的BOM结构以及采购成本等想关联就可以为后续的深入分析打下坚实的基础，例如产品的失效率分布曲线、产品的全寿命周期成本等。这一切都会为新产品开展提供指引，从而确保新产品的设计目标合理、有效且可实现。

在企业允许的情况下，建议为现有的售后数据库系统增加可靠性分析的功能，从而加强所有设计人员可靠性的意识，另外也可以更好的挖掘售后数据的价值来提供产品竞争力。