Modellbasierte Analyse der Verlässlichkeit komplexer fehlertoleranter Systeme

• Applicants: Professor Dr. Arndt Bode; Professor Dr.-Ing. Markus Siegle
• Subject Area: Computer Architecture, Embedded and Massively Parallel Systems
• Term: from 2009 to 2015
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 138712980

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.

• DFG Programme: Research Grants
• Participating Person: Dr. Max Walter