Tillförlitlighetsmodellerna som används i det här fallet är främst av intresse för att förutsäga fel under drift och för att felsöka programmet. I det här fallet bestäms värdena för parametrarna för modellerna under drift eller felsökning av programmet enligt data om ögonblicken då fel inträffade. Bristen på allmänna referensdata förklaras av det faktum att varje programmerare är ett unikt tekniskt objekt för att skapa program, och vart och ett av hans program är en exklusiv produkt.

Den mest utvecklade apparaten för att bedöma tillförlitlighetsegenskaper är baserad på Dzhelinsky-Moranda-tillförlitlighetsmodellen, som kommer att diskuteras nedan.

Beräkningsmetod för att förutsäga programvarufel

Den aktuella modellen bygger på följande antaganden:

tiden tills nästa misslyckande är exponentiellt fördelad;

felfrekvensen i programmet är proportionell mot antalet kvarvarande fel i programmet.

Enligt dessa antaganden, sannolikheten för programmets upptid som en funktion av tiden t iär lika med:

P (t i ) = exp (-l i × t i ) , (1)

var l i = MED × (N- (i-1)). (2)

Här MED- Proportionalitetskoefficient.

NÄr det initiala antalet programfel.

I uttryck (1) nedräkningen t i börjar från det sista ögonblicket (i-1) programfel och värdet l i förändringar när man förutsäger olika misslyckanden.

Värdena C och N i uttryck (2) bestäms av de experimentellt registrerade tidsintervallen Dt i mellan de ögonblick då fel uppstår i processen att felsöka programmet. Baserat på maximum likelihood-tekniken, värdet N erhålls som en lösning på en icke-linjär ekvation:

var TILL- Antalet experimentellt erhållna intervall mellan misslyckanden.

Verkligen mening N erhålls genom en anpassningsmetod baserad på det faktum att det är ett heltal.

Proportionalitetsfaktorvärde MED få som:

. (4)

Denna teknik fungerar för K³2, dvs. det är nödvändigt att ha minst två experimentellt erhållna intervall mellan felmomenten.

Ett exempel på att förutsäga programvarufel

Låt tidsintervallen fixas under felsökningen av programmet Dt 1 =10, Dt 2 =20, Dt 3 =25 mellan programfel. Värdena Dt kan definieras i tidsenheter och kan vara i antalet programkörningar under testning. Bestäm sannolikheten för programmets prestanda P(t 4 )= exp(- l 4 × t 4 ) , dvs. frånvaron av nästa, fjärde fel, med början från ögonblicket för eliminering av det tredje felet och den genomsnittliga tiden T 4 tills nästa programfel.

Vi löser ekvation (3) med avseende på N brute force-metoden.

För N=4 vi har för K = 3

För N=5

Det minsta felet tillhandahålls av N=4 , varifrån, i enlighet med uttryck (4):

.

Således är sannolikheten för felfri drift i frånvaro av det 4:e felet

P(t 4 )= exp(-0,02 × t 4 ) , a T 4 =1/ l 4 =50 .

Vi påminner dig om att nedräkningen t 4 startar efter att det tredje felet inträffat och definieras i tidsenheter eller i antal programkörningar.

Exempel beräkna ett stjärnnätverk:

Ett lokalt datornätverk (LAN) inkluderar vanligtvis en uppsättning användararbetsstationer, en nätverksadministratörs arbetsstation (en av användarstationerna kan användas), en serverkärna (en uppsättning hårdvaruserverplattformar med serverprogram: filserver, WWW-server, databasserver, mailserver etc.), kommunikationsutrustning (routrar, switchar, hubbar) och strukturerad kablage (kabelutrustning).

Beräkning av tillförlitligheten hos ett LAN börjar med bildandet av begreppet fel i ett givet nätverk. För detta analyseras ledningsfunktionerna, vars implementering på företaget utförs med detta LAN. Sådana funktioner väljs, vars överträdelse är oacceptabelt, och LAN-utrustningen som är involverad i deras implementering bestäms. Till exempel: självklart ska det under arbetsdagen vara möjligt att ringa/skriva information från databasen, samt komma åt Internet.

För en uppsättning sådana funktioner, enligt det strukturella elektriska diagrammet, bestäms LAN-utrustningen, vars fel direkt bryter mot minst en av de specificerade funktionerna, och ett logiskt schema för beräkning av tillförlitligheten upprättas.

Detta tar hänsyn till antalet och arbetsförhållandena för reparations- och restaureringsteam. Följande villkor accepteras vanligtvis:

Begränsad återhämtning - d.v.s. mer än ett misslyckat element kan inte återställas vid en given tidpunkt. det finns ett reparationsteam;

Den genomsnittliga återställningstiden för ett misslyckat element ställs in antingen på basis av tillåtna avbrott i driften av LAN eller på de tekniska kapaciteterna för leverans och inkludering i driften av detta element.

Inom ramen för ovanstående synsätt på beräkningen kan tillförlitlighetsberäkningsschemat som regel reduceras till ett serieparallellt schema.

Låt oss fastställa fel på utrustning som ingår i nätverkets kärna som ett kriterium för LAN-fel: servrar, switchar eller kabelutrustning.

Vi tror att fel på användararbetsstationer inte leder till ett fel på LAN, och eftersom det samtidiga felet på alla arbetsstationer är en osannolik händelse, fortsätter nätverket att fungera i händelse av individuella fel på arbetsstationer.

Tillförlitligheten hos ett stjärnnätverk.

Fel påverkar inte felet i hela nätverket. Tillförlitligheten för ett LAN bestäms av tillförlitligheten hos den centrala platsen.

Låt oss anta att det aktuella lokala nätverket inkluderar en server, två switchar och fjorton kabelfragment som hör till nätverkskärnan. Antalet fel och restaureringar för dem ges nedan, fortfarande K G = 1-l / m.

Återvinningsgraden är maximal för kablar som byts ut med reservkablar och är lägsta för strömbrytare som repareras av specialiserade företag.

Beräkningen av egenskaperna hos serverdelsystem, switchar och kablar utförs med hjälp av uttryck för seriell anslutning av element.

Serverundersystem:

lS = 2 * 11 = 2 * 10-5; К ГС = 1-2 * 10 -4, m С = = 0,1 1/h.

Switch subsystem:

l till = 2 * 10-5; K Gk = 1-2 * 10-3; m k =
1/h

Kabeldelsystem:

ll = 14 * 10-6; KGL = 1-14 * 10-6; ml = 1 1/h.

För hela nätverket:

ls = 6,5 * 10-5; KGs = 1-2,4 * 10-3; m s = 0,027 1/h.

Beräkningsresultat:

T = 15 tusen timmar, K G = 0,998, TB "37 timmar.

Beräkning av kostnaden för ett LAN:

14 nätverkskort: 1500 rubel.

Kabel 1 km: 2000 rub.

Kontakter: 200 rubel.

Server: 50 tusen gnugga.

Totalt: 2,53700 t. Rub.

Tillförlitlighet är en av de viktigaste kvalitetsegenskaperna hos ett mjukvaruverktyg.

Pålitlighet- ett programvaruverktygs egendom att förbli i drift under en viss tid, under vissa driftsförhållanden, med hänsyn till konsekvenserna för användaren av varje fel.

Genomförbar programvarans tillstånd kallas så att den kan utföra de specificerade funktionerna med de parametrar som fastställts av kraven för den tekniska uppgiften. En felhändelse är associerad med en övergång till ett inoperativt tillstånd.

Anledningen till misslyckandet med ett programvaruverktyg är omöjligheten av dess fullständiga verifiering i processen för testning och testning. När du använder programvaran under verkliga förhållanden kan en sådan kombination av indata uppstå som kommer att orsaka ett misslyckande, därför beror programvarans prestanda på indata, och ju mindre detta beroende är, desto högre tillförlitlighetsnivå.

Tre grupper av indikatorer används för att bedöma tillförlitligheten: kvalitativ, ordinal och kvantitativ.

De viktigaste kvantitativa indikatorerna för programvarans tillförlitlighet inkluderar:

Sannolikheten för felfri drift P (t3) är sannolikheten att ett systemfel inte inträffar inom en given drifttid. Drifttid - varaktighet eller omfattning av arbetet:

P (t3) = P (t≥t3),

där t är den slumpmässiga drifttiden för PS till fel, t3 är den specificerade drifttiden.

Felsannolikhet - sannolikheten att ett systemfel inträffar inom en given drifttid. Denna indikator, motsatsen till den föregående:

Q (t3) = 1 - P (t3).

Felfrekvensen för systemet λ (t) är den villkorade tätheten för sannolikheten för ett programvarufel vid en viss tidpunkt, förutsatt att felet inte inträffade före den tiden:

λ (t) = f (t) / P (t),

där f (t) är sannolikheten för fel vid tidpunkten t:

Det finns följande samband mellan λ (t) och P (t):

I ett särskilt fall λ = konst.

