Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
IEC 61123 可靠性试验——成功率合规测试方案技术解析
💡 标准概览：IEC 61123 是 IEC TC 56（可信性技术委员会）制定的核心标准，专注于为”成功率”（success ratio）设计合规性试验方案。与 IEC 60605 系列（失效率试验）和 IEC 61070（可用性符合性测试）形成互补，本标准的独特价值在于针对”一次性成功”场景——如导弹发射、紧急制动系统、火工品起爆等无法重复试验的场合。
1️⃣ 标准背景与适用范围
IEC 61123 的全称为 “Reliability testing — Compliance test plans for success ratio”，中文译名为《可靠性试验——成功率合规测试方案》。该标准于 1991 年首次发布，最新版本为 IEC 61123:2024。它隶属于 IEC 60000 系列框架下的可信性技术标准体系，是 TC 56 可靠性试验方法家族的重要成员。
本标准的核心应用场景是：当产品的一次性任务成功概率（success ratio, 记作 p）需要被验证是否满足规定要求时，提供一套基于二项分布理论的统计抽样方案。与传统的寿命试验或失效率试验不同，成功率试验不关注产品能工作多长时间，而关注产品在”一次任务”中能否成功完成任务。
⚠️ 适用边界：IEC 61123 适用于不可修产品（non-repairable items）或”一次使用”场景。对于可修复系统，应参考 IEC 61070（可用性符合性测试）或 IEC 60605 系列（失效率/MTBF 试验）。实践中常犯的错误是将成功率试验方案直接套用于可修复系统，导致风险误判。
典型应用领域包括：
- 🚀 航空航天：运载火箭级间分离机构、卫星太阳翼展开机构、降落伞释放装置
- 🎯 国防军工：导弹引信起爆、火工品（pyrotechnic devices）、弹射座椅、战斗部保险/解除保险机构
- ⚡ 电力保护：断路器跳闸线圈动作、继电保护出口回路、故障录波器触发
- 🏭 工业安全：紧急停机（ESD）按钮、安全阀起座、消防喷淋头启动
- 🚗 汽车电子：安全气囊展开、碰撞传感器触发、主动刹车系统介入
2️⃣ 数理基础与核心参数
2.1 成功率试验的统计模型
成功率试验的数学模型基于二项分布。设单次试验的成功概率为 p，在 n 次独立试验中出现 k 次成功的概率为：
P(K = k) = C(n,k) · p^k · (1-p)^(n-k)
试验方案的目的是：在给定生产方风险 α（Producer’s Risk）和使用方风险 β（Consumer’s Risk）的条件下，判断产品实际的成功率 p 是否满足要求。标准中定义了两个关键质量水平：
- p₀（可接受质量水平 AQL）：生产方期望以高概率被接受的成功率下限。当 p ≥ p₀ 时，拒收概率应 ≤ α。
- p₁（极限质量水平 LQ / RQL）：使用方期望以高概率被拒收的成功率上限。当 p ≤ p₁ 时，接收概率应 ≤ β。
✅ 工程解读：p₀ 和 p₁ 之间的差距决定了试验方案的”分辨力”。差距越小（即 p₁ 越接近 p₀），需要的试验样本量越大。实际工程中，p₀ 与 p₁ 的比值通常在 1.5~5 之间，过小的比值会导致试验成本不可接受。
2.2 OC 曲线（操作特性曲线）
OC 曲线是评估试验方案鉴别能力的最直观工具。横轴为真实成功率 p，纵轴为接收概率 L(p) = P(接受 | p)。一个理想的试验方案在 p ≥ p₀ 时 L(p) ≈ 1，在 p ≤ p₁ 时 L(p) ≈ 0。实际方案的 OC 曲线是一条单调递减的 S 型曲线。
2.3 生产方风险与使用方风险
