[go: up one dir, main page]

DE102004022142B4 - Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model - Google Patents

Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model Download PDF

Info

Publication number
DE102004022142B4
DE102004022142B4 DE200410022142 DE102004022142A DE102004022142B4 DE 102004022142 B4 DE102004022142 B4 DE 102004022142B4 DE 200410022142 DE200410022142 DE 200410022142 DE 102004022142 A DE102004022142 A DE 102004022142A DE 102004022142 B4 DE102004022142 B4 DE 102004022142B4
Authority
DE
Germany
Prior art keywords
interval
determined
partial
total
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE200410022142
Other languages
German (de)
Other versions
DE102004022142A1 (en
Inventor
Veronika Dunkel
Benedikte Elbel
Michael Dr. Greiner
David Meintrup
Oliver MÄCKEL
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Corp
Original Assignee
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Corp filed Critical Siemens Corp
Priority to DE200410022142 priority Critical patent/DE102004022142B4/en
Priority to PCT/EP2005/052038 priority patent/WO2005109253A2/en
Publication of DE102004022142A1 publication Critical patent/DE102004022142A1/en
Application granted granted Critical
Publication of DE102004022142B4 publication Critical patent/DE102004022142B4/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Debugging And Monitoring (AREA)

Abstract

Verfahren zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen Systems:
– bei dem in einem zeitlichen Gesamtintervall (I) mit einem Startpunkt (t0) und einem Endpunkt (tend), in dem eine Mehrzahl von Kenngrößen (A(t)) des technischen Systems ermittelt wurden, mehrere unterschiedliche Teilintervalle (I1, I2, ...., I) bestimmt werden, wobei jedes Teilintervall zwischen einem Teilintervallsstartpunkt und einem Teilintervallsendpunkt (t1, t2, ..., tend) im Gesamtintervall (I) liegt;
– bei dem für jedes Teilintervall (I1, I2, ...., I) eine Teilanpassung (Pi) des Prognosemodells an die im Teilintervall (I1, I2, ...., I) ermittelten Kenngrößen (A(t)) durchgeführt wird, wodurch jedes Teilintervall (I1, I2, ...., I) einer Teilanpassung (Pi) zugeordnet wird;
– bei dem für jede Teilanpassung (Pi) eine Prognosegenauigkeit (Δi) ermittelt wird, welche ein Maß für die Genauigkeit einer mit der Teilanpassung (Pi) durchgeführten Prognose einer oder mehrerer der Kenngrößen (A(t)) des technischen Systems ist;
– bei...Method for the computer-assisted evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model:
In which a plurality of different sub-intervals (I 1 , 1 ) have been determined in a total time interval (I) with a starting point (t 0 ) and an end point (t end ) in which a plurality of parameters (A (t)) of the technical system have been determined I 2 , ...., I), each sub-interval between a sub-interval start point and a sub-interval end point (t 1 , t 2 , ..., t end ) being in the total interval (I);
- Wherein for each sub-interval (I 1 , I 2 , ...., I) a partial adaptation (P i ) of the forecast model to the in the sub-interval (I 1 , I 2 , ...., I) determined parameters (A (t)), whereby each sub-interval (I 1 , I 2 , ...., I) is assigned to a partial adaptation (P i );
- In which for each partial adaptation (P i ) a prediction accuracy (Δ i ) is determined, which is a measure of the accuracy of a partial adaptation (P i ) performed prediction of one or more of the characteristics (A (t)) of the technical system ;
- at ...

Figure 00000001
Figure 00000001

Description

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 Computerprogrammprodukt.The The invention relates to a method for computer-aided evaluation of the means a forecasting model Prognosis of characteristics of a technical system and a corresponding arrangement and a corresponding A computer program 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 Programmmittel unverzichtbare Bestandteile dieser technischen Systeme. Fehler in den Programmmitteln führen in der Regel zu einem teilweise oder vollständigen 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 können 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-expanding Functions. Often, the associated functions are only feasible, by using processor means in a technical system, on which program means executed become. For example, in a mobile phone processor means and the associated program means indispensable components of these technical systems. mistake in lead the program resources usually to a partial or complete failure of the technical Systems. Such failures can manifest in the form of malfunction or even in that Certain technical functions of the technical system are no longer to disposal stand. losses can also to damage in the mechanics or electronics of the technical system. After all, such failures can often cause first collateral damage, such as the leakage of coolant from a fridge 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 Vielzahl 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 Programmmitteln in einem Testzeitraum ermittelt werden kann.at the development of a software-intensive technical system That's why the reliability of the system is a central quality criterion. to Analysis of reliability of a technical system are a variety of the prior art of reliability growth models known with which the failure behavior of the technical system predicted during a test and / or correction process becomes. For example, in Lawrence, Denis: "Software Reliability and Safety in Nuclear Reactor Protection Systems ", US Nuclear Regulatory Commission, 1993, pp. 101-105. Forecast models described with which the increase in the reliability of program resources in a test period can be determined.

Heutzutage beruht die Auswahl eines geeigneten Prognosemodells häufig auf der Basis von Erfahrungen von Fachleuten. Hierbei wurde ergänzend die Anpassungsgüte des betrachteten 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.nowadays the selection of an appropriate forecasting model is often based the basis of experience of professionals. In addition, the goodness of the considered forecast model to the determined parameters of the technical system on the basis of error deviations. However, it is not possible the suitability of the considered forecasting model with regard to long-term forecasts to consider. There are also methods for assessing 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, they are also not suitable for long-term forecasts and are also computationally intensive.

Die Druckschrift WO 03/065138 A1 offenbart ein Verfahren zur rechnergestützten Prognose der Zuverlässigkeit einer technischen Anordnung, bei dem Zuverlässigkeitskenngrößen prognostiziert werden können.The Document WO 03/065138 A1 discloses a method for computer-aided prognosis the reliability a technical arrangement that predicts reliability characteristics can be.

