#223に示した理由により、本稿の議論は全て取り消します。

前稿において、(227.2)右辺第2項を(一部の係数を除き)展開すると、 $$ \require{cancel} \img[-1.35em]{/images/withinseminar.png}\\ \frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_\mathrm{SM}(t)tf_\text{IF}(t)dt \tag{228.1} $$ ここで、WolframAlphaによる級数展開を用いると、

integral_0^(τ) (1 - exp(-λ_2 t)) λ_1 exp(-λ_1 t) dt * (τ^-1)

$$ \frac{1}{\tau}\int_0^\tau F_2(t)f_1(t)dt \approx\frac{1}{2}\lambda_1\lambda_2\tau \tag{228.2} $$

integral_0^(τ) (1 - exp(-λ_2 t)) λ_1 exp(-λ_1 t) t dt * (τ^-1)

$$ \frac{1}{\tau}\int_0^\tau F_2(t)tf_1(t)dt \approx\frac{1}{3}\lambda_1\lambda_2\tau^2 \tag{228.3} $$

$$ (228.1)=\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\left[(1-K_\text{SM,MPF})F_\mathrm{SM}(t)tf_\text{IF}(t)+K_\text{SM,MPF}F_\mathrm{SM}(u)tf_\text{IF}(t)\right]dt\\ =\frac{1-K_\text{SM,MPF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}F_\text{SM}(t)tf_\text{IF}(t)dt+\frac{K_\text{SM,MPF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}F_\text{SM}(u)tf_\text{IF}(t)dt\\ \quad\text{s.t. }u:=t\bmod\tau\tag{228.4} $$ (228.4)右辺第2項を$t=i\tau+u, i=0,1,...,n-1,T_\text{lifetime}=n\tau$として$t$を$u$で表す変数変換を行うと、 $$ \frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}F_\text{SM}(u)tf_\text{IF}(t)dt =\frac{1}{T_\text{lifetime}}\sum_{i=0}^{n-1}\int_0^\tau F_\text{SM}(u)(i\tau+u)f_\text{IF}(i\tau+u)du\\ =\frac{\tau}{T_\text{lifetime}}\sum_{i=0}^{n-1}ie^{-\lambda_\text{IF}i\tau}\int_0^\tau F_\text{SM}(u)f_\text{IF}(u)du+\frac{1}{T_\text{lifetime}}\sum_{i=0}^{n-1}e^{-\lambda_\text{IF}i\tau}\int_0^\tau F_\text{SM}(u)uf_\text{IF}(u)du\\ =\frac{1}{\bcancel{T_\text{lifetime}}}\left(\frac{1}{3}\lambda_\text{IF}\lambda_\text{SM}\tau^{\bcancel{3}2}\right)\left(\bcancel{\tau}\frac{\bcancel{T_\text{lifetime}}(T_\text{lifetime}-\tau)}{\bcancel{\tau}^\bcancel{2}}+\frac{\bcancel{T_\text{lifetime}}}{\bcancel{\tau}}\right)\\ =\frac{1}{3}\lambda_\text{IF}\lambda_\text{SM}\tau^2(T_\text{lifetime}-\tau+1) \tag{228.5} $$ (228.3)を(228.4)の第1項、(228.5)を第2項に用いて、

$$ (228.1)=\frac{1-K_\text{SM,MPF}}{\bcancel{T_\text{lifetime}}} \left(\frac{1}{3}\lambda_\text{IF}\lambda_\text{SM}T_\text{lifetime}^{\bcancel{3}2}\right) +K_\text{SM,MPF} \left(\frac{1}{3}\lambda_\text{IF}\lambda_\text{SM}\tau^2(T_\text{lifetime}-\tau+1)\right) \tag{228.6} $$

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

#223に示した理由により、本稿の議論は全て取り消します。

前稿において、LAT2ではIFのAvailability(227.1で赤字で表示)は$R_\text{IF}(t)$でも$A_\text{IF}(t)$でもないことを解説しました。 $$ \overline{q_{\mathrm{DPF1,IFR}}}=\frac{K_{\mathrm{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)\color{red}{A_{\mathrm{IF}}(t)}\lambda_{\mathrm{IF}}dt \approx K_\text{IF,RF}\alpha \tag{227.1} $$ LAT2に来た時刻を$s$としたとき、$A_\text{IF}(s)R_\text{IF}(t-s)$で表される状態確率となりますが、問題は$s$が確率的に値を取ることです。これを消去するため、前稿(224.8)の結果を使用すれば、 $$ (227.1)=\frac{K_\mathrm{IF,RF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_\mathrm{SM}(t)\left(1-\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}(t-\tau)\right)R_\text{IF}(t)\lambda_\mathrm{IF}dt\\ =\frac{K_\mathrm{IF,RF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_\mathrm{SM}(t)\left(1-\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}(t-\tau)\right)f_\text{IF}(t)dt\\ =\frac{K_\mathrm{IF,RF}}{T_\text{lifetime}}\left(1+\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}\tau\right)\int_0^{T_\text{lifetime}}Q_\mathrm{SM}(t)f_\text{IF}(t)dt\\ -\frac{K_\mathrm{IF,RF}K_\text{IF,MPF}\lambda_\text{IF}}{2T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_\mathrm{SM}(t)tf_\text{IF}(t)dt \tag{227.2} $$ (227.2)右辺第1項は、積分公式から $$ \frac{K_\mathrm{IF,RF}}{2}\left(1+\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}\tau\right)\lambda_\text{IF}\lambda_\text{SM}\left[(1-K_\text{SM,MPF})T_\text{lifetime}+K_\text{SM,MPF}\tau\right]\tag{227.3} $$ (227.2)右辺第2項を(一部の係数を除き)展開すると、 $$ \require{cancel} \img[-1.35em]{/images/withinseminar.png}\\ =\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\left[(1-K_\text{SM,MPF})F_\mathrm{SM}(t)tf_\text{IF}(t)+K_\text{SM,MPF}F_\mathrm{SM}(u)tf_\text{IF}(t)\right]dt\\ =\frac{(1-\bcancel{K_\text{SM,MPF}})}{T_\text{lifetime}}\lambda_\text{IF}\int_0^{T_\text{lifetime}}te^{-\lambda_\text{IF}t}dt-\frac{1-K_\text{SM,MPF}}{T_\text{lifetime}}\lambda_\text{IF}\int_0^{T_\text{lifetime}}te^{-(\lambda_\text{IF}+\lambda_\text{SM})t}dt\\ +\bcancel{\frac{K_\text{SM,MPF}\lambda_\text{IF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}te^{-\lambda_\text{IF}t}dt}-\frac{K_\text{SM,MPF}\lambda_\text{IF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}te^{-\lambda_\text{IF}t-\lambda_\text{SM}u}dt\\ =\frac{\lambda_\text{IF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}te^{-\lambda_\text{IF}t}dt-\frac{1-K_\text{SM,MPF}}{T_\text{lifetime}}\lambda_\text{IF}\int_0^{T_\text{lifetime}}te^{-(\lambda_\text{IF}+\lambda_\text{SM})t}dt\\ -\frac{K_\text{SM,MPF}\lambda_\text{IF}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}te^{-\lambda_\text{IF}t-\lambda_\text{SM}u}dt \quad\text{s.t. }u:=t\bmod\tau\tag{227.4} $$ (225.3)及び(226.1)の結果を用いて、 $$ (227.4)=\lambda_\text{IF}\left(\frac{T_\text{lifetime}}{2}-\frac{\lambda_\text{IF}T_\text{lifetime}^2}{3}\right)\\ -(1-K_\text{SM,MPF})\lambda_\text{IF}\left(\frac{T_\text{lifetime}}{2}-\frac{(\lambda_\text{IF}+\lambda_\text{SM})T_\text{lifetime}^2}{3}\right)\\ -K_\text{SM,MPF}\lambda_\text{IF}\img[-1.35em]{/images/withinseminar.png} \quad\text{s.t. }u:=t\bmod\tau\tag{227.5} $$

