Beschreibungdescription
Verfahren zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen SystemsProcess for computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model
Die Erfindung betrifft ein Verfahren zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen Systems sowie eine entsprechende Anordnung und ein entsprechendes Computerpro- grarrimprodukt .The invention relates to a method for computer-aided evaluation of the prognosis of parameters of a technical system, which is carried out by means of a prognosis model, as well as a corresponding arrangement and a corresponding computer program dummy product.
Technische Systeme bieten einen immer größer werdenden Funktionsumfang. Oftmals sind die zugehörigen Funktionen nur noch realisierbar, indem in einem technischen System Prozessormittel eingesetzt werden, auf denen Programmmittel ausgeführt werden. So sind beispielsweise bei einem Mobiltelefon Prozessormittel und die zugehörigen Prograitrmmittel unverzichtbare Bestandteile dieser technischen Systeme. Fehler in den Pro- grartirtimitteln führen in der Regel zu einem teilweise odervollständigen Ausfall der technischen Systeme.. Solche Ausfälle können sich in Form von Fehlfunktionen manifestieren oder auch darin, dass bestimmte technische Funktionen des technischen Systems nicht mehr zur Verfügung stehen. Ausfälle kön- nen auch zu Schäden in der Mechanik oder Elektronik des technischen Systems führen. Schließlich können solche Ausfälle oftmals erstzunehmende Kollateralschäden hervorrufen, wie etwa das Austreten von Kühlflüssigkeit aus einem Kühlschrank oder einem Reaktorbehälter.Technical systems offer an ever increasing range of functions. The associated functions can often only be implemented by using processor means in a technical system on which program means are executed. In the case of a mobile phone, for example, processor means and the associated programming means are indispensable components of these technical systems. Errors in the programming resources generally lead to a partial or complete failure of the technical systems. Such failures can manifest themselves in the form of malfunctions or in the fact that certain technical functions of the technical system are no longer available. Failures can also damage the mechanics or electronics of the technical system. Finally, such failures can often cause serious collateral damage, such as the leakage of coolant from a refrigerator or a reactor vessel.
Bei der Entwicklung eines softwareintensiven- technischen Systems ist deshalb die Zuverlässigkeit des Systems ein zentrales Qualitätskriterium. Zur Analyse der Zuverlässigkeit eines technischen Systems sind aus dem Stand der Technik eine Viel- zahl von Zuverlässigkeitswachstumsmodellen bekannt, mit denen das Ausfallverhalten des technischen Systems im Verlauf eines Test- und/oder Korrekturprozesses prognostiziert wird. Bei-
spielsweise sind in Lawrence, Denis: "Software Reliability and Safety in Nuclear Reactor Protection Systems", US Nuclear Regulatory Commission, 1993, Seiten 101 bis 105 Prognosemodelle beschrieben, mit denen der Anstieg der Zuverlässigkeit von Prograrnmmitteln in einem Testzeitraum ermittelt werden kann.When developing a software-intensive technical system, the reliability of the system is therefore a key quality criterion. For analyzing the reliability of a technical system, a large number of reliability growth models are known from the prior art, with which the failure behavior of the technical system is predicted in the course of a test and / or correction process. examples For example, in Lawrence, Denis: "Software Reliability and Safety in Nuclear Reactor Protection Systems", US Nuclear Regulatory Commission, 1993, pages 101 to 105, forecast models are described with which the increase in the reliability of programming agents can be determined in a test period.
Heutzutage beruht die Auswahl eines geeigneten Prognosemodells häufig auf der Basis von Erfahrungen von Fachleuten. Hierbei wurde ergänzend die Anpassungsgüte des betrachtetenNowadays, the selection of a suitable forecasting model is often based on the experience of experts. In addition, the goodness of adaptation was considered
Prognosemodells an die ermittelten Kenngrößen des technischen Systems auf der Basis von Fehlerabweichungen betrachtet. Es ist dabei jedoch nicht möglich, die Eignung des betrachteten Prognosemodells im Hinblick auf Langzeitprognosen zu prüfen. Es existieren ferner Verfahren zur Bewertung der Eignung von Prognosemodellen (U-Plot, Prequential Likelihood Kriterium oder Hold-Out-Kriterium, siehe z.B. Lyu, M. R. : "Handbook of Software Reliability Engineering", McGraw-Hill, New York, 1995) . Diese bewerten jedoch ebenfalls nicht die Eignung für Langfristprognosen und sind zudem rechenintensiv.Forecast model to the determined parameters of the technical system considered on the basis of error deviations. However, it is not possible to check the suitability of the forecast model with regard to long-term forecasts. There are also methods for evaluating the suitability of forecasting models (U-plot, Prequential Likelihood criterion or hold-out criterion, see e.g. Lyu, M.R .: "Handbook of Software Reliability Engineering", McGraw-Hill, New York, 1995). However, these also do not evaluate the suitability for long-term forecasts and are also computationally intensive.
Aufgabe der Erfindung ist es deshalb, ein Verfahren zur rechnergestützten Bewertung eines Prognosemodells zu schaffen, mit dem die Eignung des Prognosemodells für ein spezifisches technisches System auf einfache Weise, insbesondere auch im Hinblick auf Langzeitprognosen, geprüft werden kann.The object of the invention is therefore to create a method for computer-aided evaluation of a forecast model, with which the suitability of the forecast model for a specific technical system can be checked in a simple manner, in particular also with regard to long-term forecasts.
