論文の概要: Model-based Analysis and Specification of Functional Requirements and
Tests for Complex Automotive Systems
- arxiv url: http://arxiv.org/abs/2209.01473v2
- Date: Tue, 14 Nov 2023 18:55:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-15 19:39:21.066487
- Title: Model-based Analysis and Specification of Functional Requirements and
Tests for Complex Automotive Systems
- Title（参考訳）: 複合自動車システムにおける機能要件とテストのモデルベース分析と仕様
- Authors: Carsten Wiecher, Constantin Mandel, Matthias G\"unther, Jannik
Fischbach, Joel Greenyer, Matthias Greinert, Carsten Wolff, Roman Dumitrescu,
Daniel Mendez, and Albert Albers
- Abstract要約: 要件とテストの仕様は、自動車開発プロジェクトにおいて重要な活動である。
本稿では,利害関係者の観点からの検証対象の早期識別から始まる手法を提案する。
我々は、一貫した要求とテスト仕様を保証するために、モデルベースシステム工学(MBSE)方法論を開発した。
- 参考スコア（独自算出の注目度）: 0.19837121116620585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The specification of requirements and tests are crucial activities in
automotive development projects. However, due to the increasing complexity of
automotive systems, practitioners fail to specify requirements and tests for
distributed and evolving systems with complex interactions when following
traditional development processes. To address this research gap, we propose a
technique that starts with the early identification of validation concerns from
a stakeholder perspective, which we use to systematically design tests that
drive a scenario-based modeling and automated analysis of system requirements.
We discover that Natural Language Processing (NLP) techniques are suitable to
automate the test-case design and hence enable the application of our technique
to real-world stakeholder requirements. To ensure complete and consistent
requirements and test specifications in a form that is required in automotive
development projects, we develop a Model-Based Systems Engineering (MBSE)
methodology. This methodology supports system architects and test designers in
the collaborative application of our technique and in maintaining a central
system model, in order to automatically derive the required specifications. We
evaluate our methodology by applying it at KOSTAL (Tier1 supplier) and within
student projects as part of the masters program Embedded Systems Engineering.
Our study corroborates that our methodology is applicable and improves existing
requirements and test specification processes by supporting the integrated and
stakeholder-focused modeling of product and validation systems, where the early
definition of stakeholder and validation concerns fosters a problem-oriented,
iterative and test-driven requirements modeling.
- Abstract（参考訳）: 要件とテストの仕様は、自動車開発プロジェクトで重要な活動である。
しかし、自動車システムの複雑さが増すため、従来の開発プロセスに従うと、複雑な相互作用を持つ分散および進化するシステムの要件やテストが特定できない。
この研究ギャップに対処するために,ステークホルダの観点からの検証対象の早期識別から始まり,シナリオベースモデリングとシステム要件の自動解析を駆動するテストを体系的に設計する手法を提案する。
自然言語処理(NLP)技術は,テストケース設計の自動化に適しており,実世界のステークホルダーの要求に我々の技術を適用することができる。
自動車開発プロジェクトに必要な形で、完全で一貫した要件とテスト仕様を保証するため、モデルベースシステム工学(MBSE)手法を開発した。
本手法は,システムアーキテクトとテストデザイナの協力的利用と,必要な仕様を自動的に導出する中央システムモデルの維持を支援する。
kostal (tier1 supplier) や,mastersプログラム組み込みシステムエンジニアリングの一部として学生プロジェクトに適用することにより,方法論を評価する。
本研究は,本手法が適用可能であること,製品および検証システムの統合及び利害関係者中心のモデリングを支援することにより,既存の要件およびテスト仕様プロセスの改善を図っている。
関連論文リスト
- Search, Verify and Feedback: Towards Next Generation Post-training Paradigm of Foundation Models via Verifier Engineering [51.31836988300326]
検証工学は、基礎モデルの時代のために特別に設計された新しいポストトレーニングパラダイムである。
検証工学のプロセスは,検索,検証,フィードバックの3段階に分類する。
論文 参考訳（メタデータ） (2024-11-18T12:04:52Z) - Towards an Approach to Pattern-based Domain-Specific Requirements Engineering [0.0]
本稿では,機能要件と性能要件の仕様化のためのパターンベースドメイン固有要求工学手法を提案する。
このアプローチは、アカデミックと産業のコラボレーションから生まれ、ドメイン知識を分析可能なアプローチを策定する最初の試みです。
まず、パターンベースのドメイン固有要件エンジニアリングのソリューションと、品質保証技術へのその模範的な統合を提示します。
論文 参考訳（メタデータ） (2024-04-26T11:38:55Z) - Toward Methodical Discovery and Handling of Hidden Assumptions in
Complex Systems and Models [3.1771791275364194]
外部レビューは、文書化されていないビルトインの仮定を明らかにすることができる。
様々なデジタルアーティファクトが、広範囲にわたる参照知識に対して自動的にチェック可能であることを示す。
システム工学のこの側面を体系的に扱うことは、複雑なシステムやモデルの品質と安全性に大きく貢献できると考えている。
論文 参考訳（メタデータ） (2023-12-27T10:33:12Z) - TrainerAgent: Customizable and Efficient Model Training through
LLM-Powered Multi-Agent System [14.019244136838017]
TrainerAgentは、タスク、データ、モデル、サーバーエージェントを含むマルチエージェントフレームワークである。
これらのエージェントは、ユーザ定義のタスク、入力データ、要求(例えば、精度、速度)を分析し、データとモデルの両方の観点からそれらを最適化して満足なモデルを取得し、最終的にこれらのモデルをオンラインサービスとしてデプロイする。
本研究は,従来のモデル開発と比較して,効率と品質が向上した望ましいモデルの実現において,大きな進歩を示すものである。
論文 参考訳（メタデータ） (2023-11-11T17:39:24Z) - A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。
コントローラと証明書を形式的に合成する自動化手法を提案する。
我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
論文 参考訳（メタデータ） (2023-09-12T09:37:26Z) - MLTEing Models: Negotiating, Evaluating, and Documenting Model and
System Qualities [1.1352560842946413]
MLTEは機械学習モデルとシステムを評価するためのフレームワークと実装である。
最先端の評価テクニックを組織プロセスにコンパイルする。
MLTEツールは、モデル要件を表現するためにチームが使用できるドメイン固有の言語を提供することで、このプロセスをサポートする。
論文 参考訳（メタデータ） (2023-03-03T15:10:38Z) - Test and Evaluation Framework for Multi-Agent Systems of Autonomous
Intelligent Agents [0.0]
人工知能を組み込んだサイバー物理システムの複雑なアンサンブルのための統一的なテストと評価フレームワークを開発することの課題について考察する。
本稿では,開発ライフサイクルだけでなく,システムが学習し,適応するにつれて,テストと評価を実施できるフレームワークを提案する。
論文 参考訳（メタデータ） (2021-01-25T21:42:27Z) - Quality meets Diversity: A Model-Agnostic Framework for Computerized
Adaptive Testing [60.38182654847399]
コンピュータ適応テスト(CAT)は多くのシナリオで有望なテストアプリケーションとして現れています。
CAT ソリューションのための新しいフレームワークである Model-Agnostic Adaptive Testing (MAAT) を提案する。
論文 参考訳（メタデータ） (2021-01-15T06:48:50Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳（メタデータ） (2020-03-11T08:25:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。