臺灣博碩士論文加值系統

自1962年Duane提出Duane可靠度成長模式後，學者一直偏重於探討可靠度成長模式的參數估計與提出新模式。傳統上，在參數估計方面常用統計學的方法分析可靠度成長模式，但因對非線性系統以及變數間有交互作用的系統統計方法之評估效果較差。Gompertz 模式為眾多可靠度成長模式中應用性較好，在1996年Keceecioglu針對Gompertz 的初期預測不精準提出一個修正模式，謂之Gompertz修正模式。本研究的具體目標為發展一個以類神經網路為基之預測系統，以克服Gompertz修正模式的在建構時之困難與耗時。我們採用平均絕對誤差(MAPE)比較預測效果。本研究中採用ReliaSoft Corporation網頁下的Gompertz範例進行模式驗證。本論文亦根據可靠度成長模式模擬數據，進行類神經網路建構可靠度成長模式之驗證，並與修正模式做比較。本研究在模擬模式假設可靠度的趨勢會依照Gompertz 模式，加入一隨機變數，以及採用不同線性遞減誤差比例尋找Gompertz 修正模式之最佳參數解。最後，由實例與模擬結果證明BPNN的建構系統比Modify Gompertz與Gompertz技術所建構的模式均有較好的預測能力。

The reliability growth model has been proposed by Duane since 1962. Many different approaches to estimate parameters or new models are proposed since them, Duane model is the most popular one to be applied to describe reliability. However, poor accuracy in the early stage is a drawback of the Gompertz model, thus Keceecioglu proposed a modified version of the Gompertz model in 1996. The trade-off of increasing precision in early stage for modified Gompertz model is complex solution and long computing time. In this thesis, we propose a neural network-based approach BPNN mosel to overcome the weakness of modify Gompertz model. The mean absolute error percent (MAPE) is used as a performance index. A Gompertz Data from web page of Reliabsoft Corporation is quoted to verify model our proposed model. Also the comparing among Gompertz, modified Gompertz and BPNN growth model is studied by simulated data. Simulation results show that BPNN growth model performs better than Modify Gompertz and Gompertz models.

目 錄
中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 ix
一、緒論 1
1.1 研究動機與背景 1
1.2 研究目的 3
1.3 研究範圍 3
1.4 研究方法與進行步驟 4
1.5 論文架構 6
二、文獻探討 8
2.1 可靠度成長管理 8
2.2 硬體可靠度與軟體可靠度 10
2.3 可靠度成長模式參數介紹 11
2.4 可靠度成長模式介紹 12
2.4.1 連續型可靠度成長模式 13
2.4.2 離散型可靠度成長模式 14
2.5 可靠度成長模式的應用 19
2.6 類神經網路應用於可靠度成長模式 20
三、研究方法 22
3.1 類神經網路模式 22
3.1.1 倒傳遞類神經網路參數介紹 22
3.1.2 倒傳遞類神經網路之架構 23
3.1.3 倒傳遞類神經網路演算流程 27
3.2 Gompertz修正模式的參數估計步驟 30
四、倒傳遞網路在可靠度成長預測模式之建構 34
4.1 訓練樣本的選擇 34
4.2 輸入層之自變數決定 34
4.3 網路建立 36
五、倒傳遞網路與GOMPERTZ修正模式預測分析比較 38
5.1 評估指標 38
5.2 可靠度成長在Gompertz修正預測模式的實例 38
5.2.1 Gompertz模式的參數 40
5.2.2 Gompertz修正模式的參數 40
5.2.3 BPNN網路的參數 40
5.2.4 三種模式的預測模式分析 43
5.3 數據模擬範例 49
5.3.1 數據模擬 49
5.3.2 模擬數據之分析 51
六、結論與建議 58
參考文獻 61
附錄一、GOMPERTZ 公式推導過程 64
附錄二、不同變異數下的模擬數據 68

