مدل سازی و تجزیه و تحلیل قابلیت اطمینان سیستم نرم افزاری

توضیحات محصول

مقاله ترجمه شده :مدل سازی و تجزیه و تحلیل قابلیت اطمینان سیستم نرم افزاری

چکیده فارسی :

مقدمه :

نرم افزار در سیستم های ما نقش مهمی را ایفا می کند . اهمیت آن روز به روز افزایش می یابد . با استانداردها و متدلوژیهای مهندسی قابل اطمینان سخت افزاری شناخته شده ، قطعات سخت افزاری سیستم های پیچیده بیشتر و بیشتر قابل اطمینان می شوند . در حقیقت ، چنین متدلوژیهایی هنوز به علت ماهیت پیچیده و سخت سیستم های نرم افزاری فاقد آنالیزهای قابل اطمینان بودن نرم افزاری هستند . فقدان داده مناسب و اطلاعات ضروری مورد نیاز برای انالیز مشکلات عمده ایی هستند که تجزیه و تحلیل گران سیستم های نرم افزاری با آنها روبرو هستند . علاوه بر این غالبا تجزیه و تحیلل گران در تصمیم گیری درباره چگونگی جمع آوری داده ها در شروع تحیل های خود و چگونگی انتخاب یک مدل قابل اطمینان نرم افزاری مناسب و متدی از نمونه های موجود برای یک سیستم معین نیز دچار مشکل هستند .

در اینجا فرض بر این است که داده ها در هنگام آزمایش خطایابی با مشکلات زمانی روبرو هستند و از بین می روند . بیشترین نوع اطلاعاتی داده ها ، زمان واقعی است که در آن از بین رفتن داده داده رخ داده است اما در اینجا گروه بندی داده ها می تواند مفید واقع شود . گروه بندی در صورتی می تواند برای آنالیز مفید واقع شود که بتوان شاخص های نرم افزاری و سایر اطلاعات دیگر را در حین آزمایش جمع آوری کرد . به هر حال ما در این مورد بحثی نخواهیم کرد چرا که هدف اصلی استفاده از آنها انالیز قابلیت اعتماد نیست اما برای سنجش کیفیت و پیش بینی هزینه می توانند به کار برده شوند . در یک پروسه توعه و ایجاد نرم افزاری که به خوبی تعریف شده است ، باید داده ها را از طریق چرخه زندگی نرم افزار جمع آوری کرد . این داده ها معمولا وضعیت و پیشرفت طرح ، نیازها ، طراحی ، کد نویسی ، ازمایش و مراحل نگهداری یک پروژه نرم افزاری را نشان می دهد . در بین کل این داده ها ، داده شکست که در طول فاز تست و خطایابی جمع آوری می شود بیشترین معیار را برای آنالیز قابل اطمینان بدون به خود اختصاص می دهد . در طولاین دوره زمانی ، شکست های نرم افزار به دست می آید و عملیات های اصلاحی نیز برای برطرف نمودن عومال منجر به این گوه شکست ها در نظر گرفته می شوند .

چکیده انگلیسی:

Software is playing an increasingly important role in our systems. With well-developed hardware reliability engineering methodologies and standards, hardware components of complex systems are becoming more and more reliable. In contrast, such methodologies are still lacking for software reliability analysis due to the complex and difficult nature of software systems. The lack of appropriate data and necessary information needed for the analysis are the common problems faced by software reliability practitioners. In addition, practitioners often find it difficult to decide how much data should be collected at the start of their analysis and how to choose an appropriate software reliability model and method from the existing ones for that specific system.

Here the data are assumed to be failure time data during testing and debugging. The most informative type of data is the actual time each failure occurred, but grouped data might be sufficient. It could also be useful for detailed analysis if software metrics and other information can be collected during the testing. However, we will not discuss this because their main uses are not for reliability analysis, but for quality and cost prediction. In a well-defined software development process, data should be collected throughout the software life cycle. These data usually indicate the status and progress of planning, requirement, design, coding, testing, and maintenance stages of a software project. Among all these data, failure data collected during the system testing and debugging phase are most critical for reliability analysis. During this period of time, software failures are observed and corrective actions are taken to remove the faults causing the failures. Hence there is a reliability growth phenomenon with the progress of testing and debugging. Appropriate reliability growth models can be used to analyze this reliability growth trend (Musa et al., 1987; Xie, 1991; Lyu, 1996). The results of the analysis are often used to decide when it is the best time to stop testing and to determine the overall reliability status of the whole system, including both hardware and software. A good analysis will benefit a software company not only in gaining market advantages by releasing the software at the best time, but also in saving lots of money and resources (Laprie and Kanoun, 1992).

 

خرید این محصول

 
 زرین پال   
 
 

خواهشمنداست در صورت عدم دریافت فایل به با یادداشت کردن کد رهگیری و مراجعه به بخش پیگیری سفارش ها با زدن کد رهگیری فایل خود را مجددا دریافت کنید در غیر این صورت جهت هر گونه مشکل با شماره ذیل پیامک و یا تلگرام بدید

پشتيباني 24 ساعته (پيامك و تلگرام)

09189431367 

امکان پرداخت با کلیه کارت های عضو شتاب میسر است


 

سوالات و نظر شما در مورد این محصول