SlideShare a Scribd company logo
1 of 5
Download to read offline
Fault, Error, Failure
Mizuhiro Kaimai
JIS X 0014
『SQuBOKガイド』 「JIS X 0014〔JIS X0014:1999〕の定義
1.誤差・誤り(ISO/IEC 2382-14の error)
計算、観測若しくは測定された値または状態と、真の、指定された若しくは
理論的に正しい値または状態との間の相違。
2.障害(同ISO/IECの fault)
要求された機能を遂行する機能単位の能力の、縮退または喪失を引き起
こす、異常な状態。
3.故障(同ISO/IECの failure)
要求された機能を遂行する,機能単位の能力がなくなること。
2
Design Wave 2006 より
3
出典: Design Wave Magazine 2006 December
鈴村延保 著 「障害や故障を分析して安全を作り込む」
機器B
4
機器A
機能
機器Aが機器Bに何らかの機能を提供している関係において・・・
機器B
機器A 機能
機器Aの内部にはいくつかの構成部材があり、
その状態の一部は何らかの手段で外部から観測可能なはずであり
構成部材
観測
機器B
機器A Failure
部材に発生した異常を fault 、それが外部に観測された状態がerror、
それが機能不良を引き起こした場合は failure と呼ぶ
Fault
Error
fault, error, failure の定義を別な形で表現
device-B
The definitions of fault, error, and failure
5
device-A
function
Imagine there’s a device (A) which provides some function to
another device (B).
device-B
device-A function
There are several parts inside the device-A. Some of the statuses
of them should be observable from outside by some means.
parts
observable
device-B
device-A Failure
A “fault” means some abnormal condition of a parts,
an “error” means the condition observed from outside,
a “failure” means the malfunction caused by the fault.
Fault
Error

More Related Content

What's hot

データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度Seiichi Uchida
 
SageMakerを使った異常検知
SageMakerを使った異常検知SageMakerを使った異常検知
SageMakerを使った異常検知Ryohei Yamaguchi
 
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)Takanori Ogata
 
最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)Shota Imai
 
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)mosa siru
 
クラスタリングとレコメンデーション資料
クラスタリングとレコメンデーション資料クラスタリングとレコメンデーション資料
クラスタリングとレコメンデーション資料洋資 堅田
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量takaya imai
 
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 Shogo Muramatsu
 
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステムSEGADevTech
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Modelscvpaper. challenge
 
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision TransformerYusuke Uchida
 
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.Kuniharu(州晴) AKAHANE(赤羽根)
 
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれからcyberagent
 
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)NTT DATA Technology & Innovation
 
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカットMPRG_Chubu_University
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with TransformersDeep Learning JP
 

What's hot (20)

データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度データサイエンス概論第一=2-1 データ間の距離と類似度
データサイエンス概論第一=2-1 データ間の距離と類似度
 
SageMakerを使った異常検知
SageMakerを使った異常検知SageMakerを使った異常検知
SageMakerを使った異常検知
 
SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)SSD: Single Shot MultiBox Detector (ECCV2016)
SSD: Single Shot MultiBox Detector (ECCV2016)
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
 
MLOps入門
MLOps入門MLOps入門
MLOps入門
 
開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)開発速度が速い #とは(LayerX社内資料)
開発速度が速い #とは(LayerX社内資料)
 
クラスタリングとレコメンデーション資料
クラスタリングとレコメンデーション資料クラスタリングとレコメンデーション資料
クラスタリングとレコメンデーション資料
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
 
畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開 畳み込みネットワークによる高次元信号復元と異分野融合への展開
畳み込みネットワークによる高次元信号復元と異分野融合への展開
 
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム
「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
 
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.
Redmineチューニングの実際と限界(旧資料) - Redmine performance tuning(old), See Below.
 
