Damit die ansteigende Produktkomplexität aufgrund der zunehmenden Technologietrends beherrschbar bleibt, gewinnen modellbasierte Systementwicklungsansätze immer mehr an Bedeutung. Mit der zunehmenden Anzahl an Funktionen in Fahrzeugen nimmt der Vernetzungsgrad und einhergehend das Fehlerrisiko stark zu. Aktuelle Ansätze verfolgen daher die Kopplung von Systemmodellen mit Zuverlässigkeitsmethoden, um Risiken frühzeitig erkennen zu können. Allerdings fehlt es in den heutigen Ansätzen an holistischen Systembetrachtungen für eine zuverlässigkeitsorientierte Unterstützung der E/E-Architektur. Der vorliegende Beitrag stellt eine Kopplung maschineller Lernverfahren zur Risikoanalyse von Funktionen mit stochastischen Prozessen vor, damit Entscheidungen in der Funktionsarchitektur hinsichtlich der Zuverlässigkeit begründet werden können. Die Methode wird auf Realdaten aus dem Entwicklungsprozess der funktionalen Gestaltung angewendet. Die Erkenntnisse zeigen, dass die maschinelle Risikoanalyse in Kombination mit der Schnittstellenoptimierung während der funktionalen Gestaltung eine zuverlässigkeitsorientierte Funktionsarchitektur unterstützen und Fehlerrisiken in der nachfolgenden E/E-Architektur reduzieren kann.    «

Damit die ansteigende Produktkomplexität aufgrund der zunehmenden Technologietrends beherrschbar bleibt, gewinnen modellbasierte Systementwicklungsansätze immer mehr an Bedeutung. Mit der zunehmenden Anzahl an Funktionen in Fahrzeugen nimmt der Vernetzungsgrad und einhergehend das Fehlerrisiko stark zu. Aktuelle Ansätze verfolgen daher die Kopplung von Systemmodellen mit Zuverlässigkeitsmethoden, um Risiken frühzeitig erkennen zu können. Allerdings fehlt es in den heutigen Ansätzen an holistisch...    »