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

#223に示した理由により、本稿の議論は全て取り消します。

前稿の続きで、ISO 26262のPMHFの導出の場合、確率積分を実行する際に次の(226.1)が出てくるため、あらかじめ結果を導出しておき、後程積分公式として使用します。 $$ \img[-1.35em]{/images/withinseminar.png} \tag{226.1} $$ $t=i\tau+u, i=0,1,...,n-1, n:=\frac{T_\text{lifetime}}{\tau}$とおいて変数変換すれば、 $$ (226.1)=\frac{1}{T_\text{lifetime}}\sum_{i=0}^{n-1}\int_0^\tau(i\tau+u)e^{-\lambda_\text{IF}(i\tau+u)-\lambda_\text{SM}u}du\\ =\tau\sum_{i=0}^{n-1}i e^{-\lambda_\text{IF}i\tau} \frac{1}{T_\text{lifetime}}\int_0^\tau e^{-(\lambda_\text{IF}+\lambda_\text{SM})u}du +\sum_{i=0}^{n-1}e^{-\lambda_\text{IF}i\tau}\frac{1}{T_\text{lifetime}}\int_0^\tau ue^{-(\lambda_\text{IF}+\lambda_\text{SM})u}du\\ \tag{226.2} $$ ここで、(226.2)右辺第1項の級数の和を求めるため和を$x$とおけば、 $$ x:=\sum_{i=0}^{n-1}i e^{-\lambda_\text{IF}i\tau}=e^{-\lambda_\text{IF}\tau}+2e^{-\lambda_\text{IF}2\tau}+...+(n-1)e^{-\lambda_\text{IF}(n-1)\tau}\tag{226.3} $$ となり、 $$ e^{-\lambda_\text{IF}\tau}x=\sum_{i=0}^{n-1}i e^{-\lambda_\text{IF}(i+1)\tau}=e^{-\lambda_\text{IF}2\tau}+...+(n-2)e^{-\lambda_\text{IF}(n-1)\tau}+(n-1)e^{-\lambda_\text{IF}n\tau}\tag{226.4} $$ よって、(226.3)-(226.4)より、 $$ x(1- e^{-\lambda_\text{IF}\tau})=e^{-\lambda_\text{IF}\tau}+e^{-\lambda_\text{IF}2\tau}+...+e^{-\lambda_\text{IF}(n-1)\tau}-(n-1)e^{-\lambda_\text{IF}n\tau}\\ =\underbrace{e^{-\lambda_\text{IF}\tau}+e^{-\lambda_\text{IF}2\tau}+...+e^{-\lambda_\text{IF}(n-1)\tau}+e^{-\lambda_\text{IF}n\tau}}_{\text{n terms}}-ne^{-\lambda_\text{IF}n\tau}\\ =e^{-\lambda_\text{IF}\tau}\frac{1-e^{-\lambda_\text{IF}T_\text{lifetime}}}{1-e^{-\lambda_\text{IF}\tau}}-n e^{-\lambda_\text{IF}T_\text{lifetime}}\tag{226.5} $$ よって、Maclaurin展開の1次近似を用いれば、 $$ \require{cancel} x\approx\frac{\bcancel{\lambda_\text{IF}}T_\text{lifetime}}{\lambda_\text{IF}^\bcancel{2}\tau^2}(1-\lambda_\text{IF}\tau)-\frac{n(1-\lambda_\text{IF}T_\text{lifetime})}{\lambda_\text{IF}\tau}\\ =\frac{T_\text{lifetime}(\bcancel{1}-\bcancel{\lambda_\text{IF}}\tau)-T_\text{lifetime}(\bcancel{1}-\bcancel{\lambda_\text{IF}}T_\text{lifetime})}{\bcancel{\lambda_\text{IF}}\tau^2}=\frac{T_\text{lifetime}(T_\text{lifetime}-\tau)}{\tau^2}\tag{226.6} $$ 次に、(226.2)右辺第2項の級数の和は、 $$ \sum_{i=0}^{n-1}e^{-\lambda_\text{IF}i\tau}=e^{-\lambda_\text{IF}\tau}+...+e^{-\lambda_\text{IF}(n-1)\tau}=\frac{1-e^{-\lambda_\text{IF}T_\text{lifetime}}}{1-e^{-\lambda_\text{IF}\tau}} \approx\frac{\bcancel{\lambda_\text{IF}}T_\text{lifetime}}{\bcancel{\lambda_\text{IF}}\tau} \tag{226.7} $$ 次に、(226.2)右辺第1項の定積分の値は、 $$ \int_0^\tau e^{-(\lambda_\text{IF}+\lambda_\text{SM})u}du =\left[\frac{e^{-(\lambda_\text{IF}+\lambda_\text{SM})u}}{-(\lambda_\text{IF}+\lambda_\text{SM})}\right]_0^\tau =\frac{e^{-(\lambda_\text{IF}+\lambda_\text{SM})\tau}-1}{-(\lambda_\text{IF}+\lambda_\text{SM})}\\ \approx\frac{1}{\bcancel{\lambda_\text{IF}+\lambda_\text{SM}}}\left(\bcancel{(\lambda_\text{IF}+\lambda_\text{SM})}\tau-\frac{1}{2}(\lambda_\text{IF}+\lambda_\text{SM})^\bcancel{2}\tau^2\right) =\tau\left(1-\frac{1}{2}(\lambda_\text{IF}+\lambda_\text{SM})\tau\right) \tag{226.8} $$ 以上から、$\color{red}{(226.5)}$と$\color{green}{(226.6)}$を(226.2)に適用し、$\color{blue}{(226.7})$と部分積分の結果$\color{purple}{(225.1)}$を用いれば、 $$ (226.2)=\bcancel{\tau}\color{red}{\left(\frac{\bcancel{T_\text{lifetime}}(T_\text{lifetime}-\tau)}{\bcancel{\tau^2}}\right)}\frac{1}{\bcancel{T_\text{lifetime}}}\color{blue}{\bcancel{\tau}\left(1-\frac{1}{2}(\lambda_\text{IF}+\lambda_\text{SM})\tau\right)}\\ +\color{green}{\frac{\bcancel{T_\text{lifetime}}}{\bcancel{\tau}}}\frac{1}{\bcancel{T_\text{lifetime}}} \color{purple}{\left(\frac{\tau^\bcancel{2}}{2}- \frac{(\lambda_\text{IF}+\lambda_\text{SM})\tau^{\bcancel{3}2}}{3}\right)}\\ =(T_\text{lifetime}-\tau)\left(1-\frac{1}{2}(\lambda_\text{IF}+\lambda_\text{SM})\tau\right)+\left(\frac{\tau}{2}-\frac{1}{3}(\lambda_\text{IF}+\lambda_\text{SM})\tau^2\right)\\ =\left(1-\frac{1}{2}(\lambda_\text{IF}+\lambda_\text{SM})\tau\right)T_\text{lifetime}-\frac{\tau}{2}+\frac{1}{6}(\lambda_\text{IF}+\lambda_\text{SM})\tau^2 \tag{226.9} $$ 弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