Р (t) = exp (- λ (t) d t.).

P (t) = exp (-A (t)).

Om antalet fel är fastställt under ett visst tidsintervall i testprocessen är λ (t) antalet fel per tidsenhet.

Genomsnittlig tid till misslyckande Тi är den matematiska förväntan på programvarans drifttid fram till nästa fel

där t är programvarans drifttid från (K-1) till K-fel.

Ti = (t1 + t2 + ... + tn) / n,

där ti är körtiden för programvaran mellan fel, n är antalet fel.

Genomsnittlig återhämtningstid Tv är den matematiska förväntningen på återställningstiden tbi - tiden som spenderas på återställning och lokalisering av felet - tо.li, tiden för att eliminera felet - tо.о.i, tiden för genomströmningstestet för funktionsduglighet - tp.i:

tbi = till.s.i + t.s.i. + t.s.i.

För denna indikator betyder termen "tid" den tid programmeraren spenderar på de listade typerna av arbete.

Tillgänglighetsfaktor K2 är sannolikheten att ett programvaruverktyg förväntas vara i ett fungerande tillstånd vid en godtycklig tidpunkt för dess avsedda användning:

K2 = Ti/(Ti + Tv).

Fel är orsaken till programvarufel, som kan orsakas av: en intern egenskap hos ett mjukvaruverktyg, ett mjukvaruverktygs reaktion på en förändring i den externa operativa miljön. Detta innebär att med den mest noggranna testningen, förutsatt att alla interna fel har eliminerats, kan man inte med full säkerhet säga att ett fel inte kommer att inträffa under driften av mjukvaruverktyget.

Det huvudsakliga sättet att kvantifiera tillförlitlighetsindikatorer är tillförlitlighetsmodeller, vilket förstås som en matematisk modell byggd för att bedöma tillförlitlighetens beroende av parametrar som är kända i förväg eller uppskattas under loppet av att skapa ett mjukvaruverktyg. I detta avseende betraktas bestämningen av indikatorernas tillförlitlighet vanligtvis i en enhet av tre processer - förutsägelse, mätning, utvärdering.

Förutsägelse– Det här är definitionen av kvantitativa indikatorer på tillförlitlighet baserade på egenskaperna hos det framtida mjukvaruverktyget.

Måttär definitionen av kvantitativa indikatorer för tillförlitlighet, baserade på analys av data om intervall mellan fel som erhållits under körningen av program under testförhållanden.

Utvärderingär definitionen av kvantitativa indikatorer på tillförlitlighet, baserade på data om intervallen mellan misslyckanden som erhålls vid testning av programvaran under verkliga driftsförhållanden.

Alla tillförlitlighetsmodeller kan klassificeras genom vilken av de listade processerna de stödjer (prediktiv, prediktiv, utvärderande, mätning). Det bör noteras att tillförlitlighetsmodeller som använder data om intervallen mellan fel som initial information kan hänföras till att både mäta och utvärdera lika. Vissa modeller, baserade på information som erhållits under testning av ett mjukvaruverktyg, gör det möjligt att göra förutsägelser om ett mjukvaruverktygs beteende under drift.

Överväg analytiska och empiriska tillförlitlighetsmodeller.

Analytiska modeller ge möjlighet att beräkna kvantitativa indikatorer på tillförlitlighet, baserat på data om programmets beteende under testning (mätnings- och poängmodeller).

Empiriska modeller baseras på analysen av programmens strukturella egenskaper. De överväger beroendet av tillförlitlighetsindikatorer på antalet intermodullänkar, antalet cykler i moduler, förhållandet mellan antalet raka sektioner och antalet förgreningspunkter och liknande. Det bör noteras att empiriska modeller ofta inte ger slutresultatet av tillförlitlighetsindikatorer.

Analytisk modellering av programvarans tillförlitlighet inkluderar fyra steg:

Definition av förslag relaterade till procedur för mjukvarutestning;

Utveckling eller val av en analytisk modell baserad på antaganden om testförfarandet;

Val av modellparametrar med hjälp av erhållen data;

Tillämpning av modellen är beräkningen av kvantitativa indikatorer på tillförlitlighet enligt modellen.

Analytiska modeller presenteras i två grupper: dynamiska och statiska modeller. I dynamiska modeller mjukvaruverktygets tillförlitlighet, programmets beteende (uppkomsten av fel) beaktas i tid. I statiska modeller uppkomsten av fel är inte associerad med tid, utan endast beroendet av antalet fel på antalet testkörningar (för felområdet) eller beroendet av antalet fel på egenskaperna hos indata (för data) område) beaktas. För att använda dynamiska modeller är det nödvändigt att ha data om förekomsten av fel över tid. Statiska modeller skiljer sig fundamentalt från dynamiska genom att de inte tar hänsyn till tidpunkten för feluppkomsten i testprocessen och inte använder några antaganden om beteendet hos riskfunktionen λ (t). Dessa modeller bygger på en solid statistisk grund.

Corcorans modell

Tillämpning av modellen förutsätter kunskap om följande indikatorer:

Modellen innehåller en varierande sannolikhet för fel för olika felkällor och följaktligen olika sannolikhet för deras korrigering;

Modellen använder sådana parametrar som resultatet av endast N tester, där Ni-fel av den i:te typen observeras;

Detekteringen av det i:te typfelet under loppet av N tester visas med sannolikhet ai.

Indikatorn för tillförlitlighetsnivån R beräknas enligt följande formel:

där N0 är antalet felsäkra (eller misslyckade) tester som utförts i en serie av N tester,

k - känt antal feltyper,

Yi är sannolikheten för fel,

för Ni> 0, Yi = ai,

för Ni = 0, Yi = 0.

Schumanns modell

Schumanns modell hänvisar till dynamiska diskreta-tidsmodeller, för vilka data samlas in under mjukvarutestning med fasta eller slumpmässiga intervall. Schumanns modell förutsätter att testning utförs i flera steg. Varje steg representerar exekveringen av programmet på hela uppsättningen av utvecklade testdata. Hittade fel registreras men korrigeras inte. I slutet av steget beräknas de kvantitativa indikatorerna för tillförlitlighet, de hittade felen korrigeras, testuppsättningarna korrigeras och nästa steg av testning utförs. Schumann-modellen antar att antalet fel i programmet är konstant och inga nya fel introduceras under korrigeringsprocessen. Feldetekteringsfrekvensen är proportionell mot antalet återstående fel.

Det antas att det finns Et-fel före testning. Under testtiden τ detekteras εc-fel per instruktion i maskinspråk.

Således är det specifika antalet fel per en maskininstruktion som finns kvar i systemet efter τ testtid lika med:

εr (τ) = Et / It * εc (τ),

där Det är det totala antalet maskininstruktioner, som antas vara konstant under testfasen.

Det antas att värdet på felfrekvensfunktionen Z(t) är proportionell mot antalet fel som återstår i programmet efter den tid τ spenderat på testning:

Z (t) = C * εr (τ),

där C är någon konstant

t - tid för programmet utan fel.

Sedan, om körtiden för programmet utan fel t räknas från punkten t = 0, och τ förblir fixerad, är tillförlitlighetsfunktionen, eller sannolikheten för felfri drift i intervallet från 0 till t, lika med:

R (t, τ) = exp (-C * * t) (1,9)

tav = 1 / (C *).

Vi behöver hitta initialvärdet för felen Et och proportionalitetskoefficienten - C. Under testprocessen samlas information in om tiden och antalet fel vid varje körning, d.v.s. total testtid τ är summan av tiden för varje körning

τ = τ1 + τ2 + τ3 +... + τn.

Om vi ​​antar att felfrekvensen är konstant och lika med λ, kan vi beräkna den som antalet fel per tidsenhet, där Ai är antalet fel på den i:te körningen:

Med data för två olika testmoment τa och τb, vilka väljs godtyckligt, med hänsyn till kravet att εc (τb)> εc (τa), kan vi jämföra ekvationerna ovan för τa och τb:

Den okända parametern C erhålls genom att ersätta Et i uttrycket (1.13), beräkna relationerna (1.13). Genom att beräkna relationer (1.13) och (1.14) får vi:

program enligt formel (1.9).

Låt oss göra beräkningar i förhållande till läroplanen.

Till exempel har programmet It = 4381 operator.

Under loppet av på varandra följande testkörningar erhölls följande data:

Vi väljer två poäng baserat på kravet att antalet fel som hittas på intervallet A - B är större än på intervallet 0 - A. Ta 2 åk för punkt A och 8 åk för punkt B. Då kommer felen som hittas i teststegen med intervallen 0 -A och A-B att vara lika:

εс (τА) = 3 ⁄ 4381 = 0,0007

εс (τВ) = 7 ⁄ 4381 = 0,0015.

Testtiden med intervaller är:

Låt oss beräkna intensiteten av uppkomsten av fel med två intervall:

λА = 3 ⁄ 13 = 0,23

λВ = 7 ⁄ 12 = 0,58.

