Автор: Кириллов Константин Витальевич

Рубрика: 9. Педагогика высшей профессиональной школы

Опубликовано в

II международная научная конференция «Образование: прошлое, настоящее и будущее» (Краснодар, февраль 2017)

Дата публикации: 15.01.2017

Статья просмотрена: 3 раза

Библиографическое описание:

Кириллов К. В. Методика анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов на стадии эксплуатации и особенности ее изучения [Текст] // Образование: прошлое, настоящее и будущее: материалы II Междунар. науч. конф. (г. Краснодар, февраль 2017 г.). — Краснодар: Новация, 2017. — С. 85-90. — URL https://moluch.ru/conf/ped/archive/211/11728/ (дата обращения: 11.12.2017).



В настоящей работе приведен подход к проведению анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов на стадии эксплуатации, на примере метрики «Коэффициент готовности».

Введение

Проблема обеспечения качества аппаратно-программных комплексов в целом, а также их надежности в частности, является краеугольным камнем современной инженерии программных и технических систем.

Аппаратно-программные комплексы являются сложными системами, оснащаемыми разнообразными техническими и программными средствами. В этой связи отказы, имеющие место в таких системах обусловлены дефектами, возникающими в аппаратной или программной части соответственно.

Дефекты, возникающие в аппаратной части таких систем, обусловлены износом технических изделий, то есть изменением физико-химических свойств и деградацией материалов, из которых они изготовлены.

Несмотря на то, что программное обеспечение является наиболее развитой по структуре и функциональным связям составной частью аппаратно-программных комплексов, проблема дефектов именно в программной составляющей сложных систем на сегодняшний день не получило должного освещения в литературе. Отказы в программном обеспечении обусловлены систематическими дефектами, а случайность их проявления объясняется случайным характером формирования входных данных. Поэтому они могут проявляться случайным образом в случайные моменты времени и иметь последствия, аналогичные последствиям, вызванным отказом техники, а именно: потерю отдельных функций или задержку их выполнения, искажение информации или управляющих воздействий. Более того, при сложном взаимодействии технических и программных средств часто трудно идентифицировать первоисточник нарушения правильного функционирования системы. Поэтому важно не только обеспечить высокую надежность программного обеспечения, но и учесть ее при оценке надежности аппаратно-программного комплекса в целом. [1].

Особенностью является также то, что не все отказы программных компонентов системы проявляются явно, что требует для их обнаружения и локализации особого подхода.

Наибольшее распространение в инженерной практике получили модели, основанные на предположении о наличии единственного простейшего потока событий отказов и потока событий восстановлений, которые связаны с проявлениями дефектов в программном обеспечении. В то же время нам представляется более логичным использование моделей, основанных на суперпозиции потоков с разными параметрами закона распределения. Также в данных моделях не учитывается тот факт, что интервалы времени между проявлениями дефектов различных типов подчинены различным законам распределения, а интенсивности потоков не могут быть признаны сопоставимыми.

Однако практика показывает, что тип дефекта является весьма важным для осуществления полноценного анализа, поскольку он напрямую влияет на время исправной работы системы, а также время восстановления или ремонта. В этой связи, очевидно, что студенты технических специальностей — будущие специалисты, работа которых будет затрагивать вопрос обеспечения качества информационных систем, должны учитывать тип дефекта как один из важных критериев, влияющих на надежность системы. Это диктует необходимость обозначения методических особенностей преподавания предлагаемого в настоящей работе метода анализа влияния типов дефектов на характеристики качества системы.

Кроме того, известные методы анализа надежности ориентированы на получение средних оценок, в то время как характеристики параметров потоков отказов по своей сути являются интервальными, поскольку либо определяются по значениям выборок ограниченного объема, либо рассчитываются на основе интервальных оценок экспертов.

Цель настоящей работы — оценить влияние учета типа дефектов на статистические характеристики показателей надежности программной составляющей аппаратно-программных комплексов, а также выявить особенности преподавания студентам высших учебных заведений методики анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов в рамках тех или иных учебных дисциплин.