标准中通常取 α = 5%~10%，β = 5%~20%。值得注意的是，许多工程团队只关注 α（生产方风险）而忽略了 β（使用方风险），这在安全关键系统中是危险的——它意味着使用方可能以高概率接收一批实际不合格的产品。
| 参数 | 符号 | 典型值 | 说明 |
|---|---|---|---|
| 可接受质量水平 | p₀ | 0.90 ~ 0.999 | 当实际 p ≥ p₀ 时，高概率接收 |
| 极限质量水平 | p₁ | 0.50 ~ 0.95 | 当实际 p ≤ p₁ 时，高概率拒收 |
| 生产方风险 | α | 0.05 ~ 0.10 | 合格批次被误拒的概率 |
| 使用方风险 | β | 0.05 ~ 0.20 | 不合格批次被误收的概率 |
| 鉴别比 | p₀ / p₁ | 1.5 ~ 5.0 | 比值越小，所需样本量越大 |
3️⃣ 试验方案类型与设计方法
3.1 固定样本量方案（Fixed Sample Size Plan）
固定样本量方案是最直观的试验方式。预先确定试验次数 n 和允许的失败次数 c（accept number），”# 试验中失败次数 ≤ c”则接收，否则拒收。方案设计的关键是求解满足以下联立不等式的最小 n 和对应的 c：
L(p₀) = P(接收 | p₀) ≥ 1 – α —— 生产方风险要求
L(p₁) = P(接收 | p₁) ≤ β —— 使用方风险要求
标准附录中提供了大量预计算表，工程师可根据 p₀、p₁、α、β 直接查表获取 n 和 c。以常见的 α=0.05、β=0.10 为例：
| p₀ | p₁ | 所需样本量 n | 允许失败数 c |
|---|---|---|---|
| 0.99 | 0.95 | 459 | 3 |
| 0.99 | 0.90 | 130 | 1 |
| 0.95 | 0.80 | 77 | 3 |
| 0.90 | 0.70 | 43 | 2 |
| 0.85 | 0.60 | 28 | 2 |
⚠️ 工程陷阱：许多团队在制定试验方案时忽略了 OC 曲线的形状。例如，对于 p₀=0.99、p₁=0.95 的高可靠性要求，需要 459 次试验且最多允许 3 次失败。若实际试验次数远小于该值（如仅做 50 次），则试验方案的实际鉴别力极差——即使真实成功率为 0.96（低于 p₀），也有很高概率被误收。
3.2 序贯试验方案（Sequential Test Plan）
序贯试验方案（又称截尾序贯方案、概率比序贯检验 SPRT）比固定样本量方案更高效。每次试验后，根据累计结果做出三种决策之一：接收、拒收、继续试验。平均样本量（ASN）通常比固定方案少 30%~50%，尤其当产品质量”明显好”或”明显差”时能快速做出判定。
序贯方案的判断边界由 Wald 序贯概率比检验给出：
接收线: ln(A) = ln(β / (1 – α))
拒收线: ln(B) = ln((1 – β) / α)
对数似然比: LR(n) = d·ln(p₁/p₀) + (n-d)·ln((1-p₁)/(1-p₀))
判定规则:
– LR(n) ≤ ln(A) → 接收
– LR(n) ≥ ln(B) → 拒收
– ln(A) < LR(n) < ln(B) → 继续试验
其中 d 为试验 n 次后的累计失败次数
✅ 工程建议：序贯方案在以下场景特别有利——① 试验成本高、周期长（如火箭发射试验）；② 对产品质量有先验信心（期望快速通过）；③ 需要灵活调整试验规模。但需注意，序贯方案的最大试验次数（截尾点）必须预先设定，否则可能出现试验无休止进行的情况。
3.3 零失败方案（Zero-Failure Plan）
当安全性要求极高时（如核安全级系统、载人航天关键功能），常采用 c=0 的零失败方案。此时拒绝域极窄——任何一次失败即导致拒收。零失败方案的样本量由下式确定：
n ≥ ln(β) / ln(1 – p₀) （当希望以 β 风险验证 p ≥ p₀ 时）