#223に示した理由により、本稿の議論は全て取り消します。

ISO 26262のPMHFの導出の場合、確率積分を実行する際に次の(225.1)が出てくるため、あらかじめ結果を導出しておき、後程積分公式として使用します。 $$ \img[-1.35em]{/images/withinseminar.png} \tag{225.1} $$ 部分積分により、 $$ \require{cancel} (225.1)=\left[\frac{t e^{-\lambda t}}{-\lambda }\right]_0^{\tau} -\int_0^{\tau}\frac{e^{-\lambda t}}{-\lambda }dt =\left(\frac{\tau e^{-\lambda\tau}}{-\lambda }\right) -\left[\frac{e^{-\lambda t}}{\lambda ^2}\right]_0^{\tau}\\ =-\frac{\tau}{\lambda}e^{-\lambda \tau} +\left(\frac{1-e^{-\lambda\tau}}{\lambda ^2}\right)\\ \approx-\frac{\tau}{\lambda}\left(1-\lambda\tau+\frac{1}{2}\lambda^2\tau^2\right) +\frac{1}{\lambda^\bcancel{2}}\left(\bcancel{\lambda}\tau-\frac{1}{2}\lambda^\bcancel{2}\tau^2+\frac{1}{6}\lambda^{\bcancel{3}2}\tau^3\right)\\ =-\frac{1}{\bcancel{\lambda}}\left(\bcancel{\tau}-\bcancel{\lambda}\tau^2+\frac{1}{2}\lambda ^\bcancel{2}\tau^3\right) +\frac{1}{\bcancel{\lambda}}\left(\bcancel{\tau}-\frac{1}{2}\bcancel{\lambda}\tau^2+\frac{1}{6}\lambda^\bcancel{2}\tau^3\right)\\ =\frac{\tau^2}{2}-\frac{\lambda\tau^3}{3} \tag{225.2} $$ 積分範囲が$[0, \tau)$ではなく、$[0, T_\text{lifetime})$の場合で車両寿命で平均化する場合は、$\tau$を$T_\text{lifetime}$と置きなおせば、

$$ \frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}} t e^{-\lambda t}dt =\frac{T_\text{lifetime}}{2}-\frac{\lambda T_\text{lifetime}^2}{3}\tag{225.3} $$ と求まります。

