Resumen

La presente investigación se llevó a cabo en la Universidad de Delhi, India, en 2017. Desarrollamos un modelo de crecimiento de fiabilidad de software para evaluar la fiabilidad de los productos de software lanzados en múltiples versiones bajo disponibilidad limitada de recursos y tiempo. El factor de reducción de fallas (frf) se considera constante en entornos de depuración imperfectos, mientras que la tasa de eliminación de fallas está dada por el modelo en forma de S retardada. El modelo propuesto se ha validado en un conjunto de datos reales de cuatro versiones mediante la realización de un análisis de bondad de ajuste. También se ha llevado a cabo un análisis de tendencias de Laplace para juzgar la tendencia que muestran los datos con respecto al cambio en la fiabilidad del sistema. Se han calculado una serie de criterios de comparación para evaluar el rendimiento del modelo propuesto en relación con el modelo de crecimiento de la fiabilidad del software (srgm) basado únicamente en el tiempo y en múltiples versiones.

1. INTRODUCCIÓN

La evaluación de la calidad de un producto de software antes de su introducción en el mercado se ha convertido en una tarea esencial. Los equipos de desarrollo de software utilizan ꜱʀɢᴍ para evaluar el crecimiento de la fiabilidad de los sistemas de software durante las fases de prueba y funcionamiento. Las ꜱʀɢᴍ se utilizan para estimar el periodo de tiempo óptimo para las pruebas, el número de fallos latentes en el sistema, la intensidad de los fallos, el coste de desarrollo, etc. Organizaciones como ansi/aiaa, ibm, Motorola, Hewlett Packard, ᴄɪꜱᴄᴏ, entre otras, aplican y recomiendan la ꜱʀɢᴍ durante las fases de prueba y funcionamiento [1].

En las últimas décadas se han propuesto en la literatura una serie de modelos de crecimiento de la fiabilidad del software basados en ɴʜᴘᴘ (Goel y Okumoto [2, pp. 3-5]; Ohba [3, pp. 3-5]; Yamada et al. [4]; Tamura y Yamada [5]) basados en diferentes conjuntos de supuestos, por ejemplo, depuración perfecta, punto de cambio, proceso de eliminación de fallos retrasado, generación de errores, etc. En la mayoría de los proyectos de desarrollo de software de la vida real, el proceso de depuración puede no ser perfecto debido a la complejidad del código, la ineficacia del equipo, el enorme tamaño del software, etc., y puede provocar la generación de errores o la ralentización de la tasa de eliminación de fallos. Si la depuración implica la generación de errores, es posible que aumente el número de fallos residuales del software tras el esfuerzo de depuración. Por otro lado, si se observa una ralentización en la tasa de detección de fallos (ꜰᴅʀ), un fallo, tras su detección, se elimina en múltiples números de esfuerzos pero sin cambiar el contenido residual de fallos del software.

Otro fenómeno digno de mención que puede observarse en el entorno de desarrollo de software es la diferencia entre el número de fallos detectados y el número de fallos eliminados durante un periodo de tiempo determinado.

• Materias:Modelado Detección de fallas Análisis de tendencias Análisis de datos de tiempo de falla
• Subjects:Modeling Fault Detection Trend analysis Failure time data analysis
• Palabras claves:Modelado de confiabilidad de software bidimensional; Factor de reducción de fallas; Depuración imperfecta; Multi-lanzamiento; Análisis de tendencias
• Keywords:2-Dimensional Software Reliability Modelling; Fault Reduction Factor; Imperfect Debugging; Multi-Release; Trend Analysis