Die Druckschrift DE 102 41 746 A1 offenbart ein Verfahren zur rechnergestützten Bewertung von Kenngrößen, welche beispielsweise zur Qualitätsbewertung von in einem zyklischen Produktionsprozess gefertigten Produkten herangezogen werden. Bei signifikanten Abweichungen von Prozesskenngrößen in einem Produktionsprozess wird beispielsweise eine Stichprobenentnahme eingeleitet, um damit das verwendete Prozessmodell anzupassen. Insbesondere werden messtechnisch erfasste Sensorsignale in einem periodisch wiederholten Zeitbereich analysiert, indem der Zeitbereich in charakteristische Segmente unterteilt wird. Darüber hinaus werden die mit dem Verfahren ermittelten Daten zusätzlich gemäß ihres Abstandes zu einem erwarteten Optimalwert statistisch gewichtet.The publication DE 102 41 746 A1 discloses a method for the computer-aided evaluation of parameters, which are used, for example, for the quality assessment of products manufactured in a cyclical production process. In the case of significant deviations from process parameters in a production process, for example, sampling is initiated in order to adapt the process model used. In particular, metrologically detected sensor signals are analyzed in a periodically repeated time domain by dividing the time domain into characteristic segments. In addition, the data obtained by the method are additionally statistically weighted according to their distance from an expected optimal value.

Aus der Druckschrift DE 296 17 200 U1 ist es bekannt, Messwerte einer technischen Anlage zyklisch zu äquidistanten Zeitpunkten und damit in festen Teilintervallen zu erfassen. Die Messwerte werden hierbei einem Anlagenmodell zugeführt, mit dem Qualitätssollwerte generiert werden, die mit den Istwerten verglichen werden, wobei ein kritischer Bereich ermittelt werden kann, in dem die durch das Anlagenmodell prädizierten Qualitätskennwerte unerwünschte Werte aufweisen.From the publication DE 296 17 200 U1 It is known to record measured values of a technical system cyclically at equidistant times and thus in fixed subintervals. The measured values are in this case fed to a plant model with which quality target values are compared, which are compared with the actual values, wherein a critical region can be determined in which the quality characteristics predicted by the plant model have undesirable values.

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.task The invention is therefore a method for computer-aided evaluation of a forecasting model, with which the suitability of the forecasting model for a specific technical system in a simple way, in particular also with a view to long-term forecasts.

Diese Aufgabe wird durch die unabhängigen Patentansprüche gelöst. Weiterbildungen der Erfindung sind in den abhängigen Ansprüchen definiert.These Task is solved by the independent claims. further developments of the invention are in the dependent claims Are defined.

Bei dem erfindungsgemäßen Verfahren werden zunächst in einem zeitlichen Gesamtintervall mit einem Startpunkt und einem Endpunkt, in dem eine Mehrzahl von Kenngrößen des technischen Systems ermittelt wurden, mehrere unterschiedliche Teilintervalle bestimmt, 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 Teilanpassung 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 Kriterien erfüllen. Für diese ausgewählten Teilanpassungen wird ein Stabilitätszeitmaß bestimmt, welches von einem Stabilitätsintervall abhängt, das zwischen dem kleinsten und dem größten Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervalle liegt. Schließlich wird mittels des Stabilitätszeitmaßes und den Prognosegenauigkeiten der ausgewählten angepassten Prognosemodelle eine Prognosegüte ermittelt, welche ein Bewertungsmaß für die Qualität der mit dem Prognosemodell durchgeführten Prognose darstellt.In the method according to the invention, several different subintervals are first determined in a temporal overall interval with a starting point and an end point in which a plurality of parameters of the technical system were determined, each subinterval lying between a subinterval starting point and a subinterval endpoint in the overall interval. For each subinterval, a partial adaptation of the forecast model to be evaluated to that determined in the subinterval is made Characteristics performed, whereby each sub-interval is assigned to a partial adjustment. Finally, a prediction accuracy is determined for each partial adaptation, which is a measure of the accuracy of a partial adaption prediction of one or more parameters of the technical system. The partial adjustments finally select those which fulfill one or more predetermined criteria. For these selected partial adjustments, a stability time measurement is determined, which depends on a stability interval lying between the smallest and the largest interval interval end points of the partial intervals allocated to the selected partial adjustments. Finally, using the stability time measure and the forecasting accuracies of the selected adjusted forecast models, a forecasting quality is determined, which represents an evaluation measure for the quality of the prognosis carried out with the forecasting 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 werden kann, dass eine Prognose langfristig umso besser ist, je stabiler sie in dem zur Bewertung herangezogenen Zeitintervall war.Thereby, that a stability time measure is included in the determination of the forecast quality is added the quality assessment in particular, the suitability of the prognosis model for long-term forecasts considered, because it can be assumed that a forecast long term the better, the more stable it is in the time interval used for the evaluation was.

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. every subinterval starts at the starting point of the total interval, so that subintervals with larger subinterval endpoints also 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 Teilintervalle 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 the criteria specified in the selection of partial adjustments in that all sub-interval endpoints of the selected partial adjustments associated sub-intervals temporally consecutive sub-interval endpoints in the total interval are and the largest subinterval endpoint the one selected Partial adjustments assigned subintervals of the end point of the total interval is. It therefore always becomes a coherent stability time interval which is always the end point of the endpoint Total interval has.

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 ermittelten 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 the method according to the invention is the determined forecast accuracy of a respective partial adjustment the deviation of one or more by means of the respective partial adaptation predicted characteristics of one or more determined in the overall interval characteristics and / or one or more by means of a predetermined partial adaptation predicted characteristics. Preferably the determined forecast accuracy of the respective partial adaptation is the Deviation of one predicted by the respective partial adjustment Characteristic at the end point of the Total interval of one determined at the end point of the total interval Characteristic and / or from one predicted by means of a given partial adaptation Characteristic at the end point of the total interval. The predetermined partial adaptation is preferred an adaptation which is adapted to all parameters of the total interval is. In particular, the deviation of the predicted from the determined Characteristics one Relative deviation.

In einer Ausführungsform des erfindungsgemäßen Verfahrens besteht das vorgegebene Kriterium bei der Auswahl der Teilanpassungen 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 an embodiment the method according to the invention is the default criterion when selecting the partial adjustments in that the determined forecast accuracy of a respective partial adjustment better than a predetermined value. Thus, only if meets this criterion is the particular partial adaptation of the group of selected partial adjustments assigned.

