第1步:定義並估計抽樣總體的大小確定年故障率(AFR)並最終確定產品的MTBF的過程中，第一步是確定要分析的特定產品抽樣總體。是基於特定產品型號還是整個產品系列進行計算？此抽樣總體中產品的生產時間跨度應該多大(以天或月計)？生產日期何時開始何時結束？為抽樣總體選擇的產品應該在設計方面非常相似，並具有足夠多的數量以保證所採集資料的統計有效性，這非常重要。
第2步:確定採集資料的樣本時間範圍過程的第二步是確定從抽樣總體中採集故障資料的樣本時間範圍。通常在產品的使用者給供應商報告故障時採集資料。抽樣總體中產品的最晚生產日期和樣本期間開始日期之間的適合時間間隔，因產品、地理位置、分銷過程和庫存地點不同而有所差異。例如，如果產品在工廠倉庫中儲存兩個月，在分銷渠道中歷時兩個月，那麼最早只能在抽樣總體中最晚產品生產日期的四個月後開始進行抽樣。對於需要透過批發商、經銷商和零售商這些環節的產品，四個月被視為是考慮上述可變因素的合理時間範圍。
下面說明兩個重要的可變因素:(1)抽樣總體中產品的最晚生產日期和樣本期間開始日期之間要有足夠的時間間隔(2)資料採集視窗要足夠大，以確保結果的可信度。
如果抽樣總體中產品的最晚生產日期和樣本期間開始日期之間沒有足夠的時間間隔，那麼在抽樣總體中的產品得到完全部署之前可能就已經開始進行抽樣了。這種情況可能會造成兩種結果。第一，由於尚未部署的產品不可能出現故障，所以有低估故障率的傾向。第二種結果就是樣本期間很可能包括大量的安裝故障或設定故障。因為新產品的故障率可能會顯示為一個標準的“浴缸”型，所以包括大量安裝故障可能會導致高估故障率。儘管我們知道這兩種相反的效果都很明顯，但也不能指望他們能互相抵消。
在抽樣時間方面，另一個需要考慮的重要問題是視窗的持續時間。需要多少天才能充分採集故障資料？取樣時間視窗必須選得足夠寬，以便可以從樣本中移除統計“干擾”。獲得合理準確度所需的持續時間取決於抽樣總體的大小。例如，大批次產品可能需要一個月時間，小批次產品可能需要幾個月時間。
第3步:定義故障必須準確定義故障，確保評估過程的一致性後，才能開始統計故障。
現在假設在“故障”產品返回工廠時，是由每個技術人員單獨定義故障。某位技術人員可能只統計那些出現重大故障的產品，而另一位技術人員可能統計所有出現了故障(包括重大故障)的產品。這兩種極端的做法使得準確評估特定產品故障率的可能性幾乎為零，當然更不能準確評估對該產品的過程控制所產生的影響。因此，在診斷任意產品之前，供應商必須對故障有一個明確的定義。在計算特定事件的MTBF時，供應商可能有多種不同的故障定義。例如，供應商會試圖評估導致關鍵負載停用的故障的MTBF以及負載能夠繼續運轉的不很嚴重的故障的MTBF。
第4步:接收、診斷和修理產品樣本期間結束時間和AFR計算時間之間必須有足夠的時間間隔，以允許一定的時間來接收、診斷和修理報告為有故障的產品。診斷結果確定故障型別，而修理將會驗證診斷結果。體積較小的產品通常會發回供應商處，這會導致出現接收延遲或需要一定的產品遞送時間。產品到達供應商處後，必須對其進行診斷和修理，這會導致另一個稱為診斷延遲的延遲。大型產品通常在客戶處進行診斷和修理，因此基本沒有延遲。在上述任一情況下，都需要在計算AFR前診斷和修理產品。如果是大批次產品，很可能在診斷延遲結束時仍然有需要修理的產品。在這些情況下，有時會做出未修理產品和以前修理過的產品出現故障的機率相等這樣的假設。取決於待評估產品的生產量和產品型別，接收延遲和診斷延遲可以在樣本期間結束時間後加上幾個星期，您可以在此時間點計算AFR。
