@book{Bischof2000, author = {Bischof, Wolfgang}, title = {Analyse von M/G/1-Warteschlangen mit Bedienpausen und Bereitstellungszeiten unter sechs verschiedenen Bediendisziplinen}, series = {Augsburger Mathematisch-Naturwissenschaftliche Schriften, Band 37}, journal = {Augsburger Mathematisch-Naturwissenschaftliche Schriften, Band 37}, edition = {1}, publisher = {Wißner-Verlag}, address = {Augsburg}, isbn = {978-3-89639-223-7}, publisher = {Technische Hochschule Rosenheim}, year = {2000}, abstract = {In dieser Arbeit werden M/G/1-Warteschlangen mit unendlich großem Warteraum und einem Server, der Bedienpausen und Bereitstellungszeiten ben{\"o}tigt, f{\"u}r die absperrende, begrenzende, binomiale, entleerende, vermindernde und bernoullische Bediendisziplin untersucht. Dabei bestimmt die Bediendisziplin, wie viele Kunden der Server in einem Zyklus, das ist die Zeit zwischen zwei Pausenenden, bedient. Wichtige Kenngr{\"o}ßen eines solchen Modells sind die Wartezeit eines Kunden, die Warteschlangenl{\"a}nge zu einem beliebigen Zeitpunkt und die Zyklusdauer. F{\"u}r jede der sechs Bediendisziplinen werden die Verteilung und die ersten beiden Momente dieser Kenngr{\"o}ßen berechnet. Die Ergebnisse werden benutzt, um die Abh{\"a}ngigkeit der ersten Momente der Kenngr{\"o}ßen von der Ankunftsrate, der Kundenbediendauer, der Pausenl{\"a}nge und der Dauer der Bereitstellungszeit zu untersuchen. Ferner werden die sechs Bediendisziplinen bez{\"u}glich der Erwartungswerte der Kenngr{\"o}ßen miteinander verglichen.}, language = {de} } @techreport{Bischof2013, author = {Bischof, Wolfgang}, title = {Sag' mir Deinen Beruf, ich errate Deine Automarke: Signifikante Zusammenh{\"a}nge zwischen den Eingabewerten eines KFZ-Versicherungsvergleichs}, series = {Forschungsbericht 2012 der Hochschule Rosenheim}, journal = {Forschungsbericht 2012 der Hochschule Rosenheim}, pages = {38 -- 39}, year = {2013}, language = {de} } @misc{KimmerleDvorskyLiess2025, author = {Kimmerle, Sven-Joachim and Dvorsky, Karl and Liess, Hans-Dieter}, title = {Failure Rates from Data of Field Returns - How to Prove High Reliability for Electric Components?}, series = {MATHMOD 2025 (11th Vienna International Conference on Mathematical Modelling)}, journal = {MATHMOD 2025 (11th Vienna International Conference on Mathematical Modelling)}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:861-opus4-29421}, pages = {1}, year = {2025}, abstract = {To determine failure rates is a challenge, if there are only a few failures and a low failure rate should be checked. As an application example, we are interested in failure rates of electrical automotive components for automated/autonomous driving. Basically, three methods are common: (i) exploitation of field data, (ii) standardized handbooks with failure rates, e.g. the FIDES guide, and (iii) laboratory long term exposure tests. We discuss shortly the (dis)advantages of each method and focus on the statistics behind method (i). Moreover, our poster sketches how this can be applied to data as available in industry.}, subject = {Reliabilit{\"a}t}, language = {en} }