センサーのエラー率が非常に低い（1,000,000回の試行でエラーが1つ以下）ことをテストして実証しようとすることに直面しています。実験を行う時間は限られているため、約4,000回を超える試行を取得することはできません。センサーが要件を満たしていないことを示す問題はありません。4,000回の試行で1つのエラーでも、0.000001を超える下限でエラー率の95％信頼区間が得られるためです。ただし、それが要件を満たしていることを示すことは問題です。4,000回の試行でエラーが0であっても、下限は0.000001より大きくなります。任意の提案をいただければ幸いです。
回答:
これは一般的な問題であり、特に、故障率がと低くなる可能性のある最新のコンポーネントまたはシステムではよくあります。これに対処するには、仮定を行う、モデルを作成する、および/または他の形式のデータを組み込む必要があります。
INLのLee Cadwalladerは書いています、
設計フェーズのコンポーネントなど、コンポーネントの運用経験データが存在しない場合、アナリストにはいくつかのオプションがあります。
分解-コンポーネントを構成部品に分解し、ハンドブックの故障率を部品に割り当てます。解析者が部品データの正確さに自信を持っている場合、この手法は退屈ですが便利です。部品のデータが正確でない場合は、他の手法を使用する必要があります。
アナリストの判断-システムの可用性要件に基づいた逆推定、またはそのクラスのコンポーネントの一般的な故障率の単純なエンジニアリング判断が必要になる場合があります。
専門家の意見-対象分野の専門家から定性的な意見を得て、それらを組み合わせて、桁違いの故障率を作成します。
コンポーネント固有のテクニック—たとえば、Thomasの配管方法。
部品故障率のマニュアルで証明されているように、分解は電子部品によく使用されます。
他の情報源は、業界のデータや経験を使用して、テストデータを通知したり、テストデータの代わりにしたりできることを示唆しています。
Weibull.comで説明されているその他の手法には、
コンポーネントの摩耗時間を評価するために、長期間のテストが必要になる場合があります。場合によっては、100％のデューティサイクル（ロードウェアシミュレータでタイヤを24時間稼働させる）を使用すると、数か月で有効な寿命テストが提供される場合があります。その他の場合、実際の製品の使用は1日24時間で、デューティサイクルを加速する方法はありません。テスト時間を短縮するには、高レベルの物理的ストレスを加える必要がある場合があります。これは、QALT（Quantitative Accelerated Life Testing）と呼ばれる信頼性評価の新興技術であり、テストする材料の物理的性質とエンジニアリングを考慮する必要があります。
注意点として、この問題と、小惑星ストライキや金融システムの壊滅的な失敗などのその他のまれなイベント、つまりタレブの「黒い白鳥」の推定とは、かなり類似しているようです。。後者の率は悪名高く過小評価されていました。