第5步:計算年故障率計算年故障率是用來說明某個特定產品在一個日曆年度內的預期故障數。
計算此數值的第一步是“按年計算”故障資料。將樣本期間中的故障數乘以每年的樣本期間數，可以得出此值。第二步就是確定整個抽樣總體的故障率。將計算出來的每年故障數除以抽樣總體期間安裝的產品數，可以得出此值。
此公式有如下兩個假設:(1)產品一年365天、每天24小時連續運轉(2)抽樣總體中的所有產品都在同一時間開始運轉。因此儘管此公式可以用於任意產品，但更適用於連續運轉的產品。
本抽樣總體有10,000輛汽車。在2個月(樣本期間)內，要採集此抽樣總體的故障資料。平均而言，一輛汽車每年運轉400個小時。在這2個月內，有10輛汽車出現故障。
使用公式1:故障率為10個故障x(每年52個星期/樣本期間為8個星期)/抽樣總體中有10,000臺裝置=0.0065或0.65%。
使用公式2:假設這些產品同時*開始運轉，抽樣總體的運轉時間為每年10,000x400小時=每年累計4百萬小時或4,000,000/8760小時=累計457年。
故障率為10個故障x(每年52個星期/樣本期間為8個星期)/累計457年=0.14或14%*請注意，此假設是為了簡化這個示例。現實情況是產品在整個期間內都有銷售，因此實際運轉時間將比上面的數字小。導致AFR值變大。
如果上面的示例是以連續運轉產品為例，那麼兩個AFR值將相等。即使取消所有產品同時開始運轉這個假設，AFR值仍然非常接近。因此，瞭解產品是連續運轉還是非連續運轉對於進行正確地分析至關重要。
第6步:將AFR轉換為MTBF將AFR轉換為MTBF(以小時計)是所有步驟中最容易的，不過可能也是最常被誤解的。只有在故障率穩定這一假設下，將AFR轉換為MTBF才有效。
第1步:定義並估計抽樣總體的大小確定年故障率(AFR)並最終確定產品的MTBF的過程中，第一步是確定要分析的特定產品抽樣總體。是基於特定產品型號還是整個產品系列進行計算？此抽樣總體中產品的生產時間跨度應該多大(以天或月計)？生產日期何時開始何時結束？為抽樣總體選擇的產品應該在設計方面非常相似，並具有足夠多的數量以保證所採集資料的統計有效性，這非常重要。
第2步:確定採集資料的樣本時間範圍過程的第二步是確定從抽樣總體中採集故障資料的樣本時間範圍。通常在產品的使用者給供應商報告故障時採集資料。抽樣總體中產品的最晚生產日期和樣本期間開始日期之間的適合時間間隔，因產品、地理位置、分銷過程和庫存地點不同而有所差異。例如，如果產品在工廠倉庫中儲存兩個月，在分銷渠道中歷時兩個月，那麼最早只能在抽樣總體中最晚產品生產日期的四個月後開始進行抽樣。對於需要透過批發商、經銷商和零售商這些環節的產品，四個月被視為是考慮上述可變因素的合理時間範圍。
下面說明兩個重要的可變因素:(1)抽樣總體中產品的最晚生產日期和樣本期間開始日期之間要有足夠的時間間隔(2)資料採集視窗要足夠大，以確保結果的可信度。
如果抽樣總體中產品的最晚生產日期和樣本期間開始日期之間沒有足夠的時間間隔，那麼在抽樣總體中的產品得到完全部署之前可能就已經開始進行抽樣了。這種情況可能會造成兩種結果。第一，由於尚未部署的產品不可能出現故障，所以有低估故障率的傾向。第二種結果就是樣本期間很可能包括大量的安裝故障或設定故障。因為新產品的故障率可能會顯示為一個標準的“浴缸”型，所以包括大量安裝故障可能會導致高估故障率。儘管我們知道這兩種相反的效果都很明顯，但也不能指望他們能互相抵消。