推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから推薦アルゴリズムの今までとこれから
推薦アルゴリズムの今までとこれから
 
画像処理基礎
画像処理基礎画像処理基礎
画像処理基礎
 
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
 
決定木学習
決定木学習決定木学習
決定木学習
 
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
平滑化処理の繰り返しによる画像セグメンテーションのためのグラフカット
 
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
 

More from Mizuhiro Kaimai

IT技術者が説明上手になるための七つの法則
IT技術者が説明上手になるための七つの法則IT技術者が説明上手になるための七つの法則
IT技術者が説明上手になるための七つの法則Mizuhiro Kaimai
 
What man can do and AI cannot.
What man can do and AI cannot.What man can do and AI cannot.
What man can do and AI cannot.Mizuhiro Kaimai
 
ミステイク、スリップ、ラプスの違い
ミステイク、スリップ、ラプスの違いミステイク、スリップ、ラプスの違い
ミステイク、スリップ、ラプスの違いMizuhiro Kaimai
 
伝わる書き方サポート・ネット
伝わる書き方サポート・ネット伝わる書き方サポート・ネット
伝わる書き方サポート・ネットMizuhiro Kaimai
 
エンジニアの文章図解・情報整理術
エンジニアの文章図解・情報整理術エンジニアの文章図解・情報整理術
エンジニアの文章図解・情報整理術Mizuhiro Kaimai
 
「焦らせる」「動揺させる」を表す英単語
「焦らせる」「動揺させる」を表す英単語「焦らせる」「動揺させる」を表す英単語
「焦らせる」「動揺させる」を表す英単語Mizuhiro Kaimai
 
PDCAとOODAの違いとは?
PDCAとOODAの違いとは?PDCAとOODAの違いとは?
PDCAとOODAの違いとは?Mizuhiro Kaimai
 
Pictlet #3 ファイルレスウィルス
Pictlet #3 ファイルレスウィルスPictlet #3 ファイルレスウィルス
Pictlet #3 ファイルレスウィルスMizuhiro Kaimai
 
Pictlet #2 音声認識ロボット
Pictlet #2 音声認識ロボットPictlet #2 音声認識ロボット
Pictlet #2 音声認識ロボットMizuhiro Kaimai
 
知識伝達に効く! 図解パターン共有の勧め
知識伝達に効く!図解パターン共有の勧め知識伝達に効く!図解パターン共有の勧め
知識伝達に効く! 図解パターン共有の勧めMizuhiro Kaimai
 
ラベリング 基本6-違う部分を明示する
ラベリング 基本6-違う部分を明示するラベリング 基本6-違う部分を明示する
ラベリング 基本6-違う部分を明示するMizuhiro Kaimai
 
プレゼンテーション練習会マニュアル
プレゼンテーション練習会マニュアルプレゼンテーション練習会マニュアル
プレゼンテーション練習会マニュアルMizuhiro Kaimai
 
3行ラベリング 事例24-バーナム効果(原文に引きずられる)
3行ラベリング 事例24-バーナム効果(原文に引きずられる)3行ラベリング 事例24-バーナム効果(原文に引きずられる)
3行ラベリング 事例24-バーナム効果(原文に引きずられる)Mizuhiro Kaimai
 
【講座案内】エンジニアの文章図解・情報整理術
【講座案内】エンジニアの文章図解・情報整理術【講座案内】エンジニアの文章図解・情報整理術
【講座案内】エンジニアの文章図解・情報整理術Mizuhiro Kaimai
 
書く技術・話す技術 勉強会サポートプログラム
書く技術・話す技術 勉強会サポートプログラム書く技術・話す技術 勉強会サポートプログラム
書く技術・話す技術 勉強会サポートプログラムMizuhiro Kaimai
 
3行ラベリング 事例23-数字で考える
3行ラベリング 事例23-数字で考える3行ラベリング 事例23-数字で考える
3行ラベリング 事例23-数字で考えるMizuhiro Kaimai
 
3行ラベリング 事例22-非機能
3行ラベリング 事例22-非機能3行ラベリング 事例22-非機能
3行ラベリング 事例22-非機能Mizuhiro Kaimai
 
3行ラベリング 事例21-ランサムウェア
3行ラベリング 事例21-ランサムウェア3行ラベリング 事例21-ランサムウェア
3行ラベリング 事例21-ランサムウェアMizuhiro Kaimai
 

More from Mizuhiro Kaimai (20)

IT技術者が説明上手になるための七つの法則
IT技術者が説明上手になるための七つの法則IT技術者が説明上手になるための七つの法則
IT技術者が説明上手になるための七つの法則
 
What man can do and AI cannot.
What man can do and AI cannot.What man can do and AI cannot.
What man can do and AI cannot.
 
