可靠度、平均寿命以及失效率等数字特征是评价产品质量的重要指标，这些指标统称为产品的可靠性指标。而产品往往不只由某一单独元件组成。对于由多个元件按一定规律组成的系统，我们称为复杂系统。复杂系统是由一个或多个子系统按一定的方式和规律有机的组合在一起的。对于复杂系统来说本身的可靠性样本非常少，相对而言，分系统或者元件的可靠性信息较多，所以依据各分系统或者各元件的实验数据估计复杂系统可靠度是可行的。而最常见的是基于最小路径或最小割集描述的复杂系统，因此该类系统可靠性的研究一直备受关注。可靠性试验中获得的往往是各种截尾数据。对于失效数据的研究，即失效个数大于零的寿命试验研究，已有相对成熟的方法。时至今日，各种长寿命高可靠性产品被快速开发出来，在定时截尾试验中，如果试验样本来自各种高可靠性长寿命产品，在规定时间内没有失效样品产生，我们称这类数据为无失效数据（zero-failure data）。不同于失效数据的各种估计方法，针对于无失效数据，如何得出这种长寿命高可靠度产品的可靠度估计呢？这就是本文要研究的无失效数据问题。关于无失效数据的文献很多，主要集中于无失效数据下的Bayes估计。此类研究的大多数文章是主要针对于单一元件的各种寿命指标的研究，或者仅仅是某一具体已知的简单系统。而对由最小路径或最小割集描述并且子系统之间相互独立的一般复杂系统而言，其可靠度的Bayes统计推断相对较少。在可靠性研究中，指数分布是最常见也是最基本的一种寿命分布形式。那么对于指数分布下，当试验数据为无失效数据时，一般复杂系统可靠度的研究就显得尤为重要。寻找无失效数据条件下复杂系统科学并且有效的估计方法，现已成为可靠性研究中一个新的并且十分重要的领域，具有重要的理论意义以及实际应用价值。本文利用Bayes方法，在假定元件寿命服从指数分布以及所得数据为无失效数据的前提下，对基于最小路径描述的一般复杂系统进行了研究，得到如下结果：1.无失效数据下，利用Bayes和多层Bayes估计方法，结合一般复杂系统在指数分布下的可靠度解析式，在每个元件服从相同参数指数分布时，给出了该复杂系统在平方损失下可靠度的Bayes估计及多层Bayes估计。2.无失效数据下，利用Bayes和多层Bayes估计方法，结合一般复杂系统在指数分布下的可靠度解析式，在每个元件服从不同参数指数分布时，给出了该复杂系统在平方损失下可靠度的Bayes估计及多层Bayes估计。