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 statistischen Signifikanz bei der Prognose der Zielgröße.at a further embodiment The invention is a predetermined criterion for a respective Partial adaptation in that one or more determined in the overall interval Characteristics within of the forecasting interval of the respective partial adaptation. A forecasting interval is defined as the confidence interval to a chosen one statistical significance in the prognosis of the target size.

In einer weiteren Ausführungsform ist ein vorgegebenes Kriterium für eine jeweilige Teilanpassung derart gewählt, dass das Kriterium erfüllt ist, wenn eine am Endpunkt des Gesamtintervalls ermittelte Kenngröße innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung liegt.In a further embodiment is a given criterion for a respective partial adaptation chosen such that the criterion is met, if a parameter determined at the end point of the total interval within of the forecasting interval of the respective partial adaptation.

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. the stability time measure is a relative value.

In einer besonders bevorzugten Ausführungsform der Erfindung wird die Prognosegüte durch folgende Formel berechnet:

Figure 00060001
wobei M1 die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten für die ausgewählten Teilanpassungen und L die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls ist.In a particularly preferred embodiment of the invention, the forecasting quality is calculated by the following formula:
Figure 00060001
where M1 is the forecast quality, Δ is the mean of the prediction accuracies for the selected partial adjustments and L is the length of the stability interval divided by the length of the total interval.

Alternativ kann die Prognosegüte durch folgende Formel berechnet werden:

Figure 00060002
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.Alternatively, the forecasting quality can be calculated using the following formula:
Figure 00060002
where M2 is the forecast quality, Δ is the mean of the prediction accuracies for the selected partial adjustments and L is the length of the stability interval divided by the length of the total interval.

Bei den beiden oben genannten Prognosegüten M1 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.at the two above-mentioned Prognostic Grades M1 and M2 is a so greater value the prognosis quality reached, the larger the relative length L of the stability interval is. This means that a high value of forecasting quality for a better Fitness for Long-term forecasts stands.

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 the method according to the invention the partial adaptation of the forecasting model takes place to that in the respective one Subinterval determined characteristics the maximum likelihood method and / or the method of the smallest Deviation squares. These methods are sufficient for the skilled person known in the 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 the method according to the invention If the forecast to be evaluated is a reliability forecast, in particular, a prognosis made with a reliability growth model, and the parameters are values, which the reliability of the technical system. Preferably, the characteristics include Number of total failures of the technical system at the time of the determination of the respective Characteristic and / or the average time to the occurrence of a failure of the technical system at the time of the determination of the respective Parameter.

Das erfindungsgemäße 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 inventive method can with different types of forecasting accuracy and / or be carried out with different predetermined criteria for the selection of the partial adaptation, being from those with the different types of forecasting accuracies and / or predefined criteria Overall forecasting accuracy is determined. In particular, this overall forecasting quality is a weighted one Means out those with different types of forecasting accuracy and / or predefined criteria. On this is the prognosis quality adjusted according to the purpose of the forecast model to be evaluated become. In particular, the forecasting quality can be determined on the basis of that of a user of the procedure.

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.Preferably this is the total time interval used in the method according to the invention to a test and correction phase of the technical system, wherein at this stage the technical system to improve its reliability was adjusted continuously. The with the inventive method evaluated forecasting model thus serves in particular to estimate whether the length a predetermined test and correction phase of the technical system sufficient, a certain reliability of the system at its later To ensure use.

Das erfindungsgemäße Verfahren kann jeweils für mehrere unterschiedliche 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 inventive method can each for several different forecasting models are repeated, thereby a plurality of forecast qualities is obtained. The individual forecast qualities can then be compared and it can be the forecasting model with the best forecasting quality the characteristics of the technical system used.

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.Next In the method described above, the invention further relates to a Arrangement for computer-aided Evaluation of the prognosis carried out by means of a prognosis model of characteristics of a technical system, the arrangement being designed in such a way that the inventive method feasible with this arrangement is. About that In addition, the invention relates to a computer program product, which in the memory of a computer can be loaded and software code sections comprises, with which the method according to the invention is carried out, when the program product is running on the computer.

Ausführungsbeispiele der Erfindung werden detailliert anhand der beigefügten Figuren beschrieben.embodiments The invention will be described in detail with reference to the accompanying drawings described.

Es zeigen:It demonstrate:

1 ein Diagramm, welches den Ablauf einer Ausführungsform des erfindungsgemäßen Verfahrens zeigt; 1 a diagram showing the sequence of an embodiment of the method according to the invention;

2 ein Diagramm, welches die Ermittlung von Teilanpassungen im erfindungsgemäßen Verfahren verdeutlicht; und 2 a diagram illustrating the determination of partial adjustments in the process according to the invention; and

3 eine technische Anordnung zur Durchführung des erfindungsgemäßen Verfahrens. 3 a technical arrangement for carrying out the method according to the invention.

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 Prognose 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 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 which predicts the reliability of the program means running on the technical system. In the run-up, in a total time interval I, which represents a test phase of the technical system, reliability characteristics of the system were determined, wherein in the embodiment described here the reliability characteristics are those at a given time point, cumulative total number of failures of the technical system. During the test phase, the technical system's program resources were subjected to extensive testing, whereby the errors found in the program resources were corrected.

In einem ersten Schritt S101 wird das Gesamtintervall I in mehrere Teilintervalle I1, 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 entspricht. In einem 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 bekanntes 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 I1, I2, ..., I angepasst werden. Auf diese Weise werden eine Vielzahl von Teilanpassungen Pi erhalten.In a first step S101, the total interval I is divided into a plurality of subintervals I 1 , I 2 ,..., I, wherein the subintervals always begin at the starting point of the total interval I and increase successively so that the last subinterval corresponds to the total interval I. In a step S102, a partial adaptation of a prognosis model to be evaluated by the method to the characteristics A (t) is carried out (t is a time in the overall interval I and A (t) is the total number of failures at the time t). In this case, any reliability growth model known from the prior art can be used as a prognosis model, for example the model of Musa and Okumoto or a logarithmic model. These models include parameters that are adjusted in step S102 to the failure numbers A (t) of the technical system in each subinterval I 1 , I 2 , ..., I. In this way, a plurality of partial adjustments P i are obtained.