Diese Aufgabe wird durch die unabhängigen Patentansprüche gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert.This problem is solved by the independent claims. Further developments of the invention are defined in the dependent claims.
Bei dem erfindungsgemäßen Verfahren wird zunächst ein zeitliches Gesamtintervall mit einem Startpunkt und einem Endpunkt, in dem eine Mehrzahl von Kenngrößen des technischen Systems ermittelt wurden, in mehrere Teilintervalle eingeteilt, wobei jedes Teilintervall zwischen einem Teilintervallstartpunkt und einem Teilintervallendpunkt im Gesamtintervall liegt. Für
jedes Teilintervall wird eine Teilanpassung des zu bewertenden Prognosemodells an die im Teilintervall ermittelten Kenngrößen durchgeführt, wodurch jedes Teilintervall einer Teilanpassung zugeordnet wird. Schließlich wird für jede Teilan- passung eine Prognosegenauigkeit ermittelt, welche ein Maß für die Genauigkeit einer mit der Teilanpassung durchgeführten Prognose einer oder mehrerer Kenngrößen des technischen Systems ist. Aus den Teilanpassungen werden schließlich diejenigen ausgewählt, die ein oder mehrere vorgegebene Krite- rien erfüllen. Für diese ausgewählten Teilanpassungen wird ein Stabilitätszeitmaß bestimmt, welches von einem Stabilitätsintervall abhängt, das im Wesentlichen zwischen dem kleinsten und dem größten Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervalle liegt. Schließlich wird mittels des StabilitätsZeitmaßes und denIn the method according to the invention, a total time interval with a start point and an end point, in which a plurality of parameters of the technical system have been determined, is first divided into several subintervals, each subinterval lying between a subinterval start point and a subinterval end point in the overall interval. For Every partial interval is a partial adjustment of the forecast model to be evaluated to the parameters determined in the partial interval, whereby each partial interval is assigned to a partial adjustment. Finally, a forecast accuracy is determined for each partial adjustment, which is a measure of the accuracy of a forecast made with the partial adjustment of one or more parameters of the technical system. Finally, those that meet one or more predefined criteria are selected from the partial adjustments. A stability time measure is determined for these selected partial adaptations, which depends on a stability interval that lies essentially between the smallest and the largest partial interval end point of the partial intervals assigned to the selected partial adaptations. Finally, by means of the stability time measure and the
Prognosegenauigkeiten der ausgewählten angepassten Prognosemodelle eine Prognosegüte ermittelt, welche ein Bewertungsmaß für die Qualität der mit dem Prognosemodell durchgeführten Prognose darstellt.Forecast accuracy of the selected adjusted forecast models determines a forecast quality, which represents an evaluation measure for the quality of the forecast carried out with the forecast model.
Dadurch, dass bei der Bestimmung der Prognosegüte auch ein Stabilitätszeitmaß einfließt, wird bei der Qualitätsbeurteilung insbesondere auch die Eignung des Prognosemodells für Langzeitprognosen berücksichtigt, weil davon ausgegangen wer- den kann, dass eine Prognose langfristig umso besser ist, je stabiler sie in dem zur Bewertung herangezogenen Zeitintervall war.Because a stability time measure is also included in the determination of the forecast quality, the suitability of the forecast model for long-term forecasts is also taken into account in the quality assessment, because it can be assumed that the longer-term the better the forecast, the more stable it is in the assessment time interval used.
Vorzugsweise sind die Teilintervalle ineinander geschachtelt, d.h. jedes Teilintervall beginnt am Startpunkt des Gesamtintervalls, so dass Teilintervalle mit größeren Teilintervallsendpunkten auch immer Teilintervalle mit kleineren Teilintervallsendpunkten umfassen.Preferably, the subintervals are nested, i.e. each subinterval begins at the starting point of the total interval, so that subintervals with larger subinterval endpoints always include subintervals with smaller subinterval endpoints.
Eines der vorgegebenen Kriterien bei der Auswahl der Teilanpassungen besteht darin, dass alle Teilintervallsendpunkte der den ausgewählten Teilanpassungen zugeordneten Teilinter-
valle zeitlich aufeinanderfolgende Teilintervallsendpunkte im Gesamtintervall sind und der größte Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervalle der Endpunkt des Gesamtintervalls ist. Es wird somit immer ein zusammenhängendes Stabilitätszeitintervall in Betracht gezogen, welches als Endpunkt immer den Endpunkt des Gesamtintervalls aufweist.One of the specified criteria when selecting the partial adjustments is that all partial interval endpoints of the partial intervals assigned to the selected partial adjustments valle are temporally successive partial interval endpoints in the total interval and the largest partial interval endpoint of the partial intervals assigned to the selected partial adaptations is the end point of the total interval. A coherent stability time interval is therefore always considered, which always has the end point of the total interval as the end point.
In einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens ist die ermittelte Prognosegenauigkeit einer jeweiligen Teilanpassung die Abweichung einer oder mehrerer mittels der jeweiligen Teilanpassung prognostizierten Kenngrößen von einer oder mehreren im Gesamtintervall ermittelten Kenngrößen und/oder von einer oder mehreren mittels einer vorgegebenen Teilanpassung prognostizierten Kenngrößen. Vorzugsweise ist die ermittelte Prognosegenauigkeit der jeweiligen Teilanpassung die Abweichung einer mittels der jeweiligen Teilanpassung prognostizierten Kenngröße am Endpunkt des Gesamtintervalls von einer am Endpunkt des Gesamtintervalls er- mittelten Kenngröße und/oder von einer mittels einer vorgegebenen Teilanpassung prognostizierten Kenngröße am Endpunkt des Gesamtintervalls . Die vorgegebene Teilanpassung ist vorzugsweise eine Anpassung, welche an alle Kenngrößen des Gesamtintervalls angepasst ist. Insbesondere ist die Abweichung der prognostizierten von den ermittelten Kenngrößen eine Relativabweichung.In a preferred embodiment of the method according to the invention, the forecast accuracy of a respective partial adjustment is the deviation of one or more parameters forecast using the respective partial adjustment from one or more parameters determined in the total interval and / or one or more parameters forecast using a predetermined partial adjustment. The ascertained accuracy of the forecast of the respective partial adjustment is preferably the deviation of a parameter predicted by means of the respective partial adjustment at the end point of the total interval from a parameter determined at the end point of the total interval and / or from a parameter predicted by means of a predetermined partial adjustment at the end point of the total interval. The predefined partial adaptation is preferably an adaptation which is adapted to all parameters of the overall interval. In particular, the deviation of the predicted from the determined parameters is a relative deviation.
In einer Aus ührungsform des erfindungsgemäßen Verfahrens besteht das vorgegebene Kriterium bei der Auswahl der Teilan- passungen darin, dass die ermittelte Prognosegenauigkeit einer jeweiligen Teilanpassung besser als ein vorbestimmter Wert ist. Somit wird nur dann, wenn dieses Kriterium erfüllt ist, die jeweilige Teilanpassung der Gruppe der ausgewählten Teilanpassungen zugeordnet.In one embodiment of the method according to the invention, the predetermined criterion when selecting the partial adjustments consists in the fact that the determined accuracy of the prognosis of a respective partial adjustment is better than a predetermined value. Thus, only if this criterion is met is the respective partial adjustment assigned to the group of selected partial adjustments.
Bei einer weiteren Ausführungsform der Erfindung besteht ein vorgegebenes Kriterium für eine jeweilige Teilanpassung dar-
in, dass eine oder mehrere im Gesamtintervall ermittelten Kenngrößen innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung liegen. Ein Prognosestreuintervall ist definiert als Konfidenzintervall zu einer gewählten statisti- sehen Signifikanz bei der Prognose der Zielgröße.In a further embodiment of the invention, there is a predetermined criterion for a respective partial adaptation. in that one or more parameters determined in the total interval lie within the forecasting interval of the respective partial adjustment. A forecast spreading interval is defined as a confidence interval for a chosen statistical significance when forecasting the target quantity.
In einer weiteren Ausführungsform ist ein vorgegebenes Kriterium für eine jeweilige Teilanpassung derart gewählt, dass das Kriterium erfüllt ist, wenn eine am Endpunkt des Gesamt- Intervalls ermittelte Kenngröße innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung liegt.In a further embodiment, a predefined criterion for a respective partial adjustment is selected such that the criterion is met if a parameter determined at the end point of the total interval lies within the forecasting interval of the respective partial adjustment.
In einer bevorzugten Ausführungsform ist das Stabilitätszeitmaß die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls, d.h. das Stabilitätszeitmaß ist ein Relativwert.In a preferred embodiment, the stability time measure is the length of the stability interval divided by the length of the total interval, i.e. the stability time measure is a relative value.
In einer besonders bevorzugten Ausführungsform der Erfindung wird die Prognosegüte durch folgende Formel berechnet:In a particularly preferred embodiment of the invention, the forecast quality is calculated using the following formula:
1-Δ Ml = - 3,003«(l- +0,9971-Δ Ml = - 3.003 «(l- +0.997
wobei Ml die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten für die ausgewählten Teilanpassungen und L die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls ist.where Ml is the forecast quality, Δ the mean value of the forecast accuracy for the selected partial adjustments and L the length of the stability interval divided by the length of the total interval.
Alternativ kann die Prognosegüte durch folgende Formel berechnet werden:Alternatively, the forecast quality can be calculated using the following formula:
M2 = - 1"Δ 1/(1-(1- )2)M2 = - 1 "Δ 1 / (1- (1-) 2 )
wobei M2 die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten für die ausgewählten Teilanpassungen und L die
Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls ist.where M2 is the forecast quality, Δ the mean of the forecast accuracy for the selected partial adjustments and L the Length of the stability interval divided by the length of the total interval.
Bei den beiden oben genannten Prognosegüten Ml und M2 wird ein umso größerer Wert der Prognosegüte erreicht, je größer die Relativlänge L des Stabilitätsintervalls ist. Dies bedeutet, dass ein hoher Wert der Prognosegüte für eine bessere Eignung für Langzeitprognosen steht.With the two above-mentioned forecast qualities M1 and M2, the greater the relative length L of the stability interval, the greater the value of the forecast quality. This means that a high value of the forecast quality stands for better suitability for long-term forecasts.
