소프트웨어의 디버깅에 오류 발생의 시간을 기반으로 하는 많은 소프트웨어 신뢰성 모델이 제안되어 왔다. 무한고장 모형과 비동질적인 포아송 과정에 의존한 소프트웨어 신뢰성 모형을 이용하면 모수 추정이 가능하다. 소프트웨어를 시장에 인도하는 결정을 내리기 위해서는 조건부 고장률이 중요한 변수가 된다. 유한 고장 모형은 실제 상황에서 다양한 분야에 사용된다. 특성화 문제, 특이점의 감지, 선형 추정, 시스템의 안정성 연구, 수명을 테스트, 생존 분석, 데이터 압축 및 기타 여러 분야에서의 사용이 점점 많아지고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 고장의 예측을 모니터링 함으로써 소프트웨어 신뢰성의 향상에 크게 기여 할 수 있다. 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 공정 관리에 사용되는 도구이다. 본 논문에서 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 로그선형 모형 그리고 파레토 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.
소프트웨어의 디버깅에 오류 발생의 시간을 기반으로 하는 많은 소프트웨어 신뢰성 모델이 제안되어 왔다. 무한고장 모형과 비동질적인 포아송 과정에 의존한 소프트웨어 신뢰성 모형을 이용하면 모수 추정이 가능하다. 소프트웨어를 시장에 인도하는 결정을 내리기 위해서는 조건부 고장률이 중요한 변수가 된다. 유한 고장 모형은 실제 상황에서 다양한 분야에 사용된다. 특성화 문제, 특이점의 감지, 선형 추정, 시스템의 안정성 연구, 수명을 테스트, 생존 분석, 데이터 압축 및 기타 여러 분야에서의 사용이 점점 많아지고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 고장의 예측을 모니터링 함으로써 소프트웨어 신뢰성의 향상에 크게 기여 할 수 있다. 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 공정 관리에 사용되는 도구이다. 본 논문에서 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 로그선형 모형 그리고 파레토 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.
There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (N...
There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (NHPP). For someone making a decision about when to market software, the conditional failure rate is an important variables. The finite failure model are used in a wide variety of practical situations. Their use in characterization problems, detection of outliers, linear estimation, study of system reliability, life-testing, survival analysis, data compression and many other fields can be seen from the many study. Statistical Process Control (SPC) can monitor the forecasting of software failure and there by contribute significantly to the improvement of software reliability. Control charts are widely used for software process control in the software industry. In this paper, we proposed a control mechanism based on NHPP using mean value function of log Poission, log-linear and Parto distribution.
There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (NHPP). For someone making a decision about when to market software, the conditional failure rate is an important variables. The finite failure model are used in a wide variety of practical situations. Their use in characterization problems, detection of outliers, linear estimation, study of system reliability, life-testing, survival analysis, data compression and many other fields can be seen from the many study. Statistical Process Control (SPC) can monitor the forecasting of software failure and there by contribute significantly to the improvement of software reliability. Control charts are widely used for software process control in the software industry. In this paper, we proposed a control mechanism based on NHPP using mean value function of log Poission, log-linear and Parto distribution.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 분야에서 본 논문에서는 신뢰성 분야에서 많이 사용되는 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 로그선형 모형 그리고 파레토 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.
즉, 관리 한계를 벗어나면 공정의 이상을 발견하고 재발방지 조치를 취함으로써 공정을 안정하게 유지하여 품질의 유지 및 향상을 도모하기 위한 목적으로 이용된다.
가설 설정
이러한 소프트웨어 방출시간에 대한 연구들은 대부분 유한 고장 NHPP(Non-Homogeneous Poisson Process)모형을 사용하였다[1][2]. 이러한 유한(Finite) 고장 NHPP모형은 소프트웨어가 유한개의 고장이 있고 고장 제거 단계에서는 새로운 고장이 발생하지 않는 다는 가정을 한 모형이다. 그러나 실제 고장 제거 단계에서도 새로운 고장이 발생 할 수 있다.