參考文獻
1. 王宗華編著，可靠度試驗與評估，中華民國品質管制學會發行，台北，1989。
2. 王宗華編著，可靠度工程技術的理論與實用，中華民國品質管制學會發行，台北，1992。
3. 尹華誠，「類神經網路在產品研發階段可靠度管理模式之建構與分析」，碩士論文，元智大學工業工程與管理研究所， 2000。
4. 林邦彥，「可靠度成長試驗實例介紹」， 品質管制月刊，Vol. 29，No. 11 24-30，1993。
5. 林溪東，「產品研發與使用階段之可靠度成長比較」， 品質管制月刊，Vol. 31，No. 10，46-50，1995。
6. 林忠成，「產品可靠度成長新模式之研究-Kalman Filter 之應用」，碩士論文，義守大學管理科學研究所， 2000。
7. 胡昌壽主編，可靠性工程-設計、實驗、分析、管理，宇杭出版社，649-658，北京，1989。
8. 柳進明，「結合時間序列與類神經網路建構可靠度預測模式之研究」，碩士論文，交通大學工業工程研究所， 1996。
9. 涂宏泰、高小茜、鄧維苓，「應用Duane成長模式於無器系統操作資料可靠度評估」，Proc. Of the R.O.C. Symp. On R&M，1999。
10. 彭鴻霖編著，可靠度驗證與評估技術，台北，1997。
11. Barlow R. E.and E. M. Scheuer, “Reliability Growth During a Development Test Program,” Technometrics, Vol. 8, 53-60, 1966.
12. Bhattacharyya G.K., A. Fries and R.A. Johnson, “Properties of Continuous Analog Estimators for a Discrete Reliability-Growth Model,” IEEE Transactions on Reliability, Vol. 38, No. 3, 1989.
13. Corcoran W.J, H. Weingarten and P.W. Zehna, “Estimating Reliability after Corrective Action,” Management Science, Vol. 10, No. 4, 786-798,1964.
14. Dark J.E, “「Discrete Reliability Growth Models Using Failure Discounting, 」 MS Thesis (unpublished), US Naval Postgraduate School, 1988.
15. Donovan J. and E. Murphy, “Improvement in Reliability-Growth Modeling,” Proceedings Annual Reliability and Maintainability Symposium, 296-301, 2001.
16. Fries A. and A. Sen, “A Survey of Discrete Reliability-Growth Models,” IEEE Transactions on Reliability, Vol. 45, No. 4, 582-604, 1996.
17. Huaidong X., 「Forecasting Innovation Diffusion: a Modeling Approach (Sigmoidal Diffusion), 」 PHD, Georgia Institute of Technology, 1994.
18. Keceecioglu D. and S. Jiang and P. Vassiliou, “The Modified Gompertz Reliability-Growth Model,” Proceedings Annual Reliability and Maintainability Symposium, 160-165, 1994.
19. Keceecioglu D., Reliability Engineering Handbook, Prentice-Hall, Inc., A Simon & Schuster Company Englewood Cliffs, New Jersey, 401-471, 1991.
20. Krivtsov V. and J. Wasiloff, “Classical vs. Bayes Reliability Growth in Theory and Practice,” ASQ’s 54th Annual Quality Congress Proceedings, 311-317, 2000.
21. Lloyd D.K., “Forecasting Reliability Growth,” Proceedings 33rd Annual Technical Mtg, 171-175, 1987.
22. Luoli, Luoqiang, H. He and D. Fanglin, “The BP Neural Network Algorithm and the Model of the Reliability Growth Predication,” Proceedings of the 3rd World Congress on Intelligent Control and Automation, 1122 — 1126, vol.2. 2000.
23. Madarres M., M. Kaminsky, and V. Krivtsov, Reliability Engineering and Risk Analysis, New York: Marcel Dekker, Inc, 1999.
24. Mazzuchi T. A and S. Refik, “A Bayes for Assessing Product-Reliability During Development Testing,” IEEE Transactions on Reliability, Vol. 42, No. 3, 1993.
25. MIL-HDBK-189, Reliability Growth Management, Department of Defense, Washington, 1981.
26. MIL-HDBK-338B, Reliability Growth Management, Department of Defense, Washington, 1988.
27. Olsen D.E., “Estimating Reliability Growth,” IEEE Transactions on Reliability, Vol. R-26, No.1, 50-53, 1977.
28. Robinson D. and D. Dietrich, “A Nonparametric-Bayes Reliability-Growth model,” IEEE Transactions on Reliability, Vol. 38, No. 5, 591 —598, 1989.
29. Weinrich M.C and A.J. Gross, “The Barlow —Scheuer Reliability Growth Model from a Bayesian Viewpoint”, Technomtrics, Vol. 20, No. 3,1978.
30. Wood W. M., “The Effect Discounting Failures And Weightinh on The Accuracy of Some Reliability Growth Models,” Proceedings Annual Reliability and Maintainability Symposium, 200-204, 1990.