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

#223に示した理由により、本稿の議論は全て取り消します。

今回はダイレクトに $$ \img[-1.35em]{/images/withinseminar.png} \tag{224.1} $$ を求めます。

まず、(224.1)式に、指数分布式である $$ \begin{eqnarray} \begin{cases} A_\text{IF}\text(s)&=&(1-K_\text{IF,MPF})e^{-\lambda_\text{IF}s}+K_\text{IF,MPF}e^{-\lambda_\text{IF}u}, u:=s\bmod \tau及び\\ R_\text{IF}(s)&=&e^{-\lambda_\text{IF}s} \end{cases} \end{eqnarray}\tag{224.2} $$ を代入し、 $$ \begin{eqnarray} (224.1)&=&\frac{1}{t}\int_0^t\left[(1-K_\text{IF,MPF})e^{-\lambda_\text{IF}s}+K_\text{IF,MPF}e^{-\lambda_\text{IF}u}\right]e^{-\lambda_\text{IF}(t-s)}ds\\ &=&\frac{1-K_\text{IF,MPF}}{t}\int_0^te^{-\lambda_\text{IF}s}e^{-\lambda_\text{IF}(t-s)}ds +\frac{K_\text{IF,MPF}}{t}\int_0^te^{-\lambda_\text{IF}u}e^{-\lambda_\text{IF}(t-s)}ds\\ &=&\frac{1-K_\text{IF,MPF}}{t}e^{-\lambda_\text{IF}t}\int_0^t ds +\frac{K_\text{IF,MPF}}{t}e^{-\lambda_\text{IF}t}\int_0^te^{-\lambda_\text{IF}(u-s)}ds\\ \end{eqnarray} \tag{224.3} $$ ここで、右辺第2項において、$u=s\bmod\tau$より、$s=i\tau+u, i=0,1,...,k-1, t=k\tau$とおいて、$s$を$u$と$i$で表し $$ \img[-1.35em]{/images/withinseminar.png} \tag{224.4} $$ を計算すると、 $$ (224.4)=\sum_{i=0}^{k-1}\int_0^\tau e^{\lambda_\text{IF}i\tau}du =\sum_{i=0}^{k-1}e^{\lambda_\text{IF}i\tau}\int_0^\tau du =\tau\sum_{i=0}^{k-1}e^{\lambda_\text{IF}i\tau} \tag{224.5} $$

ここで、等比数列の和及びMaclaurin展開の1次近似より、 $$ \require{cancel} (224.5)=\tau\frac{1-e^{\lambda_\text{IF}k\tau}}{1-e^{\lambda_\text{IF}\tau}} =\tau\frac{1-e^{\lambda_\text{IF}t}}{1-e^{\lambda_\text{IF}\tau}} \approx\bcancel{\tau}\frac{\bcancel{\lambda_\text{IF}}t-\frac{1}{2}\lambda_\text{IF}^\bcancel{2}t^2}{\bcancel{\lambda_\text{IF}}\bcancel{\tau}-\frac{1}{2}\lambda_\text{IF}^\bcancel{2}\tau^\bcancel{2}} =\frac{t-\frac{1}{2}\lambda_\text{IF}t^2}{1-\frac{1}{2}\lambda_\text{IF}\tau}\\ \approx\left(t-\frac{1}{2}\lambda_\text{IF}t^2\right)\left(1+\frac{1}{2}\lambda_\text{IF}\tau\right) \tag{224.6} $$ であるから、(224.6)及び(224.4)の結果を(224.3)に用いれば、 $$ (224.3)\approx\frac{1-K_\text{IF,MPF}}{\bcancel{t}}e^{-\lambda_\text{IF}t}\bcancel{t} +\frac{K_\text{IF,MPF}}{\bcancel{t}}e^{-\lambda_\text{IF}t}\bcancel{t}\left(1-\frac{1}{2}\lambda_\text{IF}t\right)\left(1+\frac{1}{2}\lambda_\text{IF}\tau\right)\\ \tag{224.7} $$ ここで、$\lambda_\text{IF}^2\approx0$と置いて、 $$ (224.7)\approx\left(1\bcancel{-K_\text{IF,MPF}}\right)e^{-\lambda_\text{IF}t} +K_\text{IF,MPF}e^{-\lambda_\text{IF}t}\left(\bcancel{1}-\frac{1}{2}\lambda_\text{IF}(t-\tau)\right)\\ =e^{-\lambda_\text{IF}t}-\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}(t-\tau)e^{-\lambda_\text{IF}t} =\left(1-\frac{1}{2}K_\text{IF,MPF}\lambda_\text{IF}(t-\tau)\right)R_\text{IF}(t) \tag{224.8} $$ 以上から、$s$を消去して$t$で表すことができました。

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

SMがフォールトしてLAT2のステートに来た時刻を$s$とすると、時刻$t$以前に来たことから$0\le s\le t$であり、SMとIFは故障事象自体は独立ですが、相手の故障事象により自分の状態確率が変化します。

この論点は、LAT2においてはSMがフォールトしているので、IFがアンリペアラブルである⇒LAT2に来た時間$s$により状態確率$\Pr\{\text{LAT2 at }t\}$が変化する⇒マルコフ性が崩れる、と新たに誤解したことによるものです。

正しくは、IFのリペアラビリティは1st SMであるSM(=LAT2でダウンしている)により決まりません。IFのリペアラビリティは2nd SMにのみ決定され、2nd SMは故障しないため、マルコフ性は崩れていません。従って本稿(#223)以降(~#228)の議論は全て取り消します。

正しい議論は以前のhttp://fs-micro.com/blogSummary.htmlの「PMHFの計算」～「PMHFの計算(8)」のとおりです。

従って、時刻$t$以前の時刻$s$の$0\le s\le t$におけるIFの平均稼働確率を求め、それを用いて状態確率を表し、さらに遷移確率をかけるという方法で解きます。-

