Menu
By Asem Eltaher (Author)
Die Automobilindustrie hat sich dank hochmoderner Elektronikprodukte stark entwickelt. Einerseits werden dadurch Sicherheit und Komfort stark verbessert, andererseits erhöht sich die Komplexität der damit verbundenen Testverfahren enorm.
In der Automobilindustrie besteht deshalb Interesse an der Entwicklung kosteneffektiver Testsysteme, ohne Kompromisse bei der Qualität zuzulassen. Letztendlich ist der Antrieb dabei wirtschaftlicher Art, da fehlerhafte Produkte zu erheblichen Kosten und einem Verlust des guten Rufs führen.
In dieser Dissertation werden zur Senkung der Belastung der Testingenieure Möglichkeiten zur Erweiterung traditioneller Testsysteme mit kognitiven Fähigkeiten, z. B. Lernen, Planen, Verallgemeinern usw., untersucht. Kernannahme ist, dass erfahrene Mitarbeiter Testsitzungen, die einen sinnvollen Kompromiss zwischen Kosten und Effizienz darstellen, konzipieren können. Es sollen mehrere kognitive Fähigkeiten dieser Mitarbeiter bei Testsystemen verwertet werden.
Dazu wird eine Lernumgebung geschaffen, um erfahrene Mitarbeiter bei Testsitzungen zu beobachten. Daraufhin werden die beobachteten Testsequenzen interpretiert, modelliert und in der Wissensdatenbank gespeichert. Zur Minimierung kognitiver Verzerrungen (cognitive biases) und Zusammenfassung diverser Teststrategien wird eine Theorie des kooperativen Lernens entwickelt. Das Lernen von einer einzelnen Testperson wird hierbei verworfen. Stattdessen werden zahlreiche Testpersonen mit unterschiedlicher Erfahrung herangezogen, was zu aggregierten Wissensdatenbanken führt.
Daraufhin wird ein iterativer Algorithmus für die Tiefenplanung (depth-first planning) angewendet, der die Wissensdatenbanken nach neuen Testszenarien durchsucht. Hierbei ergibt sich jedoch ein Testbereich, der zum Abarbeiten zu groß ist. Deshalb wird auf Grundlage der Risikominimierung ein Optimierungsmodul integriert, um den Ergebnisbereich zu reduzieren. Schließlich wird das sich ergebende Testszenario ausgeführt.
Für ähnliche Konfigurationen des ursprünglichen Testobjekts, wird zudem die kognitive Funktion verallgemeinert. Anfangs werden Argumentationsfähigkeiten eingeführt, um Lernmuster (training samples) zu ermöglichen. Dann werden anhand der Theorie des induktiven Lernens (inductive learning) konfigurationsunabhängige Testregeln abgeleitet.
Schließlich wird die Leistung des entwickelten Testsystems gegenüber realen Testpersonen verglichen. Um ein objektives Urteil zu ermöglichen, wird eine numerische Kostenfunktion definiert. Die Ergebnisse zeigen, dass die Verwertung menschlicher kognitiver Fähigkeiten einen entscheidenden Faktor bei der Verbesserung von Testverfahren darstellt.
Die Theorie wird durch ihre primäre Abhängigkeit von menschlichen Faktoren intrinsisch eingeschränkt und ist vor allem für elektronische Systeme mit umfangreichen Benutzerschnittstellen, wie z. B. Infotainment-Systeme, geeignet.
Eltaher, A.:
Human-Like Test Systems: A Cognitive-Oriented Approach Applied to Infotainment Devices. Dissertation, Technische Universität Braunschweig, Institute of Control Engineering, Chair of Electronic Vehicle Systems, Braunschweig, Deutschland. Herausgegeben von “Shaker Publisher”, ISBN 978-3-8440-2301-5
Eltaher, A.:
Testing of Reconfigurable Systems: A Cognitive-Oriented 2013 Approach, Buchkapitel in M. Maurer und H. Winner, Herausgeber, Automotive Systems Engineering, Seiten 249-268. Herausgegeben von “Springer Publisher”, Heidelberg, Deutschland, ISBN 978-3-642-36454-9
Eltaher, A.:
Maurer, M.; Form, T.; Ayeb, M.: Agents Learn From Human Experts: An Approach to Test Reconfigurable Systems. In Sitzungen der IEEE International Conference on Systems, Man, and Cybernetics, USA
Eltaher, A.:
Maurer, M.; Form, T.; Ayeb, M.: How Much Testing Is Enough? A Learning Approach. In Sitzungen der 6th International Conference on Machine Learning & Data Mining, Leipzig, Deutschland, ISBN 978-3-940501-04-2
Eltaher, A.:
Towards Good Enough Testing: A Cognitive-Oriented Approach Applied to Infotainment Systems. In Sitzungen der 23rd IEEE/ACM International Conference on Automated Software Engineering, L`Aquila, Italien
Eltaher, A.:
Form, T.; Maurer, M.; Ayeb, M.: A Generic Architecture for Hybrid Intelligent Test Systems. In Sitzungen der 7th IEEE International Conference on Cybernetic Intelligent Systems, London, Vereinigtes Königreich
Eltaher, A.:
Form, T.: Modeling and Realization of Human-Machine Interaction as an Approach for a Self-Learning Test System. In the Proc. of ‘Simulation und Test in der Funktions-und Softwareentwicklung für Automobilelektronik’, Berlin, Deutschland, ISBN 978-3-8169-2818-8
Eltaher, A.:
Representation and Implementation of Cognitive Functions by a Situation Operator-Model with an Application to a Mobile Robot. Doktorarbeit, Chair of Dynamics and Control, Universität Duisburg-Essen, Duisburg, Deutschland
eltaher@ecommerce-consulting.net
+49 (0)176 36 61 06 83
Copyright © 2024, eCommerce Consulting. All Rights Reserved.