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

(vgl. Xie 1991, S. 25). Da es sich bei den vorliegenden Daten um Daten aus einem
Testprozess „with fault removal“ handelt, können keine Modelle eingesetzt werden, die
auf Homogeneous Poisson Prozessen beruhen, sondern es können NHPP-Modelle
eingesetzt werden (siehe Kap. 3.1 und Voraussetzungen in Kap. 3.2.3). Zudem kann
man bei den getesteten Komponenten annehmen, dass es endliche und nicht unendliche
Fehlerwirkungen gibt, da die Komponenten nicht eine unendliche Zeit benutzt werden.
Dies spricht auch für den Einsatz von NHPP-Modellen, die finite failure Modelle sind
(siehe Kap. 3.3.1.3).
Um aus den verschiedenen NHPP-Modellen Modelle für die Anwendung auf die Daten
auszuwählen, wurden die Daten zuerst mit Excel grafisch analysiert (vgl. folgende Abb.
4.5-1). Hierzu wurden die Fehler und die kumulierten Fehler dargestellt. Aus der
Abbildung 3.2-1 „Die S-Form der Fehlerwirkungsintensitätsfunktion“ geht hervor, dass
es eine Einschwingphase beim Testen gab.
Abbildung 4.5-1 Grafische Darstellung zwischen erfassten und kumulierten Fehlern
Fehleranzahl
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Zeiteinheit
Erfasste Fehler
Kumulierte Fehler
Quelle: Aus Datenanalyse bei BMW
Die obige Abbildung 4.5-1 wurde danach mit den beiden Modellen Goel-Okumoto und
Yamada-Delayed-S-shaped (vgl. Abb. 3.2.-1 „Die S-Form der
Fehlerwirkungsintensitätsfunktion“) verglichen. Da der Verlauf der Kurven ähnlich
erscheint, werden diese beiden Modelle ausgewählt, um sie auf die Daten anzuwenden.
Welches der beiden Modelle besser geeignet ist, wird sich nach Anwendung der
Modelle in einem zweiten Schritt (vgl. Kap. 5) zeigen. Da es für reale Projekte und
später für die Praxis konzeptuell und wirtschaftlich nicht praktikabel ist, mit mehr als
41