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

Weitere Magazine

Empfehlungen

Info

Anhang A Software Reliability Engineering Werkzeuge Tabelle A-1 Übersicht über weitere SRE-Software CASRE 16 RAT 17 Name Beschreibung Computer Aided Software Reliability Estimation CASRE ist ein Software Werkzeug (tool) für die Messung und die Evaluation der Software Zuverlässigkeit. Reliability Assessment Tool Das Siemens eigene Werkzeug RAT unterstützt verschiedene Software Zuverlässigkeitsmodelle. Unterstützte Modelle Das Werkzeug unterstützt u.a. folgende Modelle: - Musa Basic - Littlewood/Verrall - Jelinski-Moranda - NHPP Das Werkzeug unterstützt u.a. folgende Modelle: - Goel-Okumoto - Musa-Okumoto - Yamada S-shape - Geometrisches Moranda Vorteile CASRE ermöglich einen Text Editor zu benutzen und Input-Dateien (ASCII) zu kreieren. Die Parameter können mit maximum likelihood oder Methode der kleinsten Quadrate eingeschätzt werden. - Verlässlichkeit kann leicht geprüft werden. - Die Datenerfassung erfordert keinen Zusatzaufwand. - Die Modellierung kann unmittelbar begonnen werden. Nachteile Das kann man nur mit dem Betriebssystem Windows benutzen. Es ist nicht möglich, die Datenerfassung zu beeinflussen. Ausfalldaten basieren auf Kalenderzeit. Die Daten sind nicht immer geeignet strukturiert. Registration erforderlich Nur bei Siemens Download Das ist eine freie Software, wenn Buch von Lyu (1996) gekauft wird. Die Dokumentation zum Werkzeug ist kostenpflichtig. Nicht verfügbar Link http://www.openchannelsoftware.com/proje cts/CASRE_3.0 keine 16 Lyu und Schönwälder (1998, S. 151ff.) beschreiben detailliert technisch das CASRE-Werkzeug. 17 Liggesmeyer und Mäckel (1999, S. 210ff.) beschreiben detailliert das RAT-Wekzeug. 76
B Lesehilfe zum besseren Verständnis der anonymisierten Daten Das folgende Beispiel erläutert, wie die absoluten Zahlen in Prozentzahlen dargestellt werden, um die Anonymisierung zu gewährleisten. Die realen Zahlen eines fiktiven Beispiels seien mit 100 für die Gesamtfehleranzahl und 10 für die Restfehler gegeben. In der Tabelle B-1 sieht man die berechneten absoluten Zahlen. Das heißt, Goel- Okumoto berechnet als Gesamtfehleranzahl 200, Yamadas-Modell berechnet 98. Als Restfehler berechnet Goel-Okumoto 80, Yamadas-Modell 5. In der Tabelle B-2 sieht man dann, wie diese Zahlen in Prozentzahlen wiedergegeben werden. Die berechneten absoluten Zahlen wurden in Relation zu den realen Zahlen gesetzt. So ergibt sich für das Goel-Okumoto-Modell ein Wert von 200% für die Gesamtfehleranzahl, da die absolute reale Zahl 100 beträgt. Die in der Arbeit angegebenen Prozentzahlen zeigen also die Relation zwischen realen Daten und theoretisch berechneten Daten, d.h. je näher die Prozentwerte bei 100 sind, desto besser ist die Prognose. Im vorliegenden Beispiel wären die Prognosen von Yamadas-Modell näher an 100%. Tabelle B-1 Einschätzung und Prognose für eine abgeschlossene IS (absolute Zahl) Niedrigeres Konfidenzintervall P Höheres Konfidenzintervall Niedrigeres Konfidenzintervall Goel 0 0.04 0.10 200 TNF Höheres Konfidenzintervall YAM 0.43 0.50 0.57 98 Niedrigeres Konfidenzintervall TNFR Höheres Konfidenzintervall CHI2 Goel 80 3 YAM 5 9 Pred P: Wahrscheinlichkeit der Fehlerendeckung Pred: Im vorliegenden Fall: eingeschätzte Restfehleranzahl für die nächsten 10 Zeiteinheiten in Prozent der geschätzten Gesamtanzahl der Restfehler TNF (total number of faults): Gesamtumfang der geschätzten Fehleranzahl in Prozent (im Vergleich mit realen Daten) TNFR (total number of faults remaining): Restfehleranzahl in Prozent (Vergleich mit realen Daten) Chi2: Chi-Quadrat Wert Fiktives Beispiel reale Daten: TNF: 100; TNFR: 10 77
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 und 74: Head Unit wäre dies jedoch nicht r
Seite 75 und 76: Tabelle 5.2-3 Vergleich der Restfeh
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: (Stahlknecht; Hasenkamp 2005): Stah
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?