基于设备缺陷自动追踪的智能配变终端可靠性测试系统设计

当前方法的数据接收速率与损耗检测率较低,因此引入设备缺陷自动追踪技术,设计一种智能配变终端可靠性测试终端,以实现其可靠性测试。其硬件构成包括CPU模块、采集信号模块、显示模块;软件构成包括可靠性测试模块、主板软件模块。搭建智能配变终端可靠性测试实验平台,对该终端进行测试实验。实验结果证明,该终端的数据接收速率较为稳定,且损耗检测率高于其他实验方法,具有一定的实用性与应用前景。

对静脉药物配置缺陷的改进策略与效果

目的减少静脉药物配置缺陷,保证临床用药安全。方法成立静脉药物配置专项质量管理小组,对2012年1-6月发生的静脉药物配置缺陷进行分类分析,落实对应改进策略并循环检查。结果改进后,静脉药物配置缺陷率由0.040 9%降至0.005 4%,差异有统计学意义(P<0.01)。结论以质量管理小组进行静脉药物配置品质持续改善,有效降低静脉药物配置各环节缺陷,为临床用药安全提供保障。

深度学习在缺陷修复者推荐中的应用

目前许多软件项目使用缺陷追踪系统来自动化管理用户或者开发人员提交的缺陷报告。随着缺陷报告和开发人员数量的增长,如何快速将缺陷报告分配给合适的缺陷修复者正在成为缺陷快速解决的一个重要问题。分别使用长短期记忆模型和卷积神经网络两种深度学习方法来构建缺陷修复者推荐模型。该模型能够有效地学习缺陷报告的特征,并且根据该特征推荐合适的修复者。通过与传统机器学习方法(如贝叶斯方法和支持向量机方法)进行对比,该方法可以比较有效地在众多开发者中找出合适的缺陷修复者。

基于FARM降低系统性偏差的缺陷修复时间预测方法

缺陷修复时间预测能够帮助开源社区管理者精确地估计缺陷修复工作量,实现缺陷修复人员的优化分配。缺陷追踪库Bugzilla是开源社区缺陷修复数据的主要来源。在实际使用中,缺陷追踪库除被用作记录缺陷之外,还被用于记录用户对软件产品不足之处的投诉,以及软件功能相关讨论。缺陷追踪库的混合使用给缺陷修复时间预测带来系统性偏差。为降低系统性偏差对预测结果的影响,给出基于模糊关联规则挖掘FARM(Fuzzy Association Rules Mining)降低系统性偏差的缺陷修复时间预测方法。该方法通过分析历史数据生成模糊关联规则来过滤系统性偏差。实验结果显示经过该方法处理后的新预测模型结果优于原有模型。

加氢筒节锻造缺陷模拟分析

对加氢钢锭增加预拔长与否及镦粗时水、冒口朝向等四种工艺方案进行模拟分析。在原始钢锭的水、冒口端固定位置设置追踪点,对比分析冲孔后追踪点距内孔表面与距端面距离。结果表明:改变墩粗时水、冒口的朝向,增加预拔长工艺对追踪点位置有影响,而且通过追踪点可以反推出缺陷在原始钢锭中的位置。

软件配置管理的开源整合解决方案

版本控制系统,缺陷追踪系统和测试管理系统是软件配置管理中不可或缺的工具,使得软件过程的自动化程度大大提高,但是由于各个系统相互独立,系统间的接口往往成为整个软件过程自动化程度和可靠性的瓶颈,本文讨论了这种独立所存在的问题,并给出一个零成本的整合解决方案,以实现高自动化可高可靠性的项目管理,提高软件产品的质量。