以前求めた、$M_\text{PMHF}$の計算(8)の式(222.2)は、 $$ \begin{eqnarray} \Pr\{\mathrm{LAT2\ at\ }t\}&=&\Pr\{\mathrm{IF^R\ up\ at\ }t\cap\mathrm{SM\ down\ at\ }t\}\\ &=&\Pr\{\mathrm{IF^R\ up\ at\ }t\}\Pr\{\mathrm{SM\ down\ at\ }t\}\\ &=&\color{red}{A_{\mathrm{IF}}(t)}Q_{\mathrm{SM}}(t)\tag{222.2再掲} \end{eqnarray} $$ でしたが、IFのAvailability$\Pr\{\mathrm{IF^R\ up\ at\ }t\}$は、OPRに居る時、すなわち時刻$s$以前にSMがupな状態では、IFはリペアラブル($=\mathrm{IF^\text{R}}$)であり、時刻$s$でSMにフォールトが起きてdownしLAT2に来た時からは、IFはアンリペアラブル($=\mathrm{IF^\text{U}}$)となります。よって、本来は $$ \begin{eqnarray} \Pr\{\mathrm{IF^R\ up\ at\ }t\}&=&\Pr\{\mathrm{IF^\text{R}\ up\ at\ }s\cap\mathrm{IF^\text{U}\ up\ in\ }(s, t]\}\\ &=&\Pr\{\mathrm{IF^\text{R}\ up\ at\ }s\}\Pr\{\mathrm{IF^\text{U}\ not\ failed\ in\ }(s, t]\}\\ &=&A_\text{IF}(s)R_\text{IF}(t-s)\tag{223.1} \end{eqnarray} $$ 従って、(222.2)で右辺に$A_\text{IF}(t)$を使用したのは、LAT2におけるIFのAvailabilityの上限を求めたことになります。その理由は、大小関係は $$ R(t)\le A(s)R(t-s)\le A(t)\quad\text{s.t. }0\le s\le t\tag{223.2} $$ だからです。従って、IFのAvailabilityの下限を求めるには、右辺を$R_\text{IF}(t)$とおいて積分します。これは規格式と同じPMHF式を与えます。IFのAvailabilityの下限の積分はIFUモデルと同じになるため、(104.5)を参考にして、 $$ \overline{q_{\mathrm{DPF1,IFR}}}=\frac{K_{\mathrm{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)\color{red}{R_{\mathrm{IF}}(t)}\lambda_{\mathrm{IF}}dt \approx K_\text{IF,RF}\alpha \tag{223.3} $$ SMのフォールトも同様であり、DPF2平均確率を求めれば、 $$ \overline{q_{\mathrm{DPF2,IFR}}}=\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{IF}}(t)R_{\mathrm{SM}}(t)\lambda_{\mathrm{SM}}dt \approx\beta \tag{223.4} $$ 前稿と同様に$K_\text{IF,RF}=1$とします。表221.1及び222.1より、

表223.1　IFRモデルのPMHF式$(K_\text{IF,RF}=1)$

	(1)+(2b)SPF		(2a)DPF1	(3)DPF2
SPF統合(LATにおけるAvailability上限)	$0$		$\gamma$	$\gamma$
SPF統合(LATにおけるAvailability下限)	$0$		$\alpha$	$\beta$

ただし、 $$ \gamma:=\frac{1}{2}\lambda_\text{IF}\lambda_\text{SM}\left[(1-K_\text{MPF})T_\text{lifetime}+K_\text{MPF}\tau\right],\\ \text{s.t. }K_\text{MPF}:=1-(1-K_\text{IF,MPF})(1-K_\text{SM,MPF})=K_\text{IF,MPF}+K_\text{SM,MPF}-K_\text{IF,MPF}K_\text{SM,MPF}\tag{223.5} $$ 規格式(1/2のおかしな点を修正後)は$K_\text{IF,RF}=1$として、DPFのみを表示すれば、 $$ \begin{eqnarray} 修正版規格式&=&\frac{1}{2}\lambda_\text{SM}(1-K_\text{SM,MPF})&\cdot&\lambda_\text{IF}T_\text{lifetime}\\ &+&\frac{1}{2}\lambda_\text{SM}K_\text{SM,MPF}&\cdot&\lambda_\text{IF}\tau\\ &+&\frac{1}{2}\lambda_\text{IF}(1-K_\text{IF,MPF})&\cdot&\lambda_\text{SM}T_\text{lifetime}\\ &+&\frac{1}{2}\lambda_\text{IF}K_\text{IF,MPF}&\cdot&\lambda_\text{SM}\tau\\ \end{eqnarray} $$ $$ =\lambda_\text{IF}\lambda_\text{SM}\left[(1-\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2})T_\text{lifetime}+\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\tau\right]=\alpha+\beta\tag{223.6} $$ 表(223.1)より(223.6)と(223.5)の2倍を比較するため、差を計算すれば、

$$ \begin{eqnarray} &=&\lambda_\text{IF}\lambda_\text{SM}\left[\left(1-\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\right)T_\text{lifetime}+\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\tau\right]\\ & &-\lambda_\text{IF}\lambda_\text{SM}\left[\left(1-K_\text{MPF}\right)T_\text{lifetime}+K_\text{MPF}\tau\right]\\ &=&\lambda_\text{IF}\lambda_\text{SM}\left[\left(K_\text{MPF}-\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\right)T_\text{lifetime}-\left(K_\text{MPF}-\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\right)\tau\right]\\ &=&\lambda_\text{IF}\lambda_\text{SM}\left(K_\text{MPF}-\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}\right)(T_\text{lifetime}-\tau)\\ &=&\lambda_\text{IF}\lambda_\text{SM}\left(\frac{K_\text{IF,MPF}+K_\text{SM,MPF}}{2}-K_\text{IF,MPF}K_\text{SM,MPF}\right)(T_\text{lifetime}-\tau)\ge 0,\\ &\quad\quad&\text{s.t. }K_\text{IF,MPF}, K_\text{SM,MPF}\in[0, 1), T_\text{lifetime}\gg \tau\tag{223.7} \end{eqnarray} $$ よって、 $$\img[-1.35em]{/images/withinseminar.png} \tag{223.8}$$ これより、規格式は を表しています。

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

IFRモデル

全く同様な計算をIFRモデルでも行います。

図222.1 LAT2をSPFとDPF1に分離
同様に(2)を(2a)と(2b)に分離します。まず(2a)のDPF1方向への確率積分は、 $$ \begin{eqnarray} \overline{q_{\mathrm{DPF1,IFR}}}&=&\frac{1}{T_\text{lifetime}}\Pr\{\mathrm{DPF1\ at\ }T_\text{lifetime}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{LAT2\ at\ }t\cap\mathrm{IF^R\ down\ in\ }(t, t+dt]\\ & &\cap\mathrm{VSG\ of\ IF\ preventable}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{IF^R\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ & &\ \ \ \ \cdot\Pr\{\mathrm{LAT2\ at\ }t\}\Pr\{\mathrm{VSG\ of\ IF\ preventable}\} \end{eqnarray} \tag{222.1} $$ ここで(107.2)、(107.3)より、 $$ \Pr\{\mathrm{LAT2\ at\ }t\}=\Pr\{\mathrm{IF^R\ up\ at\ }t\cap\mathrm{SM\ down\ at\ }t\}\\ =\Pr\{\mathrm{IF^R\ up\ at\ }t\}\Pr\{\mathrm{SM\ down\ at\ }t\}\\=A_{\mathrm{IF}}(t)Q_{\mathrm{SM}}(t)\tag{222.2} $$ (107.7)より、 $$ \Pr\{\mathrm{IF^R\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ =\Pr\{\mathrm{IF^R\ down\ in\ }(t, t+dt]\ |\ \mathrm{IF^R\ up\ at\ }t\}=\lambda_{\mathrm{IF}}dt\tag{222.3} $$ (222.2)、(222.3)を(222.1)に用いれば、 $$ \overline{q_{\mathrm{DPF1,IFR}}}=\frac{K_{\mathrm{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)A_{\mathrm{IF}}(t)\lambda_{\mathrm{IF}}dt \tag{222.4} $$ これに(107.8)の結果を利用すれば、 $$ (222.4)=K_{\text{IF,RF}}\beta\tag{222.5} $$