Då är antalet tillgängliga fel före testning lika med:

Låt oss beräkna sannolikheten för felfri drift under tiden t vid τ =

Ta t = 60 min.

Således är tillförlitligheten för felfri drift tillräckligt hög och sannolikheten för fel och fel är liten.

Modell La Padula

Se metodguiden för diplomdesign (L.E. Kunitsyna), sidorna 27-29.

Storlek: px

Börja visa från sidan:

Transkript

1 # 06, juni 2016 UDC Granskning av mjukvarusystem för beräkning av tillförlitligheten hos tekniska system Introduktion Shalamov A.V., Masterstudent Ryssland, Moskva, MSTU im. N.E. Bauman, avdelning "Design och produktionsteknik för elektronisk utrustning" Handledare: Soloviev VA, docent Ryssland, Moskva, MSTU im. N.E. Bauman, Institutionen för design och tillverkningsteknik för elektronisk utrustning För närvarande finns det många lösningar på marknaden för system för tillförlitlighetsberäkning, både utländska och ryska. De mest populära utländska systemen för beräkning av tillförlitlighet inkluderar följande: Relex, Risk Spectrum, A.L.D., ISOgraph. Av de ryska systemen kan följande system urskiljas: Arbiter, ASM, ASONIKA-K. Några av ovanstående system, förutom verktyg för att beräkna tillförlitlighetsparametrar, tillåter att lösa ett brett spektrum av relaterade tekniska problem. Därefter kommer vi att överväga mer detaljerat de givna mjukvarusystemen (PC) utifrån deras tillämpning för att beräkna ERA:s tillförlitlighet. Relex- och riskspektrumdatorer Relex- och riskspektrumdatorer gör det möjligt att utföra en logisk-probabilistisk analys av tillförlitligheten och säkerheten hos tekniska system, till exempel beräkning av tillförlitligheten hos moderna automatiserade processkontrollsystem, optimering av teknisk risk och bestämning av de optimala parametrarna för underhållet system för potentiellt farliga föremål. Den huvudsakliga tillämpningen av PC Risk Spectrum var i den probabilistiska säkerhetsanalysen av kärnkraftsanläggningar på designstadiet. Spectrum-komplexet används av mer än 50 % av kärnkraftverken i världen, ingår i listan över mjukvaruverktyg certifierade av Certification Council

2 mjukvaruverktyg från Gosatomnadzor i Ryssland 2003 PC Relex och Risk Spectrum kan användas för att beräkna tillförlitligheten hos inte bara kontroll- eller tekniska system, utan även instrumenteringsprodukter inom transport, inom försvarsteknologi. Modelleringen och beräkningen av tillförlitlighets- och säkerhetsindikatorer för tekniska system, i stor utsträckning i Europa och USA, är baserade på logiskt-probabilistiska metoder som använder händelseträd och felträd som ett sätt att konstruera grafiska tillförlitlighetsmodeller (Figur 1). Användningen av apparaten för matematisk logik gör det möjligt att formalisera villkoren för driftbarheten av komplexa tekniska system och beräkningen av deras tillförlitlighet. Om det kan hävdas att systemet är funktionsdugligt om dess element A och B är funktionsdugliga, så kan vi dra slutsatsen att funktionsdugligheten för systemet (händelse C) och funktionsdugligheten för elementen A och B (händelse A och händelse B) är sammankopplade av den logiska funktionsekvationen: C = A B. Här används beteckningen för att visa den logiska operationen I. Den logiska ekvationen för operabiliteten för detta fall kan representeras av ett diagram över den sekventiella kopplingen av elementen A och B. initierande händelse. Ett felträd är en grafisk modell som visar logiken för händelser som leder till ett systemfel på grund av olika kombinationer av utrustningsfel och personalfel. Ris. 1. Felträd i PC Relex Youth Scientific and Technical Bulletin FS, ISSN

3 Felträdet innehåller grafiska element som används för att visa elementära slumpmässiga händelser (grundläggande händelser) och logiska operatorer. Varje logisk operator för boolesk algebra motsvarar ett visst grafiskt element, vilket gör det möjligt att dekomponera komplexa händelser till enklare (grundläggande eller elementära). Relex PC-felträdsmodulen använder logisk-dynamiska operatorer som tar hänsyn till beroendet av händelser, tidsförhållanden, prioriteringar. Det gör det möjligt att beräkna följande indikatorer: sannolikhet för fel, otillgänglighet, parameter för flödet av fel, genomsnittligt antal misslyckanden. Indikatorernas värden beräknas både för vertexhändelsen och för varje mellanliggande. För varje vald händelse kan du se och analysera uppsättningarna av motsvarande minsta tvärsnitt. I Risk Spectrum PC presenteras händelseträdet i form av en tabell som innehåller en rubrikrad, ett fält i vilket en öppen binär graf placeras, flera kolumner med egenskaperna hos det modellerade objektets sluttillstånd, vilka implementeras under genomförandet av nödsekvenser (Figur 2). Rubriken i den första kolumnen i tabellen anger beteckningen på initierande händelser. I följande kolumnrubriker, från vänster till höger, namnen och symbolerna för mellanliggande händelser som motsvarar framgångsrikt eller misslyckat utförande av säkerhetsfunktioner, funktions- eller feltillstånd för säkerhetssystem eller enskilda komponenter (utrustning och tekniska medel), korrekta eller felaktiga åtgärder av personal placeras. Kolumnerna som kännetecknar sluttillstånden (CS) anger deras nummer, symboler, typer (till exempel CS med kärnskada), sannolikhet för implementering, logiska formler som motsvarar dessa nödsekvenser (EA). Med hjälp av AP visas varianter av nödprocessutvecklingen i händelseträdet. I detta fall förstås en olycka som en sekvens av händelser som leder till ett visst sluttillstånd för ett objekt, inklusive den initiala händelsen av en olycka, framgångsrika eller misslyckade operationer av säkerhetssystem och personalåtgärder under utvecklingen av en olycka. Många välkända utländska företag arbetar med Relex PC: LG, Boeng, Motorolla, Dell, Cessna, Siemens, Raytheon, HP, Honda, Samsung, CiscoSystems, Nokia, EADS, 3M, NASA, Intel, GM, Kodak, AT&T, Philips, Pirelli, Quallcomm, Seagete, Emerson. Relex reliability studio 2007 innehåller olika analytiska moduler för att lösa ett brett spektrum av uppgifter: förutsäga tillförlitlighet, underhållsbarhet,

4 analyser av typerna, konsekvenserna och svårighetsgraden av fel, Markov-analys, statistisk analys, utrustnings livscykelkostnadsuppskattningar och tillförlitlighetsblockdiagram, fel-/händelseträd, felmeddelandesystem, analys och korrigerande åtgärder, FRACAS-system (Failure Reporting Analysis) and Corrective Action System), ett system för bedömning av mänskliga faktorer och riskanalys. Ris. 2. Binan träd av händelser i Spectrum PC. Modulen för tillförlitlighetsprediktion innehåller modeller för beräkning av tillförlitlighetsindikatorer för element. Den innehåller en omfattande databas som innehåller klassificeringar av element och egenskaper för tillförlitlighet. Beräkningar utförs i enlighet med standarderna: MIL-HDBK-217, Telcordia (Bellcore), TR-332, Prism, NSWC-98 / LE1, CNET93, HRD5, GJB299. Underhållbarhetsanalysmodulen implementerar bestämmelserna i MIL-HDBK-472-systemets underhållsteststandard. Uppgifterna att förutsäga förebyggande av underhåll håller på att lösas. Modulen för att analysera feltyper, konsekvenser och kriticitet uppfyller standarderna för MIL-STD-1629, SAE ARP 5580, etc. Farliga fel rangordnas och bedöms efter riskprioriteringar. Modulen Reliability Block Diagram (RBD) används för att analysera komplexa redundanta system. Innehåller både analytiska metoder och Monte Carlo modelleringsmetoder. Modulen Fault trees / event trees låter dig implementera procedurer för deduktiv och induktiv analys av utvecklingen av fel, Youth Scientific and Technical Bulletin FS, ISSN