Постановка задачи

Дано:

— выборка конечного объема интервалов времени между событиями, где под событиями понимается фиксация отклонения от базового поведения объекта;

— выборка конечного объема интервалов времени устранения дефектов, выраженных в отклонении от базового поведения.

Под объектом понимается программная составляющая аппаратно-программного комплекса, под базовым поведением — поведение системы, соответствующее потребительским свойствам, регламентированным в эксплуатационной пользовательской документации, разработанной на основании технического задания на систему.

Предполагается, что объемы выборок и равны, то есть все дефекты являются установленными и их количество совпадает с числом произведенных изменений в объекте [1], при этом данные изменения не влекут кардинальных изменений в свойства объекта.

Требуется исследовать статистические характеристики показателей эксплуатационной надежности в предположении, что отказы в программной составляющей аппаратно-программных комплексов обусловлены дефектами разных типов.

При решении задачи полагалось, что в системе имеют место дефекты трех типов:

 дефекты разработки требований;

 дефекты проектирования;

 дефекты кодирования.

Также полагалось, что время устранения дефекта зависит от его типа. Например, на локализацию и устранение дефектов кодирования затрачивается значительно меньше времени, чем на локализацию и устранение дефектов в разработке требований. В этой связи полагалась, что элементы выборок и коррелируют между собой и распределены по показательному закону с разными параметрами, то есть потоки отказов и восстановлений являются простейшими.

Применение модели простейших потоков в настоящей работе справедливо, поскольку в рассматриваемом случае соблюдаются следующие свойства потока событий отказов и восстановлений:

 Стационарность. Поскольку вносимые изменения кардинально не меняют свойства программной составляющей аппаратно-программного комплекса, то считается, что статистические характеристики потоков отказов и восстановлений могут быть отнесены к одним и тем же законам распределения.

 Ординарность. Несмотря на то, что в программном обеспечении могут присутствовать дефекты различных типов, считается, что отклонение от базового поведения обусловлено проявлением только одного из дефектов. Причем при тестировании программного обеспечения осуществляется поиск только одного дефекта, что исключает возможность маскирования двух и более дефектов.

 Отсутствие последействий. Последовательность проявления дефектов различных типов не зависит от порядка обнаружения и устранения предыдущих дефектов.

Описание эксперимента

В рамках настоящей работы был осуществлен следующий статистический эксперимент в инструментальной среде MatLab.

Шаг 1. Генерируем равномерно распределенные случайные числа , отображающие доли проявленных дефектов каждого из трех типов в текущей j-й итерации эксперимента.

Шаг 2. Вычисляем количество дефектов каждого типа, проявленных в текущей j-й итерации эксперимента , где N — это фиксированный заданный объем выборок, который принимался равным 100.

Шаг 3. Формируем выборки и объемом чисел, отображающих время простоя и восстановления, соответствующих всем смоделированным проявлениям дефектов в текущей j-й итерации эксперимента.

Шаг 4. По выборкам определяем отношения риска и , характеризующие показательные распределения событий отказов и восстановлений с учетом типа дефектов [2]:

,

Шаг 5. Вычисляем композиции функций распределения событий отказов и восстановления для случая учета типа дефектов:

,

Шаг 6. Рассчитываем значение статического коэффициента готовности с учетом дифференциации типов дефектов:

Шаг 7. Повторяем шаги 1–6 десять тысяч раз.

Шаг 8. По совокупности полученных значений коэффициента готовности с учетом типов дефектов, вычисляем статистические характеристики его распределения: математическое ожидание M, среднеквадратическое отклонение σ, коэффициент асимметрии As, коэффициент эксцесса Ex [2].

Результаты эксперимента

Статистический эксперимент был повторен 13 раз с различными значениями коэффициентов , , . Их значения и результаты эксперимента сведены в Таблицы 1 и 2.

