该项目属于统计与运筹学科中的可靠性统计领域。近十年来，技术与可靠性的提高使获取产品相关信息越来越难，这对中小样本下可靠性数据分析提出了更大的挑战，产生了一些这一领域的国际性难点和热点问题。该项目的主要贡献是：基于广义推断和贝叶斯分析提出了几个解决高可靠产品质量与寿命数据分析中极具挑战性创新性的理论框架，给出了具体的统计模型和分析算法。如下创新点一和二是贝叶斯推断方法，创新点三和四是广义推断方法。信息量少、无法使用大样本性质是它们共同遇到的难点。本项目的主要创新点为：1)首次提出了加速退化试验数据分析与最优设计的客观贝叶斯分析框架，破解了无历史信息可用时可靠性数据分析的难题。传统的分析存在致命的中小样本下的不稳定及与频率意义下的概率不匹配问题。本项目基于Kullback–Leibler散度提出了非传统的无信息先验--Reference先验，它对样本容量要求很低，且具有非常好的频率稳定性。基于Reference先验的思想，我们又提出了一种全新的Reference最优先验准则，给出了相应的试验优化算法，解决了二十多年来这一领域公开的难题。这一新的理论框架成功地应用于各类加速寿命试验与加速退化试验分析，引领了这一领域贝叶斯分析理论与应用研究的开展。2)首次提出了失效信息屏蔽与相依时系统可靠性分析的贝叶斯理论框架。受检测手段与成本等限制，失效的原因通常是未知的，从而导致了过去的统计分析方法失效。本项目通过引入隐变量实现数据扩充，成功地给出了失效信息屏蔽时竞争失效数据的贝叶斯统计分析，解决了过去十多年无法解决的问题。这一新的理论框架在可靠性与生存分析领域被反复使用，在国际上起到了学术引领的作用。3) 首次提出了多参数场合广义推断方法，建立了精确置信区间估计的理论框架，极大地提升了中小样本下参数置信区间的精度。本项目通过广义枢轴量的构造，获得了重要可靠性指标的精确置信区间，而且相应的算法比传统的渐近方法更容易实施。这一新的理论框架在之后多年来在可靠性等领域不断被使用，包括本项目后来解决的复杂B-S分布推断。4) 首次提出了在出现极端值时寿命数据的分析框架，基于广义枢轴量的思想分别给出精确置信区间和控制图的构造。本项目构造出威布尔分布场合形状参数、应力-强度模型可靠性的精确置信区间和形状参数的精确控制限。这一创新点可视为第三个创新性在更复杂场合的应用，丰富了广义推断方法的理论与应用。这些新方法突破了经典统计分析大样本近似的约束。相关成果发表在工业工程顶级期刊上，如《Technometrics》，《IEEE Transaction on Reliability》上，并得到了William Meeker和宗福季等专家的高度认可。该项目累积发表论文120多篇，其中在国外重要期刊上发表70多篇，SCI被引次数达到521次；8篇代表性论文SCI总引 114次，SCI他引 92 次。