دانلود رایگان ترجمه مقاله ارزیابی قابلیت اطمینان نرم افزار (ساینس دایرکت – الزویر 2015)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

قابلیت به کار گیری به مفید بودن مدل داخل چارچوب محصولات مختلف نرم افزاری (اندازه، ساختار، توابع) اشاره دارد، محیط گسترده تولید، محیط های عملیاتی گوناگون و فازهای مختلف چرخه حیات.
سادگی. تشکیل یافته از سهولت در جمع آوری داده است که برای شخصی سازی بیشتر مدل ضروری تلقی میشود. همچنین به سادگی مفهومی نیز اشاره دارد که در آن ناظران مدل (مهندسان نرم افزار، مدیران پروژه و متخصصان قابلیت اتکا و سایرین) میتواند طبیعت مدل و برانگاشت آن را درک کنند و مورد استفاده اش برای یک مشکل خاص را تعیین نمایند و همچنین میزانی که در آن مدل در کاربرد مشخص اش از واقعیت جدا میشود. جدا از این مورد، سادگی شامل سادگی در پیاده سازی نیز میشود، به طریقی که مدل میتواند ابزاری کارآمد در مدیریت و مهندسی نرم افزار شود.
سهولت در اندازه گیری پارامترها. این جنبه تعداد پارامترهای مورد نیاز مدل و درجه سختی مرتبط در تخمین شان را لحاظ میکند.
حساس نبودن به نویز. جنبه ای که به ظرفیت مدل جهت انجام دقیق پیش بینی ها اشاره دارد، حتی زمانی که داده شکست ناقص یا حاوی ابهام باشد.
گوئل (گوئل 1985) پیشنهاد میکند پیش از اعمال یک مدل، خطا ها باید به صورت مستقل ارزیابی شوند، بسته به زمان تقویمی، زمان اجرا یا دفعات اجرای برنامه.
گوئل (گوئل 1985) عقیده دارد پیش از اعمال یک مدل، ارزیابی خطاهایش باید مورد مطالعه قرار گیرند، با استناد به زمان تقویمی، اجرا و یا دفعات اجرا. پس متغیرهای مهمی را میتوان انتخاب کرد و گرایش بدست آمده برای یک کلاس خاص از مدل نیز از همین راه است. پس از تخمین، پارامترهای مدل در فاز اول انتخاب میشود، یک تست مطابقت مبتنی بر مدل داده اجرا میشود (تصویر 1). اگر مدل سازگار باشد، معیارهای تخمین گر هم محاسبه خواهند شد و تصمیمات مرتبط با تکمیل یا تداوم تست کردن اتخاذ میشود. طبق تصویر 1، گام تعیین کننده در مورد اعمال مدل سنخیت آن است و نه مقایسه بین مقادیر تخمین زده شده و واقعی.
تکنیک های موجود برای ارزیابی یک مدل در این بخش مورد بررسی قرار گرفته اند، در چارت-U فاکتور بایس و گزارش شباهت محتاطانه تنها زمانی به کار گرفته میشوند که نمونه های رویداد وجود داشته باشند. در مورد نارسایی های نرم افزار باید گفت حداقل برخی از ایرادات نرم افزاری باید رخ داده و مورد بررسی قرار گیرند. در مورد دستگاه های برنامه پذیر قابل اتکا در حال کار نیز باید گفت این فرض کمی غیر واقعی خواهد بود. پس این روش ها بیشتر برای مدل های در حال رشد قابلیت اتکای نرم افزار کارآیی دارند، که به طور عمده مرحله پیشبرد چرخه حیات یک نرم افزار را نشان میدهد.

2.1. چارت-U
روش های دیگری هم برای اعتبارسنجی و مقایسه مدل ها وجود دارد، از جمله شباهت اعتبار-متقابل (بائت 1998). چارت-U برای سنجش نزدیک بوده مقدار تابع تعیین توزیع تجمعی بدیهی به مقدار توزیع واقعی به کار میرود (بر اساس مشاهدات موجود). مشخص است که متغیر تصادفی توزیع یکنواخت در بازه های مختلف دارد. پس اگر دستاوردها (برای مثال زمان شکست) مشاهده و محاسبه گردد، پس باید یک دستاورد از متغیر تصادفی واحد باشد. هرگونه انحراف از این یکنواخت بودن نشان دهنده انحراف خواهد بود.
برای پیدا کردن انحرافات (در صورت وجود) تابع توزیع نمونه از مشاهدات تبدیل شده به کار میرود. نمودار یک تابع پلکانی است که از تعداد بازه ها تشکیل یافته است. پس یک تابع پلکانی صعودی است که در هر گام بر روی یک مقدار از بعد افقی نوشته میشود.
هر چقدر این نمودار به خط شیب نزدیک باشد، نزدیکتر خواهد بود. در طرف دیگر، هرگونه انحراف سیستماتیک از شیب یکنواخت نشان دهنده ابهام در توزیع احتمال است.
این مفاهیم را میتوان به عنوان معیار عملیاتی نیز در نظر گرفت، آنهم از طریق یافتن فاصله کولموگروف (انحراف عمودی بیشینه دقیق) بین خط پیش بینی دقیق از منحنی 1 و دیاگرام متاثیر از آن.
2.2. چارت-Y
چارت-Y درجه وابستگی مدل گرایش را نشان میدهد؛ برای مثال یک مدل میتواند در مورد تعداد نارسایی های نرم افزار در ابتدا بدبین باشد، بعضی اوقات بسیار خوشبین.