Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Software Reliability Engineering im Infotainment - Georg-August ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3.2.1.4 Ziele und Einsatz von <strong>Software</strong> <strong>Reliability</strong> Modellen in der<br />
<strong>Software</strong>entwicklung<br />
Ein gutes Modell verbessert die Kommunikation in einem Projekt und liefert einen<br />
gemeinsamen Rahmen des Verständnisses für die <strong>Software</strong>-Entwicklungs-Prozesse.<br />
Außerdem fördert es die Transparenz für das Management. Die Entwicklung von SRM,<br />
die in der Praxis nützlich sind, umfasst theoretische Arbeit, Werkzeugerstellung, und<br />
die Akkumulation von einer Menge von Wissen aus der praktischen Erfahrung. Der<br />
Versuch braucht normalerweise einige Personenjahre (vgl. Musa 1999, S. 261).<br />
Während stochastiche Zuverlässigkeitsanalysen bei Hardware standardmäßig eingesetzt<br />
werden, werden für <strong>Software</strong>-Systeme in der Praxis aufgrund des hohen Aufwands<br />
bislang noch eher selten Zuverlässigkeitsanalysetechniken eingesetzt (vgl. Liggesmeyer<br />
2002, S. 441).<br />
Für Forschungsprojekte wird der Einsatz von mehreren Modellen vorgeschlagen.<br />
Allerdings ist die Anwendung von mehr als einem oder zwei Modellen konzeptuell und<br />
wirtschaftlich nicht praktikabel für reale Projekte. Denn es ist notwendig, dass die<br />
Projektpersonen verstehen, was die Parameter von den Modellen bedeuten, damit sie<br />
diese bewerten können. Dies ist nicht gleichzeitig für mehrere Modelle möglich.<br />
Außerdem eskalieren Zeit und involvierte Kosten sehr schnell, je mehr Modelle man<br />
einsetzt (vgl. Musa 1999, S. 261).<br />
3.2.2 Klassifizierung der Modelle<br />
Etwa 75 <strong>Software</strong> <strong>Reliability</strong> Modelle stehen zur Verfügung. Es gibt verschiedene<br />
Möglichkeiten, die SRM zu klassifizieren. Musa (1999, S. 267) erstellte beispielsweise<br />
ein Klassifikationsschema, um die Modelle nach verschiedenen Eigenschaften zu<br />
unterteilen. Xie unterscheidet u.a. Markov Modelle, Nonhomogeneous Poisson<br />
Prozessmodelle, Bayesian Modelle und statistische Datenanalysemethoden (vgl. Xie<br />
1991, S. 24). Die Klassifizierung nach Xie ist besonders übersichtlich und wird daher<br />
<strong>im</strong> Folgenden kurz erläutert.<br />
3.2.2.1 Markov Modelle<br />
Ein Modell gehört zu den Markov Modellen, wenn seine Wahrscheinlichkeitsannahme<br />
des Fehlerwirkungszählprozesses ein Markov-Prozess ist, üblicherweise ein Geburt-<br />
Tod-Prozess. Die Hauptcharakteristik dieser Modelle ist, dass die <strong>Software</strong> an einem<br />
gegebenen Zeitpunkt zählbare Zustände hat und dass diese Zustände die Anzahl der<br />
21