5 händelser i systemet. Den används för att analysera tillförlitlighet och säkerhet. Innehåller ett brett utbud av logiska och funktionella noder. Relex PC Markov Modeling Module låter dig använda de processer som används för att modellera och analysera systemtillförlitlighet. Modellerna som utvecklats med hjälp av denna apparat är dynamiska och återspeglar de nödvändiga tidsförhållandena och andra egenskaper, beroenden, som konkretiserar banan för systemets övergångar i utrymmet för möjliga tillstånd som bildas av fel, återställande av element. Relex Markov PC-modul implementerar Markov-processer med en diskret uppsättning tillstånd och kontinuerlig tid, med hänsyn tagen till följande funktioner i systemens funktion och redundans: inkompatibla typer av fel på element, sekvens av fel, förändring i felfrekvensen för element beroende på om de händelser som redan har inträffat (särskilt graden av belastning av reserven), antalet restaureringsteam (begränsat / obegränsat), restaureringssekvensen, restriktioner för reservdelar och tillbehör, olika effektivitet i funktion i olika stater av systemet och inkomst (förluster) för övergångar till stater. Beräknade indikatorer: sannolikheten för vart och ett av tillstånden, sannolikheten för drift utan fel (fel) vid ett givet tidsintervall. Statistisk analysmodul "Weibull" är utformad för att bearbeta testresultat, drift. För att beskriva katastrofala misslyckanden på en badliknande kurva för felfrekvens, används de normala, lognormala fördelningarna, Weibull-fördelningen i stor utsträckning. Till exempel används Weibull-fördelningen, som är fördelningen av minimivärden, oftast för att förutsäga sannolikheten för felfri drift och medeltiden mellan fel för en given drifttid för ett projekterat komplext tekniskt system. Lognormal- och Weibull-fördelningar beskriver lika väl fel som är karakteristiska för åldringsperioden. Weibull statistisk analysmodul använder olika typer av distributioner, inklusive normal, Weibull, lognormal, enhetlig, exponentiell, Gumbel, Rayleigh, binomial och andra. Presentationen och analysen av data för de utvalda klasserna av parametriska fördelningar utförs med hjälp av metoden "probabilistic paper". På den representeras den analyserade fördelningen av en rät linje, vilket ger klarhet och låter dig naturligt tillämpa alla metoder för regressionsanalys, i synnerhet kontrollera modellens lämplighet och betydelsen av regressionskoefficienterna (Fishers analys). För att uppskatta fördelningsparametrarna föreslås

6 en stor uppsättning metoder, till exempel Hazen-, Benard-metoderna och deras modifieringar, binomial uppskattning, metoden för medelvärden, metoden för maximal sannolikhet och dess modifiering. Med hjälp av modulen för ekonomiska beräkningar uppskattas kostnaden för livslängden i alla stadier av skapandet, driften och bortskaffandet av systemet. PC ASM Den mest kända av de inhemska datorerna är mjukvarukomplexet för automatiserad strukturell och logisk modellering (PC ASM). Den teoretiska grunden är den generella logiskt-probabilistiska metoden för systemanalys, som implementerar alla möjligheter för den grundläggande apparaten för att modellera logikens algebra i basen för operationer "AND", "ELLER", "NOT". Formen för representation av systemets initiala struktur är ett diagram över funktionell integritet, vilket gör det möjligt att visa nästan alla kända typer av strukturella modeller av system. Komplexet genererar automatiskt designanalytiska modeller av systemens tillförlitlighet och säkerhet och beräknar sannolikheten för driftfri drift, medeltid till fel, tillgänglighetsfaktor, medeltid till fel, menar olika indikatorer på tillförlitligheten hos systemet som helhet. ASM-programsviten låter dig också automatiskt bestämma de kortaste vägarna för framgångsrik drift, minsta antal tvärsnitt av fel och deras kombinationer. Som den största fördelen med ryska system jämfört med utländska är det värt att lyfta fram de lägre kostnaderna för implementering och support, frånvaron av tekniskt beroende och bekvämligheten med personalutbildning. PC ASONIKA-K Även på den ryska marknaden är ASONIKA-K-systemet ett mjukvaruverktyg för att lösa analysproblem och säkerställa tillförlitlighet inom ramen för automatiserad design av elektronisk utrustning. När det gäller dess kapacitet är ASONIKA-K-delsystemet inte sämre än utländsk PC A.L.D. Group, Relex, Isograph, etc. Fördelen är möjligheten att använda färdiga elementbas producerade i detta land, såväl som ryska standarder i beräkningen. Uppfyller kraven i komplexet av militära standarder "Moroz-6" för elektronisk utrustning för ansvarsfullt bruk och den amerikanska standarden MIL-HDBK-217 och PRC GJB / z 299B-standarden. ASONIKA-K är ett mjukvaruverktyg skapat i "klient-server"-teknologin. Databasen för serverdelen av PC:n innehåller Youth Scientific and Technical Bulletin of the FS, ISSN

7 kontinuerligt uppdaterad information om tillförlitligheten hos både inhemska och utländska elektroniska produkter, byggd på unika principer som i hög grad underlättar dess administration, inklusive: redigering av data om tillförlitligheten hos ERI, redigering av matematiska modeller för ERI, tillägg av nya klasser av ERI. Programvarukomplexet ASONIKA-K inkluderar följande delsystem: ett system för beräkning av komponenters tillförlitlighetsegenskaper, ett system för beräkning av produkttillförlitlighetsindikatorer, ett resultatanalyssystem, ett projektarkiveringssystem, ett hjälpsystem, ett databasunderhållssystem, en användare administrationssystem, ett system för att analysera och redovisa påverkan på tillförlitligheten av externa faktorer, information och referenssystem på egenskaperna hos tillförlitligheten hos komponenter i modern datorteknik (SVT) och ERI. Databasen för PC-klientdelen innehåller information om den designade elektroniska utrustningen. Ris. 3. Analys av redundans i PC ASONIKA-K En sådan organisation av klientdelen gör det möjligt att utföra beräkningar av elektronisk utrustning parallellt från flera arbetsstationer. Klientdelen av programmet har en grafisk postprocessor och gränssnitt med system för modellering av fysiska processer och designteknik, inklusive ASONIKA-T, P-CAD 2001, ASONIKA-M, etc. Den matematiska kärnan i PC:n innehåller en tillförlitlighetsmodell

8 exponentiell och DN-fördelning och kan anpassas till vilken annan tillförlitlighetsmodell som helst. Den tillåter beräkning av elektronisk utrustning som innehåller upp till fyra hierarkiska nivåer av uppdelning och som har olika typer av redundans. Beräkningsresultat kan presenteras både i text och i grafisk form. Programvarupaketet ASONIKA-K tillåter följande typer av analys av tillförlitlighetsberäkningar: analys av resultaten av beräkningar av tillförlitligheten hos elektronisk utrustning, vars RMS är en godtycklig anslutning av komponenter (trädliknande, hierarkisk) och analys av resultat av beräkning av komponenter, med en seriell anslutning. Användningen av PC ASONIKA-K gör att du kan öka tillförlitligheten hos den elektroniska utrustningen genom att säkerhetskopiera dess komponenter. Figur 3 visar värdena för sannolikheten för felfri drift, tillgänglighetsfaktorn och operativ tillgänglighetsfaktor för hela anläggningen som helhet. Komponentfel är plötsliga och är oberoende händelser, tiden till fel är en slumpmässig variabel, fördelad exponentiellt med en konstant felfrekvens λ. Dessutom visas funktionen och densiteten för MTBF-distributionen, såväl som beroendet av felfrekvensen för den designade elektroniska utrustningen med hjälp av grafisk analys. Datorn gör det möjligt att beräkna tillförlitligheten med hjälp av olika typer av redundans av komponenter: glidande het redundans, varm redundans och utan redundans, och tillhandahåller även metoder för att övervaka deras prestanda (kontinuerlig / periodisk). I framtiden är det planerat att lägga till ytterligare två moduler till PC:n: ett system för att redogöra för påverkan av externa faktorer på tillförlitlighetsegenskaperna och ett informations- och referenssystem för tillförlitlighetsegenskaperna hos elementbasen. PC-anslutning Relex, Risk Spectrum och ACM implementerar en klass av modeller för att bedöma tillförlitlighetsindikatorer för tekniska system för logisk-probabilistisk modellering. Det kan kallas en klass av statistiska modeller, eftersom de gör det möjligt att beräkna indikatorerna för tillförlitlighet, säkerhet och effektivitet hos system vid en godtycklig tidpunkt, beroende på de möjliga uppsättningarna av funktionsdugliga och inoperabla tillstånd av systemelement. Individuella PC-moduler A.L.D. Group (RAM Commander), Relex, Isograph kan användas för automatisk beräkning av tillförlitligheten av inhemsk elektronisk utrustning endast på basis av importerad ERI, vars tillförlitlighet bedöms enligt olika utländska referensböcker. FS Youth Scientific and Technical Bulletin, ISSN

9 Användningen av utländska datorer kräver att användarna är välutbildade inom området matematisk statistik och dess tillämpning på problemen med teorin om tillförlitlighet. Ryska datorer är inte sämre i kapacitet än utländska datorer och kan rekommenderas för att beräkna tillförlitligheten hos inhemsk elektronisk utrustning baserat på både importerad och inhemsk ERI. Den största fördelen är möjligheten att utföra tillförlitlighetsberäkningar med hjälp av inhemska komponentdatabaser och standarder. Bibliografi . Stroganov A.V., Zhadnov V.K., Polesskiy S.M. Granskning av mjukvarukomplex för beräkning av tillförlitligheten hos komplexa tekniska system / ed. D. D. Krasnova. M .: Handelshögskolan, sid. ... Tikhomirov M.V., Shalumov A.S. Bedömning av tillförlitlighet och kvalitet av RES / ed. M.V. Khokhlova. M .: Solon-press, sid. ... Shalumov A. S. Fördelar med AS för att säkerställa tillförlitligheten och kvaliteten på ASONIKA-utrustning. M .: MIEM, sid. ... Zatylkin A.V., Tankov G.V., Kochegarov I.I. S. P. Malyukva. M .: PSU, sid.

