乡亲们
韦布分布可以说是含铅和无铅焊点 失效分析中最重要的分布。当人们试图对与通孔 和表面贴装技术 组装相关的热循环、跌落冲击或其他失效模式进行建模时，这通常是首先想到的分布。
60次抛硬币中出现“正面”的概率由二项分布描述
韦布尔分布 由瓦洛迪·韦布尔于1931年“发明”出来。罗伯特·阿伯内西博士在其关于韦布尔分析的著名教科书《新韦布尔手册》 中曾提及这一“发明”事实。这一 说法乍看之下似乎并不奇怪，但若仔细思考，我们会发现统计学中所有常见的分布都是被“发现”的，而非“发明”的。最常见的三种统计分布是正态分布、泊松分布和 二项分布。 作为一种被发现的统计分布，让我们以二项分布为例。该分布描述的内容包括抛硬币的概率分布。如果你抛一枚公平硬币60次，最可能得到30次正面（H）和30次反面（T），但出现29次正面和31次反面，或者32次正面和28次反面的情况也并不罕见。 数学分析表明，结果将呈现下图所示的曲线。如果进行多次抛硬币实验，这条曲线将准确预测结果。这条曲线并非凭空杜撰，而是从二项分布深厚的理论基础中发现的。
瓦洛迪·韦布尔 1887-1979
韦布尔分布的提出这一事实表明，韦布尔之所以选择它，是因为它能很好地拟合多种类型的失效数据。他将累积韦布尔分布定义为：
其中，eta 表示特征寿命或尺度函数，beta 表示斜率，而 F(t) 表示累积失效率。韦布尔提出该函数是因为当 beta 小于 1 时，F(t) 描述的是“早期”失效现象。在此情况下，失效率随时间推移而下降。 当 β 大于 1 时，该函数描述“磨损”失效，此时失效率随时间增加。在电子产品领域，我们通常通过“老化测试”来筛除早期失效。当 β 等于 1 时，失效率保持恒定。这三种情况如下图所示。
因此，在电子产品失效分析中，我们通常会绘制失效数据与时间的关系图，以确定β和η，通常使用Minitab®等软件。
在下一篇博文中，我们将分析一些失效数据，以确定eta和beta，并讨论它们的意义。
韦布尔本人是个颇为奇特的人物，关于他的大部分已知信息都由阿伯内西记录在案。
毫无疑问，韦布尔是个精力充沛的人。他的第二任妻子比他小近50岁，而且他大约80岁时还生了一个女儿！
干杯
罗恩博士