In einer weiteren bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens erfolgt die Teilanpassung des Prognosemodells an die im jeweiligen Teilintervall ermittelten Kenngrößen nach der Maximum-Likelihood-Methode und/oder der Methode der kleinsten Abweichungsquadrate. Diese Methoden sind dem Fachmann hinlänglich aus dem Stand der Technik bekannt.In a further preferred embodiment of the method according to the invention, the partial adaptation of the forecast model to the parameters determined in the respective partial interval takes place according to the maximum likelihood method and / or the method of the smallest squares of deviations. These methods are well known to the person skilled in the art from the prior art.
In einer besonders bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens handelt es sich bei der zu bewertenden Prognose um eine Zuverlässigkeitsprognose, insbesondere um eine mit einem Zuverlässigkeitswachstumsmodell durchgeführten Prognose, und die Kenngrößen sind Werte, welche die Zuverlässigkeit des technischen Systems repräsentieren. Vorzugsweise umfassen die Kenngrößen die Anzahl der Gesamtausfälle des technischen Systems zum Zeitpunkt der Ermittlung der jeweiligen Kenngröße und/oder die durchschnittliche Zeit bis zum Auftreten eines Ausfalls des technischen Systems zum Zeitpunkt der Ermittlung der jeweiligen Kenngröße.In a particularly preferred embodiment of the method according to the invention, the forecast to be evaluated is a reliability forecast, in particular a forecast carried out using a reliability growth model, and the parameters are values which represent the reliability of the technical system. The parameters preferably include the number of total failures of the technical system at the time the respective parameter was determined and / or the average time until a failure of the technical system occurred at the time the respective parameter was determined.
Das erfindungsgemäße Verfahren eignet sich insbesondere für ein technisches System, das Prozessormittel aufweist, auf denen Programmmittel ausgeführt werden, wobei die bewertete Prognose eine Zuverlässigkeitsprognose der Programmmittel ist.The method according to the invention is particularly suitable for a technical system which has processor means on which program means are executed, the evaluated prognosis being a reliability prognosis of the program means.
Das e findungsgemäße Verfahren kann mit unterschiedlichen Typen von Prognosegenauigkeiten und/oder mit unterschiedlichen vorgegebenen Kriterien für die Auswahl der Teilanpassung
durchgeführt werden, wobei aus den mit den unterschiedlichen Typen von Prognosegenauigkeiten und/oder vorgegebenen Kriterien ermittelten Prognosegüten eine Gesamtprognosegüte bestimmt wird. Insbesondere ist diese Gesamtprognosegüte ein gewichtetes Mittel aus den mit den unterschiedlichen Typen von Prognosegenauigkeiten und/oder vorgegebenen Kriterien ermittelten Prognosegüten. Auf diese Weise kann die Prognosegüte je nach Einsatzzweck des zu bewertenden Prognosemodells angepasst werden. Insbesondere kann die Prognosegüte anhand der von einem Benutzer des Verfahrens festgelegten Prognoseziele ausgewählt werden.The method according to the invention can be used with different types of forecasting accuracy and / or with different predetermined criteria for the selection of the partial adjustment are carried out, an overall forecast quality being determined from the forecast qualities determined using the different types of forecast accuracy and / or predetermined criteria. In particular, this overall forecast quality is a weighted average of the forecast qualities determined using the different types of forecast accuracy and / or specified criteria. In this way, the forecast quality can be adjusted depending on the intended use of the forecast model to be evaluated. In particular, the forecast quality can be selected on the basis of the forecast targets set by a user of the method.
Vorzugsweise handelt es sich bei dem im erfindungsgemäßen Verfahren verwendeten zeitlichen Gesamtintervall um eine Test- und Korrekturphase des technischen Systems, wobei in dieser Phase das technische System zur Verbesserung seiner Zuverlässigkeit laufend angepasst wurde. Das mit dem erfindungsgemäßen Verfahren bewertete Prognosemodell dient somit insbesondere zur Abschätzung, ob die Länge einer vorgegebenen Test- und Korrekturphase des technischen Systems ausreicht, eine bestimmte Zuverlässigkeit des Systems bei seinem späteren Einsatz zu gewährleisten.The total time interval used in the method according to the invention is preferably a test and correction phase of the technical system, in which phase the technical system was continuously adapted to improve its reliability. The forecast model evaluated with the method according to the invention thus serves in particular to estimate whether the length of a given test and correction phase of the technical system is sufficient to ensure a certain reliability of the system when it is used later.
Das erfindungsgemäße Verfahren kann jeweils für mehrere un- terschiedliche Prognosenmodelle wiederholt werden, wodurch eine Mehrzahl von Prognosegüten erhalten wird. Die einzelnen Prognosegüten können dann verglichen werden und es kann das Prognosemodell mit der besten Prognosegüte für die Prognose der Kenngrößen des technischen Systems verwendet werden.The method according to the invention can in each case be repeated for a number of different forecast models, as a result of which a plurality of forecast qualities are obtained. The individual forecast qualities can then be compared and the forecast model with the best forecast quality can be used for the forecast of the parameters of the technical system.
Neben dem oben beschriebenen Verfahren betrifft die Erfindung ferner eine Anordnung zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen Systems, wobei die Anordnung derart ausgestaltet ist, dass das erfindungsgemäße Verfahren mit dieser Anordnung durchführbar ist. Darüber hinaus betrifft die Erfindung ein Computerprogrammprodukt, das in den
Speicher eines Computers geladen werden kann und Softwarecodeabschnitte umfasst, mit denen das erfindungsgemäße Verfahren durchgeführt wird, wenn das Programmprodukt auf dem Computer läuft.In addition to the method described above, the invention further relates to an arrangement for computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a forecast model, the arrangement being designed such that the method according to the invention can be carried out with this arrangement. In addition, the invention relates to a computer program product, which in the Memory of a computer can be loaded and includes software code sections with which the inventive method is carried out when the program product is running on the computer.
