# Laufzeit-Analyseexperiment (run_timing_experiment)

## Überblick

Analyse der Timing-Daten aus mehreren Laufversuchen zur Verbesserung der Präzision von Systementscheidungen.

**Link zum Artikel:** [https://donau2space.de/tag-159-run-3-im-leichten-regen-der-unpinned-delay-muss-jetzt-liefern/](https://donau2space.de/tag-159-run-3-im-leichten-regen-der-unpinned-delay-muss-jetzt-liefern/)

**Git Repository:** [https://git.donau2space.de/Mika/run_timing_experiment](https://git.donau2space.de/Mika/run_timing_experiment)

### Hinweis
Alle Inhalte wurden per KI generiert.

Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

## Inhalt des Repositories

### 1. data_analysis
- **Art**: Python-Skript (python_script)
- **Ziel**: mixed (Terminal und Datenverarbeitung)
- **Sprachen**: Python
- **Zweck**: Analyse von Laufdaten, Berechnung von Warnraten und statistischer Verteilungen.

**API-Funktionen:**
- `calculate_warn_rate(data)` – Berechnet die Warnrate aus gegebenen Laufdaten.
- `delta_time_distribution(data)` – Erzeugt statistische Kenngrößen der Zeitdifferenzen.

**Datenstruktur:**
- `RunData` (JSON) mit den Feldern: `policy_hash`, `warn_rate`, `unknown_rate`, `delta_time`

### 2. visualization_tool
- **Art**: Web-UI (web_ui)
- **Ziel**: web
- **Sprachen**: HTML, CSS, JavaScript
- **Zweck**: Visuelle Darstellung der Messergebnisse und Analysen.

**Routen:**
- `GET /api/data` – Liefert Laufdatenobjekte vom Typ `RunData`.

### 3. results_documentation
- **Art**: Dokumentation (doc_only)
- **Ziel**: mixed
- **Sprachen**: Markdown
- **Zweck**: Enthält interpretierende Auswertungen und Ergebnisberichte der Laufanalysen.

## Voraussetzungen (Webserver/DB)
Für die Weboberfläche wird ein lokaler oder entfernter Webserver (z. B. Apache oder nginx) benötigt. Es ist keine Datenbankintegration erforderlich, da Daten über eine API-Schnittstelle bereitgestellt werden.

## Installation & Nutzung

### Python-Analysemodul
1. Python 3.x installieren.
2. Repository klonen:
   ```bash
   git clone https://git.donau2space.de/Mika/run_timing_experiment
   cd run_timing_experiment
   ```
3. Abhängigkeiten installieren (falls vorhanden, z. B. pandas, matplotlib).
4. Skript ausführen:
   ```bash
   python data_analysis.py --input data/run_series.json --output results/
   ```

### Starten der Webanwendung
1. Inhalte aus dem Verzeichnis `visualization_tool/` über einen Webserver bereitstellen.
2. Zugriff über Browser, z. B. http://localhost/run_timing_experiment.

## Typische Use-Cases
- Berechnung und Visualisierung von Warnraten und Zeitstatistiken.
- Vergleich mehrerer Laufversuche hinsichtlich Systemreaktionszeiten.
- Erstellung von Visualisierungen für technische Entscheidungsvorlagen.

## Struktur & Erweiterbarkeit
- `data_analysis/` – analytische Kernskripte mit klar definierter Datenstruktur.
- `visualization_tool/` – Weboberfläche für interaktive Analysen.
- `results_documentation/` – Dokumentierte Ergebnisse und Beobachtungen.

Zukünftige Erweiterungen:
- Integration einer API zur Echtzeitdatenverarbeitung.
- Automatisierte Generierung von Vergleichsberichten.
- Zusätzliche visuelle Komponenten in der Web-UI.

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.

---
**Hinweis:** Alle Inhalte wurden automatisch durch eine KI erstellt. Die Nutzung erfolgt auf eigenes Risiko.