概述
寿命试验是对产品的可靠性进行调查、分析和评价一种常用方法。寿命试验方法是基本的可靠性试验方法。在正常的工作条件下进行寿命试验估计产品的各种可靠性特征。但是，这种方法对寿命特别长的产品（绝大部分电子产品寿命都会很长）来说并不合适。因为它需要花费很长的试验时间，甚至来不及做完寿命试验，新的产品又被设计出来，老产品就要被淘汰了。所以这种方法与产品的迅速发展 是不相适应的。经过不断研究，在寿命试验的基础上，人们提出一种新的加大应力、缩短时间的加速寿命试验。（这部分详见马逢时老师的《基于MINITAB的现代实用统计》）。
编译 | 何茂林
发现Minitab、Minitab微课堂原创文章
加速寿命试验
加速寿命试验最常应用于施加远超过正常实际条件的一系列变量水平以加速失效过程的研究。因此，变量也称为加速变量。进行加速试验的目的是为了节约时间和金钱，因为在正常实际条件下，要让某一单元失效可能需要相当长的时间。进行加速寿命试验需要了解加速变量与失效时间之间的关系。
使用加速寿命检验可以对极端应力水平下的产品性能（通常是失效时间）建模并推断正常使用条件下的结果。
加速寿命检验的目的是加速失效过程以便及时获取有关寿命较长产品的信息。加速方法包括在极端温度、电压、压力等条件下执行的检验。
例如，在正常条件下，微芯片可能在数年内不失效。但是，在高温条件下，相同的微芯片可能在数小时内就会失效。使用加速寿命检验，您可以使用微芯片在高温下的失效时间信息来预测正常操作条件下可能出现失效的时间。
加速寿命检验评估失效时间与至少一个加速变量之间的关系。使用此检验可以回答以下这类问题：
预计高可靠的组件何时失效？
因子对产品寿命有何影响？
哪些因子设置将最大化产品的寿命？
示例分析
电子产品的寿命往往都比较长，所以在加速寿命试验在这电子、半导体等行业应用的频率非常之高，让我们来看一个例子吧。
某可靠性工程师想要研究电子设备的晶体管之间的漏电情况。当漏电达到某个阈值时，电子设备会失效。为了加快检验的失效速度，检验设备的温度比正常温度高得多。每两天检查设备的失效情况。工程师执行了加速寿命试验，以估计设备在正常操作条件 (55° C) 和最坏情况操作条件 (85° C) 下失效所需的时间。工程师想确定 B5 的寿命（5% 的设备失效所需的估计时间）。
分析步骤
打开样本数据，漏电.MTW。
选择统计 > 可靠性/生存 > 加速寿命试验。
选择响应为非删失/任意删失数据。
在变量/初始变量中，输入开始时间。
在结尾变量中，输入结束时间。
在频率列中，输入计数。
在加速变量中，输入温度。
从关系中，选择常规加速。
从假定分布中，选择Weibull。
单击估计。在百分位数和概率估计下面，选择输入新的预测变量值，然后输入新温度。
在估计下列百分比的百分位数中，输入5，然后单击确定。
单击图形。在在图中要包括的设计值中，输入55。
在关系图下面的绘制下列百分比的百分位数中，输入5，然后选择在图中显示失效时间。
在每个对话框中单击确定。
对于当前对话框，我做几点说明：
（1）在可靠性分析中的数据跟我们平常接触到的数据有点不一样，在这里我们的数据一般是删失数据。又由于当前我是把右删失数据与区间失数据放在一张工作表，这种数据格式我们称之为“任意删失”。
（2）当前加速寿命试验我用到的加速应力是温度，这时候的加速模型我们用常规加速（Arrhenius）模型。
结果解释
会话窗口的输出内容很多，最值得看得就是“百分位数表格”里的信息了。
基于百分位数表中的结果，工程师可以断定以下结果：
在设计温度 (55°C) 下，5% 的设备将在大约 760 天（稍多于 2 年）后失效。
在最坏情况温度 (85°C) 下，5% 的设备将在大约 81 天之后失效。
这些结果还显示在关系图中（为了方便理解，我在下图中添加了2条参考线）。
基于拟合模型的概率图可以帮助您确定加速变量每个水平的分布、变换以及相等形状假定 (Weibull) 是否合适。对于这些数据，点沿着近似的直线分布。因此，模型假定适合于加速变量水平。
思考
读这这里细心的朋友可能会发现：对于一个加速寿命检验可以有两个预测变量，但是必须至少有一个预测变量是加速变量。第二个预测变量既可以是另一个加速变量，也可以是一个因子。
那如果变量个数不只2个呢？