- •11. Резервирование с восстанавливающими органами.
- •22. Методы резервирования.
- •24. Способы повышения надёжности систем.
- •26. Состав программного комплекса асу.
- •27. Модели надежности программного обеспечения
- •28. Характеристики качества программного обеспечения (стандарт iso)
- •29. Характеристики качества программного обеспечения (гост).
- •30. Статистические методы анализа надёжности систем.
- •31. Ускоренные испытания на надёжность.
- •32. Учёт достоверности исходных данных и результатов оценки надёжности.
- •33. Понятие простейшего потока.
- •34. Характеристики надёжности нерезервированной, восстанавливаемой аппаратуры.
- •35. Оценка готовности восстанавливаемой аппаратуры на основе теории Марковских цепей.
- •36. Модель человека-оператора.
- •37. Надежность информационного звена человек-оператор
- •38. Обеспечение эргономического качества асоИиУ
- •39. Верификация, валидация программных средств.
- •40. Показатели качества и надежность программных средств.
- •41. Основные количественные показатели надежности программного обеспечения.
- •42. Классификация моделей надежности по.
- •Эмпирические модели надежности
- •43. Модели надежности программного обеспечения: Шумана, Миллса, Нельсон
- •44) Принципы повышения надежности и готовности вычислительных систем.
- •50.Помехоустойчивые коды
26. Состав программного комплекса асу.
В составе АСУ выделяют:
- основную часть, в которую входят информационное, техническое и математическое обеспечение; и
- функциональную часть, к которой относятся взаимосвязанные программы, автоматизирующие конкретные функции управления.
27. Модели надежности программного обеспечения
Модель надежности программного обеспечения - это математическая модель, построенная для оценки зависимости надежности программного обеспечения от некоторых определенных параметров.
Аналитические модели позволяют рассчитать количественные показатели надежности, основываясь на данных о поведении программы в процессе тестирования. Делятся на динамические и статические. В динамических моделях поведение ПО (появление отказов) рассматривается во времени (дискретные – делятся на интервалы, статические – определнный момент времени на всей числовой оси).
В статических моделях появление отказов не связывают со временем, а учитывают зависимость количества ошибок либо от числа тестовых прогонов, либо от характеристики входных данных.
МОДЕЛЬ ШУМАНА Исходные данные собираются в процессе тестирования ПО. Выявляются ошибки, но не устраняются.
Предполагается, что на начальном этапе в системе имеется ЕT ошибок. После тестирования – EC ошибок обнаружено.
- общее число машинных команд
- удельное число ошибок на одну команду
Частота отказов:
МОДЕЛЬ LA PADULA. По этой модели выполнение последовательности тестов производится за некоторое количество этапов. Каждый этап заканчивается внесением изменений (исправлений) в тестируемую программу. Надежность тестируемой программы в течение 1-го этапа определяется соотношением
где А — параметр роста.
При бесконечном числе прогонов программы она будет обладать предельной надежностью R(∞):
Модель является прогнозной и на основании данных тестирования позволяет предсказать вероятность безотказной работы программы на последующих этапах ее выполнения.
Модель Джелинского - Моранды Исходные данные собираются в процессе тестирования системы. Фиксируется время до очередного отказа. Значение интервалов времени тестирования между обнаружением двух ошибок имеет экспоненциальное распределение с частотой ошибок (или интенсивностью отказов), пропорциональной числу еще не выявленных ошибок. Каждая обнаруженная ошибка устраняется. При этом число оставшихся ошибок уменьшается на единицу.
Функция плотности распределения времени обнаружения I-ой ошибки, отсчитываемого от момента выявления (I-1)-ой ошибки, имеет вид
Здесь λ—частота отказов (интенсивность отказов), которая пропорциональна числу еще не выявленных ошибок в программе:
где N— число ошибок, первоначально присутствующих в программе; С— коэффициент пропорциональности.
Рассчитав значение можно определить вероятность безотказной работы в различных временных интервалах. На основе полученных расчетных данных строится график зависимости вероятности безотказной работы от времени.
Модель Шика - Волвертона. Модификация модели Джелинского-Моранды для случая возникновения в рассматриваемом интервале более одной ошибки. Исправление ошибок производится по истечении интервала времени, в котором они возникли.
Частота отказов:
N – число ошибок, первоначально присутствующих в программе;
С – коэффициент пропорциональности;
В данной модели наблюдаемым событием является число ошибок, обнаруживаемых в заданном временном интервале, а не время ожидания каждой ошибки, как это было для модели Джелинского—Мо-ранды.
Модель Муса – динамическая модель непрерывного времени. В процессе тестирования фиксируется время выполнения программы до очередного отказа. Предполагается, что на протяжении всего ЖЦ процесса выполнения программы может произойти отказов и при этом будут выявлены все N0 ошибок (до начала тестирования). Общее число отказов связано с первоначальным числом ошибок NQ соотношением
где В — коэффициент уменьшения числа ошибок.
m - отказы, n – ошибки
В модели Муса два вида времени:
1) суммарное время функционирования х – время тестирования до момента оценки;
2) оперативное время T— от контрольного момента и далее, при условии, что дальнейшего устранения ошибок не будет (время безотказной работы в процессе эксплуатации).
Время работы до отказа:
Средняя наработка на отказ:
С— коэффициент сжатия тестов, который вводится для устранения избыточности при тестировании. Например, если 1 ч тестирования соответствует 12 ч работы в реальных условиях, то коэффициент сжатия тестов равен 12.
Модель Миллса. Внесение в программу некоторого количества известных ошибок. Собственные и внесенные ошибки имеют равную вероятность быть найденными.
Формулы Миллса – первоначальное число ошибок в программе:
S— количество искусственно внесенных ошибок, п — число найденных собственных ошибок, V— число обнаруженных к моменту оценки искусственных ошибок.
Положим, что в процессе тестирования были обнаружены все S внесенных и л собственных ошибок программы. Тогда по формуле Миллса получим, что первоначально в программе было N= п ошибок. Вероятность, с которой можно высказать такое предположение:
Модель Липова. Усовершенствованная модель Миллса. Собственные и внесенные ошибки имеют равную вероятность быть найденными.
Вероятность обнаружения п собственных и внесенных ошибок:
где m — количество тестов; q— вероятность обнаружения; S— общее количество внесенных ошибок; ЛГ— количество собственных ошибок, имеющихся в программе до начала тестирования.
Модель Липова дополняет модель Миллса, позволяя оценить вероятность обнаружения определенного количества ошибок к моменту оценки.