In dem nächsten Schritt S103 wird schließlich eine Prognosegenauigkeit Δi für jede Teilanpassung ermittelt. In der hier beschriebenen Ausführungsform ist die Prognosegenauigkeit Δi der Betrag der Differenz der am Endpunkt des Gesamtintervalls prognostizierten Ausfallzahl und der tatsächlich am Endpunkt ermittelten Ausfallzahl geteilt durch die tatsächlich am Endpunkt ermittelten Ausfallzahl. Mathematisch lässt sich Δi deshalb wie folgt schreiben:

Figure 00100001
wobei Âi(tend) die mit der Teilanpassung Pi am Endpunkt tend des Gesamtintervalls I ermittelte Ausfallzahl und A(tend) die tatsächlich ermittelte Ausfallzahl zum Zeitpunkt tend ist.Finally, in the next step S103, a prediction accuracy Δ i is determined for each partial adaptation. In the embodiment described here, the prediction accuracy Δ i is the amount of the difference between the number of outages predicted at the end point of the overall interval and the number of outages actually determined at the endpoint, divided by the number of outages actually determined at the endpoint. Mathematically, Δ i can therefore be written as follows:
Figure 00100001
where i i (t end ) is the number of outages determined with the partial fit P i at the end point t end of the total interval I, and A (t end ) is the actually determined number of outages at the time t end .

Alternativ kann auch die relative Abweichung zwischen der am Endpunkt tend 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 outages predicted at the end point t end and the number of outages that was predicted with a partial adaptation adapted to all parameters of the overall interval can also be considered. In the latter case, the sensitivity of the method to random fluctuations in 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 tend des Gesamtintervalls I.In the next step S104 are those selected from any part of adjustments which have a forecast accuracy Δ i which is less than a predetermined maximum value α. As the prediction becomes better, the larger the subinterval considered in the adaptation of the forecast model, the subinterval endpoints associated with the selected subaccommodations will normally be in the neighborhood of the endpoint t end 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 abhängt. Das Stabilitätsintervall liegt dabei zwischen dem 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:

Figure 00110001
wobei tk der kleinste Teilintervallsendpunkt der den ausgewählten Teilanpassungen zugeordneten Teilintervalle ist.In order to consider in which sub-interval ranges a prediction with an accuracy smaller than the predetermined value α is achieved, in step S105 a stability time measure L is determined, which depends on a stability interval. The stability interval lies between the smallest and the largest subinterval end point of the subintervals assigned to the selected partial adjustments. The stability measure is the relative length of the stability interval and can be written mathematically as follows:
Figure 00110001
where t k is the smallest subinterval endpoint of the subintervals associated with the selected subadjustments.

Schließlich wird im Schritt S106 eine Prognosegüte M1 mit Hilfe folgender Formel bestimmt:

Figure 00110002
wobei M1 die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten für die ausgewählten angepassten Prognosemodelle und L das Stabilitätszeitmaß ist.Finally, in step S106, a prediction quality M1 is determined using the following formula:
Figure 00110002
where M1 is the forecast quality, Δ is the mean of the forecasting accuracies for the selected fitted forecasting models and L is the stability time measurement.

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 M1 bei einem kurzen Stabilitätsintervall durch den Nenner maximal geviertelt. Durch eine derartige Wahl von M1 wird bei der Bestimmung der Prognosegüte der Zeitraum berücksichtigt, in dem die Prognosen stabil sind. Je länger das Stabilitätsintervall 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 increases with higher precision of the prognosis, with a stability time measure, which corresponds to 90% of the length of the total interval, by the value of the denominator, which is smaller than 1 with large stability time measures, is still strengthened. In contrast, the forecast quality M1 is maximally quartered by the denominator for a short stability interval. Such a choice of M1 takes into account the period in which the forecasts are stable when determining the forecast quality. 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 dargestellt werden:

Figure 00120001
Alternatively, the forecasting quality can be represented by the following value M2:
Figure 00120001

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 Prognosemodellen kann somit das Prognosemodell ermittelt werden, das für eine Langzeitprognose aufgrund der Prognosegüte am geeignetsten ist.M2 stands for the forecast quality, Δ is the mean of the forecast accuracies for the selected partial adjustments and L is the stability time measure defined above. The correction term in the denominator is an unrestricted expression over the interval [0,1], which term can take on a very large value for a short stability phase and, in the case of a long stability interval, approaches a value close to one. Thus, the longer the stability interval, the larger the value M2, and M2 is also suitable for evaluating forecasting models for long-term forecasts. By performing the method for a large number of forecast models, it is thus possible to determine the forecast model that is most suitable for a long-term forecast based on the forecast quality.

2 zeigt ein Diagramm, welches die Anpassung eines Prognosemodells 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 2 die Teilintervalle I1, I2 und I3 gezeigt sind. Alle Teilintervalle beginnen an dem Zeitpunkt t0 = 0 und werden der Reihe nach größer. Intervall I1 erstreckt sich von 0 bis t1, Intervall I2 von 0 bis t2 und Intervall I3 von 0 bis t3. Die Ausfallzahlen A(t) in den einzelnen Teilintervallen werden zur Anpassung des betrachteten Prognosemodells herangezogen. Für jedes Intervall I1, I2 und I3 ergeben sich somit drei Kurven P1, P2 und P3, 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 prognostizierten zur tatsächlich ermittelten Ausfallzahl kleiner als α ist. Mit Hilfe dieser Teilanpassungen sowie des im Vorangegangenen beschriebenen Stabilitätszeitmaßes kann dann die Prognosegüte ermittelt werden. 2 shows a diagram illustrating the adaptation of a forecast model to the characteristics 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 to t end at predetermined times are in the form of measuring points shown. For adaptation, different subintervals are taken into account, in 2 the subintervals I 1 , I 2 and I 3 are shown. All subintervals start at time t 0 = 0 and become larger in turn. Interval I 1 extends from 0 to t 1 , interval I 2 from 0 to t2 and interval I 3 from 0 to t 3 . The default numbers A (t) in the individual subintervals are used to adjust the forecast model under consideration. For each interval I 1 , I 2 and I 3 there are thus three curves P 1 , P 2 and P 3 , which represents a corresponding prognosis of the number of outages on the basis of the measured numbers of outages in the corresponding intervals. As expected, the deviation of the number of outages determined by the prognosis P 3 from the actual number of outages A (t end ) at the end point t end is the smallest. According to the method according to the invention, a maximum percentage deviation α between the predicted and actually determined default number at the end point t end is determined, and then the partial adaptations of the prognosis model are selected in which the deviation of the predicted number of outages actually determined is less than α. With the help of these partial adjustments as well as the stability time measure described in the foregoing, the prognosis quality can then be determined.