Ausführungsbeispiele der Erfindung werden detailliert anhand der beigefügten Figuren beschrieben.Embodiments of the invention are described in detail with reference to the accompanying figures.
Es zeigen:Show it:
Figur 1 ein Diagramm, welches den Ablauf einer Ausführungsform des erfindungsgemäßen Verfahrens zeigt;Figure 1 is a diagram showing the sequence of an embodiment of the method according to the invention;
Figur 2 ein Diagramm, welches die Ermittlung von Teilanpas- sungen im erfindungsgemäßen Verfahren verdeutlicht; undFIG. 2 shows a diagram which illustrates the determination of partial adaptations in the method according to the invention; and
Figur 3 eine technische Anordnung zur Durchführung des erfindungsgemäßen Verf hrens .Figure 3 shows a technical arrangement for performing the inventive method.
In der im Folgenden beschriebenen Ausführungsform des erfindungsgemäßen Verfahrens wird ein technisches System betrachtet, welches Prozessormittel aufweist, auf denen Programmmittel ausführbar sind. Ziel des Verfahrens ist es, eine Progno- se zu bewerten, welche die Zuverlässigkeit der auf dem technischen System laufenden Programmmittel prognostiziert. Im Vorfeld wurden hierbei in einem zeitlichen GesamtIntervall I, welches eine Testphase des technischen Systems darstellt, Zuverlässigkeitskenngrößen des Systems ermittelt, wobei in der hier beschriebenen Ausführungsform die Zuverlässigkeitskenngrößen die zu einem vorgegebenen Zeitpunkt ermittelten, kumulierten Gesamtausfallzahlen des technischen Systems sind. In der Testphase wurden die Programmmittel des technischen Systems umfangreichen Tests unterzogen, wobei die ermittelten Fehler in den Programmmitteln korrigiert wurden.
In einem ersten Schritt S101 wird das Gesamtintervall I in mehrere Teilintervalle Ii, I2, ..., I aufgeteilt, wobei die Teilintervalle immer am Anfangspunkt des Gesamtintervalls I beginnen und sukzessive größer werden, so dass das letzte Teilintervall dem Gesamtintervall I entsprich . In einemIn the embodiment of the method according to the invention described below, a technical system is considered which has processor means on which program means can be executed. The aim of the method is to evaluate a prognosis that predicts the reliability of the program resources running on the technical system. Reliability parameters of the system were determined beforehand in a total time interval I, which represents a test phase of the technical system, the reliability parameters in the embodiment described here being the cumulative total failure numbers of the technical system determined at a predetermined point in time. In the test phase, the program resources of the technical system were subjected to extensive tests, whereby the errors found in the program resources were corrected. In a first step S101, the total interval I is divided into a plurality of subintervals Ii, I 2 ,..., I, the subintervals always starting at the starting point of the total interval I and gradually increasing, so that the last subinterval corresponds to the total interval I. In one
Schritt S102 wird eine Teilanpassung eines mit dem Verfahren zu bewertenden Prognosemodells an die Kenngrößen A(t) durchgeführt (t ist ein Zeitpunkt im Gesamtintervall I und A(t) ist die Gesamtanzahl der Ausfälle zum Zeitpunkt t) . Es kann hierbei ein beliebiges, aus dem Stand der Technik bekanntesStep S102 partially adjusts a forecast model to be evaluated with the method to the parameters A (t) (t is a point in time in the total interval I and A (t) is the total number of failures at point in time). Any of those known from the prior art can be used
Zuverlässigkeitswachstumsmodell als Prognosemodell herangezogen werden, beispielsweise das Modell von Musa und Okumoto oder ein logarithmisches Modell. Diese Modelle umfassen Parameter, die im Schritt S102 an die Ausfallzahlen A(t) des technischen Systems in jedem Teilintervall Ii, I2, ..., I angepasst werden. Auf diese Weise werden eine Vielzahl von Teilanpassungen P-^ erhalten.Reliability growth model can be used as a forecast model, for example the model by Musa and Okumoto or a logarithmic model. These models include parameters that are adapted in step S102 to the failure numbers A (t) of the technical system in each subinterval Ii, I 2 , ..., I. In this way, a large number of partial adjustments P- ^ are obtained.
In dem nächsten Schritt S103 wird schließlich eine Prognose- genauigkeit Δj_ für jede Teilanpassung ermittelt. In der hier beschriebenen Ausführungsform ist die Prognosegenauigkeit Δ^ der Betrag der Differenz der am Endpunkt des Gesamtintervalls prognostizierten Ausfallzahl und der tatsächlich am Endpunkt ermittelten Ausfallzahl geteilt durch die tatsächlich am End- punkt ermittelten Ausfallzahl. Mathematisch lässt sich Δ^ deshalb wie folgt schreiben:Finally, in the next step S103, a forecast accuracy Δj_ is determined for each partial adjustment. In the embodiment described here, the forecast accuracy Δ ^ is the amount of the difference between the number of failures predicted at the end point of the total interval and the number of failures actually determined at the end point divided by the number of failures actually determined at the end point. Mathematically, Δ ^ can therefore be written as follows:
wobei A± (teri(-ι) die mit der Teilanpassung Pi am Endpunkt tend des Gesamtintervalls I ermittelte Ausfallzahl und A(tend) die tatsächlich ermittelte Ausfallzahl zum Zeitpunkt tend ist.where A ± (t eri ( -ι) is the number of failures determined with the partial adjustment Pi at the end point t en d of the total interval I and A (t en d) is the actually determined number of failures at the time t en d.
