ارسل ملاحظاتك

ارسل ملاحظاتك لنا







The PNZ Software Reliability Model Revisited

العنوان بلغة أخرى: إعادة النظر فى نموذج ( PNZ ) لعول البرمجيات
المؤلف الرئيسي: Edris, Khalid Hassan Mohamed (Author)
مؤلفين آخرين: Shatnawi, Omar (Advisor)
التاريخ الميلادي: 2009
موقع: المفرق
الصفحات: 1 - 59
رقم MD: 819166
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة آل البيت
الكلية: كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

2

حفظ في:
المستخلص: في السيناريو الحالي ، أنظمة الحاسوب لا غنى عنها بالنسبة للمجتمع وضرورة وأهمية الحاسوب تتزايد بشكل سريع. لتلبية هذا الطلب المتزايد ، تعقيد منتجات البرمجيات لبناء مثل هذه الأنظمة الحاسوبية ، عزز إلى حد كبير. أثناء تطويرِ مثل هذه الأنظمة البرمجية المعقدة، العديد مِن حالات فشل البرامج قَد تَحدث. للحد من هذه العيوب، يتطلب الإختبار الشامل للبرامج، لذا أنظمة البرامج التي يعول عليها جداً يتم تطويرها. على مدى العقود الثلاثة الماضية، كانت هناك عدة محاولات لنمذجة العمليات المرتبطة بحالات فشل البرامج على أساس الإفتراضات الأساسية المختلفة لكيفية إختبار البرامج. هذه النماذج هي التي تعرف مجتمعة بنماذج نمو عول البرمجيات. من المهم أن نلاحظ أنه بسبب تعقيد تصميم البرمجيات، فإنه ليس من المتوقع أن يكون نموذج وحيد يمكن أن تدمج جميع العوامل التي يعتقد بأنها تؤثر على عول البرمجيات. في هذه الأطروحة، نعرض كيف نبدأ بالفرضيات البسيطة جداً، نماذج نمو عول البرمجيات من نوع عملية poisson غير المتجانس للزمن المستمر، جعلها أكثر واقعية بشكل تدريجي بدمج التصحيح الناقص مع تضمين عملية التعلم في التصحيح وإدخال أخطاء جديدة، إن تطبيق النموذج المعمم الناتج أثبت خلال عدة مجموعات بيانات عول البرمجيات الحقيقية التي تم الحصول عليها من مشاريع تطوير البرمجيات المختلفة. النموذج المعمم المقترح تم التأكد منه مقابل النماذج الأخرى ضمنها النماذج الموجودة (مثل، PNZ، Inflection S-shaped، Imperfect، Delayed s-shaped، Exponential) نتيجة لذلك يتأكد تطبيقه. مجموعات بيانات عول البرمجيات تم إختيارها عمداً من بيئات الأختبار المختلفة حيث منحنيات النمو تتراوح من أسي تماماً إلى هيئة S جداً. النتائج مشجعة إلى حد لا بأس به من ناحية جودة الملائمة، صلاحية التنبوء، ومقاييس تقييم عول البرمجيات. المساهمة الرئيسية لهذه الأطروحة هي تقديمها مفهوم نوعان من التصحيح الناقص خلال ظاهرة إزالة خطأ البرمجيات مع معدل إزالة الخطأ اللوجستية. معظم نماذج نمو عول البرمجيات التي نوقشت في السابق نادراً ما يفرق بين ملاحظة الفشل وعمليات إزالة الخطأ. في بيئة تطوير البرامج الحقيقية، عدد حالات الفشل الملاحظ ليس من الضروري أن يكون مماثلاً لعدد الأخطاء المزالة. إذا كان عدد حالات الفشل الملاحظ أكثر من عدد الأخطاء المزالة يكون لدينا حالة التصحيح الناقص. بسبب تعقيد نظام البرمجيات والفهم الناقص لمتطلبات البرامج، المواصفات والتركيب، فريق الإختبار قد لا يستطيع إزالة الخطأ تماماً عند إكتشاف الفشل والخطأ الأصلي قد يبقى أو يستبدل بخطأ أخر. في حين أن الظاهرة الأولى تعرف بالتصحيح الناقص، تسمى الثانية توليد الخطأ. في حالة التصحيح الناقص محتوى خطأ البرمجيات لا يتغير، لكن فقط بسبب الفهم الناقص للبرامج، الخطأ المكتشف لم يتم إزالتها بالكامل. ولكن في حالة توليد الخطأ محتوى الخطأ يزداد كما التقدم في الإختبار والإزالة ينتج أخطاء جديدة عند إزالة خطأ قديم. لتشكيل التعلم، معدل إزالة الخطأ تؤخذ كوظيفة لوجستية.

عناصر مشابهة