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 jedoch 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 inventive method was for that Predictive model of Musa and Okumoto and carried out for the forecasting model Log Power. There were here as maximum deviation α the Forecast accuracy considers the values 10% and 5%. It has here shown that for α = 10% both forecast models for long-term forecasts are poorly suited, however, due to the model Log Power a better forecast accuracy a higher forecast quality and thus got a better rating. At α = 5%, the model has Log Power a much higher one forecast accuracy as the model of Musa and Okumoto on, which is because of that Stability time measure of the model Log power much longer is the stability time measure of the model of Musa and Okumoto.

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 festen 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.at the previously described embodiment of the method according to the invention became as characteristic number the total losses considered. However, it is also possible other parameters for Evaluation of the forecasting model, such as the average Time until the occurrence of a failure of the technical system. Further the criterion for selecting a partial adjustment need not be replaced by a fixed predetermined value α be. It is also conceivable that a partial adaptation is always selected when the determined characteristics of the technical system within the forecasting interval of the respective Partial adjustment lie. Furthermore, can for different Types of parameters or Selection criteria for forecasting qualities which are then determined by a user desired Forecasting goals can be assembled to a total forecasting quality.

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 3 das technische System darstellt, dessen Kenngrößen mit einem Prognosemodell prognostiziert werden, wobei das Prognosemodell mit dem erfindungsgemäßen Verfahren bewertet wird. 3 shows a technical arrangement with processor means PRZE on which program means are executable. 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. Via a graphics interface, an output is displayed on a monitor MON and / or output on a printer PRT. An entry is made via the mouse MAS or a keyboard TAST. 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, eg additional memory, data memory 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 3 represents the technical system whose parameters are predicted using a prognosis model, the prognosis model being evaluated by the method according to the invention.

Claims (22)

