論文の概要: Analyzing the Influence of Processor Speed and Clock Speed on Remaining
Useful Life Estimation of Software Systems
- arxiv url: http://arxiv.org/abs/2309.12617v2
- Date: Sat, 9 Mar 2024 16:28:41 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 16:19:29.644616
- Title: Analyzing the Influence of Processor Speed and Clock Speed on Remaining
Useful Life Estimation of Software Systems
- Title（参考訳）: ソフトウェアシステムの有効寿命推定におけるプロセッサ速度とクロック速度の影響の解析
- Authors: M. Rubyet Islam, Peter Sandborn
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.104960878651584
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Prognostics and Health Management (PHM) is a discipline focused on predicting
the point at which systems or components will cease to perform as intended,
typically measured as Remaining Useful Life (RUL). RUL serves as a vital
decision-making tool for contingency planning, guiding the timing and nature of
system maintenance. Historically, PHM has primarily been applied to hardware
systems, with its application to software only recently explored. In a recent
study we introduced a methodology and demonstrated how changes in software can
impact the RUL of software. However, in practical software development,
real-time performance is also influenced by various environmental attributes,
including operating systems, clock speed, processor performance, RAM, machine
core count and others. This research extends the analysis to assess how changes
in environmental attributes, such as operating system and clock speed, affect
RUL estimation in software. Findings are rigorously validated using real
performance data from controlled test beds and compared with predictive
model-generated data. Statistical validation, including regression analysis,
supports the credibility of the results. The controlled test bed environment
replicates and validates faults from real applications, ensuring a standardized
assessment platform. This exploration yields actionable knowledge for software
maintenance and optimization strategies, addressing a significant gap in the
field of software health management.
- Abstract（参考訳）: PHM(Prognostics and Health Management)は、システムやコンポーネントが意図した通りに動作停止する地点を予測することに焦点を当てた分野であり、通常、Remaining Useful Life (RUL) として測定される。
RULは緊急計画のための重要な意思決定ツールであり、システムのメンテナンスのタイミングと性質を導く。
歴史的に、PHMはハードウェアシステムに主に適用されており、ソフトウェアにしか適用されていない。
最近の研究では、ソフトウェアの変更がソフトウェアのRULに与える影響を実証する方法論を紹介しました。
しかし、実用的なソフトウェア開発においては、リアルタイム性能はオペレーティングシステム、クロック速度、プロセッサ性能、RAM、マシンコア数などの様々な環境特性にも影響される。
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分析を拡張する。
分析結果は, 実性能データを用いて厳密に検証され, 予測モデル生成データと比較される。
回帰分析を含む統計的検証は、結果の信頼性を支持する。
コントロールされたテストベッド環境は、実際のアプリケーションからの障害を複製し、検証し、標準化されたアセスメントプラットフォームを保証する。
この調査は、ソフトウェアメンテナンスと最適化戦略に関する実用的な知識をもたらし、ソフトウェアヘルス管理の分野における大きなギャップに対処する。
関連論文リスト
- Early Detection of Performance Regressions by Bridging Local Performance Data and Architectural Models [12.581051275141537]
ソフトウェア開発では、開発者は既存の問題に対処したり、新機能を実装したりするために、ソフトウェアに多くの修正を加えることが多い。
新しいソフトウェアリリースのパフォーマンスが低下しないことを保証するため、既存のプラクティスはシステムレベルのパフォーマンステストに依存している。
本稿では,コンポーネントレベルのテストとシステムレベルのアーキテクチャモデルによって生成された局所的な性能データをブリッジすることで,性能の劣化を早期に検出する手法を提案する。
論文 参考訳（メタデータ） (2024-08-15T13:33:20Z) - An Effective Software Risk Prediction Management Analysis of Data Using Machine Learning and Data Mining Method [10.608932697201274]
ソフトウェアプロジェクトのリスクの適切な優先順位付けは、ソフトウェアプロジェクトのパフォーマンス機能と最終的な成功を確認する上で重要な要素である。
本稿では,最新の最先端WF攻撃モデルの相互依存性をキャプチャする逐次拡張パラメータ最適化手法を提案する。
NASA 93のデータセットと93のソフトウェアプロジェクトによる実験的な検証が行われた。
論文 参考訳（メタデータ） (2024-06-13T04:11:01Z) - Efficacy of static analysis tools for software defect detection on open-source projects [0.0]
この調査では、SonarQube、PMD、Checkstyle、FindBugsといった一般的な分析ツールを使って比較を行った。
その結果,SonarQubeの欠陥検出は,他のツールと比較してかなり優れていることがわかった。
論文 参考訳（メタデータ） (2024-05-20T19:05:32Z) - Demonstration of a Response Time Based Remaining Useful Life (RUL)
Prediction for Software Systems [0.966840768820136]
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。
論文 参考訳（メタデータ） (2023-07-23T06:06:38Z) - From Static Benchmarks to Adaptive Testing: Psychometrics in AI Evaluation [60.14902811624433]
本稿では,静的評価手法から適応テストへのパラダイムシフトについて論じる。
これには、ベンチマークで各テスト項目の特性と価値を推定し、リアルタイムでアイテムを動的に調整することが含まれる。
我々は、AI評価にサイコメトリックを採用する現在のアプローチ、アドバンテージ、そして根底にある理由を分析します。
論文 参考訳（メタデータ） (2023-06-18T09:54:33Z) - Robustness and Generalization Performance of Deep Learning Models on
Cyber-Physical Systems: A Comparative Study [71.84852429039881]
調査は、センサーの故障やノイズなど、様々な摂動を扱うモデルの能力に焦点を当てている。
我々は,これらのモデルの一般化と伝達学習能力を,アウト・オブ・ディストリビューション(OOD)サンプルに公開することによって検証する。
論文 参考訳（メタデータ） (2023-06-13T12:43:59Z) - Improving the Performance of Robust Control through Event-Triggered
Learning [74.57758188038375]
LQR問題における不確実性に直面していつ学習するかを決定するイベントトリガー学習アルゴリズムを提案する。
本研究では,ロバストな制御器ベースライン上での性能向上を数値例で示す。
論文 参考訳（メタデータ） (2022-07-28T17:36:37Z) - Lifelong Learning Metrics [63.8376359764052]
DARPA Lifelong Learning Machines (L2M) プログラムは、人工知能(AI)システムの進歩を目指している。
本論文は、生涯学習シナリオを実行するエージェントのパフォーマンスの構築と特徴付けのためのフォーマリズムを概説する。
論文 参考訳（メタデータ） (2022-01-20T16:29:14Z) - An Extensible Benchmark Suite for Learning to Simulate Physical Systems [60.249111272844374]
我々は、統一されたベンチマークと評価プロトコルへの一歩を踏み出すために、一連のベンチマーク問題を導入する。
本稿では,4つの物理系と,広く使用されている古典的時間ベースおよび代表的なデータ駆動手法のコレクションを提案する。
論文 参考訳（メタデータ） (2021-08-09T17:39:09Z) - 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) - Computational framework for real-time diagnostics and prognostics of
aircraft actuation systems [0.0]
本研究は, 信号取得, 故障検出と同定, 有用寿命推定の3段階に対処する。
この目的を達成するために、異なる忠実度を持つ物理モデルからの情報と機械学習技術を組み合わせることを提案する。
この手法は、二次飛行制御のための航空機の電気機械アクチュエータのFDIおよびRUL推定のために評価される。
論文 参考訳（メタデータ） (2020-09-30T12:53:07Z)
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。