Cách xác minh tỷ lệ lỗi cực thấp

Tôi phải đối mặt với việc cố gắng chứng minh bằng cách kiểm tra tỷ lệ lỗi cực thấp cho cảm biến (không quá 1 lỗi trong 1.000.000 lần thử). Chúng tôi có giới hạn thời gian để tiến hành thử nghiệm vì vậy chúng tôi dự đoán không thể có được hơn 4.000 lần thử. Tôi thấy không có vấn đề gì cho thấy cảm biến không đáp ứng yêu cầu, vì thậm chí một lỗi trong 4.000 lần thử sẽ mang lại khoảng tin cậy 95% cho tỷ lệ lỗi với giới hạn thấp hơn lớn hơn 0,000001. Tuy nhiên, điều đó cho thấy rằng nó không đáp ứng được yêu cầu, vì thậm chí 0 lỗi trong 4.000 lần thử vẫn dẫn đến giới hạn thấp hơn lớn hơn 0,000001. Bất kỳ đề xuất sẽ được đánh giá rất cao.

Đây là một vấn đề phổ biến, đặc biệt là với các thành phần hoặc hệ thống hiện đại có thể có tỷ lệ thất bại thấp tới . Để giải quyết nó, bạn cần đưa ra các giả định, tạo mô hình và / hoặc kết hợp các dạng dữ liệu khác.$10^{-9}$

Lee Cadwallader của INL viết ,

Khi không có dữ liệu kinh nghiệm vận hành cho một thành phần, chẳng hạn như một thành phần trong giai đoạn thiết kế, nhà phân tích có một số tùy chọn:

• Phân rã phân tích cấu trúc một thành phần thành các bộ phận cấu thành của nó và sau đó gán tỷ lệ thất bại của sổ tay cho các bộ phận. Nếu nhà phân tích tự tin vào tính chính xác của dữ liệu bộ phận, kỹ thuật này tẻ nhạt nhưng hữu ích; nếu dữ liệu trên các bộ phận không chính xác, nên sử dụng các kỹ thuật khác.

• Người phân tích đánh giá có thể yêu cầu ước tính ngược dựa trên yêu cầu về tính khả dụng của hệ thống hoặc đơn giản là phán đoán kỹ thuật về tỷ lệ thất bại chung cho loại thành phần đó.

• Ý kiến ​​chuyên gia Chuyên gia nhận được ý kiến ​​định tính từ các chuyên gia về vấn đề và kết hợp những ý kiến ​​đó để phát triển tỷ lệ thất bại theo thứ tự.

• Các kỹ thuật dành riêng cho thành phần, ví dụ, phương pháp Thomas cho đường ống.

Phân hủy thường được sử dụng cho các bộ phận điện tử, bằng chứng là các hướng dẫn về tỷ lệ thất bại thành phần .

Các nguồn khác cho thấy dữ liệu hoặc kinh nghiệm trong ngành có thể được sử dụng để thông báo hoặc thay thế dữ liệu thử nghiệm.

Các kỹ thuật khác được thảo luận trên Weibull.com bao gồm

Để đánh giá thời gian hao mòn của một bộ phận, có thể cần phải thử nghiệm dài hạn. Trong một số trường hợp, chu kỳ làm việc 100% (chạy lốp trong thiết bị mô phỏng mòn đường 24 giờ một ngày) có thể cung cấp thử nghiệm trọn đời hữu ích trong nhiều tháng. Trong các trường hợp khác, sử dụng sản phẩm thực tế có thể là 24 giờ một ngày và không có cách nào để đẩy nhanh chu kỳ thuế. Các căng thẳng vật lý ở mức độ cao có thể cần được áp dụng để rút ngắn thời gian thử nghiệm. Đây là một kỹ thuật đánh giá độ tin cậy mới nổi gọi là QALT (Thử nghiệm cuộc sống tăng tốc định lượng) đòi hỏi phải xem xét đến vật lý và kỹ thuật của các vật liệu đang được thử nghiệm.

Một lưu ý cảnh báo, dường như có một sự song hành chặt chẽ giữa vấn đề này và việc ước tính các sự kiện hiếm gặp khác như các vụ tấn công tiểu hành tinh và thất bại thảm khốc trong hệ thống tài chính - "thiên nga đen" của Taleb . . Tỷ lệ sau này đã được đánh giá thấp.

Không có cách nào để chứng minh tỷ lệ lỗi <1 / 1.000.000 chỉ với 4.000 thử nghiệm. Bạn cần phải chọn lỗi nào đó (chạy song song nhiều thử nghiệm hơn và chỉ xem các trường hợp dẫn đến lỗi) hoặc áp dụng một số loại căng thẳng sẽ làm tăng khả năng xảy ra lỗi, sau đó ngoại suy từ điều kiện căng thẳng sang điều kiện bình thường.

Đó là những gì các nhà di truyền học sẽ làm, dù sao ....

Nói chung, bạn không thể. Tôi sẽ rất cảnh giác với các kỹ thuật tuyên bố rằng có thể chứng minh tỷ lệ lỗi chỉ với thử nghiệm. Thông thường những loại kỹ thuật đó liên quan đến một nơi nào đó đưa ra một giả định về sự độc lập, mà không có cách nào để xác nhận một cách đáng tin cậy: đó chỉ là một bước nhảy vọt của đức tin. Những loại lý luận thiếu sót này đã dẫn đến những thất bại nghiêm trọng trong thế giới của các hệ thống quan trọng an toàn.$1/10^6$$4000$

Có thể có một số trường hợp đặc biệt trong đó bạn có thể chứng minh mức độ tin cậy mong muốn bằng cách sử dụng số lượng thử nghiệm hạn chế như vậy, ví dụ, bằng cách tính đến điều gì đó về vật lý của tình huống. Nhưng chúng rất hiếm, và kiểu lý luận đó rất mong manh.