Software Reliability Engineering im Infotainment - Georg-August ...

Tabelle 5.1-4 Vorhersage der Restfehler und der Reliability für IS MHU–A
ZE
Anteil an Restfehlern
Vorhersage
Reliabilty R(0.01) des Yamada-
Delayed-S-shaped-Modells
R
[ ( )
b( t+
s
e )]
( )
( )
−bt
−a
1+
bt e − 1+
b( t+
s
x / t = e
)
7 30.9% 0.79
8 22.89% 0.85
9 14.80 0.90
10 10.30% 0.93
11 6.87% 0.95
5.1.2.2 Analyse der Restfehlerdaten mit Regression
Dieses Beispiel wird ebenfalls mit Regressionen berechnet. Es geht darum, eine
Vorhersage zu treffen und zu prüfen, ob eine Vorhersage nicht nur mit SR-Modellen,
sondern auch mit einfachen Regressionen möglich ist. In der folgenden Abbildung 5.1-7
sieht man die kumulierte Fehlerkurve bis zur ZE 6, ab der gestrichelten Linie sieht man
die Schätzungen der verschiedenen Modelle und Regressionen im Vergleich zur
kumulierten Fehlerkurve. Hier wird deutlich, dass die lineare und logarithmische
Regression keine gute Vorhersagekraft besitzen, wohingegen die vorhergesagte Kurve
des Yamada-Delayed-S-shaped-Modells mit der Kurve der realen Daten übereinstimmt.
In Kapitel 5.3 wird das Ergebnis weitergehend interpretiert.
Abbildung 5.1-7 Analyse der Daten mit Regressionen und Yamadas-Modell MHU-A
Fehleranzahl
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
Zeiteinheit
Kumulierte Fehler MHU-A Yamada-Delayed-S-shaped Modell Lineare Regression Logarithmische Regression
54