1、可靠性分析的删失数据类型
开展产品可靠性分析工作时，往往会遇到产品数据存在左删失（开始检测时间未知）、右删失（检测时仍未失效）、区间删失（只知道开始检测和结束检测时间，且知道样品在这时间段内发生了失效，但是不知道具体的失效时间点）等多种删失数据混合的情况，这样的数据对我们的可靠性工作带来了极大的挑战。对于这样存在多种删失、任意删失、大批量删失数据的可靠性分析，我们需要特别注意和谨慎，否则将会得到错误的判断结果。下面以实际案例介绍如何进行多种删失、任意删失和批量删失数据的可靠性分析。
2、汽车产品故障数据威布尔分析
为评估新研汽车产品的可靠性，某单位收集了新旧两个系列的产品失效数据进行可靠性分析。并估计未来50000公里的返修比例。新旧两个系列的产品每隔10000公司进行一次失效检测。新旧两类产品分别检测了90000公里，每隔10000公里进行一次检测。
其中旧产品第一次检测是不知道具体开始时间的（即左删失），90000公里后测试时还有83个样品是未失效的（即右删失），另外有965个样品是区间删失的（即只知道开始和结束检测时间，但是不知道具体失效时间）。
新产品第一次检测是不知道具体开始时间的（左删失），且所有被检测产品均没有发生失效，90000公里后检测时还有210个样品是未失效的（即右删失），另外有829个样品是区间删失的（即只知道开始和结束检测时间，但是不知道具体失效时间）。
对于这种即存在左删失、右删失，又存在区间删失的多种删失数据、任意删失、大批量删失数据的可靠性分析，首先按照开始检测时间、结束检测时间、故障数量/频数、产品类型（新/旧）对检测数据进行梳理、整理。
将整理的数据录入到PosWeibull软件中，使用寿命分析工具进行分析。
通过分析可知：
（1）该产品的寿命服从威布尔分布（通过比较不同分布的相关系数、AICC参数等）
（2）从参数估计结果、可靠度图等均可清晰判断，新型产品的可靠性相比旧产品的可靠性是有明显提升的。旧产品的计算结果为：形状参数β=3.75851，尺度参数η=69709.1，50000公里的可靠度为0.75；新产品的计算结果为：形状参数β=5.76731，尺度参数η=82735.2，50000公里的可靠度为0.9467。
（3）根据形状参数β和尺度参数η，即可计算出来投放市场的产品每个月返修率。