제안 방법
로그 선형 모형 관리도에서는 (그림 2)에서 보여 주듯이 20번째 추정값은 관리하한 LCL보다 낮게 타점되어 있고 22, 30번째 그리고 33번째와 40번째 추정값이 관리상한 UCL보다 높게 타점되어 나타나고 있다. 그러나 런(Run), 주기, 경향이 비교적 없는 것으로 판단되므로 로그 선형 모형을 사용하기 위해서는 이러한 5개의 자료를 판단하여 이상요인이면 즉시 제거하고 다시 또 관리한계를 설정하여 조사하면 된다. 파레토 분포 모형 관리도에서는 (그림 3)에서 보여 주듯이 관리상한 UCL과 관리하한LCL 사이에 존재하는 자료가 벗어나는 자료보다 많기 때문에 이상요인과 우연요인 그리고 런(Run), 주기, 경향이 존재한다고 판단되기 때문에 파레토 분포 모형을 사용하기 위해서는 이상 요인과 우연요인을 판단해야 할 뿐만 아니라 시스템적 접근 예를 들면 작업방법 개선, 작업자 훈련, 작업 환경의 균일화, 계측기 정도의 향상 등을 고려해 볼 수 있다.
따라서 로그 포아송 실행시간 모형 관리도에서는 <표 6>과 (그림 1)에서 보여 주듯이 7번째와 18번째 그리고 20번째와 29번째 추정값이 관리하한 LCL를 벗어나고 있다. 따라서 포아송 실행시간 모형을 사용하기 위해서는 이러한 4개의 자료를 판단하여 이상요인이면 즉시 제거하고 다시 또 관리한계를 설정하여 조사하면 된다. 그러나 중심선 하단 쪽에 모든 자료들이 타점되어 있기 때문에 시스템적인 접근을 통하여 자료들을 개선하여 사용하는 편이 효율적이다.
즉, 관리 한계를 벗어나면 공정의 이상을 발견하고 재발방지 조치를 취함으로써 공정을 안정하게 유지하여 품질의 유지 및 향상을 도모하기 위한 목적으로 이용된다. 본 연구에 사용된 모형에서 로그 포아송 실행시간 모형은 이상요인이면 즉시 제거하고 다시 또 관리한계를 설정하여 조사하거나 시스템 적인 접근을 통하여 자료들을 개선하여 사용하는 편이 효율적이고 로그 선형 모형을 사용하기 위해서는 이상요인이면 즉시 제거하고 다시 또 관리한계를 설정하여 조사하면 된다.
이 분야에서 본 논문에서는 신뢰성 분야에서 많이 사용되는 NHPP에 근원을 둔 로그 포아송 실행시간 모형, 로그선형 모형 그리고 파레토 모형의 평균값 함수를 이용한 통계적 공정관리 차트를 이용한 제어 메커니즘을 제안하였다.
이 장에서 소프트웨어 고장 간격 시간 자료[13] (failure interval time data)를 가지고 제시하는 신뢰모형들을 분석하고자 한다. 이 자료의 고장 시간은 18.
이러한 계산은 초기값을 0과 10을, 허용 한계(tolerance for width of interval)는 10-5 을 주고 수렴성을 확인하면서 충분한 반복 횟수인 100번을 C언어를 이용하여 모수 추정을 수행하였다.
이론/모형
735 시간단위에 30번의 고장이 발생된 자료이며<표 3>에 나열 되어 있다. 모수추정은 최우추정법을 이용하고 비선형 방정식의 계산방법은 수치 해석적 기본 방법인 이분법(bisection method)을 사용하였다. 이러한 계산은 초기값을 0과 10을, 허용 한계(tolerance for width of interval)는 10-5 을 주고 수렴성을 확인하면서 충분한 반복 횟수인 100번을 C언어를 이용하여 모수 추정을 수행하였다.
결국, 소프트웨어 시스템 시험을 끝내고 그것을 사용자에게 넘기는 시기 결정은 매우 중요한 사항이 된다. 이러한 소프트웨어 방출시간에 대한 연구들은 대부분 유한 고장 NHPP(Non-Homogeneous Poisson Process)모형을 사용하였다[1][2]. 이러한 유한(Finite) 고장 NHPP모형은 소프트웨어가 유한개의 고장이 있고 고장 제거 단계에서는 새로운 고장이 발생하지 않는 다는 가정을 한 모형이다.