次に(2b)のSPF方向への確率積分は、IFUモデルと変わりません。SPFは、IFのフォールトがアンプリベンタブル(VSG抑止不可)な場合に起きるためです。 $$ \begin{eqnarray} \overline{q_{\mathrm{SPF(2b),IFR}}}&=&\frac{1}{T_\text{lifetime}}\Pr\{\mathrm{SPF(2b)\ at\ }T_\text{lifetime}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{LAT2\ at\ }t\cap\mathrm{IF^U\ down\ in\ }(t, t+dt]\\ & &\cap\overline{\mathrm{VSG\ of\ IF\ preventable}}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{IF^U\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ & &\ \ \ \ \cdot\Pr\{\mathrm{LAT2\ at\ }t\}\Pr\{\overline{\mathrm{VSG\ of\ IF\ preventable}}\} \end{eqnarray} \tag{222.6} $$ 同様に(221.2)、(221.3)を用いれば、 $$ (222.6)=\frac{1-K_{\text{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)R_{\mathrm{IF}}(t)\lambda_{\mathrm{IF}}dt \tag{222.7} $$ これに(104.5)の結果を利用すれば、 $$ (222.7)=(1-K_{\text{IF,RF}})\alpha\tag{222.8} $$ 以上より、IFRモデルの統合、分離方式を比較すると、表222.1のようになります。変化点を黄色で示しています。

表222.1　IFRモデルのPMHF式

	(1)SPF	(2)DPF1		(3)DPF2
LAT2統合	$(1-K_\text{IF,RF})\lambda_\text{IF}-(1-K_\text{IF,RF})\alpha$ (103.7)	$(1-K_\text{IF,RF})\alpha+K_\text{IF,RF}\beta$ (107.8)		$K_\text{IF,RF}\beta$ (106.4)
規格式1相当	$(1-K_\text{IF,RF})\lambda_\text{IF}+K_\text{IF,RF}\beta$			$K_\text{IF,RF}\beta$
規格式3相当	$(1-K_\text{IF,RF})\lambda_\text{IF}+2K_\text{IF,RF}\beta$
	(1)SPF	(2b)SPF'	(2a)DPF1	(3)DPF2
LAT2分離	$(1-K_\text{IF,RF})\lambda_\text{IF}-(1-K_\text{IF,RF})\alpha$	$(1-K_\text{IF,RF})\alpha$ (222.7)	$K_\text{IF,RF}\beta$ (222.5)	$K_\text{IF,RF}\beta$
	(1)+(2b)SPF		(2a)DPF1	(3)DPF2
SPF統合	$(1-K_\text{IF,RF})\lambda_\text{IF}$		$K_\text{IF,RF}\beta$	$K_\text{IF,RF}\beta$
SPF/DPF統合	$(1-K_\text{IF,RF})\lambda_\text{IF}$		$2K_\text{IF,RF}\beta$

$$ \text{ただし、} \begin{cases} \alpha:=\frac{1}{2}\lambda_{\mathrm{IF}}\lambda_{\mathrm{SM}}[(1-K_{\mathrm{SM,MPF}})T_\text{lifetime}+K_{\mathrm{SM,MPF}}\tau]\\ \beta:=\frac{1}{2}\lambda_\text{IF}\lambda_\text{SM}\left[(1-K_\text{MPF})T_\text{lifetime}+K_\text{MPF}\tau\right]\\ K_\text{MPF}:=K_\text{IF,MPF}+K_\text{SM,MPF}-K_\text{IF,MPF}K_\text{SM,MPF} \end{cases} $$

前稿と同様、SPF統合のほうが単純な式となっています。LAT2統合において、SPFもDPF1も複雑な式でしたが、まとめ方を変えると単純な式となるため、この方が本質だと考えます。

また、$K_\text{IF,MPF}=0$のとき、すなわち、IFRモデルにおいて、IFの2nd SMが存在せずアンリペアラブルとなるときは$K_\text{MPF}=K_\text{SM,MPF}$となるため、$\beta=\alpha$となり、当然ですがIFRモデルはIFUモデルと同一の式となります。

IFRモデルはIFもSMもリペアラブルということは冗長構成により$K_\text{IF,RF}=1$となるため、それを適用したものを表222.2に示します。SPFが0となるため、LAT2統合でもSPF統合でも

• $M_\text{PMHF,SPF}=0$
• $M_\text{PMHF,DPF1}=\beta$

となり変わりません。

表222.2　IFRモデルのPMHF式$(K_\text{IF,RF}=1)$

	(1)SPF	(2)DPF1		(3)DPF2
LAT2統合	$0$	$\beta$		$\beta$
提案規格式1	$\beta$			$\beta$
提案規格式3	$2\beta$
	(1)SPF	(2b)SPF'	(2a)DPF1	(3)DPF2
LAT2分離	$0$	$0$	$\beta$	$\beta$
	(1)+(2b)SPF		(2a)DPF1	(3)DPF2
SPF統合	$0$		$\beta$	$\beta$
SPF/DPF統合	$0$		$2\beta$

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

IFUモデル LAT2分離

IFUモデルのLAT2ステートにおいて、IFのアンプリベンタブル(VSG抑止不可)な部分にフォールトが起きた場合、そのフォールトはSMのup/down状態に依存しないため、本質的には広義のSPF(SMがあるので狭義ではRF)ですが、形式的にはSMのフォールトに引き続いて起きるためDPFとしました(#104)。

