核电站系统、构筑物和关键部件(SSCs)的可靠性数据处理是电站进行RCM(以可靠性为中心的维修)和LCM(寿期管理)的基础,数据处理方法的合理性决定了所求参数结果的准确性,从而影响了电站维修决策制定的科学性。对于凝汽器、发电机等电站主要系统中的机械部件而言,其安全要求较高,设计寿命较长,在数据处理过程中通常会面临失效样本少、维修导致的数据分布不独立、设备老化等问题,使得传统的统计学方法不再适用。针对以上问题,本文首先将形式复杂的现场数据统一整理成无替换定时截尾试验的格式,引入可修复系统模型和数据趋势分析的方法对其进行分析处理,以双参数威布尔分布作为部件失效的寿命分布形式,采用Bayes方法给出了小样本下数据处理的一般流程。结合电站实际运行失效数据进行计算,算例表明,本文方法同传统的方法相比结果更为准确,适用范围更为广泛。Bayes公式在威布尔分布条件下难以解析求解,为此引入Bootstrap子样的概念进行抽样取值作为参数的先验分布,在现场失效数据的基础上进行数值运算求解,并简单讨论了结果的稳健性和适用性。最后考虑到数据处理过程中可能出现的无失效数据等更为复杂的问题,给出了Bayes方法处理无失效问题的一般方法,并对分组数据、污染数据和数据缺失的情况进行了简单讨论。