测试性指标评价方法及应用

测试性指标评价就是根据装备测试性相关信息，包括试验数据和先验信息等，利用概率统计方法确定装备的测试性指标（如故障检测率FDR、故障隔离率FIR等）量值。评价结果的形式可以为点估计、置信下限估计、置信区间估计等。

测试性好的产品主要表现在以下几个方面：

①具有良好的自我诊断能力，能自我监测工作状况，指示和隔离故障，自动报警；

②便于维修或使用人员对其进行检查和维修；

③与ETE、ATE之间具有良好的兼容性，接口简单，便于使用这些设备进行检测。

对于电子类产品，典型的测试性指标为：

①对于BIT，FDR为90%～95%，FIR为90%～95%（当要求隔离到1个LRU时），FAR为2%～5%；

②对于自动测试设备（ATE），FDR为90%～98%，FIR为85%～95%（当要求隔离到1个SRU时）；

③对于所有检测手段（包括BIT、ATE、人工检测等），FDR为100%，FIR为100%。

测试性指标评价可以在装备研制的任一阶段进行，既可以是研制阶段的测试性预计，也可以是鉴定定型阶段和外场使用阶段基于试验数据的统计评估。测试性指标评价方法主要包括基于概率信息的指标评价方法、基于试验数据的指标评价方法、测试性综合评价方法等。(https://www.xing528.com)

（一）基于概率信息的指标评价方法

最典型的基于概率信息的指标评价方法即测试性预计，其目的是估计产品的测试性水平是否能满足规定的测试性定量要求。

基于概率信息的测试性指标评价一般是先建立描述故障-测试逻辑相关关系的布尔矩阵，然后通过经验确定测试检测/隔离故障的概率信息，形成故障-测试概率矩阵，据此通过一定的诊断逻辑得到FDR/FIR的预计值。然而该方法中，故障-测试间逻辑关系被简化，仅通过假设和经验确定概率信息，未考虑测试不确定性和环境因素等，使预计结果可能与真值出现严重偏差，该方法只适用于设计阶段，不能用于测试性验证阶段。

（二）基于试验数据的指标评价方法

国内外经典的测试性指标统计分析一般是在大样本或较大样本的前提下进行的，这与前面综述的故障样本选取方法一致。目前常用的测试性指标评估形式主要有：点估计、二项分布或正态分布下的置信区间估计、置信下限估计等。

若得到的故障检测/隔离数据量充足，当然可以利用经典的统计方法评估装备的FDR/FIR。但目前在工程上面临的问题是，一方面故障注入试验是有损性甚至破坏性试验，并且由于封装造成的物理位置限制，导致许多故障模式不能模拟注入，同时受试验费用的限制，在装备上注入大量的故障是比较困难的；另一方面，对于新研制的装备，开始研制的数量少，装备的采办对装备的可靠性要求高，同时高性能容错系统在武器装备中的应用，受外场使用周期的限制，要获得大量的故障检测/隔离数据是很困难的。由于用于评估的信息较少，基于经典的统计方法得到的FDR/FIR评估结论精度和置信度较低。

（三）测试性综合评价方法

进行测试性指标评价的根本目标是要给出装备或系统尽量接近真实值的、反映研制水平的统计指标。因此，解决“小子样”测试性指标评估问题的根本途径是扩大信息量，充分运用与测试性相关的所有信息，建立能将不同类型信息融合的模型，然后评价装备测试性指标，称其为测试性指标综合评价。