Таблица 1

Результаты эксперимента (с учетом дифференциации типов дефектов)

M

σ

As

Ex

0.30

0.30

0.40

10–1

10–3

10–5

10–2

10–2

10–4

0.9424

0.0168

–0.6907

0.9139

0.30

0.30

0.40

10–1

10–3

10–5

10–1

10–3

10–5

0.5000

0.0819

–0.0251

–0.2260

0.30

0.30

0.40

10–1

10–1

10–1

10–1

10–1

10–1

0.4999

0.0434

–0.1025

–0.2222

0.33

0.33

0.33

10–1

10–1

10–1

10–1

10–1

10–1

0.4987

0.0417

–0.0685

0.0103

0.90

0.09

0.01

10–1

10–1

10–1

10–1

10–1

10–1

0.5017

0.0521

0.0066

–0.1022

0.90

0.09

0.01

10–1

10–3

10–5

10–2

10–4

10–6

0.1729

0.1969

1.6306

2.1596

0.90

0.09

0.01

10–5

10–3

10–1

10–6

10–4

10–2

0.0561

0.0113

0.5349

0.5178

0.90

0.09

0.01

4×10–1

2×10–1

10–1

4×10–2

2×10–2

10–2

0.0573

0.0108

0.4177

0.0574

0.90

0.09

0.01

9×10–1

3×10–1

10–1

9×10–2

3×10–2

10–2

0.0572

0.0107

0.4169

0.0689

0.90

0.09

0.01

10–1

5×10–1

100

10–2

5×10–2

10–1

0.0651

0.0229

0.7360

0.6811

0.90

0.09

0.01

10–3

5×10–3

10–2

10–2

5×10–2

10–1

0.9351

0.0234

–0.7443

0.9392

0.90

0.09

0.01

10–1

5×10–2

10–4

10–4

5×10–2

10–1

0.0206

0.0301

4.1687

27.3428

0.90

0.09

0.01

10–4

5×10–2

10–1

10–1

5×10–2

10–4

0.9792

0.0291

–3.6260

17.7705

Таблица 2

Результаты эксперимента (без учета дифференциации типов дефектов)