Mistake, slip, lapse
Mistake, slip, lapseMistake, slip, lapse
Mistake, slip, lapse
 
ミステイク、スリップ、ラプスの違い
ミステイク、スリップ、ラプスの違いミステイク、スリップ、ラプスの違い
ミステイク、スリップ、ラプスの違い
 
伝わる書き方サポート・ネット
伝わる書き方サポート・ネット伝わる書き方サポート・ネット
伝わる書き方サポート・ネット
 
エンジニアの文章図解・情報整理術
エンジニアの文章図解・情報整理術エンジニアの文章図解・情報整理術
エンジニアの文章図解・情報整理術
 
「焦らせる」「動揺させる」を表す英単語
「焦らせる」「動揺させる」を表す英単語「焦らせる」「動揺させる」を表す英単語
「焦らせる」「動揺させる」を表す英単語
 
PDCAとOODAの違いとは?
PDCAとOODAの違いとは?PDCAとOODAの違いとは?
PDCAとOODAの違いとは?
 
Pictlet #3 ファイルレスウィルス
Pictlet #3 ファイルレスウィルスPictlet #3 ファイルレスウィルス
Pictlet #3 ファイルレスウィルス
 
Pictlet #2 音声認識ロボット
Pictlet #2 音声認識ロボットPictlet #2 音声認識ロボット
Pictlet #2 音声認識ロボット
 
Pictlet #1 IPv4/v6
Pictlet #1 IPv4/v6Pictlet #1 IPv4/v6
Pictlet #1 IPv4/v6
 
知識伝達に効く! 図解パターン共有の勧め
知識伝達に効く!図解パターン共有の勧め知識伝達に効く!図解パターン共有の勧め
知識伝達に効く! 図解パターン共有の勧め
 
ラベリング 基本6-違う部分を明示する
ラベリング 基本6-違う部分を明示するラベリング 基本6-違う部分を明示する
ラベリング 基本6-違う部分を明示する
 
プレゼンテーション練習会マニュアル
プレゼンテーション練習会マニュアルプレゼンテーション練習会マニュアル
プレゼンテーション練習会マニュアル
 
3行ラベリング 事例24-バーナム効果(原文に引きずられる)
3行ラベリング 事例24-バーナム効果(原文に引きずられる)3行ラベリング 事例24-バーナム効果(原文に引きずられる)
3行ラベリング 事例24-バーナム効果(原文に引きずられる)
 
【講座案内】エンジニアの文章図解・情報整理術
【講座案内】エンジニアの文章図解・情報整理術【講座案内】エンジニアの文章図解・情報整理術
【講座案内】エンジニアの文章図解・情報整理術
 
書く技術・話す技術 勉強会サポートプログラム
書く技術・話す技術 勉強会サポートプログラム書く技術・話す技術 勉強会サポートプログラム
書く技術・話す技術 勉強会サポートプログラム
 
3行ラベリング 事例23-数字で考える
3行ラベリング 事例23-数字で考える3行ラベリング 事例23-数字で考える
3行ラベリング 事例23-数字で考える
 
3行ラベリング 事例22-非機能
3行ラベリング 事例22-非機能3行ラベリング 事例22-非機能
3行ラベリング 事例22-非機能
 
3行ラベリング 事例21-ランサムウェア
3行ラベリング 事例21-ランサムウェア3行ラベリング 事例21-ランサムウェア
3行ラベリング 事例21-ランサムウェア
 

Fault, Error, Failure の違い