前稿(#102～#108)のPMHF導出においては、DPFとして扱いましたが、「$M_{\mathrm{PMHF}}$の計算(2)」のMarkov chain図を変更し、LAT2からDPF1への遷移(2)を分離して、DPF1への遷移(2a)とSPF1への遷移(2b)とに分離します。

図221.1 LAT2からの遷移を分離

図221.1の(1)、(3)の確率微分方程式は変わりません。まず(2a)のDPF1方向への確率積分は、 $$ \begin{eqnarray} \overline{q_{\mathrm{DPF1,IFU}}}&=&\frac{1}{T_\text{lifetime}}\Pr\{\mathrm{DPF1\ at\ }T_\text{lifetime}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{LAT2\ at\ }t\cap\mathrm{IF^U\ down\ in\ }(t, t+dt]\\ & &\cap\mathrm{VSG\ of\ IF\ preventable}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{IF^U\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ & &\ \ \ \ \cdot\Pr\{\mathrm{LAT2\ at\ }t\}\Pr\{\mathrm{VSG\ of\ IF\ preventable}\} \end{eqnarray} \tag{221.1} $$ ここで(104.2)、(104.3)より、 $$ \Pr\{\mathrm{LAT2\ at\ }t\}=\Pr\{\mathrm{IF^U\ up\ at\ }t\cap\mathrm{SM\ down\ at\ }t\}\\ =\Pr\{\mathrm{IF^U\ up\ at\ }t\}\Pr\{\mathrm{SM\ down\ at\ }t\}\\=R_{\mathrm{IF}}(t)Q_{\mathrm{SM}}(t)\tag{221.2} $$ (104.4)より、 $$ \Pr\{\mathrm{IF^U\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ =\Pr\{\mathrm{IF^U\ down\ in\ }(t, t+dt]\ |\ \mathrm{IF^U\ up\ at\ }t\}=\lambda_{\mathrm{IF}}dt\tag{221.3} $$ (221.2)、(221.3)を(221.1)に用いれば、 $$ \overline{q_{\mathrm{DPF1,IFU}}}=\frac{K_{\text{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)R_{\mathrm{IF}}(t)\lambda_{\mathrm{IF}}dt \tag{221.4} $$ ゆえに、(104.5)の結果を利用すれば、(2a)は、 $$ (221.4)=K_{\text{IF,RF}}\alpha\tag{221.5} $$

次に(2b)のSPF方向への確率積分は、 $$ \begin{eqnarray} \overline{q_{\mathrm{SPF(2b),IFU}}}&=&\frac{1}{T_\text{lifetime}}\Pr\{\mathrm{SPF(2b)\ at\ }T_\text{lifetime}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{LAT2\ at\ }t\cap\mathrm{IF^U\ down\ in\ }(t, t+dt]\\ & &\cap\overline{\mathrm{VSG\ of\ IF\ preventable}}\}\\ &=&\frac{1}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}\Pr\{\mathrm{IF^U\ down\ in\ }(t, t+dt]\ |\ \mathrm{LAT2\ at\ }t\}\\ & &\ \ \ \ \cdot\Pr\{\mathrm{LAT2\ at\ }t\}\Pr\{\overline{\mathrm{VSG\ of\ IF\ preventable}}\} \end{eqnarray} \tag{221.6} $$ 同様に(221.2)、(221.3)を用いれば、 $$ \overline{q_{\mathrm{SPF(2b),IFU}}}=\frac{1-K_{\text{IF,RF}}}{T_\text{lifetime}}\int_0^{T_\text{lifetime}}Q_{\mathrm{SM}}(t)R_{\mathrm{IF}}(t)\lambda_{\mathrm{IF}}dt \tag{221.7} $$ ゆえに、(104.5)の結果を利用すれば、(2b)は、 $$ (221.7)=(1-K_{\text{IF,RF}})\alpha\tag{221.8} $$

IFUモデル SPF統合

$\dagger$「IFUモデルのLAT2において、IFのアンプリベンタブル部分にフォールトが起きた場合」について、SPFへの遷移(2b)とDPF1への遷移(2a)の確率積分を行いました。今度はSPFへの確率積分を統合します。図221.1において(1)と(2b)はいずれもSPFとして扱い、これをSPF統合と呼びます。

• LAT2統合 --- $\dagger$の場合、SPFへの遷移(2b)は本質的にSPFであるが、形式的にSMのフォールトに引き続くDPF(2)=(2a)+(2b)として計算、#103～#105の議論
• LAT2分離 --- $\dagger$の場合、LAT2からの遷移(2)を、SPFへの遷移(2b)とDPF1への遷移(2a)に分離、本稿の議論
• SPF統合 --- $\dagger$の場合、LAT2からSPFへの遷移(2b)と、元のOPRからSPFへの遷移(1)を統合、LAT2分離によりそれぞれ求めた確率の組み合わせを変更、本稿の議論
• SPF/DPF統合 --- $\dagger$の場合、SPF統合に加えて、DPF1とDPF2は同じ状態であるため、DPFも統合

それぞれの方式のPMHF式と、参考にPMHF規格式を比較すると、表221.1のようになります。前稿からの変化部分を黄色で示しています。

表221.1　IFUモデルのPMHF式

	(1)SPF	(2)DPF1		(3)DPF2
LAT2統合	$(1-K_\text{IF,RF})\lambda_\text{IF}-(1-K_\text{IF,RF})\alpha$ (103.7)	$\alpha$ (104.5)		$K_\text{IF,RF}\alpha$ (105.5)
規格式1	$(1-K_\text{IF,RF})\lambda_\text{IF}+K_\text{IF,RF}\alpha$ (104.6)			$K_\text{IF,RF}\alpha$
規格式3	$(1-K_\text{IF,RF})\lambda_\text{IF}+2K_\text{IF,RF}\alpha$
	(1)SPF	(2b)SPF'	(2a)DPF1	(3)DPF2
LAT2分離	$(1-K_\text{IF,RF})\lambda_\text{IF}-(1-K_\text{IF,RF})\alpha$	$(1-K_\text{IF,RF})\alpha$ (221.8)	$K_\text{IF,RF}\alpha$ (221.5)	$K_\text{IF,RF}\alpha$
	(1)+(2b)SPF		(2a)DPF1	(3)DPF2
SPF統合	$(1-K_\text{IF,RF})\lambda_\text{IF}$		$K_\text{IF,RF}\alpha$	$K_\text{IF,RF}\alpha$
SPF/DPF統合	$(1-K_\text{IF,RF})\lambda_\text{IF}$		$2K_\text{IF,RF}\alpha$

