Fiabilitate

Terminologie

1.1 Descriere

Atunci când soft-ul se defectează sau se comportă incorect acesta poate fi descris în termenii eșecuri, defecte și erori. Atunci când descrii o problemă este importnat să știi precis si concis definirea termenilro utilizați. În fiabilitatea softului termenii sunt definiți după cum urmează:

1.2 Terminologia

Eșec: Un pas important, un proces sau o definiție a datelor într-un soft care cauzează sistemul să funcționeze într-o manieră neintenționată și/sau neanticipată.

Defect: Incapacitatea sistemului sau componentei de a funcționa funcțiile necesare în parametrii de performanță specificati.

Eroare: O necorespondență dintre calculul, observația sau valoarea măsurată sau condiția necesară ca fiind adevărată, specificată sau teoretic corectă ca valoare sau condiție.

Măsurătorile de eșecuri și defecte asociate sunt esențiale pentru măsurătorile de dezvoltare, testare și funcționarea sistemelor complexe

Tabelul de mai jos prezintă posibile clasificări de eșecuri, care sunt posibile pentru fiecare sistem software.

Clasa eșecului Descrierea

Tranzitorie Apare numai cu anumite intrări

Permanente Apar la toate imputurile

Recuperabile Systemul poate sa fie recuperat prin operația inversă

Ne-recuperabile Este nevoie de o intervenție la operator pentru a se recupera din starea de eșec

Non-stricător Eșecul nu corupe stare sistemului sau datele

Stricător Eșecul corupe sistemul sau datele

În scopul de a crește fiabilitatea sistemului software, poate fi necesar să se identifice diferitele categorii de eșec prin utilizarea diferitelor măsurători pentru fiecare dintre aceste clase.

De asemenea, este esențial să se știe că, atunci când măsurarea fiabilitatea, consecințele eșecurilor nu vor fi luate în considerare. Eșecuri tranzitorii nu poate produce consecințe, cu excepția cazului în care se utilizează o parte defectuoasă a sistemului, dar și alte eșecuri pot întrerupe pierderi de date sau de corupție și pierderea serviciu de sistem.

1.3 Software-ul de fiabilitate al măsurătorilor

Măsurătorile de fiabilitate de mai jos sunt o condiție esențială pentru a înțelege măsurarea fiabilității software.Variabila t se definește ca termen-unitate și funcția F (t) este funcția de distribuție a variabilei aleatoare t.

Metrică Definiție Formulă

Fiabilitatea Probabilitatea ca un anumit software se va executa fără eșec într-o stare specificată și într-un anumit interval de timp t.

P este probabilitatea R(t) = P(T > t) = 1 − F(t) = 1 − P(T < t)

Timpul mediu al defecțiunii Măsurarea timpului între defecțiuni, de exemplu MTTF de 500 înseamnă că timpul scurs între eșecuri constă 500 unitati de timp MTTF =∫_0^∞▒tf(t)dt

Mijlocul: m Chiar probabilitatea sau mijlocul o distribuție statistică F(m) = 12

Rata aparitiei eșecului Frecvența de apariție a comportamentului neașteptat, de exemplu ROOT de 0,02 înseamnă 2 eșecuri probabil în fiecare 100 de unități de timp de funcționare λ(t) =(f(t))/█(R(t)@)

Disponibilitatea Măsurarea probabilității ca sistemul sa fie disponibil. Timpul pentru reparație/repornire este luat în calcul. De exemplu, disponibilitatea a 0.998 inseamna ca sistemul este disponibil 998 din 1000 de unități de timp A=1- 〖(1-Ax)〗^2

Probabilitatea de eșec la cerere POFOD Măsurarea probabilității că sistemul va eșua atunci când o cerere de serviciu se face. De exemplu, POFOD = 0, 001 înseamnă că din 1000 de cereri de servicii rezultă un eșec POFODavg ≈ λDUm

unde

λDU = rata de eșec a unui pericol mare nedetectat

1.4 Creșterea fiabilității

În această secțiune, accentul este pus pe predicția fiabilității software, în care vom prezenta modelele care au fost folosite în cadrul proiectului. Unele dintre modele sunt mai pesimiste în timp ce altele sunt mai optimiste, în funcție de scenariu. În unele cazuri, un model va fi mai optimist decât altele, în timp ce modelul foarte asemănător poate fi complet opus, astfel încât nu este sigur sa concluzionăm care model este mai bun în faza de început.

Determinarea modelului depinde în întregime de datele pe care le va aplica modele pe. Comparațiile se va face între modele în ceea ce privește deplasarea și zgomotul, care sunt definite ca:

Deplasarea reprezintă distanța dintre linia pantă-unitate având graficul modelului definit ca si deplasare. Cu cât valoarea deplasării este mai mare, cu atât modelul are deplasarea mai mare. În capitolul urmator vom explica fenomenul de deplasare mult mai detaliat.

Zgomotul reprezintă faptul că fluctuația de modele poate varia de la foarte mare la foarte scăzut. Această fluctuație este cunoscută sub numele de zgomot, ceea ce este un lucru pe care dorim să-l evităm deoarece acesta va face modelul mai puțin precis. În capitolele următoare vom defini mai bine modul în care se măsoară zgomotul, și cum se poate prezice zgomotul.

De asemenea lucrând cu fiabilitatea software avem două teoreme care ar trebui sa ne intereseze, acestea fiind următoarele:

Legea randamentelor în scădere: Această lege spune că dacă un sistem conține un număr mare de eșecuri pe care le avem pentru a depana, este nevoie de mai mult timp pentru a descoperi noi eșecuri. Acest lucru înseamnă că o echipă de testeri de software vor trebui să folosească mai mult timp pentru a descoperi erori ca urmare a evoluției procesului de depanare. În cele din urmă ei vor ajunge la un punct în cazul în care trebuie să ia în considerare oprirea testării deoarece este nevoie de prea mult timp pentru a depana eșecurile, și le-ar cheltui prea mulți bani în scopul de a obține îmbunătățiri foarte mici ale fiabilității.

Teorema: Bayes: teorema descrie relațiile care există într-o serie de probabilități simple și condiționate. De exemplu, daca mamogramele sunt cunoscute a fii 95% probabile, aceasta ar însemna faptul ca sunt 5% negativ false (cazuri pierdute), sau un amestec între falsul pozitiv și falsul negativ. Teorema Bayes permite calculul probabilității de a avea cancer la sân, dând un mamogram pozitiv, pentru oricare dintre aceste trei cazuri. Probabilitatea unei mamograme pozitive va fi diferită pentru fiecare dintre aceste cazuri.

Pentru a îmbunătăți sistemele de software în viitorul apropiat, datele preluate in prealabil vor fi foarte importante pentru a învăța să ajustăm parametrii în funcție de noile informații. În capitolul urmator vom avea o privire mai exactă asupra unui număr de modele de creștere a fiabilității.