Alternativ kann auch die relative Abweichung zwischen der am Endpunkt ten prognostizierten Ausfallzahl und der Ausfallzahl
betrachtet werden, welche mit einer an alle Kenngrößen des Gesamtintervalls angepassten Teilanpassung prognostiziert wurde. Im letzteren Fall wird die Sensitivität des Verfahrens gegenüber zufälligen Schwankungen bei Ausfällen am Ende des Gesamtintervalls deutlich vermindert.Alternatively, the relative deviation between the number of default predicted at the end point t en and the number of default can also be used are considered, which was predicted with a partial adjustment adapted to all parameters of the total interval. In the latter case, the sensitivity of the method to random fluctuations in the event of failures at the end of the total interval is significantly reduced.
In dem nächsten Schritt S104 werden aus allen Teilanpassungen diejenigen ausgewählt, welche eine Prognosegenauigkeit Δi aufweisen, die kleiner als ein vorbestimmter Maximalwert α ist. Da die Prognose umso besser wird, je größer das bei der Anpassung des Prognosemodells betrachtete Teilintervall ist, liegen die Teilintervallsendpunkte, die den ausgewählten Teilanpassungen zugeordnet sind, normalerweise in der Nachbarschaft zu dem Endpunkt tθnd des Gesamtintervalls I .In the next step S104, those partial adaptations are selected that have a forecast accuracy Δi that is smaller than a predetermined maximum value α. Since the prognosis becomes better the larger the subinterval considered when adapting the forecast model, the subinterval endpoints that are assigned to the selected subadaptations are normally in the vicinity of the end point t θnd of the total interval I.
Um zu berücksichtigen, in welchen Teilintervallsbereichen eine Prognose mit einer Genauigkeit kleiner als der vorgegebene Wert α erreicht wird, wird im Schritt S105 ein Stabilitätszeitmaß L ermittelt, das von einem Stabilitätsintervall ab- hängt. Das Stabilitätsintervall liegt dabei zwischen demIn order to take into account the sub-interval ranges in which a forecast with an accuracy smaller than the predetermined value α is achieved, a stability time measure L is determined in step S105, which depends on a stability interval. The stability interval lies between that
»kleinsten und dem größten Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervallen. Das Stabilitätszeitmaß ist die relative Länge des Stabilitätsintervalls und lässt sich mathematisch wie folgt schreiben:»The smallest and the largest partial interval end point of the partial intervals assigned to the selected partial adjustments. The stability time measure is the relative length of the stability interval and can be written mathematically as follows:
T — end *k _T - end * k _
wobei tk der kleinste Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervalle ist.where tk is the smallest partial interval end point of the partial intervals assigned to the selected partial adaptations.
Schließlich wird im Schritt S106 eine Prognosegüte Ml mit Hilfe folgender Formel bestimmt:Finally, a forecast quality M1 is determined in step S106 using the following formula:
Ml =- 3,003 • (1-LY +0,997
wobei Ml die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten für die ausgewählten angepassten Prognosemodelle und L das Stabilitätszeitmaß ist.Ml = - 3.003 • (1-LY +0.997 where Ml is the forecast quality, Δ is the mean value of the forecast accuracy for the selected adapted forecast models and L is the stability measure of time.
Die Konstanten 3,003 bzw. 0,997 sind dabei so gewählt, dass der Term 1—Δ, der bei höherer Exaktheit der Prognose umso größer wird, bei einem Stabilitätszeitmaß, welches 90 % der Länge des Gesamtintervalls entspricht, durch den Wert des Nenners, der bei großen StabilitätsZeitmaßen kleiner 1 ist, noch verstärkt wird. Demgegenüber wird die Prognosegüte Ml bei einem kurzen Stabilitätsintervall durch den Nenner maximal geviertelt. Durch eine derartige Wahl von Ml wird bei der Bestimmung der Prognosegüte der Zeitraum berücksichtigt, in dem die Prognosen stabil sind. Je länger das Stabilitätsin- tervall ist, desto größer ist die Prognosegüte, so dass der Wert der Prognosegüte insbesondere ausdrückt, ob das verwendete Prognosemodell für Langzeitprognosen geeignet ist.The constants 3.003 and 0.997 are chosen so that the term 1 — Δ, which becomes greater the higher the accuracy of the forecast, for a stability measure of time, which corresponds to 90% of the length of the total interval, by the value of the denominator, which for large Stability times are less than 1, is still reinforced. In contrast, the forecasting quality Ml is maximally quartered by the denominator for a short stability interval. By choosing Ml in this way, the period in which the forecasts are stable is taken into account when determining the quality of the forecast. The longer the stability interval, the greater the forecast quality, so that the value of the forecast quality expresses in particular whether the forecast model used is suitable for long-term forecasts.
