論文の概要: Demonstration of a Response Time Based Remaining Useful Life (RUL)
Prediction for Software Systems
- arxiv url: http://arxiv.org/abs/2307.12237v1
- Date: Sun, 23 Jul 2023 06:06:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-25 17:10:17.486902
- Title: Demonstration of a Response Time Based Remaining Useful Life (RUL)
Prediction for Software Systems
- Title（参考訳）: ソフトウェアシステムにおける応答時間に基づくRetaining Useful Life (RUL)予測の実証
- Authors: Ray Islam (Mohammad Rubyet Islam), Peter Sandborn
- Abstract要約: Prognostic and Health Management (PHM) は、エレクトロニクス分野や非エレクトロニクス分野のハードウェアシステムに広く応用されている。
本稿では,故障予測とRUL推定のためのソフトウェアシステムへのPHMの概念の適用について述べる。
- 参考スコア（独自算出の注目度）: 0.966840768820136
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prognostic and Health Management (PHM) has been widely applied to hardware
systems in the electronics and non-electronics domains but has not been
explored for software. While software does not decay over time, it can degrade
over release cycles. Software health management is confined to diagnostic
assessments that identify problems, whereas prognostic assessment potentially
indicates when in the future a problem will become detrimental. Relevant
research areas such as software defect prediction, software reliability
prediction, predictive maintenance of software, software degradation, and
software performance prediction, exist, but all of these represent diagnostic
models built upon historical data, none of which can predict an RUL for
software. This paper addresses the application of PHM concepts to software
systems for fault predictions and RUL estimation. Specifically, this paper
addresses how PHM can be used to make decisions for software systems such as
version update and upgrade, module changes, system reengineering, rejuvenation,
maintenance scheduling, budgeting, and total abandonment. This paper presents a
method to prognostically and continuously predict the RUL of a software system
based on usage parameters (e.g., the numbers and categories of releases) and
performance parameters (e.g., response time). The model developed has been
validated by comparing actual data, with the results that were generated by
predictive models. Statistical validation (regression validation, and k-fold
cross validation) has also been carried out. A case study, based on publicly
available data for the Bugzilla application is presented. This case study
demonstrates that PHM concepts can be applied to software systems and RUL can
be calculated to make system management decisions.
- Abstract（参考訳）: Prognostic and Health Management (PHM) は、電子工学や非エレクトロニクス分野のハードウェアシステムに広く応用されているが、ソフトウェアには適用されていない。
ソフトウェアは時間とともに崩壊しないが、リリースサイクルで劣化する可能性がある。
ソフトウェア健康管理は問題を特定する診断アセスメントに限られるが、予後アセスメントは将来問題が有害になる可能性を示唆している。
ソフトウェア欠陥予測、ソフトウェア信頼性予測、ソフトウェアの予測メンテナンス、ソフトウェア劣化予測、ソフトウェアパフォーマンス予測といった関連する研究分野は存在するが、これら全ては歴史的データに基づいて構築された診断モデルであり、ソフトウェアに対するrulを予測することはできない。
本稿では,故障予測とRUL推定のためのソフトウェアシステムへのPHMの概念の適用について述べる。
具体的には,バージョン更新やアップグレード,モジュール変更,システム再設計,再帰,メンテナンススケジューリング,予算削減,トータル放棄といったソフトウェアシステムの意思決定に,phmをどのように活用するかについて述べる。
