测试性分析
测试性分析概述测试性分析（Testability analysis）是通过固有测试性评价、测试性预计和测试性费用预计，评价产品可能达到的测试性水平，保证测试性与其他诊断要素有效的综合与兼容。
测试性（Testability）是指产品能及时及准确地确定其状态（工作、不可工作、性能下降），并隔离其内部故障的一种设计特性。测试性分析是产品设计分析工作中的一个重要环节，它与诊断方案的制订及实施有关。测试性分析的目的是验证所建议的方法是否满足设计要求。
测试性分析的内容测试性分析内容主要包括：BIT故障检测与隔离能力的预计、系统测试性预计、固有测试性评价。前两项主要采用测试性预计方法，后一项可采用加权计算方法。
测试性预计是根据测试性设计资料，估计测试性参数可能达到的量值，并比较是否满足指标要求。测试性预计一般是按系统的组成，按由下往上、由局部到总体的顺序来进行。测试性预计主要是在详细设计阶段进行，因为在此阶段测试方案已定，BIT工作模式、故障检测与隔离方法等也基本确定，并考虑了测试点的设置和防止虚警措施，进行了BIT软、硬件设计和对外接口设计。通过估计这些设计是否达到规定的设计指标，可以采取必要的改进措施。测试性预计一般应给出故障检测率FDR、故障隔离率FIR等。
固有测试性分析在系统研制过程中进行，目的是确定硬件设计是否有利于测试并确定存在的问题，尽早采取改进措施。
测试性分析参数测试性是描述系统检测和隔离故障的能力。测试性参数是测试性定量分析的基础。测试性参数一般分为四种类型：性能，系统影响，功能过程影响，测试过程影响。
性能参数包括： ① 可控性和可观测性； ② 故障检测覆盖率； ③ 故障隔离覆盖率； ④ 错误纠正覆盖率； ⑤ 平均、最小、最大模糊组的大小； ⑥ 平均、最小、最大可更换单元的位置； ⑦ 测试模式集的大小； ⑧ 检测时间； ⑨ 隔离时间； ⑩ 纠正时间； ⑪ 虚警率等。 系统影响参数包括： ① 空间消耗； ② I/O消耗； ③ 性能影响； ④ 功率消耗； ⑤ 可靠性影响； ⑥ 维修性影响； ⑦ 适用性影响等。 功能过程影响参数包括： ① 对一个功能过程时间的影响； ② 对一个功能过程费用的影响。 测试过程影响参数包括： ① 对一个测试过程时间的影响； ② 对一个测试过程费用的影响。
基于模型的测试性分析基于从属关系的逻辑模型（Logic Modeling）曾经在相当长一段时间内用于系统的测试性分析。逻辑模型是定义系统各组成部分之间相互关系的一种方法，它由一些表示测试性信息的抽象节点和弧线的逻辑图表示。逻辑模型表示了故障模式和测试之间的关系，而故障模式和测试作为可更换单元的一个属性。为了进行测试性分析，可更换单元和它的各种属性都应赋予一定的数据，如可以赋予可更换单元平均无故障时间，赋予故障模式出现的概率，赋予测试需要的时间和费用。另外，如果需要自动化测试设备，逻辑模型可以用来确定哪些测试需要自动化，哪些需要手工或半手工测试。由于同样结构的逻辑也可以用于维护设备的开发，因此系统设计和维护设备开发可以同时进行，改变维护设备滞后产品的状况。
上述这种逻辑模型的结构简单，容易实现，适合于产品的概念设计阶段。但这种基于功能的逻辑模型不能直接对故障模式进行处理，不能方便的将FMECA功能集成到模型中，因此不适宜用于系统的可靠性设计分析。测试的目的是为了进行系统故障检测和隔离。因此，建立基于故障模式的系统模型用于测试性分析从上世纪90年代初期开始逐渐兴起。基于故障模式的从属模型注重点在故障模式上，它需要较少的数据输入，且可以用于可靠性工程设计分析。但由于缺少系统的功能信息，不太适用于概念设计及更高层次的诊断策略分析。同时，用这种基于故障模式的系统模型进行测试性设计时，测试开发人员没有考虑预先定义的故障模式之外的故障检测，故障检测和隔离的覆盖率受到一定的影响。
鉴于基于功能和故障模式的从属模型都存在一定的缺陷，又出现了一种所谓地混合模型。这种混合模型既具有功能模型建模简单的优点，又包含了故障模式模型。在概念设计阶段，混合模型主要作为功能模型使用，随着设计的进展，故障模式以低级模型的形式建立。由于混合模型同时支持故障模式和功能，因此它也支持中间过程的分析。
基于仿真的测试性分析（故障分辩率、虚警率）在MIL-STD-2165和MIL-HDBK-472中都对诊断分辩率的计算进行了定义，但这种计算方法有一定的局限性。所得的预计结果用于实际的诊断时，会产生一定的偏差。因为，这种计算是静态的，没有考虑部件失效的时序。第二，对诊断的预计是在任意的时间间隔内进行的，对失效概率的假定是一段时间的平均结果。而实际部件的失效则是时间相关的。第三，这种计算没有考虑不同的故障组合，而不同的组合可能对系统功能有不同的影响。而仿真具有时间约束性，利用仿真得出的测试性分析结果可以表示诊断行为随时间的变化。
计算机仿真可以把大量的故障引入到硬件的软件模型中，观测其响应激励的情况，得出故障检测率和故障隔离率，以此评价测试、激励。理论上可以对所有的故障模式进行分析，但故障模式数量太多将导致仿真时问爆炸，工程上难以实现。同时，随着设计和制造工艺的不断完善、元器件质量的不断提高，某些故障模式发生的概率极低，因此必须结合具体电路利用故障模式影响及危害性分析(FMECA)来确定发生故障的概率，构成该系统的故障模式集。采用MONTE CARLO算法选择不同的故障注入序列。