Measuring commercial software operational reliability: an interdisciplinary modelling approach

• Autorzy: Shatnawi O.

Warianty tytułu

PL

Pomiar niezawodności eksploatacyjnej oprogramowania komercyjnego: interdyscyplinarne podejście do modelowania

• Języki publikacji: EN

Abstrakty

EN

In the software reliability engineering (SRE) literature, few attempts have been made to model the failure phenomenon of commercial software during its operational use. One of the reasons can be attributed to the inability of software engineers to measure the growth in usage of commercial software while it is in the market. It is unlike the testing phase where resources follow a definite pattern. In this paper, an attempt has been made to model the software reliability growth linking it to the number of users. Since the number of instructions executed depends on the number of users. The number of users is estimated through an innovation diffusion model of marketing. Once the estimated value is known, the rate at which instructions are executed can be found. The intensity with which failures would be reported depends upon this value. To model the failure observation or defect removal phenomena, a non-homogenous Poisson process (NHPP) based software reliability models developed in the literature have been employed. Software reliability models are most often used for reliability projection when development work is complete and before the software is shipped to customers. They can also be used to model the failure pattern or the defect arrival pattern in the field and thereby provide valuable input to maintenance planning. Numerical example with real software field reliability data is presented to illustrate descriptive and predictive performance as well as to show practical applications of the proposed models.

PL

Literatura dotycząca inżynierii niezawodności oprogramowania, podejmuje zaledwie nieliczne próby modelowania zjawiska uszkodzenia oprogramowania komercyjnego w trakcie jego eksploatacji. Jednym z powodów może być to, iż programiści nie są w stanie zmierzyć wzrostu użytkowania oprogramowania komercyjnego w trakcie obrotu handlowego tego typu oprogramowaniem. Etap ten różni się bowiem od fazy testowania, gdzie zasoby funkcjonują według określonego wzorca. W niniejszej pracy podjęto próbę stworzenia modelu wzrostu niezawodności oprogramowania łącząc to pojęcie z pojęciem liczby użytkowników, jako że liczba wykonywanych poleceń zależy właśnie od liczby użytkowników. Liczbę użytkowników szacuje się na podstawie modelu marketingu opartego na dyfuzji innowacji. Gdy szacowana wartość jest już znana, można określić częstość wykonywania poleceń. Intensywność zgłaszania uszkodzeń zależy od tej wartości. Do modelowania zjawisk zaobserwowania uszkodzenia lub usunięcia usterki zastosowano opracowane wcześniej w literaturze modele niezawodności oprogramowania oparte na niejednorodnym procesie Poissona (NHPP). Modele niezawodności oprogramowania są najczęściej wykorzystywane do projektowania niezawodności już po zakończeniu prac rozwojowych, ale zanim jeszcze oprogramowanie dotrze do klientów. Mogą być również stosowane do modelowania wzorców uszkodzeń lub wzorców występowania usterek w trakcie eksploatacji, stanowiąc tym samym cenny wkład do planowania czynności konserwacyjnych. Przykład liczbowy uwzględniający dane z eksploatacji rzeczywistego oprogramowania ilustruje opisowe i predykcyjne możliwości proponowanych modeli, jak również pokazuje, jak można je stosować w praktyce.

Słowa kluczowe

EN

software reliability engineering; software reliability models; non-homogenous Poisson process; imperfect debugging; commercial software usage; innovation diffusion

PL

inżynieria niezawodności oprogramowania; modele niezawodności oprogramowania; niejednorodny proces Poissona; niedoskonałe debugowanie; użytkowanie oprogramowania komercyjnego; dyfuzja innowacji

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2014
• Tom: Vol. 16, no. 4
• Strony: 585--594
• Opis fizyczny: Bibliogr. 34 poz., rys., tab.

Twórcy

autor

Shatnawi O.

