Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Tabelle 5.1-4 Vorhersage der Restfehler und der <strong>Reliability</strong> für IS MHU–A<br />
ZE<br />
Anteil an Restfehlern<br />
Vorhersage<br />
Reliabilty R(0.01) des Yamada-<br />
Delayed-S-shaped-Modells<br />
R<br />
[ ( )<br />
b( t+<br />
s<br />
e )]<br />
( )<br />
( )<br />
−bt<br />
−a<br />
1+<br />
bt e − 1+<br />
b( t+<br />
s<br />
x / t = e<br />
)<br />
7 30.9% 0.79<br />
8 22.89% 0.85<br />
9 14.80 0.90<br />
10 10.30% 0.93<br />
11 6.87% 0.95<br />
5.1.2.2 Analyse der Restfehlerdaten mit Regression<br />
Dieses Beispiel wird ebenfalls mit Regressionen berechnet. Es geht darum, eine<br />
Vorhersage zu treffen und zu prüfen, ob eine Vorhersage nicht nur mit SR-Modellen,<br />
sondern auch mit einfachen Regressionen möglich ist. In der folgenden Abbildung 5.1-7<br />
sieht man die kumulierte Fehlerkurve bis zur ZE 6, ab der gestrichelten Linie sieht man<br />
die Schätzungen der verschiedenen Modelle und Regressionen <strong>im</strong> Vergleich zur<br />
kumulierten Fehlerkurve. Hier wird deutlich, dass die lineare und logarithmische<br />
Regression keine gute Vorhersagekraft besitzen, wohingegen die vorhergesagte Kurve<br />
des Yamada-Delayed-S-shaped-Modells mit der Kurve der realen Daten übereinst<strong>im</strong>mt.<br />
In Kapitel 5.3 wird das Ergebnis weitergehend interpretiert.<br />
Abbildung 5.1-7 Analyse der Daten mit Regressionen und Yamadas-Modell MHU-A<br />
Fehleranzahl<br />
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<br />
Zeiteinheit<br />
Kumulierte Fehler MHU-A Yamada-Delayed-S-shaped Modell Lineare Regression Logarithmische Regression<br />
54