Alternativ kann die Prognosegüte durch folgenden Wert M2 dar- gestellt werden:Alternatively, the forecast quality can be represented by the following value M2:
M2=- 1/(1-(1- )M2 = - 1 / (1- (1-)
Hierbei steht M2 für die Prognosegüte, Δ ist der Mittelwert der Prognosegenauigkeiten für die ausgewählten Teilanpassungen und L ist das oben definierte Stabilitätszeitmaß. Der Korrekturterm im Nenner ist ein über das Intervall [0,1] unbeschränkter Ausdruck, wobei dieser Ausdruck bei einer kurzen Stabilitätsphase einen sehr großen Wert annehmen kann und im Falle eines langen Stabilitätsintervalls einen Wert nahe bei 1 annimmt. Somit wird auch der Wert M2 immer größer, je länger das Stabilitätsintervall ist, und auch M2 eignet sich zur Bewertung von Prognosemodellen für Langzeitprognosen. Durch die Durchführung des Verfahrens für eine Vielzahl von Progno- semodellen kann somit das Prognosemodell ermittelt werden,
das für eine Langzeitprognose aufgrund der Prognosegüte am geeignetsten ist.Here M2 stands for the forecast quality, Δ is the mean value of the forecast accuracy for the selected partial adjustments and L is the stability time measure defined above. The correction term in the denominator is an expression that is unlimited over the interval [0,1], whereby this expression can have a very large value in the case of a short stability phase and a value close to 1 in the case of a long stability interval. This means that the longer the stability interval, the greater the value M2, and M2 is also suitable for evaluating forecast models for long-term forecasts. By performing the method for a large number of prognostic models, the forecast model can thus be determined that is most suitable for a long-term forecast based on the forecast quality.
Figur 2 zeigt ein Diagramm, welches die Anpassung eines Prog- nosemodells an die Kenngrößen eines technischen Systems verdeutlicht. Die Abszisse des Diagramms ist die Zeitachse t und die Ordinate stellt die Anzahl der Gesamtausfälle A dar. In dem Diagramm sind die in einem Gesamtintervall I zwischen t0 bis tend zu vorgegebenen Zeitpunkten gemessenen Gesamtausfälle A(t) des technischen Systems in Form von Messpunkten dargestellt. Zur Anpassung werden unterschiedliche Teilintervalle berücksichtigt, wobei in Figur 2 die Teilintervalle Iχ, I2 und I3 gezeigt sind. Alle Teilintervalle beginnen an dem Zeitpunkt tg = 0 und werden der Reihe nach größer. Intervall Ii erstreckt sich von 0 bis tj_, Intervall I2 von 0 bis 2 und Intervall I3 von 0 bis t.3. Die Ausfallzahlen A(t) in den einzelnen Teilintervallen werden zur Anpassung des betrachteten Prognosemodells herangezogen. Für jedes Intervall In., I2 und I3 ergeben sich somit drei Kurven P f Ε>2 unc* 3r welche eine entsprechende Prognose der Ausfallzahlen auf der Basis der gemessenen Ausfallzahlen in den entsprechenden Intervallen darstellt. Wie zu erwarten, ist hierbei die Abweichung der mit der Prognose P3 ermittelten Ausfallzahl von der tatsächlichen Ausfallzahl A(tend) am Endpunkt tend am kleinsten. Gemäß dem erfindungsgemäßen Verfahren wird eine maximale prozentuale Abweichung α zwischen der prognostizierten und der tatsächlich ermittelten Ausfallzahl am Endpunkt tend festgelegt und anschließend werden die Teilanpassungen des Prognosemodells ausgewählt, bei denen die Abweichung der prognostizier- ten zur tatsächlich ermittelten Ausfallzahl kleiner als α ist. Mit Hilfe dieser Teilanpassungen sowie des im Vorangegangenen beschriebenen Stabilitätszeitmaßes kann dann die Prognosegüte ermittelt werden.FIG. 2 shows a diagram which illustrates the adaptation of a forecast model to the parameters of a technical system. The abscissa of the diagram is the time axis t and the ordinate represents the number of total failures A. In the diagram, the total failures A (t) of the technical system measured in a total interval I between t 0 and t e at predetermined times are in the form of Shown measuring points. Different subintervals are taken into account for adaptation, the subintervals Iχ, I2 and I3 being shown in FIG. All subintervals start at time tg = 0 and increase in sequence. Interval Ii extends from 0 to tj_, interval I2 from 0 to 2 and interval I3 from 0 to t.3. The failure numbers A (t) in the individual partial intervals are used to adapt the forecast model under consideration. For every interval In . , I2 and I3 thus result in three curves P f Ε > 2 unc * 3r which represent a corresponding forecast of the number of failures on the basis of the measured number of failures in the corresponding intervals. As expected, the deviation of the number of failures determined with the forecast P3 from the actual number of failures A (t en d) at the end point t en d is smallest. According to the method according to the invention, a maximum percentage deviation α between the predicted and the actually ascertained number of failures at the end point t e n d is determined and then the partial adaptations of the forecast model are selected in which the deviation of the predicted from the actually ascertained number of failures is less than α , The forecast quality can then be determined with the aid of these partial adjustments and the stability time measure described in the preceding.
