可靠性评估对于产品而言，其可靠性已成为其赖以生存的核心。一个优秀的产品，其可靠性也是可观的，也就是说，产品可靠性水平是产品质量的重要体现。而可靠性水平，则要依靠可靠性评估得出的具体数据来说话，一个好的可靠性评估的结果，也表明了一个好的可靠性水平。目前，在国内，针对可靠性评估的研究的起步较世界其他国家而言是较晚的。我国的可靠性研究，最早是由电子工业部门开展的，于20世纪六十年代进行了国内首个可靠性评估的开拓性工作。也就是说，国内的可靠性技术教育是在第一个五年计划中开始的。就世界整体而言，可靠性工程的理论研究来自于第二次世界大战中对于武器装备中电子元器件失效问题的研究。二十世纪五十年代美国军事部门开始系统的进行可靠性研究。而后，前苏联、日本、英国、法国、意大利等一些国家，也相继从50年代末或60年代初开始了有组织地进行可靠性的研究工作。82378

目前，国内外针对可靠性评估的研究已经十分的深入了，而且方法众多。主流的方法主要包括单元级产品和系统级产品的研究方法。在分析方法上，又可以分为可靠性定量分析和可靠性定性分析。可靠性定量分析是以产品的可靠性数据为基础进行的，在全面把握产品的各方面信息的基础上，搜集并合理地处理产品的可靠性数据。而产品的定性分析包括明确产品的可靠性要求，明确产品的各层级定义、组成、功能和任务任务剖面。分别建立产品各种任务剖面下的可靠性框图模型三个方面的内容[1]。其具体方法主要有：可靠性模型分析、FMECA分析和FTA分析等[2-3]。同时，可靠性数据作为可靠性评估的基础，分为寿命型数据、成败型数据和非寿命型数据。而在本文中，针对空调的可靠性评估，则是使用的寿命型数据。寿命型数据一般有两种不同的数据源，分为试验数据和售后故障数据。论文网

在可靠性参数估计得方法上，贝叶斯方法是基于小样本的十分重要的方法，可以解决可靠信息不足的情况，同时能够较好的综合利用各种来源的验前信息以及多层的试验函数[4]。贝叶斯方法的基本思路是：首先利用当前产品中抽取样本的试验结果，充分利用以往产品的试验结果以及用户使用信息，接着，通过以往产品的各种信息得出先验分布或采用随机加权重釆样技术以获得兴趣变量的分布函数作为先验信息。将当前产品的信息作为后验信息，将两种信息数据代入贝叶斯公式后，就可以求出当前产品的失效分布，就可以紧接着估计出产品的可靠性指标。但存在一个前提，就是任何一个未知的参数都应被认为是一个由先验分布来描述的随机变量，最后，通过计算先验分布与观测样本的联合分布得到参数的后验分布[5-6]。

除了贝叶斯评估方法外，可靠性评估方法还有多种，比较常见的有以下几种。

基于试验熵的方法，运用试验熵等值方程对产品试验熵进行计算，以避免常用计量方法评估中由于刻度参数的估计偏差产生的风险[7]。基于K-L距离和极大似然估计相结合的AIC、BIC信息准则优选可靠性模型，并通过Fisher信息矩阵法得到产品的可靠性参数估计[8-10]。基于Bootstrap的评估方法，是在结合升降法试验的基础上，提出了利用变差系数确定升降法试验方案，然后提出了升降法试验方案下刻度参数的修正方法[11]。基于时间序列模型的评估方法，是在利用升降法试验数据给出感度分布参数的极大似然估计后，接着结合先验信息给出的刻度参数的收缩估计从而对高可靠性火工品的贮存可靠性进行分析[12]。基于模糊综合评价的可靠性评估方法,其是依据模糊数学中的模糊综合评价法原理，并解决了考核评价中各评价指标间复杂的相互关系以及其对评价结果的影响，能定量地处理评价过程中的模糊因素[13-15]。基于灰色系统理论方法，是在充分利用了灰色系统理论后，拥有所需建模数据量少的优势，解决了可靠性评估中小样本的不确定性问题[16]。