$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

시계열 분석을 이용한 소프트웨어 미래 고장 시간 예측에 관한 연구
The Study for Software Future Forecasting Failure Time Using Time Series Analysis. 원문보기

정보·보안논문지 = Journal of information and security, v.11 no.3, 2011년, pp.19 - 24  

김희철 (남서울대학교 산업경영공학과) ,  신현철 (백석문화대학 인터넷정보학부)

초록
AI-Helper 아이콘AI-Helper

소프트웨어 고장 시간은 테스팅 시간과 관계없이 일정하거나, 단조증가 혹은 단조 감소 추세를 가지고 있다. 이러한 소프트웨어 신뢰모형들을 분석하기 위한 자료척도로 자료에 대한 추세 검정이 개발되어 있다. 추세 분석에는 산술평균 검정과 라플라스 추세 검정 등이 있다. 추세분석들은 전체적인 자료의 개요의 정보만 제공한다. 본 논문에서는 고장시간을 측정하다가 시간 절단이 될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 시계열 분석에 이용되는 단순이동 평균법과 가중이동평균법, 지수평활법을 이용하여 미래고장 시간을 예측하여 비교하고자 한다. 실증분석에서는 고장간격 자료를 이용하여 모형들에 대한 예측값을 평균자승오차를 이용하여 비교하고 효율적 모형을 선택 하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Software failure time presented in the literature exhibit either constant monotonic increasing or monotonic decreasing, For data analysis of software reliability model, data scale tools of trend analysis are developed. The methods of trend analysis are arithmetic mean test and Laplace trend test. Tr...

주제어

#Time censoring   #Forecasting Failure Time   #Time Series Model  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • (그림 3)에서는 2시점이동 평균을 이용하여 1시점부터 39 시점 까지 예측한 그림이고 이 그림에서 참값과 유사한 패턴으로 예측되었지만[표 2]에서 요약된 M* SE 약 594로 나타나 다른 비교 모형에 비해 효율성이떨어진다고 판단된다. 또 하나의 비교모형으로 가중평균을 이용한 예측법을 이용하려고 한다. 이모형을 이용하기 위해서는 최적가중치를 찾아야하는데 본 논문에서는 (그림 4)을 이용한 엑셀해 찾기 옵션을 이용하였다[8].
  • 본 논문에서는 고장시간을 측정하다가 시간 절단이될 경우에 미래의 고장 시간 예측에 관하여 연구 하였다. 시계열 분석에 이용되는 단순이동 평균법과 가중이동평균법, 지수평활법을 이용하여 미래고장 시간을예측하여 비교하고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (9)

  1. Gokhale, S. S. and Trivedi, K. S. "A time/structure based software reliability model", Annals of Software Engineering. 8, pp. 85-121. 1999. 

    상세보기

  2. Huang C-Y. "Performance analysis of software reliability growth models with testing-effort and change-point". J Syst Software 76, pp. 181-194, 2005. 

  3. Kuei-Chen, C., Yeu-Shiang, H., and Tzai-Zang, L. "A study of software reliability growth from the perspective of learning effects". Reliability Engineering and System Safety 93, pp. 1410-1421, 2008. 

    상세보기

  4. K. Kanoun and J. C. Laprie, "Handbook of Software Reliability Engineering", M.R.Lyu, Editor, chapter Trend Analysis. McGraw-Hill New York, NY: 1996; p.401-437. 

  5. 김희철, 신현철. "소프트웨어 고장간격시간에 대한 공정능력분석에 관한 연구", 정보.보안 논문지, 제7권2호 pp49-55, 2007. 

    원문보기 상세보기

  6. 김희철, 신현철. "ARIMA AR(1) 모형을 이용한 소프트웨어 미래 고장 시간 예측에 관한 연구", 정보.보안 논문지, 제8권2호 pp35-40, 2008. 

    원문보기 상세보기

  7. 신민철, "경영경제 통계학의 기초", 창민사, pp405- 442, 2010. 

  8. 이영찬 외 4인 공저, "통계자료처리", 도서출판 OK Press, pp387-397, 2002. 

  9. 김희철, 신현철. "학습효과를 이용한 NHPP 소프트웨어 신뢰도 모형에 관한 연구", 정보.보안 논문지, 제11권3호 pp25-32, 2011. 

    원문보기 상세보기

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로