Das erfindungsgemäße Verfahren wurde für das Prognosemodell von Musa und Okumoto sowie für das Prognosemodell Log Power
durchgeführt. Es wurden hierbei als maximale Abweichung α der Prognosegenauigkeit die Werte 10 % und 5 % betrachtet. Es hat sich hierbei gezeigt, dass für α = 10 % beide Prognosemodelle für Langzeitprognosen wenig geeignet sind, wobei je- doch das Modell Log Power aufgrund einer besseren Prognosegenauigkeit eine höhere Prognosegüte und somit eine bessere Bewertung erhalten hat. Bei α = 5 % weist das Model Log Power eine wesentlich höhere Prognosegüte als das Modell von Musa und Okumoto auf, was daran liegt, dass das Stabilitätszeitmaß des Modells Log Power viel länger ist als das Stabilitätszeitmaß des Modells von Musa und Okumoto.The method according to the invention was used for the forecasting model by Musa and Okumoto and for the forecasting model Log Power carried out. The values 10% and 5% were considered as the maximum deviation α of the forecast accuracy. It has been shown here that for α = 10% both forecast models are not very suitable for long-term forecasts, although the Log Power model received a higher forecast quality and thus a better rating due to better forecast accuracy. At α = 5%, the Model Log Power has a much higher forecast quality than the model from Musa and Okumoto, which is due to the fact that the stability time model of the Log Power model is much longer than the stability time model of the Musa and Okumoto model.
Bei der im Vorangegangenen beschriebenen Ausführungsform des erfindungsgemäßen Verfahrens wurde als Kenngröße die Anzahl der Gesamtausfälle betrachtet. Es ist jedoch auch möglich, andere Kenngrößen zur Bewertung des Prognosemodells heranzuziehen, wie z.B. die durchschnittliche Zeit bis zum Auftreten eines Ausfalls des technischen Systems. Ferner muss das Kriterium zur Auswahl einer Teilanpassung nicht durch einen fes- ten vorbestimmten Wert α festgelegt sein. Es ist auch denkbar, dass eine Teilanpassung immer dann ausgewählt wird, wenn die ermittelten Kenngrößen des technischen Systems innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung liegen. Ferner können für unterschiedliche Typen von Kenngrößen bzw. Auswahlkriterien Prognosegüten bestimmt werden, welche dann entsprechend den von einem Benutzer erwünschten Prognosezielen zu einer Gesamtprognosegüte zusammengesetzt werden können.In the embodiment of the method according to the invention described above, the number of total failures was considered as a parameter. However, it is also possible to use other parameters to evaluate the forecast model, e.g. the average time until a technical system failure occurs. Furthermore, the criterion for selecting a partial adjustment does not have to be fixed by a fixed predetermined value α. It is also conceivable that a partial adjustment is always selected when the determined parameters of the technical system lie within the forecasting interval of the respective partial adjustment. Furthermore, forecast qualities can be determined for different types of parameters or selection criteria, which can then be combined to form an overall forecast quality according to the forecast goals desired by a user.
Figur 3 zeigt eine technische Anordnung mit Prozessormitteln PRZE, auf denen Programmmittel ausführbar sind. Die Prozessormittel PRZE umfassen einen Prozessor CPU, einen Speicher MEM und eine Input-/Output-Schnittstelle IOS, die über ein Interface IFC auf unterschiedliche Art und Weise genutzt wird. Über eine Graphikschnittstelle wird eine Ausgabe auf einem Monitor MON sichtbar und/oder auf einem Drucker PRT ausgegeben. Eine Eingabe erfolgt über die Maus MAS oder eine
Tastatur TAST. Auch verfügen die Prozessormittel PRZE über einen Datenbus BUS, der die Verbindung zu dem Speicher MEM, dem Prozessor CPU und der Input-/Output-Schnittstelle IOS gewährleistet. Weiterhin sind an den Datenbus BUS zusätzliche Komponenten anschließbar, z.B. zusätzliche Speicher, Datenspeicher in Form einer Festplatte oder ein Scanner. Die technische Anordnung kann als Einrichtung zur Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen Systems verwendet werden. Darüber hinaus kann in den Speicher MEM das Computerprogrammprodukt zur Durchführung des erfindungsgemäßen Verfahrens geladen werden. Es ist auch denkbar, dass die technische Anordnung der Figur 3 das technische System darstellt, dessen Kenngrößen mit einem Prognosemodell prognostiziert werden, wobei das Prognosemodell mit dem erfindungsgemäßen Verfahren bewertet wird.
FIG. 3 shows a technical arrangement with processor means PRZE, on which program means can be executed. The processor means PRZE comprise a processor CPU, a memory MEM and an input / output interface IOS, which is used in different ways via an interface IFC. Output is visible on a monitor MON and / or output on a printer PRT via a graphic interface. An entry is made with the mouse MAS or KEYBOARD. The processor means PRZE also have a data bus BUS, which ensures the connection to the memory MEM, the processor CPU and the input / output interface IOS. Furthermore, additional components can be connected to the data bus BUS, for example additional memories, data memories in the form of a hard disk or a scanner. The technical arrangement can be used as a device for evaluating the prognosis of parameters of a technical system carried out by means of a prognosis model. In addition, the computer program product for carrying out the method according to the invention can be loaded into the memory MEM. It is also conceivable that the technical arrangement of FIG. 3 represents the technical system, the parameters of which are predicted using a forecast model, the forecast model being evaluated using the method according to the invention.