数控机床作为现代装备制造业的基础设备，其技术水平往往是一个国家工业现代化水平和综合国力的直接体现。现如今，数控机床产品市场竞争主要是可靠性的竞争，如何提高自主产品的可靠性水平，在竞争激烈的数控机床市场中占有一席之地，是我国装备制造业面临的主要问题。准确评估数控机床的可靠性水平是提高其可靠性的前提和基础，而建立正确的可靠性模型则是可靠性评估的核心。现有的可靠性建模方法主要以大数定律为理论基础，适用于大样本情形，可以对样本数大于50的故障数据做出有效的评估。但当样本数量较小时，这种建模方法并不完全适用。本文以小样本情形下的数控机床可靠性建模方法为研究对象，进行了以下几个方面的研究。（1）以从企业收集到的5台加工中心子系统的现场故障数据为分析对象，通过对建模过程中各个阶段每种方法的对比分析，得到了数据可能服从的分布模型，并运用最小二乘法估计分布参数，运用K S方法和灰关联分析法分别进行了假设检验和模型的优选，对该型号加工中心子系统的可靠性模型进行了初步估计，得到了大样本建模方法下的评估结果。（2）选取某一台加工中心子系统的现场故障数据为研究对象，以通过一致性检验的3台加工中心类似子系统的故障数据作为先验信息，应用Bayes方法建立了小样本数据下的可靠性模型。为了有效地排除Bayes方法中先验分布确定过程中主观性过大与Bootstrap抽样方法中抽样误差过大的缺点，提出了将Bootstrap抽样方法与Bayes计算方法相结合并改进的Bootsrtap-Bayes计算方法，并对可靠性数学模型中参数的先验分布进行了较为准确的估计。（3）应用基于蒙特卡罗方法的Gibbs抽样方法，运用Wingbugs软件编程计算得出了可靠性模型中待求参数的后验分布与期望值，克服了Bayes方法中后验分布π (θ|x)的计算复杂及缓慢的缺陷，并通过对建立模型与大样本模型和软件分析模型结果的对比分析，验证了基于Bootstrap-Bayes可靠性建模方法的正确性。（4）以Visual Basic6.0为开发平台，综合应用Access数据库技术和Matlab软件，建立了数控机床及其子系统可靠性信息管理及评估系统，该系统包含了可靠性信息管理模块、可靠性信息评估模块等五大功能模块，将本文研究成果加入到软件中予以应用，使数控机床的可靠性评估过程方便、快捷，便于数据的对比分析。