# 信頼性予測 ## 定義 信頼性予測(reliability prediction)とは、製品が製造・市場投入される前にその信頼性を数値として見積もる行為である。ライフサイクルコスト・予備品所要量・保証コスト・市場性の予測に有用であり、設計案の比較や重要な信頼性上の弱点の洗い出しにも使える。しかし高い精度や確信度で行えることはまれであり、達成される信頼性は予測値と大きく異なりうる(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.1, §6.2)。 信頼性予測は大きく分けて、(1) 部品の故障率データを積み上げて系全体の信頼性を合成する標準ベース予測(standards based prediction)、(2) 自社のフィールド返品・保証データに基づく予測、(3) 個々の故障機構を物理・化学的に解析する物理故障(physics-of-failure)予測、(4) 過去の類似システムの実績と経営判断に基づく「トップダウン」予測、の4系統に分けられる(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.3-§6.4)。 ## 予測の根本的限界 信頼性予測がオームの法則やニュートンの法則のような物理法則に基づく予測と決定的に異なる点は、モデルの理論的基盤の性質にある。物理法則は、それが成立する領域内で理論に基づく決定論的な予測を可能にし、背後の機構が確率的であっても(気体分子の運動のように)巨視的には決定論的な法則として扱える。これに対し部品の故障は、過負荷・製造欠陥といった物理・化学的原因に加え、人間の行動や認識にも左右される。自然法則には決して見られないこの性質が、数理モデルによる信頼性予測という発想そのものの根本的な限界を成す(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.2)。 さらに、信頼性モデルの多くは過去データの統計解析に基づくが、統計的関係の導出には決定論的関係の確認よりずっと多くのデータが必要であり、標本が母集団全体を代表するとは限らない。統計的関係はそれ自体では因果関係の証明にはならず、原因と結果の理解に基づく理論による裏付けが必要である。加えて工学は本質的に意図的な変化(設計・工程・用途の改善)を伴う営みであるため、過去データのみに基づく予測は、変化によって信頼性が改善または悪化しうるという事実を無視してしまう(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.2)。 ## 標準ベース予測とその批判 標準ベース予測は、MIL-HDBK-217・Telcordia SR-332・IEC 62380・NSWC-06/LE10・China 299B・FIDESなど公開規格の故障率データに基づき、部品を直列・一定故障率(指数分布)と仮定して積み上げる。最もよく知られるMIL-HDBK-217への批判は、(1) 現代の電子システムの故障の一部だけが部品内部原因による、(2) 故障率の温度依存性が現代の経験や故障物理と必ずしも一致しない、(3) 複雑さの増加が必ずしも故障率を増やさない、(4) 過渡的過負荷・温度サイクル・ばらつき・EMI/EMC・組立/試験/保守管理といった要因が考慮されていない、という4点にまとめられる。1994年以降更新されていないにもかかわらず今なお使われている(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.3.1)。 この批判を最も定量的に裏づけるのがPRISM/217Plusの開発根拠である。RAC(Reliability Analysis Center)のフィールドデータ分析は、**故障の78%以上が部品以外の原因(設計欠陥・製造欠陥・不十分な要求定義・摩耗・ソフトウェア・誘発故障・原因不明故障を含むシステム管理上の問題)に由来する**ことを示した。これは、部品故障率の積み上げに基づく従来手法(MIL-HDBK-217等)が信頼性の主要な決定要因を体系的に見落としていることを意味し、PRISMは非部品要因を評価するプロセスと非構成要素変数によるシステム信頼性評価を明示的に組み込む形で対応した(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.3.5)。 IEEE Standard 1413は、いずれの予測手法が正しいかを判定するものではなく、予測結果・使用目的・使用手法・入力データの出所・不確実性の源泉・限界・再現性を文書化する枠組みを提供する。これは、標準ベース予測の限界そのものを解消するのではなく、限界を可視化・説明可能にすることで予測の誤用を防ごうとする対応である(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.3.8)。 ## 標準以外の手法 フィールド返品データに基づく手法は自社製品・製造工程・用途に特化した予測を可能にするが、他社とのベンチマーキングに使える共通比較基準を欠く。フィールドデータと標準ベースモデルを融合する手法(基礎故障率の較正等)も存在する。物理故障(physics-of-failure)解析は金属疲労・エレクトロマイグレーション・はんだ接合部クラックなど個別の故障機構ごとに寿命を推定する手法で、標準ベース予測より製品固有・高精度だが、材料・工程・設計に関する詳細情報と高度な解析専門性を要し、部品/サブアセンブリ単位の解析が中心でシステム全体を扱いにくい(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.4.1-§6.4.3)。 「トップダウン」予測は、(1) 過去の類似システムの経験が使え、(2) 技術的リスクが小さく、(3) 大量生産・複雑・長期使用のいずれかで漸近的性質が働き、(4) 信頼性達成への強いコミットメントがある、という4条件が揃う場合に、部品レベルの統計モデルに頼らず妥当な予測を可能にする(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.4.4)。 ## 予測結果の位置づけ 信頼性予測は、質量や消費電力の予測のような物理法則に基づく実証ではなく、目標設定の基礎として使うべきものであり、経営コミットメントがあって初めて達成されうる。予測の用途(予備品在庫の見積もりか安全解析か)によって、楽観的な見積もりが適切な場合と悲観的な見積もりが適切な場合がある。冗長化・修理時間・試験・監視を考慮すると単純な系でも複雑な信頼性論理に至る一方、投入するパラメータ自体が非常に不確実でばらつきやすいため、信頼性・可用性の予測とモデルは要因の網羅的な検討を促す設計審査の枠組み、および前提変化への感度分析の道具として使うべきである(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.5, §6.14)。 ## 予測の質の評価という観点(Handbook of Software Reliability Engineering ch.4 による整理) 上記の PRE ch.6 の議論は、信頼性予測が物理法則的な決定論的予測とは性質が異なり不確実性を伴うという**認識論的な限界**を扱う。これに対し *Handbook of Software Reliability Engineering* 第4章(Brocklehurst・Littlewood、1996)は、同じ「予測の不確実性」という土俵に対し、**予測の質を事後的にどう測り、どう補正するか**という、より操作的な回答を与える。 ch.4 の出発点は、モデルの良し悪しを過去データへの当てはまり(fit)ではなく将来の故障挙動に対する**予測の精度**で判定すべきだという立場の転換である。この転換のうえで、予測精度を分析する3つの道具が導入される。 - **prequential likelihood ratio(PLR)**: 2つの予測系列のどちらが相対的に優れているかを判定する。絶対的な正確さは示さない。 - **u-plot**: 確率積分変換を用いて予測の系統的バイアス(楽観・悲観)を検出する。 - **y-plot**: u-plot が捨てる時間順序の情報を使い、予測誤差の非定常性(時間トレンド)を検出する。 さらに ch.4 は、u-plot が推定するバイアス構造を将来予測の補正に転用する**再較正(recalibration)**を導入する。過去のデータのみを使う点で完全に予測的(predictive)な手続きであり、事前に誤差の定常性を仮定する必要はない。実データ(SYS1・SS3・CSR1)への適用は、複数モデルの予測が事前の想定なしには識別できないほど大きく食い違うこと、しかし事後的な検証と再較正を組み合わせれば実務上十分な精度が得られることを実証する(Source: [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 4 Techniques for Prediction Analysis and Recalibration]] §4.1-§4.5)。 ## 横断的知見 - **信頼性予測を「設計審査・感度分析の枠組み」として使うという本概念の立場は、第7章の [[Design for Reliability]] プロセスの Design 段階、特に [[FMECA]] の入力値選定に具体的に反映されている**: 本概念(第6章)は信頼性予測を物理法則的な実証ではなく目標設定・設計審査の基礎として使うべきだとするが、第7章 §7.4.6 は FMECA の入力に用いる故障率・信頼性値について「現実的な最悪ケース」または 0〜1 の定性的な値尺度を使うべきとし、故障モードが重大なほど悲観的な想定を用いるべきだと明示する。これは、第6章が指摘する予測の根本的な不確実性を、第7章が「悲観的想定の意図的な採用」という具体的な運用規律に変換した例であり、予測の限界を設計プロセス側でどう吸収するかという問いに対する本書内での回答になっている。(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]], [[@2012__Wiley__Practical Reliability Engineering - Chapter 7 Design for Reliability]] ch.7 §7.4.6) - **MIL-HDBK-217批判の1論点(温度依存性の不一致)は、第9章の部品レベルの記述によって具体的な物理的根拠を与えられる**: 本概念(第6章§6.3.1)は MIL-HDBK-217 への批判の一つとして「故障率の温度依存性が現代の経験や故障物理と必ずしも一致しない」ことを挙げるが、その理由には立ち入らない。第9章§9.2.1.3は、この不一致を部品レベルで具体的に説明する。すなわちアレニウス則に基づく温度対故障率モデル(MIL-HDBK-217等が想定する急峻な上昇曲線)は、現代の電子部品では多くの故障メカニズムがそもそも温度上昇で加速されないという実態(typical reality、図9.2)と乖離しており、これは初期の半導体技術で品質管理水準が低く高温で故障する部品が多かった名残がモデルに残存した結果だと説明する。第6章の抽象的な批判点が、第9章では具体的な物理メカニズムの水準まで裏づけられている。(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.3.1, [[@2012__Wiley__Practical Reliability Engineering - Chapter 9 Electronic Systems Reliability]] §9.2.1.3) - **PRE ch.6 が述べる「信頼性予測は物理法則に基づく決定論的予測と異なり根本的な限界を持つ」という認識論的立場に対し、Handbook ch.4 は同じ限界を前提としたうえで『では実務上どう扱うか』という運用レベルの回答を与える、異なる抽象度からの補完関係にある**: PRE ch.6 §6.2 は、部品の故障が物理・化学的原因だけでなく人間の行動にも左右されるため信頼性予測には自然法則のような決定論的基盤がないと論じ、この限界そのものの解消策は示さない(せいぜい IEEE 1413 による限界の文書化にとどまる、§6.3.8)。