如何验证极低的错误率


9

我面临尝试通过测试证明传感器的错误率极低(在1,000,000次尝试中不超过1个错误)的问题。我们进行实验的时间有限,因此我们预计无法获得超过4,000次尝试。我看不出传感器不符合要求的问题,因为即使在4,000次尝试中发生一个错误,对于错误率的下限仍大于0.000001的情况,也会产生95%的置信区间。然而,表明它确实满足要求是问题,因为即使4,000次尝试中的0个错误仍然会导致下限大于0.000001。任何建议将不胜感激。

Answers:


10

这是一个普遍的问题,尤其是对于故障率可低至的现代组件或系统 109。为了解决这个问题,您需要进行假设,创建模型和/或合并其他形式的数据。

INL的Lee Cadwallader 写道

如果没有组件的运行经验数据(例如在设计阶段中的组件),则分析人员有以下几种选择:

  • 分解-将组件分解为其组成部分,然后为这些部分分配手册故障率。如果分析人员对零件数据的准确性有信心,则此技术既繁琐又有用。如果零件上的数据不准确,则应使用其他技术。

  • 分析师判断—可能需要根据系统可用性要求进行逆向估计,或者仅是对该类组件的通用故障率进行工程判断。

  • 专家意见-从主题专家那里获得定性意见,并将其结合起来以得出数量级的失败率。

  • 特定于组件的技术,例如用于管道的Thomas方法。

分解经常用于电子零件,如零件失效率手册所证明的那样。

其他资料表明,可以使用行业数据或经验来告知或代替测试数据。

Weibull.com上讨论的其他技术包括

为了评估组件的磨损时间,可能需要长期测试。在某些情况下,占空比为100%(每天24小时在路面磨损模拟器中运行轮胎)可能会在几个月内提供有用的寿命测试。在其他情况下,实际产品可能每天使用24小时,因此无法加快工作周期。可能需要施加高水平的物理应力以缩短测试时间。这是一种新兴的可靠性评估技术,称为QALT(定量加速寿命测试),它需要考虑被测试材料的物理和工程学。

谨慎地看,这个问题与估计其他罕见事件(如小行星罢工和金融系统中的灾难性失败)(塔莱布的“黑天鹅”)之间有着相似的相似之处。众所周知,后者的比率被低估了。


非常好。我假设在“分解”方法之后将假定故障独立。我想知道这种情况多久发生一次(或者有任何经验证据证明这一点是正确的)。
卡尔

1
@Karl原则上,可以适应故障之间的某些依赖性。一种方法是通过故障树分析和事件树分析(同上)。一个人必须拥有整个系统的完整,准确的模型才能成功,即使那样,也不会考虑到意料之外的罕见外来事件。道德上是,任何诚实的失败/错误率估计都将完全符合假设条件。
ub

7

仅通过4,000次尝试就无法证明错误率<1 / 1,000,000。您需要以某种方式选择错误(并行运行更多试验,并且仅查看导致错误的案例)或施加某种压力,这会增加发生错误的机会,然后从压力条件推断出正常条件。

无论如何,这就是遗传学家会做的...


1

一般来说,您不能。我会非常警惕那些声称能够证明1/106 错误率仅给出 4000测试。通常,这些技术涉及在某个地方进行独立性假设,而这没有办法可靠地验证:这只是信念的飞跃。这类错误的推理导致了安全关键系统领域的严重故障。

在某些特殊情况下,您可以使用数量有限的测试来证明所需的可靠性水平,例如,通过考虑有关情况物理的方面。但是它们很少见,并且这种推理是脆弱的。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.