示例：验证成功率 ≥ 0.99（β=0.10）
n ≥ ln(0.10) / ln(0.01) = 229.1 → n = 230 次试验零失败
4️⃣ 工程实践与常见误区
🛑 关键警示：成功率试验的”成败”判断必须明确定义——什么算”成功”、什么算”失败”。实践中常见的争议源于成功判据模糊。例如，一个火工品起爆装置，”起爆”算成功，但”起爆延迟超过 5 ms”是否算失败？这必须在试验方案设计阶段与所有相关方达成一致。
工程最佳实践：
- 判据先行：在试验开始前，以书面形式明确定义成功/失败判据，包括边界条件（如时间窗口、环境条件范围）。
- 样本代表性：确保试验样本来自同一生产批次且生产过程受控。若样本来自多个批次，必须考虑批次间变异对成功率的混淆效应。
- 环境真实性：试验条件（温度、振动、电磁干扰等）应尽可能模拟实际使用环境。过宽松的试验条件会导致试验室成功率虚高，过严苛的条件则可能导致不必要的拒收。
- 贝叶斯方法补充：在有先验数据（如历史批次数据、相似产品数据）时，可考虑采用贝叶斯二项模型，将先验信息与试验数据融合，从而在同等风险下减少所需试验样本量。
- 试验方案选择：序贯方案适合样本获取成本高、试验周期长的场景；固定方案适合试验条件标准化、批量测试的场景；零失败方案仅适用于安全关键且失败后果不可接受的场景。
💡 工程洞察：在军工和航空航天领域，成功率试验方案经常与”鉴定试验”（qualification test）和”验收试验”（acceptance test）配合使用。鉴定试验通常采用更严苛的 p₁ 和更小的 α/β 值，以提供高置信度的设计验证；验收试验则可适当放宽样本量要求，以平衡成本与质量保证。
❓ 常见问题（FAQ）
❓ Q1：IEC 61123 与 IEC 60605 系列（失效率试验）有什么区别？
IEC 60605 系列关注的是产品在单位时间内的失效率 λ(t) 或平均无故障时间 MTBF，适用于可修产品长时间运行的可靠性评估。而 IEC 61123 关注的是”一次性任务成功概率” p，适用于不可修产品或一次性使用场景。简单来说：60605 看的是”能跑多久”，61123 看的是”一把能成”。两者的统计模型也不同——60605 基于指数分布或 Weibull 分布，61123 基于二项分布。
❓ Q2：样品量不足时怎么办？
当无法获得足够的试验样本时（如大型卫星、运载火箭全箭试验），可采用以下策略：① 使用序贯试验方案以降低平均样本量需求；② 引入贝叶斯方法，利用历史数据或相似产品数据作为先验分布；③ 采用”金字塔试验”策略，在较低层级（组件级、分系统级）进行大量试验，结合系统级有限试验进行综合评估。但需注意，任何替代方案都必须在合同中明确约定接收准则和风险水平。
❓ Q3：p₀ 和 p₁ 应该如何确定？
p₀ 通常取设计指标值或合同要求值，反映生产方承诺的成功率水平。p₁ 则基于使用方可接受的最低成功率，通常参考类似系统的现场使用数据或行业的惯用值。在安全关键系统中，p₁ 可能由系统安全分析（如故障树分析 FTA、概率安全评价 PSA）确定。p₀ 与 p₁ 的比值（鉴别比）应综合考虑技术可行性与试验成本——鉴别比越接近 1，试验方案的分辨力越高，但所需样本量也越大。
❓ Q4：如何对待试验中出现的”部分成功”（partial success）？
IEC 61123 的统计模型仅支持二元输出（成功/失败），不支持多级结果。对于部分成功，标准的处理方法是：在试验方案设计阶段，将所有可能的输出结果预先划分为”成功”和”失败”两类。如果存在多个性能参数需同时满足，应将所有条件取”与”——即任一参数不达标即判定为失败。更复杂的多级判定可参考 MIL-STD-1916 或采用贝叶斯序贯方法。部分成功的判据争议是工程中最常见的纠纷来源，务必在试验前以文件形式达成共识。