• Department of Computer Science Al al-Bayt University Mafraq 25113, Jordan

Bibliografia

• 1. Ahmad N, Khan MG, Rafi LS. A study of testing-effort dependent inflection S-shaped software reliability growth models with imperfecta debugging. International Journal of Quality & Reliability Management 2010; 27: 89-110.
• 2. Bass F. A new product growth model for consumer durables. Journal Marketing 1969; 15: 215-227.
• 3. Bardhan AK. Modelling in Software Reliability and its Interdisciplinary Nature. PhD thesis, New Delhi: University of Delhi, 2002.
• 4. Chiu K-C, Huang Y-S, Lee, T-Z. A study of Software reliability growth from the perspective of learning effects. Reliability Engineering and Systems Safety 2008; 93: 1410-1421.
• 5. Edris K, Shatnawi O. The Pham Nordmann Zhang (PNZ) software reliability model revisited. Proc. of the Tenth IASTED International Conference on Software Engineering, Innsbruck, Austria,15-17 February2011: 205-212.
• 6. Givon M, Mahajan V, Muller E. Software piracy: estimation of lost sales and the impact on software diffusion. Journal Marketing 1995; 59: 29-37.
• 7. Goel AL, Okumoto K Time dependent error detection rate model forsoftware reliability and other performance measures. IEEE Trans. Reliability 1979: 28 206-211.
• 8. Jones WD, Vouk MA. Field data analysis. in: Handbook of Software Reliability Engineering, Lyu M. (ed.), McGraw Hill, 1996.
• 9. Kan SH. Metrics and Models in Software Quality Engineering, Second Edition. USA: Addison-Wesley Professional, 2002.
• 10. Kanoun K, Kaaniche M, Laprie J-C. Qualitative and quantitative reliability assessment. IEEE Software 1997; 14: 77-87.
• 11. Kapur PK, Garg RB. A software reliability growth model for an error removal phenomenon. Software Engineering Journal 1992; 7: 291-294.
• 12. Kapur PK, Garg RB, Kumar S. Contributions to Hardware and SoftwareReliability.Singapore: World Scientific, 1999.
• 13. Kapur PK, Jha PC, Goswami DN, Shatnawi O, Bardhan AK. General framework for modeling software reliability growth during testing and operational use. Recent Developments in Quality, Reliability and Information Technology 2003:187-197
• 14. Kapur PK, Singh O, Shatnawi O, Gupta A. A discrete NHPP model for software reliability growth with imperfect fault debugging and fault generation. International Journal of Performability Engineering 2006; 2: 351-368.
• 15. Kapur PK, Pham H, Anand S, Yadav K. A unified approach for developing software reliability growth models in the presence of imperfecta debugging and error generation. IEEE Transactions on Reliability 2011; 60: 331-340.
• 16. Kapur PK, Singh O, Mittal R. Software reliability growth and innovation diffusion models: an interface. International Journal of Reliability, Quality and Safety Engineering 2004; 11: 339-364.
• 17. Kenny GQ. Estimating defects in commercial software during operational use. IEEE Transactions on Reliability 1993; 42: 107-115.
• 18. Kuo SY, Huan CY, Lyu MR. Framework for modelling software reliability using various testing-effort and fault-detection rates. IEEE Transactions on Reliability 2011; 50: 310-320.
• 19. Lyu M. (Ed.). Handbook of Software Reliability Engineering, New York: McGraw-Hill. 1996
• 20. Musa JD, Iannino A, Okumoto K. Software Reliability: Measurement Prediction Application. McGraw-Hill, 1987.
• 21. Ohba M. Software reliability analysis models. IBM Journal of Research and Development 1984; 28: 428-443.
• 22. Ohba M, Chou XM. Does imperfect debugging effect software reliability growth. Proceedings of 11th International Conference of Software Engineering, Pittsburgh, PA, USA, 15-18 May 1989: 237-244.
• 23. Pham H. Software reliability. London: Springer, 2000.
• 24. Pillai K, Nair VSS. A model for software development effort and cost estimation. IEEE Transactions on Software Engineering 1997; 23: 485–497.
• 25. Shatnawi O. Testing-effort dependent software reliability model for distributed systems. International Journal of Distributed Systems and Technologies 2013; 4: 1-14.
• 26. Shatnawi O. Discrete time NHPP models for software reliability growth phenomenon. International Arab Journal of Information Technology 2009; 6: 124-131.
• 27. Shatnawi O. Measuring software-operational reliability: an interdisciplinary modelling approa ch.Proc. of the IFIP 18th World Computer Congress - Student Forum, Toulouse, France, 22-27 August 2004: 165-176.
• 28. Trachtenberg M. A general theory of software reliability modeling. IEEE Transactions on Reliability 1990; 39: 92-96.
• 29. Wang S, Wu Y, Lu M, Li H. Discrete nonhomogeneous Poisson process software reliability growth Models based on test coverage. Quality Reliability Engineering International 2013; 29: 103–112.
• 30. Xie M. Software reliability modelling. Singapore: World Scientific, 1991
• 31. Yamada S, Ohtera H, Narihisa H. Software reliability growth models with testing-effort. IEEE Transactions on Reliability 1986; R-35, 19-23.
• 32. Yamada S, Ohba M, Osaki S. S-shaped reliability growth modelling for software error detection. IEEE Transactions on Reliability 1983; 32: 475-484.
• 33. Yamada S, Tokuno K, Osaki S. Imperfect debugging models with fault introduction rate for software reliability assessment. Int'l Journal of System Science 1992; 23: 2253-64.
• 34. Zhang X, Teng X, Pham H. Considering fault removal efficiency in software reliability assessment. IEEE Transactions on Systems, Man and Cybernetics 2003; 33: 114-120.