후속연구
이 연구를 통하여 소프트웨어 개발자들은 효율적인 자료를 파악 하는데 어느 정도 도움을 줄 수 있으리라 사료 된다.
질의응답
핵심어
질문
논문에서 추출한 답변
컨트롤 차트란?
통계적 공정 관리 (SPC)는 소프트웨어 고장의 예측을 모니터링 함으로써 소프트웨어 신뢰성의 향상에 크게 기여 할 수 있다. 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 공정 관리에 사용되는 도구이다. 이 분야에서 K,H Rao, R.
소프트웨어 개발과정은 어떠한 단계로 이루어져 있는가?
일반적으로 소프트웨어 개발과정은 설계단계, 디자인, 코딩 그리고 테스팅 단계를 거친다. 이러한 과정을 거친 후 소프트웨어 제품을 방출하게 되는데 방출 이후에 발견되지 않은 고장들이 나타난다면 이것들에 대한 보전 비용(Maintenance cost)은 크게 증가 할 것이다.
소프트웨어 개발과정을 거친 후 방출되는 제품에 고장이 나타난다면 어떠한 결과가 나타나는가?
일반적으로 소프트웨어 개발과정은 설계단계, 디자인, 코딩 그리고 테스팅 단계를 거친다. 이러한 과정을 거친 후 소프트웨어 제품을 방출하게 되는데 방출 이후에 발견되지 않은 고장들이 나타난다면 이것들에 대한 보전 비용(Maintenance cost)은 크게 증가 할 것이다. 결국, 소프트웨어 시스템 시험을 끝내고 그것을 사용자에게 넘기는 시기 결정은 매우 중요한 사항이 된다.
참고문헌 (15)
Gokhale, S. S. and Trivedi, K. S. "A time/structure based software reliability model", Annals of Software Engineering. 8, pp. 85-121. 1999.
Goel AL, Okumoto K, "Time-dependent fault detection rate model for software and other performance measures", IEEE Trans Reliab 28, pp.206-11, 1978.
Musa, J. D and Okumoto, K.(1984.) "A Logarithmic Poisson Execution Time Model for Software Reliability Measurement", Proceeding the 7th International Conference on Software Engineering. pp. 230-238,
Almering, V. and Genuchten, M, V and Cloudt, G. and Sonnemans, P. J. M.(2007) " Using Software Reliability Growth Models in Practice". IEEE SOFTWARE. pp. 82-88.
Yang, B. and Xie. M.(2000) "A study of operational and testing reliability in software reliability analysis". RELIABILITY ENGINEERING & SYSTEM SAFETY, Vol,70, pp, 323-329.
Huang, C. Y.(2005) "Cost-Reliability-optimal release policy for software reliability models incorporating improvements in testing efficiency, The journal of Systems and software, Vol,77, pp,139-155.
K,H Rao, R. S, Prasad and. R.L.Kantham "Assessing Software Reliability Using SPC - An Order Statistics Approach", International Journal of Computer Science, Engineering and Applications (IJCSEA) Vol.1, No.4, pp. 121-131, August 2011.
J. F. Lawless. Statistical Models and Methods for Lifetime Data. John Wiley & Sons, New York, 1981.
L. Kuo and T. Y. Yang."Bayesian Computation of Software Reliability". Journal of the American Statistical Association, Vol.91, pp. 763-773, 1996.
Musa, J. D, Iannino, A. and Okumoto, K. (1987) "Software Reliabi lity: Measurement, Prediction, Application". McGraw Hill, New York.
Hee-Cheul KIM and Hyoung-Keun Park, " The Comparative Study of Software Optimal Release Time Based on Burr Distribution", International Journal of Advancements in Computing Technology, Volume 2, Number 3, pp. 119-128, 2010.
김희철, 박형근, "강도함수 특성에 근거한 소프트웨어 최적방출시기에 관한 비교 연구", 한국산학기술학회, 제 11권 4호, pp. 1239-1247, 2010.
Y. HAYAKAWA and G. TELFAR "Mixed Poisson-Type Processes with Application in Software Reliability", Mathematical and Computer Modelling, 31, pp. 151-156, 2000.
Y. HAYAKAWA and G. TELFAR "Mixed Poisson-Type Processes with Application in Software Reliability", Mathematical and Computer Modelling, 31, pp. 151-156, 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.