Testen met Finesse

Het probleem

Besturingssoftware voor mechanische systemen bestaat voor een groot deel uit slechtweercode. Als er iets in het mechanisme gebeurt dat niet helemaal de bedoeling is, moet de embedded software maar zien te redden wat er te redden valt. Dit kan echter alleen als de programmatuur een betrouwbare diagnose kan maken wat de precieze oorzaak van de storing is (en waar mogelijk deze zelfs kan voorspellen).

Het ontwikkelen van betrouwbare diagnosesoftware is een onderschat probleem voor systeemontwerpers van complexe machinebesturingen. Allereerst is meestal weinig bekend over de faalkans van componenten. Dit geldt met name voor software. Vervolgens geven traditionele diagnosealgoritmes vaak veel te veel mogelijke oorzaken voor een storing, waardoor de praktische waarde van zo‘n diagnose zeer beperkt is. Servicepersoneel zit vaak met de handen in het haar omdat het systeem onvoldoende aanknopingspunten geeft van waar het fout loopt.

Het onderzoek

Dit Progress-project van de TUD en TUE wil een grote stap maken in de foutdiagnose van systemen door statistische middelen te combineren met automatische testgeneratie en sequentiële diagnose. Eerst ontwikkelen de onderzoekers een methode om waarschijnlijkheden van fouten die op systeemniveau optreden vooraf te kunnen voorspellen. Hieruit komen de meest voorkomende problemen die het waard zijn om het eerst aan te pakken.