一方 Handbook ch.4 §4.1-§4.6 は、ソフトウェア信頼性予測という別領域で同種の限界(唯一最良のモデルが事前には分からない)に直面しながら、u-plot・y-plot・PLR による事後検証と再較正という**具体的な操作的対応**を提示し、「モデルを信じずに、実際の予測誤差を測って補正する」という経験的な回答を与える。両ソースを並べると、信頼性予測という営みには「予測の理論的根拠の欠如を認めた上で目標設定・設計審査の道具として使う」(PRE、ハードウェア寄り)という態度と、「予測の的中率を事後的に測定・補正する仕組みを組み込む」(Handbook、ソフトウェア寄り)という態度の2つが存在し、後者は前者が示す限界への具体的な対処法の一例として位置づけられる。(Source: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] §6.2, §6.3.8, [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 4 Techniques for Prediction Analysis and Recalibration]] §4.1, §4.4) ## 未解決の問い - Handbook ch.4 の u-plot・y-plot・PLR・再較正は、いずれもソフトウェア信頼性成長モデルという特定の予測形式(故障間隔の分布予測)を前提に設計されている。PRE ch.6 が扱う部品ベースの信頼性予測(MIL-HDBK-217 等)にも同様の「予測精度の事後検証・再較正」という発想を持ち込めるか、それとも予測対象の性質(離散故障イベント対 連続的な部品故障率)の違いが技法の転用を妨げるか。 - PRISM/217Plusが示す「故障の78%以上が部品以外の原因」という知見は、ソフトウェアが支配的なシステム(クラウドサービス、LLMエージェント等)ではどう変化するか。部品積み上げ的な予測の枠組みそのものが妥当かどうかを含めて検討する必要がある。 - IEEE 1413が求める「予測の文書化」(不確実性の源泉・限界・再現性)は、クラウド運用のSLO策定やキャパシティプランニングにおける予測の文書化慣行とどこまで対応づけられるか。 ## 関連 - 概念: [[システム信頼性モデル]] / [[故障の木解析]] / [[Design for Reliability]] / [[FMECA]] / [[電子部品の信頼性]] / [[ソフトウェア信頼性成長モデル]] - 実体: [[Patrick D. T. O'Connor]] / [[Andre Kleyner]] / [[Sarah Brocklehurst]] / [[Bev Littlewood]] - ソース: [[@2012__Wiley__Practical Reliability Engineering - Chapter 6 Reliability Prediction and Modelling]] / [[@2012__Wiley__Practical Reliability Engineering - Chapter 7 Design for Reliability]] / [[@2012__Wiley__Practical Reliability Engineering - Chapter 9 Electronic Systems Reliability]] / [[@1996__McGrawHill__Handbook of Software Reliability Engineering - Chapter 4 Techniques for Prediction Analysis and Recalibration]] - 書籍: [[wiki/entities/Practical Reliability Engineering|Practical Reliability Engineering]] / [[wiki/entities/Handbook of Software Reliability Engineering|Handbook of Software Reliability Engineering]] ## 出典 - P. D. T. O'Connor and A. Kleyner, *Practical Reliability Engineering*, 5th ed., Wiley, 2012, Chapter 6 §6.1-§6.5. - P. D. T. O'Connor and A. Kleyner, *Practical Reliability Engineering*, 5th ed., Wiley, 2012, Chapter 7 §7.4.6. - P. D. T. O'Connor and A. Kleyner, *Practical Reliability Engineering*, 5th ed., Wiley, 2012, Chapter 9 §9.2.1.3. - Sarah Brocklehurst and Bev Littlewood, "Techniques for Prediction Analysis and Recalibration", in Michael R. Lyu (ed.), *Handbook of Software Reliability Engineering*, IEEE Computer Society Press / McGraw-Hill, 1996, Chapter 4 §4.1-§4.6.