Modellbasierte Analyse der Verlässlichkeit komplexer fehlertoleranter Systeme

Die Zuverlässigkeit fehlertoleranter Systeme wird mit Helfe von stochastischen Modellen abgeschätzt. Im Projekt wird eine neuartige Methodik entwickelt und in einem Rahmenwerk aus Software-Werkzeugen implementiert，die im Vergleich zu herkömmlichen Modellierungsmethoden（z.B. Fehlerbämet，Markovketten or der stochastische Petrinetze）erstmals alle folgenden positiven Eigenschaften vereint：Die Modelle können auf Anwendungsebene erstelt韦尔登- mit den Formalismen und Werkzeugen，die in den jeweiligen Anwendungsfeldern bereits etablert sind.一个在fachfremde Modellierungsmethoden entfällt dadfült.我们经常使用最好的模型（z.B. virtuelle Prototypen）direkt zur Bestimmung der Zuverlässigkeit wiedervendet韦尔登。In diesen Fällen entfällt die aufwändige manuelle Erstellung eines Zuverlässigkeitmodells komplett. Der muscle vorgestellte Ancherlaubt die Berücksichtigung komplexen Fehlverhaltens.在非单调系统、非布尔分量和系统中，随机的抽象概念是可以理解的，韦尔登是可行的。Der vorgestellte Anchor verfügt daher über eine Modellierungsmächtigkeit，die dem Stand der Technik entspricht，bietet dabei aber eine weit höhere Nutzerfreundlichkeit.Neben einfachen Maßen wie Zuverlässigkeit und（Intervall）-Verfügbarkeit韦尔登auch wahrscheinlichste Fehlerkombinationen ermittelt und Sensitivitätsanalysen durchgeführt. Dies erlaubt es，Schwachstellen im System zu erkennen und liefert so Hinweise für eine gezielte Verbesserung der Zuverlässigkeit unter möglichst geringem Aufwand.该模型是有效的，信息从一个近似的Schranken herangezogen韦尔登können。如果在近似值附近对Anwendungswissen进行Wiederverwendung操作，则可以使用更好的系统分析韦尔登。

Die Zuverlässigkeit fehlertoleranter Systeme wird mit Hilfe von stochastischen Modellen abgeschätzt. Im Projekt wird eine neuartige Methodik entwickelt und in einem Rahmenwerk aus Software-Werkzeugen implementiert, die im Vergleich zu herkömmlichen Modellierungsmethoden (z.B. Fehlerbäume, Markovketten oder stochastische Petrinetze) erstmals alle folgenden positiven Eigenschaften vereint:Die Modelle können auf Anwendungsebene erstellt werden — mit den Formalismen und Werkzeugen, die in den jeweiligen Anwendungsfeldern bereits etabliert sind. Eine Einarbeitung in fachfremde Modellierungsmethoden entfällt dadurch. Darüber hinaus können oft bereits bestehende Modelle (z.B. virtuelle Prototypen) direkt zur Bestimmung der Zuverlässigkeit wiederverwendet werden. In diesen Fällen entfällt die aufwändige manuelle Erstellung eines Zuverlässigkeitsmodells komplett.Der hier vorgestellte Ansatz erlaubt die Berücksichtigung komplexen Fehlverhaltens. Insbesondere können nicht-monotone Systeme, nicht-Boolesche-Komponenten und Systeme, die stochastische Abhängigkeiten enthalten, modelliert werden. Der vorgestellte Ansatz verfügt daher über eine Modellierungsmächtigkeit, die dem Stand der Technik entspricht, bietet dabei aber eine weit höhere Nutzerfreundlichkeit.Neben einfachen Maßen wie Zuverlässigkeit und (Intervall)-Verfügbarkeit werden auch wahrscheinlichste Fehlerkombinationen ermittelt und Sensitivitätsanalysen durchgeführt. Dies erlaubt es, Schwachstellen im System zu erkennen und liefert so Hinweise für eine gezielte Verbesserung der Zuverlässigkeit unter möglichst geringem Aufwand. Die Modellauswertung ist effizient, da Informationen aus den anwendungsnahen Schichten bei der Approximation mittels Schranken herangezogen werden können. Durch die Wiederverwendung von Anwendungswissen bei der Approximation können deshalb größere Systeme analysiert werden, als es bisher möglich ist.