Lomaev E.N., Demekhin F.V., A.V. Fedorov, M.I. Lebedeva, A.V. Semerikov GRANSKNING AV PROGRAMVARUKOMPLEX FÖR BEDÖMNING AV TILLFÖRLITLIGHETEN HOS SYSTEM FÖR AUTOMATISKT BRANDSKYDD OCH SÄKERHET FÖR OBJEKT Utförda

ANVÄNDA Windchill Quality Solutions för kvalitetskontroll och tillförlitlighetsanalys Förstå Windchill Quality Solutions Windchill Quality Solutions (tidigare Relex) är en applikation för

2 1. Mål och mål för disciplinen Målet med att studera disciplinen "Tekniska systems tillförlitlighet och tekniska risker" är att ge kunskap om grunderna för att bedöma tillförlitligheten hos tekniska system; införa

Kulygin V.N., Zhadnov I.V., Polesskiy S.N., Tsyganov P.A. PROGRAM FÖR BERÄKNING AV PÅLITLIGHETSINDIKATORER FÖR ELEKTRONISKA MODULER (ASONIKA-K-SCH-system) UDC 621.396.6, 621.8.019.8 Program för beräkning av tillförlitlighetsindikatorer

2.8. Beräkning av systemets tillförlitlighet med skydd 2.8.1. Beskrivning av problemet Det finns ett system som består av ett tekniskt objekt och ett system för att skydda objektet från konsekvenserna av fel på dess element. Som exempel på sådant

Föreläsning. 1. Konceptet med det strukturella diagrammet för tillförlitlighet. Alla tekniska objekt är uppbyggda av element. Element kan vara fysiskt kopplade till varandra på en mängd olika sätt. För en tydlig representation av sambanden

Tran Dong Hyng (Vietnam) (Academy of the State Fire Service vid EMERCOM i Ryssland, e-post: [e-postskyddad]) TEKNIK FÖR BEDÖMNING AV TILLFÖRLITLIGHETEN HOS AUTOMATISKA BRANDSKYDDSKONTROLLSYSTEM

RYSSSKA FEDERATIONENS HÄLSOMINISTIERING VOLGOGRAD STATE MEDICICAL UNIVERSITY AVDELNING FÖR BIOTEKNISKA SYSTEM OCH TEKNIK TEST PÅ VERIFIKATION, SÄKERHET OCH TILLFÖRLITLIGHET

UTBILDNINGSMINISTERIET OCH VETENSKAP AV RF STATE EDUCATIONAL INSTITUTION OF HIGHER PROFESSIONAL EDUCATION "SAMARA STATE AEROSPACE UNIVERSITY UPPFYLLD EFTER ACADEMICIAN SP DROTTNING

Zhadnov V.V., Polesskiy S.N. DESIGNBEDÖMNING AV TILLFÖRLITLIGHETEN HOS KOMBINERADE RADIOTEKNISKA SYSTEM

UDC 656.56: 68.3 D. N. SHEVCHENKO Kandidat för tekniska vetenskaper, docent (BelGUT) ANALYS AV ETT DYNAMISKT TRÄD AV MISLYKTER Artikeln presenterades av doktor i tekniska vetenskaper, prof. Bochkov K.A. Inledning Fault Tree Analysis FTA är en av de

1. Mål och mål för disciplinen Målet med att studera disciplinen "Tekniska systems tillförlitlighet och teknogen risk" är att ge kunskap om grunderna för att bedöma tillförlitligheten hos tekniska system; introducera teorin

Arbetsprogrammet är utformat i enlighet med den statliga utbildningsstandarden för högre yrkesutbildning i riktning mot utbildningsspecialister 3001 "Informationssystem och teknologier".

Användningen av automatiserad strukturell modellering för designberäkning av tillförlitligheten hos ACS A.S. Mozhaev, M.S. Skvortsov, A.V. Strukov / JSC "SPIK SZMA", St. Petersburg / Inledning Beräkning av tillförlitlighet

TITELLISTA Programmet är sammanställt på grundval av den federala statliga utbildningsstandarden för högre utbildning (utbildningsnivån för högt kvalificerad personal) i riktning mot utbildning 06/13/01

1 TEKNIK FÖR AUTOMATISK STRUKTURELL OCH LOGISK MODELLERING I DESIGNBERÄKNINGAR AV SYSTEMENS TILLFÖRLITLIGHET Nozik A.A. JSC "Specialized Engineering Company" SEVZAPMONTAZHAVTOMATIKA "Abstrakt.

Strukturell tillförlitlighet. Teori och praktik Antonov A.V., Plyaskin A.V., Tataev Kh.N. TILL FRÅGAN OM BERÄKNING AV TILLFÖRLITLIGHETEN HOS RESERVERADE STRUKTURER MED HENSYN OM ÅLDRING AV ELEMENT

ALORIMER AV AUTOMATISK OM SURURNO-LOICOOO MODELLERING AV TILLFÖRLITLIGHET OCH SÄKERHET HOS SURURNO-KOMPLEXA SYSTEM Mozhaeva IA, Nozik AA, Strukov AV JSC "SPI SZMA", St. Petersburg, E-mal: [e-postskyddad] Abstrakt övervägd

PROGRAMVARUKOMPLEX FÖR AUTOMATISK SIMULERING OCH BERÄKNING AV TILLFÖRLITLIGHETEN OCH SÄKERHETEN HOS APCS PÅ DESIGNSTEGET Nozik A.A., Mozhaev A.S., Potapychev S.N., Skvortsov M.S. Valet är underbyggt och

Utbildnings- och vetenskapsministeriet i Ryska federationen Federal State Budgetary Education Institute of Higher Professional Education "Perm National Research Polytechnic

Programmet utarbetades på grundval av den federala statliga utbildningsstandarden för högre utbildning (utbildningsnivån för högt kvalificerad personal) i riktning mot utbildning 06/27/01 "Management

RYSKA FEDERATIONENS TRANSPORTMINISTERIE FEDERAL STATE UTBILDNINGSINSTITUTET FÖR HÖGRE YRKESUTBILDNING ULYANOVSK HÖGRE AVIATION SCHOOL OF CIVIL AVIATION

Föreläsning 3 3.1. Konceptet med flödet av fel och restaureringar Ett återställningsbart objekt är ett objekt för vilket återställandet av ett funktionsdugligt tillstånd efter ett fel föreskrivs i den normativa och tekniska dokumentationen.

Test på ämnet "IS-tillförlitlighet" #num 1 Tillförlitlighet är: 1) egenskapen hos ett objekt att kontinuerligt bibehålla ett funktionsdugligt tillstånd under hela drifttiden; 2) objektets egendom att kontinuerligt fortsätta arbeta

TREDJE UPPLAGAN, REVIDERAD OCH YTTERLIGARE MOSKVA "ENERGY" 1977 Boken ägnas åt frågorna om tillförlitlighet hos automatiserade system. Funktionerna för bedömning och beräkning av tillförlitlighet beskrivs. Stor uppmärksamhet

1. MÅL MED LÄRA DISCIPLINEN. Målen för att behärska disciplinen är: bekanta eleverna med de grundläggande begreppen och definitionerna från teorin om tillförlitlighet, indikatorer på tillförlitligheten hos strömförsörjningssystem (SES)

Federal Agency for Education Tomsk State University of Architecture and Civil Engineering TILLFÖRLITLIGHETEN AV TEKNISKA SYSTEM OCH TEKNOGENISK RISK Metodiska riktlinjer för studenters självständiga arbete

Programmet är utformat på grundval av den federala statliga utbildningsstandarden för högre utbildning (utbildningsnivån för högt kvalificerad personal) i riktning mot utbildning 01.06.01 "Matematik

Reservation V. Föreläsningens text Inledning Problemet med att analysera och säkerställa tillförlitlighet är förknippat med alla stadier av skapandet av datorer och hela perioden av deras praktiska användning i ministeriet för nödsituationer. Komplex av åtgärder

K. Kapoor, L. Lamberson TILLFÖRLITLIGHET OCH SYSTEMDESIGN Översatt från engelska av E. G. KOVALENKO redigerad av Dr. Tech. Vetenskaper, prof. I. A. USHAKOVA Förlag "Mir" Moskva 1980 Innehållsförteckning Förord

GOST 24.701-86 Group P87 INTERSTATE STANDARD Enat system av standarder för automatiserade kontrollsystem TILLFÖRLITLIGHETEN HOS AUTOMATISKA STYRSYSTEM Grundläggande bestämmelser Unified system of