Verfahren zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen eines technischen Systems: – bei dem in einem zeitlichen Gesamtintervall (I) mit einem Startpunkt (t0) und einem Endpunkt (tend), in dem eine Mehrzahl von Kenngrößen (A(t)) des technischen Systems ermittelt wurden, mehrere unterschiedliche Teilintervalle (I1, I2, ...., I) bestimmt werden, wobei jedes Teilintervall zwischen einem Teilintervallsstartpunkt und einem Teilintervallsendpunkt (t1, t2, ..., tend) im Gesamtintervall (I) liegt; – bei dem für jedes Teilintervall (I1, I2, ...., I) eine Teilanpassung (Pi) des Prognosemodells an die im Teilintervall (I1, I2, ...., I) ermittelten Kenngrößen (A(t)) durchgeführt wird, wodurch jedes Teilintervall (I1, I2, ...., I) einer Teilanpassung (Pi) zugeordnet wird; – bei dem für jede Teilanpassung (Pi) eine Prognosegenauigkeit (Δi) ermittelt wird, welche ein Maß für die Genauigkeit einer mit der Teilanpassung (Pi) durchgeführten Prognose einer oder mehrerer der Kenngrößen (A(t)) des technischen Systems ist; – bei dem aus den Teilanpassungen (Pi) diejenigen ausgewählt werden, die ein oder mehrere vorgegebene Kriterien erfüllen; – bei dem für die ausgewählten Teilanpassungen (Pi) ein Stabilitätszeitmaß (L) bestimmt wird, welches von einem Stabilitätsintervall abhängt, das zwischen dem kleinsten und dem größten Teilintervallsendpunkt (t1, t2, ..., tend) der den ausgewählten Teilanpassungen (Pi) zugeordneten Teilintervalle (I1, I2, ...., I) liegt; – bei dem mittels des Stabilitätszeitmaßes (L) und der Prognosegenauigkeiten (Δi) der ausgewählten Teilanpassungen (Pi) eine Prognosegüte (M1; M2) ermittelt wird, welche ein Bewertungsmaß für die Qualität der mit dem Prognosemodell durchgeführten Prognose darstellt.A method for computer-assisted assessment carried out by means of a forecasting model prediction of characteristics of a technical system: - in which in a temporal total interval (I) with a starting point (t 0) and an end point (t end) in which a plurality of characteristics (A ( t)) of the technical system were determined, several different sub-intervals (I 1 , I 2 , ...., I) are determined, each sub-interval between a sub-interval start point and a sub-interval end point (t 1 , t 2 , ..., t end ) in the total interval (I); - Wherein for each sub-interval (I 1 , I 2 , ...., I) a partial adaptation (P i ) of the forecast model to the in the sub-interval (I 1 , I 2 , ...., I) determined parameters (A (t)), whereby each sub-interval (I 1 , I 2 , ...., I) is assigned to a partial adaptation (P i ); - is determined in each partial matching (P i) a prediction accuracy (Δ i), which is a measure of the accuracy of the part of adaptation (P i) carried out forecast of one or more of the characteristics (A (t)) of the technical system is ; - selecting from the partial adjustments (P i ) those which fulfill one or more predetermined criteria; In which a stability time measure (L) is determined for the selected partial adjustments (P i ), which depends on a stability interval between the smallest and the largest subinterval end points (t 1 , t 2 , ..., t end ) of the selected one Partial adjustments (P i ) associated with sub-intervals (I 1 , I 2 , ...., I) is; - In which by means of the stability time measure (L) and the prediction accuracies (Δ i ) of the selected partial adjustments (P i ) a prognosis quality (M1; M2) is determined, which is a measure of the quality of the prognosis model carried out prognosis. Verfahren nach Anspruch 1, bei dem jedes Teilintervall (I1, I2, ...., I) am Startpunkt (t0) des Gesamtintervalls (I) beginnt.Method according to Claim 1, in which each subinterval (I 1 , I 2 , ...., I) begins at the starting point (t 0 ) of the total interval (I). Verfahren nach Anspruch 1 oder 2, bei dem ein vorgegebenes Kriterium darin besteht, dass alle Teilintervallsendpunkte (t1, t2, ..., tend) der den ausgewählten Teilanpassungen (Pi) zugeordneten Teilintervalle (I1, I2, ...., I) zeitlich aufeinanderfolgende Teilintervallsendpunkte (Pi) im Gesamtintervall (I1, I2, ...., I) sind und der größte Teilintervallsendpunkt der den ausgewählten Teilanpassungen (Pi) zugeordneten Teilintervalle (I1, I2, ...., I) der Endpunkt (tend) des Gesamtintervalls (I) ist.The method of claim 1 or 2, wherein a predetermined criterion is that all sub-interval end points (t 1, t 2, ..., end t) of the selected part of adjustments (P i) associated with the sub-intervals (I 1, I 2,. P i) are in the overall interval (I 1, I 2, ...., I) ..., I) chronologically successive part interval endpoints (and most of the interval end point of the selected part of adjustments (P i) associated with the sub-intervals (I 1, I 2 , ...., I) is the end point (t end ) of the total interval (I). Verfahren nach einem der vorhergehenden Ansprüche, bei dem die ermittelte Prognosegenauigkeit (Δi) einer jeweiligen Teilanpassung (Pi) die Abweichung einer oder mehrerer mittels der jeweiligen Teilanpassung (Pi) prognostizierten Kenngrößen (Âi(t)) von einer oder mehreren im Gesamtintervall (I) ermittelten Kenngrößen (A(t)) und/oder von einer oder mehreren mittels einer vorgegebenen Teilanpassung prognostizierten Kenngrößen (Âi(t)) angibt.Method according to one of the preceding claims, wherein the determined prediction accuracy (Δ i ) of a respective partial adaptation (P i ) the deviation of one or more by means of the respective partial adaptation (P i ) predicted characteristic quantities ( i (t)) of one or more in Total interval (I) determined characteristics (A (t)) and / or one or more by a predetermined partial adaptation predicted characteristics (Â i (t)) indicates. Verfahren nach einem der vorhergehenden Ansprüche, bei dem die ermittelte Prognosegenauigkeit (Δi) einer jeweiligen Teilanpassung (Pi) die Abweichung einer mittels der jeweiligen Teilanpassung (Pi) prognostizierten Kenngröße (Âi(t)) am Endpunkt (tend) des Gesamtintervalls (I) von einer am Endpunkt (tend) des Gesamtintervalls (I) ermittelten Kenngröße (A(t)) und/oder von einer mittels einer vorgegebenen Teilanpassung (Pi) prognostizierten Kenngröße (Âi(t)) am Endpunkt (tend) des Gesamtintervalls (I) angibt.Method according to one of the preceding claims, in which the determined prediction accuracy (Δ i ) of a respective partial adaptation (P i ) determines the deviation of a parameter ( i i (t)) predicted by means of the respective partial adaptation (P i ) at the end point (t end ) of Total interval (I) of a parameter (A (t)) determined at the end point (t end ) of the total interval (I) and / or of a parameter (Â i (t)) predicted by means of a predetermined partial adaptation (P i ) at the end point ( t end ) of the total interval (I). Verfahren nach Anspruch 4 oder 5, bei dem die vorgegebene Teilanpassung eine Anpassung des Prognosemodells an alle ermittelten Kenngrößen (A(t)) des Gesamtintervalls (I) ist.Method according to claim 4 or 5, wherein the predetermined Partial adjustment an adaptation of the forecast model to all determined Characteristic quantities (A (t)) of the total interval (I). Verfahren nach einem der Ansprüche 4 bis 6, bei dem die Abweichung der prognostizierten Kenngrößen (Âi(t)) von den ermittelten Kenngrößen (A(t)) eine relative Abweichung ist.Method according to one of claims 4 to 6, wherein the deviation of the predicted characteristic quantities (Â i (t)) from the determined parameters (A (t)) is a relative deviation. Verfahren nach einem der Ansprüche 4 bis 7, bei dem ein vorgegebenes Kriterium für eine jeweilige Teilanpassung (Pi) darin besteht, dass die ermittelte Prognosegenauigkeit (Δi) einer jeweiligen Teilanpassung (Pi) besser als ein vorbestimmter Wert (α) ist.Method according to one of Claims 4 to 7, in which a predefined criterion for a respective partial adaptation (P i ) consists in that the determined prediction accuracy (Δ i ) of a respective partial adaptation (P i ) is better than a predetermined value (α). Verfahren nach einem der Ansprüche 1 bis 3, bei dem ein vorgegebenes Kriterium für eine jeweilige Teilanpassung (Pi) darin besteht, dass eine oder mehrere im Gesamtintervall (I) ermittelten Kenngrößen (A(t)) innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung liegen.Method according to one of Claims 1 to 3, in which a predefined criterion for a respective partial adaptation (P i ) consists in that one or more parameters (A (t)) determined in the overall interval (I) are within the forecasting interval of the respective partial adaptation. Verfahren nach Anspruch 9, bei dem ein vorgegebenes Kriterium für eine jeweilige Teilanpassung darin besteht, dass eine am Endpunkt (tend) des Gesamtintervalls (I) ermittelte Kenngröße (A(t)) innerhalb des Prognosestreuintervalls der jeweiligen Teilanpassung (Pi) liegt.Method according to Claim 9, in which a given criterion for a respective partial adaptation consists in that a parameter (A (t)) determined at the end point (t end ) of the total interval (I) lies within the forecasting interval of the respective partial adaptation (P i ). Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Stabilitätszeitmaß (L) die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls (I) ist.Method according to one of the preceding claims, in the stability time measure (L) the length of the stability interval divided by the length of the Total Interval (I) is. Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Prognosegüte (M1; M2) wie folgt lautet:
Figure 00180001
wobei M1 die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten (Δi) für die ausgewählten Teilanpassungen (Pi) und L die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls (I) ist.Method according to one of the preceding claims, in which the forecast quality (M1, M2) is as follows:
Figure 00180001
where M1 is the forecast quality, Δ the mean of the pro gnose accuracies (Δ i ) for the selected partial adjustments (P i ) and L is the length of the stability interval divided by the length of the total interval (I). Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Prognosegüte (M1; M2) wie folgt lautet:
Figure 00190001
wobei M2 die Prognosegüte, Δ der Mittelwert der Prognosegenauigkeiten (Δi) für die ausgewählten Teilanpassungen (Pi) und L die Länge des Stabilitätsintervalls geteilt durch die Länge des Gesamtintervalls (I) ist.Method according to one of the preceding claims, in which the forecast quality (M1, M2) is as follows:
Figure 00190001
where M2 is the forecast quality, Δ the mean of the prediction accuracies (Δ i ) for the selected partial adjustments (P i ) and L is the length of the stability interval divided by the length of the total interval (I). Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Teilanpassung des Prognosemodells an die im jeweiligen Teilintervall (I1, I2, ...., I) ermittelten Kenngrößen (A(t)) nach der Maximum-Likelihood-Methode und/oder der Methode der kleinsten Abweichungsquadrate erfolgt.Method according to one of the preceding claims, in which the partial adaptation of the prognosis model to the parameters (A (t)) determined in the respective subinterval (I 1 , I 2 , ...., I) is carried out according to the maximum likelihood method and / or the least squares method is used. Verfahren nach einem der vorhergehenden Ansprüche, bei dem die bewertete Prognose eine Zuverlässigkeitsprognose, insbesondere eine mit einem Zuverlässigkeitswachstumsmodell durchgeführten Prognose, ist und die Kenngrößen (A(t)) Werte sind, welche die Zuverlässigkeit des technischen Systems repräsentieren.Method according to one of the preceding claims, in the evaluated forecast has a reliability prognosis, in particular one with a reliability growth model conducted forecast, is and the characteristics (A (t)) Values are what the reliability of the technical system. Verfahren nach Anspruch 15, bei dem die Kenngrößen (A(t)) die Anzahl der Gesamtausfälle des technischen Systems zum Zeitpunkt der Ermittlung der jeweiligen Kenngröße (A(t)) und/oder die durchschnittliche Zeit bis zum Auftreten eines Ausfalls des technischen Systems zum Zeitpunkt der Ermittlung der jeweiligen Kenngröße (A(t)) umfassen.Method according to Claim 15, in which the parameters (A (t)) the number of total failures of technical system at the time of the determination of the respective Characteristic (A (t)) and / or the average time to failure of the technical system at the time of the determination of the respective Characteristic (A (t)) include. Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Verfahren mit unterschiedlichen Typen von Prognosegenauigkeiten (Δi) und/oder mit unterschiedlichen vorgegebenen Kriterien für die Auswahl der Teilanpassungen (Pi) durchgeführt wird und aus den mit den unterschiedlichen Typen von Prognosegenauigkeiten (Δi) und/oder vorgegebenen Kriterien ermittelten Prognosegüten (M1; M2) eine Gesamtprognosegüte bestimmt wird.Method according to one of the preceding claims, in which the method is performed with different types of prediction accuracies (Δ i ) and / or with different predetermined criteria for the selection of the partial adaptations (P i ) and from the different types of prediction accuracies (Δ i ) and / or predefined criteria (M1, M2) a total forecasting quality is determined. Verfahren nach Anspruch 17, bei dem die Gesamtprognosegüte ein gewichtetes Mittel aus den mit den unterschiedlichen Typen von Prognosegenauigkeiten (Δi) und/oder vorgegebenen Kriterien ermittelten Prognosegüten (M1; M2) ist.Method according to Claim 17, in which the overall prediction quality is a weighted average of the prediction qualities (M1, M2) determined using the different types of prediction accuracies (Δ i ) and / or predefined criteria. Verfahren nach einem der vorhergehenden Ansprüchen, bei dem das zeitliche Gesamtintervall (I) eine Test- und Korrekturphase des technischen Systems darstellt, wobei in dieser Phase das technische System zur Verbesserung seiner Zuverlässigkeit laufend angepasst wurde.A method according to any one of the preceding claims, wherein the total time interval (I) a test and correction phase of the technical system, at which stage the technical System adapted to improve its reliability on an ongoing basis has been. Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Verfahren für mehrere unterschiedliche Prognosemodelle wiederholt wird, wodurch eine Mehrzahl von Prognosegüten (M1; M2) erhalten wird.Method according to one of the preceding claims, in the procedure for several different forecasting models is repeated, thereby a plurality of forecast qualities (M1, M2) is obtained. Anordnung zur rechnergestützten Bewertung der mittels eines Prognosemodells durchgeführten Prognose von Kenngrößen (A(t)) eines technischen Systems, wobei die Anordnung derart ausgestaltet ist, das ein Verfahren nach einem der vorhergehenden Ansprüche durchführbar ist.Arrangement for the computer-aided evaluation of the prognosis model of parameters (A (t)) a technical system, the arrangement being such that a method according to any one of the preceding claims is feasible. Computerprogrammprodukt, das in den Speicher eines Computers geladen werden kann und Softwarecodeabschnitte umfasst, mit denen ein Verfahren nach einem der Ansprüche 1 bis 20 durchgeführt wird, wenn das Programmprodukt auf dem Computer läuft.Computer program product stored in the memory of a Computer can be loaded and includes software code sections, with which a method according to one of claims 1 to 20 is carried out, when the program product is running on the computer.
DE200410022142 2004-05-05 2004-05-05 Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model Expired - Fee Related DE102004022142B4 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
DE200410022142 DE102004022142B4 (en) 2004-05-05 2004-05-05 Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model
PCT/EP2005/052038 WO2005109253A2 (en) 2004-05-05 2005-05-04 Method for the computer-assisted evaluation of the prognosis of characteristic values of a technical system, performed by means of a predictive model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200410022142 DE102004022142B4 (en) 2004-05-05 2004-05-05 Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model

