Software Reliability Engineering im Infotainment - Georg-August ...

übriggebliebenen Fehlerzustände repräsentieren. Daraus ist abgeleitet, dass die
zukünftige Entwicklung nicht von der vergangenen abhängt, es wird daher eine
diskontinuierliche Funktion angenommen (vgl. Xie 1991, S. 24). Markov Modelle
arbeiten mit der Stochastik. Zu dieser Klassifikation gibt es mehrere Modelle (vgl.
Blischke; Murthy 2000, S. 303).
3.2.2.2 Nonhomogeneous Poisson Prozessmodelle (NHPP)
Bei diesen Modellen ist die Annahme, dass der Fehlerwirkungsprozess als ein
Nonhomogeneous Poisson Prozess zu beschreiben ist. NHPP werden oftmals bei der
Analyse von Hardware Reliability eingesetzt. Sie können jedoch aufgrund der
Ähnlichkeit des Zuverlässigkeitswachstums von Hard- und Software auch für die
Analyse von SR adaptiert werden. NHPP zeichnet Folgendes aus: „there is a mean
value function which is defined as the expected number of failures up to a given time.”
(Xie 1991, S. 25). NHPP arbeiten mit der Stochastik. In dieser Arbeit werden NHPP-
Modelle zur Analyse verwendet, weil die Merkmale der Fehlerdaten ihren Einsatz
sinnvoll erscheinen lassen. Daher werden sie ausführlich in Kapitel 3.2.3 beschrieben.
3.2.2.3 Bayesian Modelle
Diese Modelle nutzen inferenzstatistische Methoden. Sie schließen auch vorheriges
Wissen mit ein. D.h. diese Modelle nutzen Informationen über die Software, die vor
dem Testen erhoben werden, in Kombination mit Testdaten (vgl. Xie 1991, S. 25).
3.2.2.4 Statistische Datenanalysemethoden
Unter diesen Methoden fasst Xie time series Modelle, proportional hazards Modelle und
Regressionsmodelle zusammen (1991, S. 25f.).
3.2.3 Darstellung der Nonhomogeneous Poisson Prozessmodelle
In diesem Kapitel wird zuerst allgemein auf die NHPP-Modelle eingegangen, um
danach zwei NHPP-Modelle näher zu beschreiben, die besonders geeignet sind und mit
denen die Analyse in dieser Arbeit durchgeführt wird. Warum diese Modelle zu den
Daten bei BMW passen, wird in Kapitel 4.5 beschrieben.
3.2.3.1 Allgemeine Theorie
Das NHPP-Modell ist ein Modell des Poisson-Typs, das die Fehlerzustandsanzahl pro
Zeiteinheit als unabhängige Poisson-Zufallsvariable annimmt. Es handelt sich um ein
22