SSL系統可靠性：圖形化方法
固態照明（半導體照明）系統的可靠性，包括模塊，燈具和系統，是系統/解決方案提供商不可少的必備工具。一個複雜的SSL系統故障總是由多個根源在組件的失效，並且可能是多重失效模式的多重相互作用。在這項研究中，我們提供了一個圖形化的統計方法為基礎，作為SSL系統的可靠性預測的框架。該模型框架可以預測SSL系統壽命，同時指出最關鍵的組件/故障URE模式。全面發展這樣的方法將提高SSL模塊，燈具和系統可靠性。
袁博士從2013年起開發了以統計學為基礎的系統可靠性模擬方法。他結合了(1)失效樹(Fault Tree)、(2)貝葉斯網絡(Bayesian network)、(3)馬爾科夫鏈(Markov Chain）等三種方法。
失效樹(Fault Tree)是表達了一種與環境和操作相關的系統特性，以及系統失效的部件關聯性。一個系統失效的根本原因可能是多種失效模式的相互影響。比如說，一個簡單的3顆LED的燈具，其失效模式可能有LED衰減、LED災難性破壞、驅動失效、和焊點失效等。
貝葉斯網路(Bayesian network)是一種Directed Acyclic Graphs (DAGs)方法，其中每一個節點表達了單一隨機變數，而與其他節點的連接(Arcs)則定量的表達了與其他相鄰變數的關係。上一層的變數成為“母變數”，下一層的成為“子變數”。而貝葉斯網路應用於與環境、條件相關的失效分佈分配上。當網路中的某些變量已知，而我們想要在已知整體值時推算其他未觀測的節點變量的時候，就可以使用貝葉斯網路。
馬爾科夫鏈(Markov Chain)是在一種離散狀況下表達一種與時間相關的隨機行為。一個“動態”的貝葉斯網路就是上文所述的“靜態”貝葉斯網路加上馬爾科夫鏈的隨機性，但是，動態貝葉斯網路的節點需連接需要考慮時變動態的影響。
袁博士引入了失效物理(Physics of Failure）概念。 如上圖所示，首先對於每一個主要的失效模式，利用實驗和計算的方式獲得其失效機率、環境/工作條件與時間的變化關係。接著，將每一個獨立的失效模式，依照失效樹的關係和失效模式的「邊界條件」進行組裝，形成貝葉斯網絡。而單一失效模式的失效機率隨時間的變化則統一使用馬爾可夫鏈描述。由此，即可形成「物理-統計」的時變系統可靠性模型。