Exempel. Strömförsörjningssystemets tillförlitlighet Fig. 1 visar det initiala funktionsdiagrammet (anslutningsdiagram med cykler) för strömförsörjningssystemet (SES) för det välkända problemet 35 av I.A. Ryabinin, i vilket

Ryska federationens regering Federal State Autonom Education Institute of Higher Professional Education National Research University Higher School of Economics

1 FÖRELÄSNING 3. Tillförlitlighetsuppgifter för strömförsörjning. Tillförlitlighetsteorin tjänar som en vetenskaplig grund för verksamheten vid laboratorier, avdelningar, byråer och tillförlitlighetsgrupper på företag, inom design, forskning

UTVÄRDERING, PROGNOSER OCH HANTERING AV RESURSKARAKTERISTIKA HOS NPP-UTRUSTNING Antonov A.V., Dagaev A.V. Obninsk Institute of Atomic Energy, Ryssland För närvarande ett antal kärnkraftsenheter

Tillförlitlighetsteori är en gren av tillämpad matematik, där metoder för att säkerställa en effektiv funktion av produkter utvecklas. Tillförlitlighet i ordets vid mening betyder förmågan hos en teknisk anordning

2 UTFÖRANDE Senior mjukvaruingenjör STC SZMA LLC Ledande specialist SPIK SZMA JSC Ledande programmerare STC SZMA LLC IA Mozhaeva Strukov A.V. A. V. Kiselev 3 INNEHÅLL INTRODUKTION ... 5 1 BESKRIVNING

Ryska federationens regering Federal State Autonom Education Institute of Higher Professional Education National Research University Higher School of Economics

Ryska federationens jordbruksminister FGOU VPO Moscow State Agroengineering University uppkallad efter V.P. Goryachkina "Faculty of Correspondence Education Department" Reparation och tillförlitlighet av maskiner "

ANVÄNDNING AV SKILJEMANDEN PC FÖR LÖSNING AV PROBLEM MED AUTOMATISK ANALYS AV TILLFÖRLITLIGHETEN HOS SYSTEMEN FÖR KÄRNKRAFTVERK I. V. Kudinovich, N. V. Shklyarov, A. A. Nozik, A. V. Strukov) (St.

Simulering av slumpmässiga influenser I modelleringssystem med metoder för simuleringsmodellering ägnas stor uppmärksamhet åt att ta hänsyn till slumpmässiga faktorer och påverkan på systemet. För att formalisera dem, använd

FÖRELÄSNING. De huvudsakliga statistiska egenskaperna hos tillförlitlighetsindikatorerna IT. Tillförlitlighetsteorins matematiska apparat bygger huvudsakligen på teoretiska och probabilistiska metoder, eftersom

Föreläsning 6 61 Markov-processer för att beräkna tillförlitligheten hos icke-redundanta återvinningsbara objekt. Huvuddragen hos återvinningsbara system jämfört med icke-återställningsbara är stora

Utbildningsministeriet i Republiken Vitryssland Utbildningsinstitution "Belarusian State University of Informatics and Radioelectronics" GODKÄND Dekanus för FKP A.V. Budnik ARBETSPROGRAM för den akademiska disciplinen "Tillförlitlighet

FEDERAL AGENCY FOR EDUCATION UKHTA STATE TECHNICAL UNIVERSITY DEPARTEMENT FÖR INDUSTRISÄKERHET OCH MILJÖSKYDD TEKNISKA SYSTEMS TILLFÖRLITLIGHET OCH TEKNOGENISK RISK Metodologisk

Simulering av plötsliga fel baserat på den exponentiella tillförlitlighetslagen

Barinov S.A., Tsekhmistrov A.V. 2.2 Student vid Military Academy of Logistics uppkallad efter General of the Army A.V. Khruleva, St. Petersburg BERÄKNING AV PÅLITLIGHETSINDIKATORER FÖR RAKETARTILLERI

2 Innehåll Omfattning ... 5 2 Normativa referenser ... 5 3 Termer och definitioner ... 6 4 Symboler och förkortningar ... 7 5 Syfte och mål med tillförlitlighetsbedömningen ... 8 6 Ansvar ... 8 7 Allmänna bestämmelser ...

FEDERAL AIR TRANSPORT AGENCY FEDERAL UTBILDNINGSINSTITUT FÖR HÖGRE YRKESUTBILDNING MOSKVA STATE TECHNICAL UNIVERSITY OF CIVIL AVIATION (MSTU GA)

1 Föreläsning 5. Tillförlitlighetsindikatorer IT Tillförlitlighetsindikatorer kännetecknar sådana viktiga egenskaper hos system som tillförlitlighet, överlevnadsförmåga, feltolerans, underhållbarhet, bevarande, hållbarhet

Analys av prognosmodeller för programvarans tillförlitlighet Khunov T. Kh. NRU Higher School of Economics MIEM [e-postskyddad] Sammanfattning Denna artikel analyserar modeller för att förutsäga programvarans tillförlitlighet

Mål och mål för disciplinen Disciplinen "Tillförlitlighet för specialfordon" är en disciplin inom yrkescykeln inom utbildning av ingenjörer inom specialiteten "Fordon"

Profil: "Matematiska och instrumentella metoder för ekonomi" Avsnitt I. Grunderna för sannolikhetsteorin och matematisk statistik 1. Statistisk och klassisk definition av sannolikhet. Begreppet slumpmässigt

Ufa: UGATU, 202 T. 6, 8 (53. P. 67 72 V. E. Gvozdev, M. A. Abdrafikov STATISTISKA EGENSKAPER FÖR KONFIDENS VÄRDEN FÖR GRÄNSVÄRDEN

En variant av testarbetet för korrespondensgruppen inom disciplinen "Tekniska systems tillförlitlighet och teknogen risk". Som ett resultat av driften erhölls ett antal statistiska uppgifter om tillförlitligheten av icke-återvinningsbara

FEDERAL AGENCY OF RAILWAY TRANSPORT FEDERAL STATE BUDGET UTBILDNINGSINSTITUTET FÖR HÖGRE YRKESUTBILDNING "MOSCOW STATE UNIVERSITY OF WAYS"

UDC 004.94, 519.2 A.Yu. Rusin, M. Abdulhamed (Tver State Technical University; e-post: [e-postskyddad]) INFORMATIONSBEHANDLING I SYSTEMET FÖR ATT TESTA INDUSTRIUTRUSTNING FÖR TILLFÖRLITLIGHET

Föreläsning 8 8.1. Fördelningslagar för tillförlitlighetsindikatorer Fel i järnvägsautomations- och telemekaniksystem uppstår under påverkan av olika faktorer. Eftersom varje faktor i sin tur

UDC 59.873 Algoritm och metodik för att analysera tillförlitligheten hos ett stridsfordon V.O. Karasev, student Ryssland, 05005, Moskva, MSTU im. N.E. Bauman, handledare för institutionen för informatik och styrsystem:

Föreläsning 4. De viktigaste kvantitativa indikatorerna för tillförlitligheten hos tekniska system. Syfte: Att beakta de huvudsakliga kvantitativa indikatorerna för tillförlitlighet Tid: 4 timmar. Frågor: 1. Indikatorer för att bedöma egenskaperna hos tekniska

UDC 681.3 A.I. Ryzhenko, E.I. Ryzhenko, D.V. Kolesnichenko Bestämning av tillförlitligheten hos icke-återvinningsbara redundanta tekniska produkter National Aerospace University uppkallad efter INTE. Zhukovsky "KhAI"

7627 UDC 62-192 TILL FRÅGAN OM RESURSBEDÖMNING AV TECHNICAL SYSTEMS N.V. Lubkov Institute of Management Problem. V.A. Trapeznikov Ryska vetenskapsakademin Ryssland, 117997, Moskva, Profsoyuznaya st., 65 E-post: [e-postskyddad] Nyckelord:

1 Programmet är utformat på grundval av den federala statliga utbildningsstandarden för högre utbildning (utbildningsnivån för högt kvalificerad personal) i riktning mot utbildning 06/13/01 "Elektro-

Strukturell tillförlitlighet. Teori och praktik Tkachev O.A. ANALYS AV TILLFÖRLITLIGHETEN HOS NÄTVERK SOM BESTÅR AV IDENTISKA ELEMENT Analytiska modeller föreslås som gör det möjligt att erhålla uttryck för att bestämma

Programvarans tillförlitlighet | Pålitlighetsingenjörsblogg

Programvarans tillförlitlighet. Introduktion

Programvarans tillförlitlighet är en mystisk och svårfångad sak. Om du försöker hitta något om detta ämne i Yandex, kommer du att se ett gäng teoretiska artiklar, där många smarta ord och formler skrivs, men inte en enda artikel innehåller ett enda exempel på en verklig beräkning av tillförlitligheten av en program.

Om du vill vara väl insatt i frågorna om utrustnings tillförlitlighet och bli en högt betald specialist, inbjuder jag dig att gå min kurs om tillförlitlighetsträning.

