مدلی جدید برای ارزیابی قابلیت اطمینان نرم افزار بر اساس فرایند پواسون ناهمگن
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,483
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CESD01_247
Index date: 16 March 2014
مدلی جدید برای ارزیابی قابلیت اطمینان نرم افزار بر اساس فرایند پواسون ناهمگن abstract
با توجه به کاربردهای گسترده سیستمهای نرم افزاری در همه جوانب زندگی امروزی ، لزوم تولید نرم افزارهای تقریباً بدون خطا و با کیفیت بالا بیش از پیش اهمیت پیدا کرده است. قابلیت اطمینان نرم افزار یک رهیافت مهم برای ارزیابی کیفیت نرم افزار در نظر گرفته می شود. مدل سازی قابلیت اطمینان نرم افزار بر اساس فرایند پواسون ناهمگن یکی از روشهای کاملاً موفق در مهندسی قابلیت اطمینان نرم افزار میباشد. در این مقاله ابتدا مدل عمومی رشد قابلیت اطمینان نرم افزار را بررسی می کنیم، سپس به ارائه یک مدل تعمیم یافته قابلیت اطمینان نرم افزار، با در نظر گرفتن دو نوع خطای ساده و پیچیده و لحاظ کردن وابستگی بین خطاهای پیچیده و نیز تاخیر زمانی بین کشف و حذف خطاهای پیچیده می پردازیم. برآورد پارامترهای مدل پیشنهادی با استفاده از مجموعه دادههای شکست یک پروژه نرم افزاری واقعی و از طریق نرم افزار MATLAB انجام می شود. در پایان، مدل پیشنهادی را با یک مدل موجود با استفاده از معیارهای مختلف مقایسه می کنیم. نتایج نشان می دهد مدل پیشنهادی بر روی این مجموعه داده بهتر برازش شده، اطلاعات دقیقتری در مورد کیفیت نرم افزار ارائه میکند.
مدلی جدید برای ارزیابی قابلیت اطمینان نرم افزار بر اساس فرایند پواسون ناهمگن Keywords:
قابلیت اطمینان نرم افزار , فرایند پواسون ناهمگن , خطاهای ساده و پیچیده , وابستگی خطاها , تاخیر زمانی
مدلی جدید برای ارزیابی قابلیت اطمینان نرم افزار بر اساس فرایند پواسون ناهمگن authors
شیوا ختریان
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر انشگاه پیام نور تهران
طاهره یعقوبی
عضو هیئت علمی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :