摘要:确保长期可靠运行是当今电子系统面临的最大挑战之一。组件对各种电气、热、机械、化学和电磁应力的脆弱性增加,对实现各种关键任务应用所需的可靠性构成了巨大威胁。降额可以定义为将设备上的电气、热和机械应力限制在其规定或已证实的能力以下以提高可靠性的做法。如果希望系统可靠,则主要因素之一必须是结合部件降额的保守设计方法。意识到需要降低电子和机电部件的额定值,许多制造商已经制定了降额实践的内部指南。在本项目中,选择了航空航天应用中的陷波滤波器电路。将使用 E-CAD 工具进行电路模拟。将按照 MIL-STD-975A 中给出的方法进行进一步的降额分析,并提供针对此标准的设计裕度。任何产品成功的关键在于其可生产性、质量和可靠性。开发新产品、制作原型并证明其性能需要付出很多努力。如果要以最少的拒收次数进行大批量生产,则需要付出更多努力。拒收次数最少或首次良品率提高可节省生产成本、测试时间和资源。因此,它有助于降低产品成本。还要求交付给客户的产品在其预期的生命周期操作压力下能够令人满意地运行而不会出现故障。它应该在其预期的使用寿命内或需要运行时继续保持这种性能,这就是所谓的可靠性。可靠的产品性能可提高客户满意度并为制造商树立品牌。组件对各种电气、热、机械、化学和电磁应力的脆弱性增加,对实现各种关键任务应用所需的可靠性构成了巨大威胁。降额是在低于部件额定值的应力条件下运行的做法。简介:
下图显示了 y 轴上较短持续时间存储降额系数(0.5 小时、1 小时和 2 小时)与 x 轴上 0.5 小时至 2 小时持续时间内预计的总安装容量之间的关系(拟合了对数曲线以说明一般拟合度),来自之前的 ECR。出现这种趋势的原因是,当安装更多较短持续时间容量时,3 小时 LOLE 的压力事件分布会转向较长事件,因为使用短持续时间存储容量可以避免更多较短事件。请注意,如果较长持续时间(例如 4-12 小时)被归类为持续时间受限,也会受到此趋势的影响(见下一张幻灯片)。
随机性的功能理论是在Vovk [2020]中以非算力的随机性理论的名义提出的。Ran-Domness的算法理论是由Kolmogorov于1960年代启动的[Kolmogorov,1968年],并已在许多论文和书籍中开发(例如,参见Shen等人。2017)。它一直是直觉的强大来源,但其弱点是对特定通用部分可计算函数的选择的依赖性,这导致其数学结果中存在未指定的加性(有时是乘法)常数。Kolmogorov [1965,Sect。 3] speculated that for natural universal partial computable functions the additive constants will be in hun- dreds rather than in tens of thousands of bits, but this accuracy is very far from being sufficient in machine-learning and statistical applications (an addi- tive constant of 100 in the definition of Kolmogorov complexity leads to the astronomical multiplicative constant of 2 100 in the corresponding p-value). 与VOVK [2020]中提出的未指定常数打交道的方式是表达有关随机性算法作为各种函数类之间关系的算法。 它将在教派中引入。 2。 在本文中,我们将这种方法称为随机性的功能理论。 虽然它在直观的简单性方面失去了一定的损失,但它越来越接近实用的机器学习和统计数据。 读者将不会假设对随机性算法理论的形式知识。 在本文中,我们有兴趣将随机性的功能理论应用于预测。 3。Kolmogorov [1965,Sect。3] speculated that for natural universal partial computable functions the additive constants will be in hun- dreds rather than in tens of thousands of bits, but this accuracy is very far from being sufficient in machine-learning and statistical applications (an addi- tive constant of 100 in the definition of Kolmogorov complexity leads to the astronomical multiplicative constant of 2 100 in the corresponding p-value).与VOVK [2020]中提出的未指定常数打交道的方式是表达有关随机性算法作为各种函数类之间关系的算法。它将在教派中引入。2。在本文中,我们将这种方法称为随机性的功能理论。虽然它在直观的简单性方面失去了一定的损失,但它越来越接近实用的机器学习和统计数据。读者将不会假设对随机性算法理论的形式知识。在本文中,我们有兴趣将随机性的功能理论应用于预测。3。机器学习中最标准的假设是随机性:我们假设观察值是以IID方式生成的(独立且分布相同)。先验弱的假设是交换性的假设,尽管对于无限的数据序列而言,随机性和交换性证明与著名的de Finetti代表定理本质上是等效的。对于有限序列,差异是重要的,这将是我们教派的主题。我们开始讨论在教派中预测的随机性功能理论的应用。2。在其中介绍了置信度预言的概念(稍微修改和推广Vovk等人的术语。2022,Sect。2.1.6)。然后,我们根据三个二分法确定八种置信预测因素:
请注意: • 所有附加险均独立提供保障,且为可选保障。投保人有权享受每项附加险(包括基本产品)下的附加险利益,并可灵活选择上述任何一项或全部附加险,但须遵守董事会批准的承保政策。 • 附加险保费不得超过基本产品保费的 30%,但健康险或重大疾病险保费除外,这些附加险保费不得超过基本产品保费的 100%。 • 除意外身故保险金附加险外,上述每项附加险产生的任何利益不得超过基本产品的保额,意外身故保险金附加险的保额最高不得超过基本保额的三倍。