Hos rymdindustrins företag är situationen ännu bättre. När jag frågade specialisterna från en Ural NGO hur de ansåg tillförlitligheten av programvaran, gjorde de runda ögon och sa: "Vad finns där, vi tar det som en enhet och det är allt. Och vi tillhandahåller tillförlitlighet genom att arbeta off." Jag håller med om att det här förhållningssättet har rätt till liv, men jag skulle vilja ha mer. Kort sagt, jag skrev min egen metodik, vänligen älska och gynna. Nedan finns en kalkylator på vilken du kan beräkna tillförlitligheten för din programvara.

Problemet med programvarans tillförlitlighet blir allt viktigare på grund av den ständiga komplikationen av de system som utvecklas, utvidgningen av utbudet av uppgifter som tilldelats dem, och följaktligen en betydande ökning av programvarans volym och komplexitet. Kort sagt, vi har levt för att se den dag då hårdvara har blivit mer tillförlitlig än mjukvara, och ett misstag i programkoden kan förstöra ett rymduppdrag värt miljarder dollar.

Programvarans tillförlitlighet bestäms av förekomsten i program av olika typer av fel som introduceras i den, som regel under utvecklingen. Med mjukvarutillförlitlighet menar vi förmågan att utföra specificerade funktioner, hålla värdena för de etablerade prestandaindikatorerna inom de specificerade gränserna över tid, motsvarande de specificerade lägena och villkoren för utförande. Ett fel förstås som ett misslyckande i programmet att utföra de angivna funktionerna. Manifestationen av ett fel är ett programfel.

Tillförlitlighetsindikatorer

De vanligaste indikatorerna för programvarans tillförlitlighet är följande:
- det initiala antalet fel N0 i programvaran efter att programmet byggts och före felsökning av det;
- antalet fel n i programvaran som upptäckts och kvarstår efter varje steg av felsökningen;
- tid mellan fel (MTBF), timmar;
- sannolikhet för felfri drift (FBR) för programvara för en given drifttid P(t);
- felfrekvens för programvaran λ, 10-6 1 / h.

Förenklad bedömning av programvarans tillförlitlighet

Tänk först på de metoder som det inhemska regelverket erbjuder oss. Det enda reglerande dokumentet om detta ämne är
Bedömning av programvarans tillförlitlighet i enlighet med GOST 28195-99 beräknas enligt ett mycket förenklat förfarande, med angivande av den faktiska tillförlitligheten enligt driftserfarenheten av mjukvarukomplexet P (t) 1-n / N, där n är antalet fel under mjukvarutestning; N är antalet experiment under testning. Uppenbarligen kan ingenting beräknas med denna metod.

Statistisk bedömning av programvarans tillförlitlighet

Mycket mer intressant är den genomsnittliga statistiska uppskattningen av det initiala antalet N0 fel i programvara efter autonom felsökning, beskrivet i. Enligt denna uppskattning är antalet fel per K kodord 4,34 för lågnivåspråk (Assembler) och 1,44 för högnivåspråk (C ++). Tyvärr är det inte helt klart vad författarna menade med frasen "1 K ord i koden". I engelskspråkig litteratur är det vanligt att använda parametern tusen rader kod (TCK) (KLOC). Så enligt operativsystemet Windows 2000 är feldensiteten 1,8-2,2 per TCK. Med tanke på att Windows 2000 är skrivet i programmeringsspråket C och har en liknande dimension av antalet fel, kan man med hög grad av säkerhet anta att de inhemska författarna hade i åtanke exakt TSC-parametern.
Inhemska författare tillhandahåller statistiska indikatorer på programvarufelfrekvensen λ. Låt oss ta dem till
Tabell 1.1.

Tabell 1.1

Tyvärr, för vilket programspråk det egentligen är, säger inte författarna. Dessutom introduceras korrigeringsfaktorer:

Tabell 1.2

Och koefficienten som återspeglar effekten av programmets körtid:

Tabell 1.3

Sedan bestäms programvarufelfrekvensen λ med hjälp av tabellerna 1.1-1.3 av uttrycket:

λ by = λ * Кр * Кк * Кз * Ки (1.1)

Räkneexempel 1.
Storleken på programvaran är till exempel 1 MB.
Sedan, enligt Tabell 1.1 λ = 6
Vi använder genomsnittliga korrektionsfaktorer. Låt vara:
Cr = 2 (kortvarig användning av programvara)
Кк = 0,25 (mjukvara av hög kvalitet)
Kz = 0,25 (hög frekvens av mjukvaruändringar)
Ki = 1 (arbetsbelastningen är medelhög)
λ med = 0,1 * 10 -6 fel/timme

P (t) = exp ** (- λ * t) (1,2)

Denna statistiska modell för att bedöma programvarans tillförlitlighet har betydande fördelar jämfört med den förenklade, men den har också ett antal allvarliga nackdelar, i synnerhet tar den inte hänsyn till mjukvaruutvecklingsspråket och har stora intervall av mjukvaruvolym. Det vill säga att det är omöjligt att till exempel säga vad tillförlitligheten för ett 2 gig-program kommer att vara och vilket som ska fungera i 10 år.
Dessutom bedöms korrigeringsfaktorerna subjektivt. Från vilket tak de togs är okänt.
Ett försök att eliminera dessa brister är Kvantitativ modell bedömning av programvarans tillförlitlighet.

En kvantitativ modell för att bedöma programvarans tillförlitlighet

Denna modell är baserad på mitt antagande att nivån på programvarans tillförlitlighet beror på mängden programvara (i bitar eller tusentals rader kod). Detta uttalande motsäger inte den klassiska teorin om tillförlitlighet, enligt vilken ju mer komplext objektet är, desto lägre är dess tillförlitlighet. Det är logiskt. Ju fler rader kod det finns, desto fler fel blir det så småningom och desto lägre blir sannolikheten för att programmet ska fungera problemfritt.
Vi använder en uppskattning av antalet fel beroende på utvecklingsspråket från en statistisk modell:

Tabell 1.4

Genom att känna till V, mängden programkod, i bitar, kan vi få antalet rader i denna kod. Det är bekvämare att använda TCK-parametern.

TCK = V / 146000 (1,3)

Med hjälp av data i Tabell 1.4 kan du få β, koefficienten för antalet fel per tusen rader kod:

β = 1,44 * TSK / 1000 (1,4)

Programvolymen är 10 MB. C ++ utvecklingsspråk.
Då, enligt 1.3-1.4, kommer β att vara 0,08
Denna indikator ligger mycket nära resultatet av exempel 1.

Så här såg idén ut att jämföra parametern λ - felfrekvensen för programvaran som erhölls av den statistiska modellen och β, mjukvarufelfrekvensen.

Observera nu! Som du kan se finns det en stark korrelation mellan resultaten mellan programvarufelfrekvensen, med hänsyn till korrigeringsfaktorerna och β - programvarufelfrekvensen. Användning av andra korrigeringsfaktorer leder till liknande resultat.

Det kan antas att β som introducerats av oss (uppfunnit av mig) är fysiskt nära λ, felfrekvensen. λ kännetecknar felfrekvensen. β kännetecknar frekvensen av fel i programmet, och därmed fel. Men!λ och β är olika. λ, när den väl har bestämts för en transistor, ändras inte med antalet transistorer. β - dynamisk koefficient. Ju större volym programmet är, desto större β. Men detta är också logiskt. Ju större programmet är, desto fler fel innehåller det. Dessutom kan det antas att författarna till Tabell 1.1 skrev det för C-programvara.

Uppenbarligen, ju längre ett program körs, desto mer sannolikt är det att misslyckas.
Genom att använda den exponentiella modellen för tillförlitlighet (när man använder den här modellen anses flödet av misslyckanden vara konstant), är det möjligt att få FBR-programvaran:

P (t) = exp ** (- λ * t)

För att sammanfatta, för att bedöma programvarans tillförlitlighet, är det nödvändigt att känna till dess utvecklingsspråk (högt eller lågt) och mängden programvarukod.

Tillförlitligheten hos flyginstrument och mät- och beräkningssystem, V.Yu. Chernov / V.G. Nikitin; Ivanov Yu.P. - M. 2004.
Tillförlitlighet och effektivitet inom teknik: Handbok., V.S. Avduevsky. 1988.
Uppskattning av källkodsrader från objektkod, L. Hatton. 2005.

Försök att räkna något nu. Ta till exempel reda på tillförlitligheten hos programvara som är 100 MB stor och bör köras i 100 timmar. Viktig! Observera att λ räknas om för en specifik mjukvarustorlek varje gång mjukvaruvolymen ändras.

Laboratorierapport om ämnet:

Tillförlitlighetsmodeller för programvara

1 ... Schumanns modell baserat på följande antaganden:

det totala antalet instruktioner i ett maskinspråksprogram är konstant;

i början av layouttesterna är antalet fel lika med något konstant värde, och när felen korrigeras blir de färre. Under testningen av programmet introduceras inga nya fel;

fel är initialt urskiljbara, det totala antalet korrigerade fel kan bedömas på de återstående;

felfrekvensen för programmet är proportionell mot antalet kvarvarande fel.

