Der Begriff „Dependability“ umfasst verschiedene Aspekte eines Systems. Dies sind typischer Weise:
Zuverlässigkeit
Verfügbarkeit
Wartbarkeit
Sicherheit - Safety & Security
Damit ist Dependability ein zentraler Aspekt, der früh im Systementwurf betrachtet werden muss. Dies gilt für Software, Eingebette Systeme wie auch umfassende Cyber-Physical Systems.
Inhalt
Das Modul führt grundlegende Konzept zum Entwurf und zur Analyse von Dependable Systems ein. Entwurfsbeispiele dienen dazu, eigene praktische Erfahrung zu sammeln. Ein Schwerpunkt des Moduls liegt im Bereich eingebetteter Systeme. Folgende Gebiete werden betrachtet:
Modellierung
Fehlertoleranz
Entwurfskonzepte
Analyse von Systemen
Leistungsnachweis:
685 - Entwurf von Dependable Systems<ul><li>685 - Entwurf von Dependable Systems: mündlich</li></ul><br>m1400 - Entwurf von Dependable Systems<ul><li>p1325 - Entwurf von Dependable Systems: mündlich</li><li>vl254 - Verpflichtende Studienleistung Entwurf von Dependable Systems - Fachtheoretisch-fachpraktische Studienleistung: Fachtheoretisch-fachpraktische Studienleistung</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Eingebettete Systeme (E-13)
In Stud.IP angemeldete Teilnehmer: 107
Anzahl der Postings im Stud.IP-Forum: 19
Anzahl der Dokumente im Stud.IP-Downloadbereich: 48
Supervised Theses
ongoing
completed
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.