在抽樣時間方面，另一個需要考慮的重要問題是視窗的持續時間。需要多少天才能充分採集故障資料？取樣時間視窗必須選得足夠寬，以便可以從樣本中移除統計“干擾”。獲得合理準確度所需的持續時間取決於抽樣總體的大小。例如，大批次產品可能需要一個月時間，小批次產品可能需要幾個月時間。
第3步:定義故障必須準確定義故障，確保評估過程的一致性後，才能開始統計故障。
現在假設在“故障”產品返回工廠時，是由每個技術人員單獨定義故障。某位技術人員可能只統計那些出現重大故障的產品，而另一位技術人員可能統計所有出現了故障(包括重大故障)的產品。這兩種極端的做法使得準確評估特定產品故障率的可能性幾乎為零，當然更不能準確評估對該產品的過程控制所產生的影響。因此，在診斷任意產品之前，供應商必須對故障有一個明確的定義。在計算特定事件的MTBF時，供應商可能有多種不同的故障定義。例如，供應商會試圖評估導致關鍵負載停用的故障的MTBF以及負載能夠繼續運轉的不很嚴重的故障的MTBF。
第4步:接收、診斷和修理產品樣本期間結束時間和AFR計算時間之間必須有足夠的時間間隔，以允許一定的時間來接收、診斷和修理報告為有故障的產品。診斷結果確定故障型別，而修理將會驗證診斷結果。體積較小的產品通常會發回供應商處，這會導致出現接收延遲或需要一定的產品遞送時間。產品到達供應商處後，必須對其進行診斷和修理，這會導致另一個稱為診斷延遲的延遲。大型產品通常在客戶處進行診斷和修理，因此基本沒有延遲。在上述任一情況下，都需要在計算AFR前診斷和修理產品。如果是大批次產品，很可能在診斷延遲結束時仍然有需要修理的產品。在這些情況下，有時會做出未修理產品和以前修理過的產品出現故障的機率相等這樣的假設。取決於待評估產品的生產量和產品型別，接收延遲和診斷延遲可以在樣本期間結束時間後加上幾個星期，您可以在此時間點計算AFR。
第5步:計算年故障率計算年故障率是用來說明某個特定產品在一個日曆年度內的預期故障數。
計算此數值的第一步是“按年計算”故障資料。將樣本期間中的故障數乘以每年的樣本期間數，可以得出此值。第二步就是確定整個抽樣總體的故障率。將計算出來的每年故障數除以抽樣總體期間安裝的產品數，可以得出此值。
此公式有如下兩個假設:(1)產品一年365天、每天24小時連續運轉(2)抽樣總體中的所有產品都在同一時間開始運轉。因此儘管此公式可以用於任意產品，但更適用於連續運轉的產品。
本抽樣總體有10,000輛汽車。在2個月(樣本期間)內，要採集此抽樣總體的故障資料。平均而言，一輛汽車每年運轉400個小時。在這2個月內，有10輛汽車出現故障。
使用公式1:故障率為10個故障x(每年52個星期/樣本期間為8個星期)/抽樣總體中有10,000臺裝置=0.0065或0.65%。
使用公式2:假設這些產品同時*開始運轉，抽樣總體的運轉時間為每年10,000x400小時=每年累計4百萬小時或4,000,000/8760小時=累計457年。
故障率為10個故障x(每年52個星期/樣本期間為8個星期)/累計457年=0.14或14%*請注意，此假設是為了簡化這個示例。現實情況是產品在整個期間內都有銷售，因此實際運轉時間將比上面的數字小。導致AFR值變大。
如果上面的示例是以連續運轉產品為例，那麼兩個AFR值將相等。即使取消所有產品同時開始運轉這個假設，AFR值仍然非常接近。因此，瞭解產品是連續運轉還是非連續運轉對於進行正確地分析至關重要。
第6步:將AFR轉換為MTBF將AFR轉換為MTBF(以小時計)是所有步驟中最容易的，不過可能也是最常被誤解的。只有在故障率穩定這一假設下，將AFR轉換為MTBF才有效。