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

Weitere Magazine

Empfehlungen

Info

Bezug auf die Reliabilitätsfunktion unterscheiden sich die Komponenten. Die Komponente KHU-B würde beispielsweise zu 60% einen festgelegten Zeitraum fehlerfrei überstehen, wohingegen die Komponente MHU-B dies zu 96% tun würde. Tabelle 5.2-2 Vergleich der Ergebnisse der abgeschlossenen Integrationsstufen Gerät MHU IS Goel-Okumoto Modell Yamada-Delayed-Sshaped Modell Yamada-Delayed-Sshaped Reliabilty CHI2 In Prozent CHI2 In Prozent R(0.01) (%) P TNF P TNF MHU-A 10.5 4 313 4.6 50 92 72 MHU-B 11.5 22 103 9.2 67 85 96 KHU KHU-A n.g n.g n.g 7.3 25 107.7 89 KHU-B 99.1 2.8 415 7.3 33.4 116 60 TEL TEL-A 64.2 0.9 1180 5.8 34 115.3 61 TEL-B 47.9 3.3 382 17.9 37.7 110.1 77.6 MHU: Mittlere Head Unit KHU: Kleine Head Unit TEL: Steuergerät für Telefonie P: Wahrscheinlichkeit der Fehlerendeckung n.g: nicht geeignet 5.2.2.2 Vergleich der Ergebnisse in Bezug auf Restfehler Ein weiteres Kriterium für die deskriptive Stärke der Modelle ist die Schätzung der Restfehler. In den beiden folgenden Tabellen 5.2-3 und 5.2-4 erfolgt diese Schätzung getrennt für die abgeschlossenen und noch nicht abgeschlossenen Integrationsstufen. In der ersten Tabelle 5.2-3 werden die geschätzten Restfehler mit den realen Restfehlern verglichen. Dabei sieht man deutlich, dass wieder meistens Yamada-Delayed-S-shaped Modell am besten passt. Zum Teil wirkt es, als ob die Restfehlerabschätzung weit entfernt von 100% (den realen Daten) ist. Dies ist zwar bei den letzten drei Integrationsstufen so, jedoch muss man sich hier in Erinnerung rufen, dass zur Anonymisierung der Daten die realen Restfehler mit 100 gleichgesetzt wurden. Wenn diese z.B. 10 realen Restfehlern entsprechen, wären 229% nur ca. 23 geschätzte Fehler. Diese wäre trotzdem noch akzeptabel und besser als die Berechnung mit Regressionen. Bei der Kurve MHU-A ist die Berechnung von Yamada-Delayed-S-shaped Modell mit 70% am nächsten an 100% , aber auch die logarithmische Regression liegt mit 146% recht nah an 100%, auch der Determinationskoeffizient ist mit 0.71 recht hoch. 66
Tabelle 5.2-3 Vergleich der Restfehler (abgeschlossene IS) Gerät MHU KHU TEL IS (Kurve) NHPP-Modelle (%) Goel- Okumoto Yamada- Delayed-Sshaped Regression Lineare (%) R 2 Logarithmisch (%) MHU-A 926 70 208 0.65 146 0.71 MHU-B 116 23 56.3 0.71 150.7 0.55 KHU-A n.g 122.92 n.b. 0.17 n.b. 0.26 KHU-B 4667 332 1709 0.04 n.b. 0.01 TEL-A 9252 229.5 n.b. 0.004 n.b. 0.044 TEL-B 2539 187.1 1097 0.04 n.b 0.0001 MHU: Mittlere Head Unit KHU: Kleine Head Unit TEL: Steuergerät für Telefonie R 2 : Determinationskoeffizient/Bestimmtheitsmaß 14 n.g: nicht geeignet n.b.: nicht bestimmbar R 2 Bei der folgenden Tabelle. 