本稿では,利用パラメータ(例えば,リリース数とカテゴリ)と性能パラメータ(例えば応答時間)に基づいて,ソフトウェアシステムのrulを確率的かつ連続的に予測する手法を提案する。
開発したモデルは、予測モデルによって生成された結果と実際のデータを比較して検証された。
統計的検証(回帰検証、k-fold Cross Validation)も行われている。
Bugzillaアプリケーション用の公開データに基づくケーススタディが紹介されている。
このケーススタディは、PHMの概念をソフトウェアシステムに適用し、RULを計算してシステム管理の意思決定を行うことを示した。
関連論文リスト
- Size biased Multinomial Modelling of detection data in Software testing [1.7532822703595772]
バグサイズや最終的なバグサイズを利用して、ソフトウェアの信頼性をより正確に判断する上で役立ちます。
このモデルはシミュレーションによって検証され、その後、重要な宇宙アプリケーションテストデータに使用される。
論文 参考訳（メタデータ） (2024-05-24T17:57:34Z) - Analyzing the Influence of Processor Speed and Clock Speed on Remaining Useful Life Estimation of Software Systems [0.9831489366502301]
本研究は,オペレーティングシステムやクロック速度などの環境特性の変化がソフトウェアにおけるRUL推定に与える影響を評価するために,解析を拡張した。
検出は、制御されたテストベッドの実際のパフォーマンスデータを用いて厳格に検証され、予測モデル生成データと比較される。
この調査は、ソフトウェアのメンテナンスと最適化戦略に実用的な知識をもたらす。
論文 参考訳（メタデータ） (2023-09-22T04:46:34Z) - Applying Machine Learning Analysis for Software Quality Test [0.0]
メンテナンスのトリガーと予測されるかどうかを理解することは重要です。
生成したプログラムの複雑さを評価する多くの手法は有用な予測モデルを生成する。
本稿では,機械学習を利用可能なデータに適用し,累積ソフトウェア故障レベルを算出する。
論文 参考訳（メタデータ） (2023-05-16T06:10:54Z) - Prediction-Powered Inference [68.97619568620709]
予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。
このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。
予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
論文 参考訳（メタデータ） (2023-01-23T18:59:28Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - System Resilience through Health Monitoring and Reconfiguration [56.448036299746285]
人為的なシステムのレジリエンスを、予期せぬ事象に対して向上させるためのエンドツーエンドのフレームワークを実証する。
このフレームワークは物理ベースのデジタルツインモデルと,リアルタイム故障診断,予後,再構成を行う3つのモジュールに基づいている。
論文 参考訳（メタデータ） (2022-08-30T20:16:17Z) - Cloud Failure Prediction with Hierarchical Temporary Memory: An
Empirical Assessment [64.73243241568555]
Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。
本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
論文 参考訳（メタデータ） (2021-10-06T07:09:45Z) - Machine Learning Techniques for Software Quality Assurance: A Survey [5.33024001730262]
我々は,障害予測とテストケース優先順位付けの両方における様々なアプローチについて考察する。
近年,障害予測のためのディープラーニングアルゴリズムは,プログラムのセマンティクスと障害予測機能とのギャップを埋めるのに役立つ。
論文 参考訳（メタデータ） (2021-04-29T00:37:27Z) - Uncertainty-aware Remaining Useful Life predictor [57.74855412811814]
有効寿命 (Remaining Useful Life, RUL) とは、特定の産業資産の運用期間を推定する問題である。
本研究では,Deep Gaussian Processes (DGPs) を,前述の制限に対する解決策と捉える。
アルゴリズムの性能はNASAの航空機エンジン用N-CMAPSSデータセットで評価される。
論文 参考訳（メタデータ） (2021-04-08T08:50:44Z) - Robust and Transferable Anomaly Detection in Log Data using Pre-Trained
Language Models [59.04636530383049]
クラウドのような大規模コンピュータシステムにおける異常や障害は、多くのユーザに影響を与える。
システム情報の主要なトラブルシューティングソースとして,ログデータの異常検出のためのフレームワークを提案する。
論文 参考訳（メタデータ） (2021-02-23T09:17:05Z) - Uncovering the Underlying Physics of Degrading System Behavior Through a
Deep Neural Network Framework: The Case of Remaining Useful Life Prognosis [0.0]
本稿では、ディープニューラルネットワークフレームワークを用いて、劣化の物理を探索するオープンボックスアプローチを提案する。
フレームワークには3つのステージがあり、システムの状態を表す潜伏変数と対応するPDEを見つけることを目的としている。
論文 参考訳（メタデータ） (2020-06-10T21:05:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。