Det antas att det finns M fel före testning (dvs för tillfället  = 0). Under testtiden τ upptäcks ε 1 () fel per en instruktion på maskinspråk.

Då är det specifika antalet fel per en maskininstruktion som finns kvar i systemet efter testtiden τ lika med:

där I är det totala antalet maskininstruktioner, som antas vara konstant under testfasen.

Det antas att värdet på funktionen av antalet fel Z(t) är proportionellt mot antalet fel som återstår i programmet efter den tid τ som spenderats på testning.

Z (t) = C * ε 2 (τ),

där C är någon konstant, t är programmets körtid utan fel.

Sedan, om körtiden för programmet utan fel t räknas från punkten t = 0, och τ förblir fixerad, är tillförlitlighetsfunktionen, eller sannolikheten för felfri drift i intervallet från 0 till t,

Vi måste hitta det initiala värdet för felen M och proportionalitetskoefficienten C. Dessa okända värden uppskattas genom att hoppa över funktionstestet vid två punkter på den variabla axeln för felsökningen  a och  in, valda så att ε 1 ( a )

Vid testning samlas information in om tid och antal fel vid varje körning, d.v.s. den totala testtiden τ är summan av tiden för varje körning:

τ = τ 1 + τ 2 + τ 3 +… + τ n.

Om vi ​​antar att felfrekvensen är konstant och lika med λ, kan vi beräkna den som antalet fel per tidsenhet,

där A i är antalet fel på den i:te körningen.

Sedan
. (5)

Genom att ha data för två olika testmoment  a och  в kan vi jämföra ekvationerna (3) för τ a och τ b:

(6)

(7)

Från relationerna (6) och (7) hittar vi den okända parametern C och M:

(8)

(9)

Efter att ha fått de okända M * och C * kan vi beräkna programmets tillförlitlighet med formeln (2).

Exempel 1.

Programmet innehåller 2 000 kommandorader, varav 15 kommandorader före driftstart (efter felsökningsperioden) innehåller fel. Efter
20 dagars arbete 1 fel hittades. Hitta den genomsnittliga tiden för felfri drift av programmet och felfrekvensen för programmet med proportionalitetskoefficienten lika med 0,7.

		Antalet misslyckanden

Exempel 2.

Med hjälp av villkoren i exempel 1, bestäm sannolikheten för felfri drift av programmet inom 90 dagar.

Exempel 3.

Bestäm det initiala antalet möjliga fel i ett program som innehåller 2 000 kommandorader, om 2 fel hittades under de första 60 dagarna av drift, och ett fel hittades under de kommande 40 dagarna. Definiera T 0 - Den genomsnittliga tiden för felfri drift som motsvarar den första och andra perioden av programdrift och proportionalitetskoefficienten.

Antal misslyckanden:

2. Mills modell. Låt testprocessen avslöja n initiala fel och v från S spridda fel. Sedan uppskattningen N- det initiala antalet fel i programmet - kommer att vara

.

Den andra delen av modellen handlar om hypotestestning av uttryck och testning av N.

Tänk på fallet när programmet innehåller TILL inneboende fel och S spridda fel. Vi kommer att testa programmet tills vi hittar alla utspridda buggar. Samtidigt ackumuleras och lagras antalet upptäckta initiala fel. Därefter beräknas en uppskattning av modellens tillförlitlighet:

(11)

som sannolikheten att programmet innehåller K-fel.

C-värdet är ett mått på förtroende för modellen och visar sannolikheten för hur korrekt värdet på N hittades. Dessa två korrelerade samband bildar en användbar modell av fel: den första förutsäger det möjliga antalet fel som initialt förekommer i programmet, och den andra används för att fastställa konfidensnivån för prognosen.

Formeln för att beräkna C i fallet när inte alla artificiellt spridda fel hittas har modifierats så att uppskattningen kan utföras efter att ha upptäckt v (vS) spridda fel:

1
(12)

där täljaren och nämnaren för formeln för n  TILLär binomialkoefficienter.

Exempel 4.

Anta att programmet har 3 egna buggar. Låt oss introducera ytterligare 6 fel slumpmässigt.

Under testet fann man:

1) 6 fel från spridda och 2 egna;

2) 5 fel från spridda och 2 egna;

3) 5 fel från spridda och 4 egna.

Hitta tillförlitligheten med Mills - S.

osh - egen

osh - slumpmässigt

enligt formeln (12)

3. Enkel intuitiv modell. Användningen av denna modell involverar testning av två grupper av programmerare (eller två programmerare, beroende på programmets storlek) oberoende av varandra, med hjälp av oberoende testsviter. Under testningen åtgärdar var och en av grupperna alla fel den hittar.

Låt den första gruppen hittade n 1 fel, den andra n 2, n 12 - detta är antalet fel som upptäckts av både den första och den andra gruppen.

Låt oss beteckna med N det okända antalet fel som finns i programmet före testning. Sedan kan testningseffektiviteten för var och en av grupperna bestämmas som

.

Testningseffektivitet kan tolkas som sannolikheten för att ett fel kommer att upptäckas. Således kan vi anta att den första gruppen upptäcker ett fel i programmet med sannolikhet, den andra - med sannolikhet. Då kan sannolikheten p 12 att felet kommer att detekteras av båda grupperna tas lika. Å andra sidan, eftersom grupperna agerar oberoende av varandra, så är p 12 = p 1 p 2. Vi får:

Från detta får vi en uppskattning av det initiala antalet programfel:

Exempel 5.

I processen med att testa programmet hittade den första gruppen 15 fel, den andra gruppen hittade 25 fel, det fanns 5 vanliga fel. Bestäm tillförlitligheten med en enkel intuitiv modell.

4. Corcorans modell

Tillämpning av modellen förutsätter kunskap om följande indikatorer:

modellen innehåller en föränderlig sannolikhet för fel för olika felkällor och följaktligen en annan sannolikhet för deras korrigering;

modellen använder sådana parametrar som resultatet av endast N tester, i vilka Ni-fel av den i:te typen observeras;

 Under loppet av N tester uppstår ett fel av den i:te typen med sannolikhet a i.

Indikatorn för tillförlitlighetsnivån R beräknas enligt följande formel:

där N 0 är antalet felsäkra (eller misslyckade) tester som utförts i en serie av N tester, k är det kända antalet feltyper, a i är sannolikheten för att upptäcka ett fel av den i:te typen under testning,

Y i är sannolikheten för fel, för Ni> 0, Y i = a i, för Ni = 0, Y i = 0.

Exempel 6.

Det var 100 tester av programmet. 20 av 100 tester misslyckades, och i andra fall erhölls följande data:

Typ av fel	Felsannolikhet a i
1. Beräkningsfel
2. Logiska fel
3. I/O-fel
4. Fel vid datamanipulation
5. Parningsfel
6. Fel i datadefinitionen
7. Fel i databasen

Utvärdera tillförlitligheten med hjälp av Corcoran-modellen.

Initial data:

Exempel 7. Det var 100 tester av programmet. 20 av 100 tester misslyckades, och i andra fall erhölls följande data:

Typ av fel, dvs	Sannolikheten för att ett fel inträffar. ett i	Antalet fel Ni under testning
			säkra... Kulakov. Kvalitetskontroll programvara säkra... För att förbereda... Skapande av ett automatiserat system för att optimera skapandeprocessen pålitlig programvara säkra på JAVA-språk Testarbete >> Problem pålitlighet programvara säkra har två aspekter: säkerhet och värdering pålitlighet... För säkra pålitlighet program som föreslås ... OCH ANVÄNDA STRUKTURER. Inre tillstånd modell systemet som utvecklas beskrivs med information om ... Pålitlig programvara medium som en produkt av programmeringsteknik. Historisk och social kontext för programmering Sammanfattning >> Historia Grundorsaken till utvecklingsfel programmatisk medel. Modellöversättning och felkällor. Intelligent ... en arkitektonisk funktion? Litteratur till föreläsning 6. 6.1. G. Myers. Pålitlighet programvara säkra... - M .: Mir, 1980 .-- S. 78-91. 6.2. E.W. ... Certifiering och pålitlighet programvara säkra Sammanfattning >> Datavetenskap, programmering Användare, dvs. programmatisk fel är inte inneboende programvara säkra... Att ha fel ... sätt att förhindra dem. Modeller pålitlighet Programvaruklassificering modeller pålitlighet Exponentiell programvara modell (modell Schumann) Ett nummer introduceras ... programvara säkerhet handelsföretag Sammanfattning >> Informatik ... programvara säkra; installation och konfiguration av utrustning och programvara säkra; sätta upp systemet som helhet; Träning; revision programvara säkra... med information och modeller, är involverade i ... systemen är pålitlighet, skalbarhet, ...