Publications (2)

Publication Number Publication Date
DE102004022142A1 DE102004022142A1 (en) 2005-12-01
DE102004022142B4 true DE102004022142B4 (en) 2007-09-20

Family

ID=35134263

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200410022142 Expired - Fee Related DE102004022142B4 (en) 2004-05-05 2004-05-05 Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model

Country Status (2)

Country Link
DE (1) DE102004022142B4 (en)
WO (1) WO2005109253A2 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8149983B2 (en) 2006-06-06 2012-04-03 Westinghouse Electric Company Llc Method for analysis of pellet-cladding interaction
RU2480828C1 (en) * 2011-10-14 2013-04-27 Общество С Ограниченной Ответственностью "Лайфстайл Маркетинг" Method of predicting target value of events based on unlimited number of characteristics
RU2530308C1 (en) * 2013-04-23 2014-10-10 Открытое акционерное общество "Федеральная гидрогенерирующая компания-РусГидро" Automated general-purpose diagnostic complex for control of safety and reliability of hydraulic structures of hydroelectric power plants and other facilities at all stages of their life cycle
RU2668487C2 (en) * 2015-12-21 2018-10-01 Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-Морского Флота "Военно-морская академия им. Адмирала Флота Советского Союза Н.Г. Кузнецова" Management decision making information support system for operational personnel of a ship power plant
RU2665231C1 (en) * 2017-11-29 2018-08-28 Владимир Сергеевич Пахомов Method and system for forming variants of strategy for long-term planning of activities on providing required status of complex organizational and technical system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE29617200U1 (en) * 1996-10-02 1997-11-06 Siemens AG, 80333 München Device for predictive diagnosis of the current quality of the technical work result of a technical system, in particular the current quality of the welding spots of a spot welding robot
WO2003065138A1 (en) * 2002-02-01 2003-08-07 Siemens Aktiengesellschaft Early prognosis of the reliability of a technical arrangement
DE10241746A1 (en) * 2002-09-10 2004-03-18 Haag, Günter, Prof.Dr. Process monitoring and control method for use with cyclical production processes employs neuronal network methods in initial system configuration and in generating training data that are used to generate quality control data

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000058798A1 (en) * 1999-03-26 2000-10-05 Siemens Aktiengesellschaft Method and system for error estimation in a technical system
US20020091972A1 (en) * 2001-01-05 2002-07-11 Harris David P. Method for predicting machine or process faults and automated system for implementing same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE29617200U1 (en) * 1996-10-02 1997-11-06 Siemens AG, 80333 München Device for predictive diagnosis of the current quality of the technical work result of a technical system, in particular the current quality of the welding spots of a spot welding robot
WO2003065138A1 (en) * 2002-02-01 2003-08-07 Siemens Aktiengesellschaft Early prognosis of the reliability of a technical arrangement
DE10241746A1 (en) * 2002-09-10 2004-03-18 Haag, Günter, Prof.Dr. Process monitoring and control method for use with cyclical production processes employs neuronal network methods in initial system configuration and in generating training data that are used to generate quality control data

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LYU, M.R.: Handbook of Software Reliability Engi- neering, New York: McGraw-Hill, 1995, S. 128-141, 734-739
LYU, M.R.: Handbook of Software Reliability Engineering, New York: McGraw-Hill, 1995, S. 128-141, 734-739 *

Also Published As

Publication number Publication date
WO2005109253A3 (en) 2007-03-01
WO2005109253A2 (en) 2005-11-17
DE102004022142A1 (en) 2005-12-01

Similar Documents

Publication Publication Date Title
DE69930501T2 (en) ULTRASENSIVE MONITORING OF SENSORS AND PROCESSES
DE102009061036B4 (en) Residue generation apparatus and method for detecting erroneous transients, drifts or oscillations in the system behavior of a system of an aircraft, and aircraft
DE102011102034A1 (en) Online adjustment of a process-analytical model with effective process operation
CH700936B1 (en) Method and system for determining a remaining before failure of an electric motor system time.
DE102012103652A1 (en) Method, computer program and system for performing interpolation on sensor data for high system availability
EP2854045B1 (en) Method and system for the evaluation of recorded measured values of a system
EP2947035B1 (en) Method for determining the load on a working machine and working machine, in particular a crane
DE112018007712B4 (en) DATA PROCESSING EQUIPMENT AND DATA PROCESSING METHODS
DE102013219236A1 (en) SYSTEM AND METHOD FOR ASSESSING A COMPUTER MODEL IN RELATION TO EMPIRICAL RESULTS FOR DYNAMIC SYSTEMS
EP3282399A1 (en) Method for the improved detection of process anomalies of a technical installation and corresponding diagnostic system
DE112020003694T5 (en) Error probability evaluation device and error probability evaluation method
EP3081914A1 (en) Monitoring of a machine with a rotating machine component
DE102017215341A1 (en) Method for investigating a functional behavior of a component of a technical installation, computer program and computer-readable storage medium
DE102004022142B4 (en) Method for the computer-aided evaluation of the prognosis of parameters of a technical system carried out by means of a prognosis model
EP1470459B1 (en) Early prognosis of the reliability of a technical arrangement
DE102020215136A1 (en) Procedure for the automated evaluation of a simulation model
EP2433185B1 (en) Apparatus and method for editing a process simulation database for a process
DE60126404T2 (en) DEVICE AND METHOD FOR SIMULATING AND ANALYZING A SYSTEM WITH FAILURE MODES
EP1929402B1 (en) Method for the computer-assisted analysis of the reliability of a technical system, corresponding device, and corresponding technical system
EP2743836A2 (en) Method for monitoring system states with a device and correspondingly equipped device
DE102004022144B4 (en) Method for the computer-aided evaluation of parameters of a technical system
DE112021007666B4 (en) SYSTEM FOR DETERMINING A STABLE AREA, METHOD FOR DETERMINING A STABLE AREA AND PROGRAM FOR DETERMINING A STABLE AREA
DE102006012797A1 (en) Interrupt detection in a carrier phase measurement
DE102019127426A1 (en) Waveform DC interference removal
EP3872721A1 (en) Methods and systems for optimizing maintenance of industrial machines

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8339 Ceased/non-payment of the annual fee