ただし$\alpha:=\frac{1}{2}\lambda_{\mathrm{IF}}\lambda_{\mathrm{SM}}[(1- K_{\mathrm{SM,MPF}})T_\text{lifetime}+K_{\mathrm{SM,MPF}}\tau]$

SPF統合は、SPFのPMHFがRFの定義そのままという、非常に単純な式となっています。従って、#103のSPFのPMHF式や1st editionの規格式が複雑なのは、形式上のDPFをSPFから差し引いたためと言えます。また、DPF1とDPF2はルートが異なるのに同一の確率となっているのが少々驚きです。

弊社ではPMHFに関する論文をRAMS 2021に投稿予定であり、そのため、ブログの一部を一旦非開示(セミナー内でのご紹介と表示)としました。

---

前のブログ 次のブログ

1st EditionのPMHF式

以下に1st EditionのPMHF第1式及び第3式を示します。第1式はIFによりSPFもしくはDPFが発生する場合のみを数え上げた式であり、第3式はそれに加えてSM1によるDPFも加えた式です。従って、全ての場合を考えるならば第3式を使うのが正しいと考えます。

図109.1 1st EditionのPMHF第1式

図109.2 1st EditionのPMHF第3式

1st EditionにおいてはIFがアンリペアラブル、SM1がリペアラブルという前提での計算に基づいていると考えらえます。その理由は、この前提で、前稿のCTMCから平均PUDを求めると、正確に上2式と一致するためです。

2nd EditionのPMHF式

以下に2nd EditionのPMHF式を示します。

図109.3 2nd EditionのPMHF式

ISO 26262の2nd EditionのPMHF式は、1st Editionとpattern3、4が異なっており、対称性からみて前提が追加されていると考えます。2nd Editionでは1st Editionの前提(pattern 1, 2)に加えて、その反対の状態(pattern 3, 4)つまりIFがリペアラブル、SM1がアンリペアラブルの場合の両側についてPMHFを求めていると推測します。ただし、$T_{\mathrm{lifetime}}$項と$T_{\mathrm{service}}$項がなぜ2倍異なるのかの理由は判明していません。

しかしながら、弊社ではこの前提は誤りではないかと思います。初期状態、つまりフォールトが起きていない状態においては、IF、SM1の両方ともがリペアラブルが正しく、上記の仮定においては故障確率を過大に見積もりすぎています。

例えば、SM1がフォールトし、そのフォールトがSM2により検出され、検出周期の最後でリペアされる場合(pattern 2)を考えます。規格ではこの場合は最初にSM1がフォールトしてしまうと、最終的にはIFのフォールトによりDPFとなる場合のみがカウントされます。なぜなら、どちらかがリペアラブルだと他方はアンリペアラブルだからです。つまりこの場合、SM1がリペアラブルの場合は自動的にIFはアンリペアラブルという前提です。

ところが、実際にはSM1がリペアされた場合は初期状態と同じ状態に戻るため、次にIFがフォールトし、SM1により検出されリペアされる場合(pattern 4)もありえます。典型的な例は、SM1がフォールトしリペアされ、次にIFがフォールトしリペアされるように、交互にリペアされる場合です。この場合はDPFが起きないにも関わらず、2nd EditionではSM1がフォールトから始まると、SM1はリペアラブルに固定されます。そしてIFはアンリペアラブルに固定されます。

従って、実際にはDPFは起きませんが、IFのフォールトでDPFとカウントされ、結論として過大にフォールト確率を見積もっています。

もしかすると、LAT2にいる状態ではSM1がフォールトしているので、IFはリペアされない(IFはアンリペアラブル)と考えたのではないでしょうか。ところが、IFのリペアラビリティはSM1ではなく、SM2にのみ依存し、かつSM2は故障しないため、IFはリペアラブルです。従って、本稿のほうが正しいと考えます。

ブログでお知らせしたように、RAMS 2020においてPMHF式の論文発表が終了したため、本記事を開示します。

---

前のブログ 次のブログ

SPFの再計算は必要?

前記事ではDPF1に関する平均PUDを再計算しました。IFの条件がアンリペアラブルからリペアラブルに変更され、リペアすることにより(一部の)OPRの状態確率が上がったためです。

しかし、SPFの確率は上がりません。その理由は、リペアによってIF downからIF up状態に戻ったということは、元のdownした時にはVSG抑止されていたはずです。そのため、リペアはDPF確率のみに影響し、SPFは全く無関係となります。従って、

$$ \overline{q_{\mathrm{SPF,IFR}}}=\overline{q_{\mathrm{SPF,IFU}}}\tag{108.1} $$

よって、(108.1)、(107.7)、(106.4)を加え合わせて、 $$ M_{\mathrm{PMHF}}=\overline{q_{\mathrm{SPF,IFU}}}+\overline{q_{\mathrm{DPF1,IFR}}}+\overline{q_{\mathrm{DPF2,IFR}}}\\ =(1-K_{\mathrm{IF,RF}})\lambda_{\mathrm{IF}}+ K_{\mathrm{IF,RF}}\lambda_{\mathrm{IF}}\lambda_{\mathrm{SM}}[(1-K_{\mathrm{MPF}})T_\text{lifetime}+K_{\mathrm{MPF}}\tau], \\ ただし、K_{\mathrm{MPF}}=K_{\mathrm{IF,MPF}}+K_{\mathrm{SM,MPF}}-K_{\mathrm{IF,MPF}}K_{\mathrm{SM,MPF}} \tag{108.2} $$ 2nd Editionの規格式とは異なるものの、これが正解と考えます。

ブログでお知らせしたように、RAMS 2020においてPMHF式の論文発表が終了したため、本記事を開示します。

---

前のブログ 次のブログ