5.2-4 kann man keinen Vergleich zwischen geschätzten und realen Daten ziehen, da die Integrationsstufen noch nicht abgeschlossen sind. Dies ist hier nur zur Dokumentation aufgeführt, wie es auch in der Praxis aussehen würde. Aus den obigen Erfahrungen kann man annehmen, dass das Yamada-Delayed-S-shaped Modell am ehesten die richtigen Ergebnisse liefern würde. 14 Determinationskoeffizient oder Bestimmtheitsmaß ist definiert als ein Maß der Statistik für den Anteil der erklärten Varianz eines Zusammenhangs. Beträgt beispielsweise R2 = 0.4, dann heißt das, dass 40% der Streuung der einen Variablen durch lineare Abhängigkeit von der anderen Variablen erklärt werden kann 67
Seite 1 und 2:
GEORG-AUGUST-UNIVERSITÄT GÖTTINGE
Seite 3 und 4:
Inhaltsverzeichnis Seite Zusammenfa
Seite 5 und 6:
5.1.1 Analyse der Komponente „gro
Seite 7 und 8:
Tabellenverzeichnis Seite Tabelle 5
Seite 9 und 10:
1 Einleitung 1.1 Software Reliabili
Seite 11 und 12:
werden zentrale Begriffe, Ziele und
Seite 13 und 14:
Kundenverlust führen. Auch können
Seite 15 und 16:
Zu den informalen Techniken gehöre
Seite 17 und 18:
Umsetzung der Anforderung einer Pha
Seite 19 und 20:
2.2.4.2 Testendekriterien Besonders
Seite 21 und 22:
Wert ist interpretierbar als der Er
Seite 23 und 24: equired, for a specified time, in a
Seite 25 und 26: MTTF (mean time to failure) ist die
Seite 27 und 28: 3.2.1.2 Merkmale Software Reliabili
Seite 29 und 30: 3.2.1.4 Ziele und Einsatz von Softw
Seite 31 und 32: „finite failure model“ (Farr 19
Seite 33 und 34: 3. Die isolierten Fehlerzustände s
Seite 35 und 36: 2. Die Fehlerwirkungsentdeckungswah
Seite 37 und 38: für i = 1, 2, ..., n konvertieren,
Seite 39 und 40: Der Chi-Quadrat-Test wird als „go
Seite 41 und 42: 4 Anwendungsfeld, Datenbasis und De
Seite 43 und 44: Abbildung 4.1-1 Head Unit im BMW-Au
Seite 45 und 46: 4.3 Analyse der Datenausgangsbasis
Seite 47 und 48: Bei allen ausgewählten Komponenten
Seite 49 und 50: (vgl. Xie 1991, S. 25). Da es sich
Seite 51 und 52: Abbildung 4.6-1 Beispiel Intervall-
Seite 53 und 54: Prognose der Restfehler sowohl mit
Seite 55 und 56: Man sieht in der Abbildung 5.1-3, d
Seite 57 und 58: Diese Daten mit den Daten der obige
Seite 59 und 60: Abbildung 5.1-5 Fehlerkurve und kum
Seite 61 und 62: Tabelle 5.1-3 Einschätzung und Pro
Seite 63 und 64: 5.1.3 Analyse der Komponente „kle
Seite 67 und 68: Abbildung 5.1-11 Fehlerkurve und ku
Seite 71 und 72: Tabelle 5.2-1 Anteil der Fehlerarte
Seite 73: Head Unit wäre dies jedoch nicht r
Seite 77 und 78: Tabelle 5.2-5 Vergleich der Bestimm
Seite 79 und 80: 6 Zusammenfassung In diesem abschli
Seite 81 und 82: Literaturverzeichnis (Birolini 2007
Seite 83 und 84: (Stahlknecht; Hasenkamp 2005): Stah
Seite 85 und 86: B Lesehilfe zum besseren Verständn
Seite 87 und 88: C Abbildungen zur Datenanalyse (nic
Seite 89 und 90: Abbildung C-5 Analyse der Daten mit
Seite 91: Eidesstattliche Erklärung Ich erkl
Alle anzeigen

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

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?