Automatisiertes Theorembeweisen (ATP)

TMR (Triple Modular Redundancy) is a hardware fault-tolerance technique that uses three identical modules performing the same operation in parallel. Their outputs are fed into a majority-voting circuit. If one module fails and produces an incorrect output, the voter is still able to determine the correct output based on the other two modules, thus masking the fault and ensuring continuous operation.

Markov-Chain-Monte-Carlo-Methoden (MCMC) sind eine Klasse von Algorithmen zur Stichprobenziehung aus einer Wahrscheinlichkeitsverteilung. Es wird eine Markov-Kette konstruiert, deren Gleichgewichts- oder stationäre Verteilung die gewünschte Verteilung ist. Der Zustand der Kette nach einer großen Anzahl von Schritten dient dann als Stichprobe aus der gewünschten Verteilung und ermöglicht die Berechnung von Integralen und Erwartungswerten.

G-Code, früher bekannt als RS-274, ist die am weitesten verbreitete Programmiersprache zur Steuerung von CNC-Maschinen. Er besteht aus sequentiellen Befehlen, die der Maschine Anweisungen zu Positionierung, Geschwindigkeit und bestimmten Aktionen geben. Befehle beginnen mit einer Buchstabenadresse; „G“ steht für vorbereitende Befehle für die Bewegung (z. B. G01 für linearen Vorschub), während „M“ für verschiedene Funktionen steht (z. B. M03 für den Spindelstart).

Die Verifizierungstechniken werden allgemein als statisch oder dynamisch klassifiziert. Bei der statischen Überprüfung (oder statischen Analyse) wird der Code oder das Design des Systems untersucht, ohne es auszuführen. Beispiele hierfür sind Code-Reviews, Inspektionen und automatische statische Analysetools. Bei der dynamischen Überprüfung (oder dem Testen) wird das System mit einer Reihe von Eingaben ausgeführt und sein Verhalten beobachtet, um Fehler zu finden. Beide Verfahren ergänzen sich für eine umfassende Qualitätssicherung.

Die Risikoprioritätszahl (RPZ) ist ein quantitatives Maß, das in der FMEA zur Priorisierung von Risiken verwendet wird. Sie wird als das Produkt aus drei Faktoren berechnet: Schwere (S), Auftreten (O) und Entdeckung (D). Die Formel lautet [latex]RPN = S mal O mal D[/latex]. Jeder Faktor wird in der Regel auf einer Skala von 1 bis 10 bewertet, so dass sich die Teams zunächst auf die Risiken mit der höchsten Punktzahl konzentrieren können.

Ein klassisches Beispiel für die Monte-Carlo-Methode ist die Schätzung des Wertes von [latex]\pi[/latex]. Wenn man einen Kreis mit dem Radius [latex]r[/latex] in ein Quadrat mit der Seitenlänge [latex]2r[/latex] einfügt, ist das Verhältnis der Flächen [latex]\frac{\pi r^2}{(2r)^2} = \frac{\pi}{4}[/latex]. Die zufällige Streuung von Punkten innerhalb des Quadrats und die Zählung des Anteils [latex]p[/latex], der in den Kreis fällt, liefert eine Schätzung: [latex]\pi \ca. 4p[/latex].

A set of four decision rules for detecting non-random patterns on Shewhart control charts, indicating an out-of-control process even if no points are outside the 3-sigma limits. These rules identify unnatural runs, trends, or clustering of data points that signal the presence of a special cause of variation. They increase the sensitivity of control charts.

Ein Regressionsmodell für eine kategoriale, in der Regel binäre, abhängige Variable. Anstatt das Ergebnis direkt zu modellieren, wird die Wahrscheinlichkeit des Ergebnisses mithilfe der logistischen (sigmoiden) Funktion modelliert. Das Modell sagt die Log-Wahrscheinlichkeit des Ereignisses als lineare Kombination der unabhängigen Variablen voraus: [latex]\ln(\frac{p}{1-p}) = \beta_0 + \beta_1 x_1 + \dots + \beta_p x_p[/latex], wobei p die Wahrscheinlichkeit des Ereignisses ist.

Der Metropolis-Hastings-Algorithmus ist ein bekanntes MCMC-Verfahren zur Gewinnung einer Folge von Zufallsstichproben aus einer Wahrscheinlichkeitsverteilung, für die direktes Sampling schwierig ist. In jeder Iteration generiert er basierend auf der aktuellen Stichprobe einen Kandidaten für die nächste Stichprobe. Dieser Kandidat wird dann mit einer bestimmten Wahrscheinlichkeit akzeptiert oder verworfen, wodurch sichergestellt wird, dass die resultierende Kette gegen die gewünschte Verteilung konvergiert.

Abstraktion in der OOP ist das Konzept, komplexe Implementierungsdetails zu verbergen und nur die wesentlichen Merkmale des Objekts anzuzeigen. Der Fokus liegt auf der Funktion eines Objekts, nicht auf der Art und Weise, wie es diese Funktion ausführt. Dies wird durch abstrakte Klassen und Schnittstellen erreicht, die einen Entwurf für andere Klassen definieren, ohne eine vollständige Implementierung bereitzustellen, wodurch komplexe Systeme vereinfacht werden.