M

σ

As

Ex

0.30

0.30

0.40

10–1

10–3

10–5

10–2

10–2

10–4

0.3109

0.1959

1.2324

0.0525

0.30

0.30

0.40

10–1

10–3

10–5

10–1

10–3

10–5

0.5010

6.4×10–4

–2.9373

17.7397

0.30

0.30

0.40

10–1

10–1

10–1

10–1

10–1

10–1

0.9234

0.1348

–1.8426

2.1172

0.33

0.33

0.33

10–1

10–1

10–1

10–1

10–1

10–1

0.1555

0.1601

0.8067

–0.7984

0.90

0.09

0.01

10–1

10–1

10–1

10–1

10–1

10–1

0.7450

0.1232

–0.3676

–1.0756

0.90

0.09

0.01

10–1

10–3

10–5

10–2

10–4

10–6

0.2460

0.2240

1.2273

0.0486

0.90

0.09

0.01

10–5

10–3

10–1

10–6

10–4

10–2

0.6559

0.0863

1.3913

1.5894

0.90

0.09

0.01

4×10–1

2×10–1

10–1

4×10–2

2×10–2

10–2

0.0100

0.0772

8.9135

82.9001

0.90

0.09

0.01

9×10–1

3×10–1

10–1

9×10–2

3×10–2

10–2

0.0224

0.1131

5.8021

34.2331

0.90

0.09

0.01

10–1

5×10–1

100

10–2

5×10–2

10–1

0.0036

0.0422

16.2177

284.7061

0.90

0.09

0.01

10–3

5×10–3

10–2

10–2

5×10–2

10–1

0.9637

0.1286

–4.9186

24.7794

0.90

0.09

0.01

10–1

5×10–2

10–4

10–4

5×10–2

10–1

0.0512

0.1142

3.7455

19.4225

0.90

0.09

0.01

10–4

5×10–2

10–1

10–1

5×10–2

10–4

0.9503

0.1152

–3.7212

19.0373

Преподавание методики анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов

В первую очередь необходимо отметить, что предлагаемая в настоящей работе методика анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов может преподаваться студентам вуза в составе одной из дисциплин «Системные вопросы управления программными проектами», «Управление программными проектами», «Надежность, эргономика и качество автоматизированных систем», «Статистические методы управления качеством продукции» на специальностях «Информатика и вычислительная техника», «Системный анализ и управление» и «Управление качеством». Кроме того, допускается преподавание методики в рамках других дисциплин по специальностям, прямо или косвенно связанным с обеспечением надежности и качества программных проектов и аппаратно-программных комплексов, например, специальность «Вычислительные машины, комплексы, системы и сети».

Следует иметь в виду, что объем информации по предлагаемой методике, должен соответствовать специфике специальности. Если вопрос обеспечения качества является ключевым в работе будущего специалиста, то методика должна быть изучена более подробно. Например, для специальности «Управление качеством» данная проблематика является актуальной, потому на изучение методики целесообразно выделить хотя бы одну лекцию и одну лабораторную работу. В качестве лабораторной работы предлагается воспроизведение описанного в настоящей работе статистического эксперимента в различных вариациях.

Специальности «Системный анализ и управление» и «Информатика и вычислительная техника» являются более «широкими», поэтому обозначенная проблематика в них занимает уже не столь высокое положение, и изучение предлагаемой методики может ограничиться частью одной общей лекции о методах анализа качества аппаратно-программных комплексов и частным заданием в рамках одной лабораторной работы, либо вопросом на семинарском занятии.

Для остальных специальностей можно ограничиться кратким обзором на лекционном или семинарском занятии.

В любом случае, освещение предлагаемой методики анализа влияния типов дефектов на характеристики качества аппаратно-программных комплексов должно гармонично вписываться в учебный план, а также коррелировать с другими темами изучаемой дисциплины.

Кроме того, поскольку предлагаемая методика пригодна для встройки в несколько смежных дисциплин, то следует избегать дублирования учебного материала.

При преподавании методики важно иметь в виду, что она является одним из инструментов, который может быть использован студентами на практических занятиях и в будущей профессиональной деятельности. Поэтому необходимо найти баланс между глубиной изучения методики и спецификой работы будущих специалистов.

Заключение

В рамках настоящей работы предложена новая методика анализа влияния типов дефектов на статистические характеристики оценивания метрик надежности, основанная на «плавающем» способе вычисления коэффициента готовности, пригодном для использования в условиях заведомой неопределённости свойств распределения дефектов в аппаратно-программных комплексах.

Предлагаемый подход отличается от известных аналогов тем, что он позволяет учитывать природу дефектов в АПК, которая определяет свойства их распределения.

Методика позволяет производить более полный анализ надежности и качества АПК, что, в конечном счете, приводит к снижению издержек на эксплуатацию системы.

Представлены методические особенности преподавания предлагаемой методики для студентов технического вуза. Методика может быть предметом изучения студентами по таким специальностям, как «Информатика и вычислительная техника», «Системный анализ и управление» и «Управление качеством» и другим, связанным с информационными технологиями.

Литература:

  1. Черкесов Г. Н. Надежность аппаратно-программных комплексов. Учебное пособие [Текст] / Г. Н. Черкесов. — СПб.: Питер, 2005. — 479 с.
  2. Hastings N. A., Peacock J. B. Statistical distributions. Butterworths, London, 1980.
Основные термины (генерируются автоматически): аппаратно-программных комплексов, типов дефектов, влияния типов дефектов, качества аппаратно-программных комплексов, анализа влияния типов, характеристики качества аппаратно-программных, дефектов различных типов, типа дефектов, настоящей работе, составляющей аппаратно-программных комплексов, учета типа дефектов, статистические характеристики, программной составляющей аппаратно-программных, проявлениями дефектов, j-й итерации эксперимента, устранение дефектов, текущей j-й итерации, учетом типов дефектов, событий отказов, дифференциации типов дефектов.

Обсуждение

Социальные комментарии Cackle
Задать вопрос