Оценка надежности вычислительных систем непараметрическим методом по малым выборкам эксплуатационных данных
https://doi.org/10.34020/2073-6495-2024-1-010-029
Аннотация
Предложена новая методика оценки надежности небольших вычислительных систем, позволяющих сформировать только малые выборки эксплуатационных данных. Результатом применения методики является апостериорная плотность распределения отказов, на основе которой могут быть рассчитаны различные показатели надежности. Методика состоит из двух этапов: подготовка эксплуатационных данных, включающая обнаружение отказов методами машинного обучения, и построение плотности распределения отказов адаптированным методом Розенблатта–Парзена. Повышение эффективности оценок с помощью предлагаемой методики достигается за счет учета цензурированных данных, компенсации смещения плотностей распределения отказов и нахождения оптимального параметра сглаживания.
Об авторах
В. С. Никулин
Новосибирский государственный университет экономики и управления «НИНХ»
Россия
Россия
Никулин Владимир Сергеевич – аспирант
Новосибирск
А. И. Пестунов
Новосибирский государственный университет экономики и управления «НИНХ»
Россия
Россия
Пестунов Андрей Игоревич – кандидат физико-математических наук, доцент, заведующий кафедрой
Новосибирск
Список литературы
1. Антонов А.В., Никулин М.С. Статистические модели в теории надежности: учеб. пособие. М.: Абрис, 2012. 390 c.
2. Викторова В.С., Лубков Н.В., Степанянц А.С. Анализ надежности отказоустойчивых вычислительных систем. М.: ИПУ РАН, 2016. 117 c.
3. Викторова В.С., Степанянц А.С. Динамические деревья отказов // Надежность. 2011. № 3. C. 20–32.
4. Деврой Л., Дьёрфи Л. Непараметрическое оценивание плотности. L1-подход. М.: Мир, 1988. 408 с.
5. Захаров Д.Н., Никулин В.С. Анализ методов статистической оценки эксплуатационной надежности вычислительных комплексов // Наукоемкие технологии в космических исследованиях земли. 2020. № 1. C. 64–69.
6. Карлов И.А. Методы восстановления пропущенных значений с использованием инструментария Data Mining // Вестник Сибирского государственного аэрокосмического университета имени академика М.Ф. Решетнева. 2011. № 7. C. 29–33.
7. Матвеевский В.Р. Надежность технических систем: учеб. пособие. М.: Московский государственный институт электроники и математики, 2002. 113 с.
8. Половко А.М., Гуров С.В. Основы теории надежности. СПб.: БХВ-Петербург, 2006. 704 c.
9. Рузанов П.А. Методика создания приложений для работы с базами данных с использованием высокоуровневого языка Python // Цифровые технологии и информационная безопасность бизнес-процессов. Сборник научных статей по итогам научно-практической конференции с международным участием. М., 2022. С. 272–277.
10. Тарасов А.Г. Система мониторинга вычислительного кластера расширенной функциональности: дис. … канд. техн. наук. Иркутск, 2011. 145 с.
11. Успенский М.Б. Разработка и исследование методов и моделей обработки диагностической информации для обнаружения и локализации неисправностей в системах хранения данных. M., 2020. C. 153.
12. Ченцов Н.Н. Оценка неизвестной плотности распределения по наблюдениям // Доклады АН СССР. 1962. № 1 (147). C. 45–48.
13. Чубукова И.А. Data Mining: учеб. пособие. М.: БИНОМ. Лаборатория знаний, 2008.
14. Шмидт О.О. Обобщенная модель процесса восстановления в теории надежности использования информационных технологий: дис. … канд. физ.-мат. наук. Красноярск, 2008. 125 с.
15. Эфрон Б. Нетрадиционные методы многомерного статистического анализа. М.: Финансы и статистика, 1988. 261 с.
16. Foster I. Globus Toolkit Version 4: Software for Service-Oriented Systems // Journal of Computer Science and Technology. 2006. No. 4. Pp. 513–520.
17. Hooke R., Jeeves T. “Direct search” solution of numerical and statistical problems // Journal of the ACM. 1961. Nо. 8. Pp. 212–229.
18. Karunamuni R., Alberts T. A Locally Adaptive Transformation Method of Boundary Correction in Kernel Density Estimation // Journal of Statistical Planning and Inference. 2006. Vol. 136, no. 9. Pp. 2936–2960.
19. Padgett W.J., McNichols D.T. Nonparametric density estimation from censored data // Commun. Statist. Theory and Meth. 1984. Vol. 13, no. 13. Pp. 1581–1611.
20. Parzen Е. On estimation of a probability density function and mode // Annals of Mathematical Statistics. 1962. No. 33. Pp. 1065–1076.
21. Rozenblatt M. Remark on some nonparametric estimates of a density function // Annals of Mathematical Statistics. 1956. No. 27. Pp. 832–837.
22. Silverman B. Density estimation for statistics and data analysis. London: Chapman & Hall/CRC. P. 45.
23. Wolski R. Developing a Dynamic Performance Information Infrastructure for Grid Systems. [Электронный ресурс]. URL: https://www.researchgate.net/publication/2527468 (дата обращения: 04.01.2024).
24. Интеллектуальная система тематического исследования наукометрических данных. Суперкомпьютер «Ломоносов-2». [Электронный ресурс]. URL: https://istina.msu.ru/equipment/card/19828901/ (дата обращения: 04.01.2024).
Рецензия
Для цитирования:
Никулин В.С., Пестунов А.И. Оценка надежности вычислительных систем непараметрическим методом по малым выборкам эксплуатационных данных. Вестник НГУЭУ. 2024;(1):10-29. https://doi.org/10.34020/2073-6495-2024-1-010-029
For citation:
Nikulin V.S., Pestunov A.I. Assessment of computing systems reliability by non-parametric method by small samples of operational data. Vestnik NSUEM. 2024;(1):10-29. (In Russ.) https://doi.org/10.34020/2073-6495-2024-1-010-029
Послать статью по эл. почте 
