ОЦЕНКА РИСКОВ ОТКАЗА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ НА БАЗЕ ЖУРНАЛОВ И МЕТРИК
DOI:
https://doi.org/10.52167/1609-1817-2024-132-3-227-235Ключевые слова:
FMEA, Data Mining, оценка рисков, временные ряды, надежность ПОАннотация
В данной статье рассматривается применение модели оценки рисков отказа программного обеспечения на наборах данных с различным периодом времени. Модель основывается на совместном использовании моделей сравнения текстов (схожесть Джаро-Винклера), выявления аномалий во временных рядах (суперсглаживание Фридмана, MST-декомпозиция, межквартильный размах) и анализа рисков (Failure Modes and Effects Analysis). В качестве составных частей используются хорошо изученные модели, которые активно применяются на практике. Благодаря совместному использованию данных моделей появляется возможность в вычислении параметров рисков на базе журнальных записей и метрик выполнения приложения. В данном исследовании из метрик выполнения рассматривается потребление оперативной памяти. В рамках исследования, авторы доработали эксперимент, который был поставлен в предшествующей статье, благодаря чему появилась возможность сделать выводы о стабильности работы данной модели. Эксперимент включает в себя приложение, которое в случайные промежутки времени имитирует опасное для дальнейшей работы системы поведение, а именно резкие выбросы в потреблении оперативной памяти с выводом в журнал сообщений записи об ошибке. Сам анализ проводился при помощи инструментов языка программирования R и Kotlin. Результат исследования показал работоспособность модели при различных временных периодах поведения, выявив ошибку и оценив связанный с ней риск, и открыл возможность дальнейшего изучения и усовершенствования модели.
Библиографические ссылки
[1] W. Eric Wong, Xuelin Li, Philip A. Laplante, Be more familiar with our enemies and pave the way forward: A review of the roles bugs played in software failures, Journal of Systems and Software, Volume 133, 2017, Pages 68-94, ISSN 0164-1212, https://doi.o[rg/10.1016/j.jss.2017.06.069
[2] Christoph A. Thieme, Ali Mosleh, Ingrid B. Utne, Jeevith Hegde, Incorporating software failure in risk analysis––Part 2: Risk modeling process and case study, Reliability Engineering & System Safety, Volume 198, 2020, 106804, ISSN 0951-8320, https://doi.org/10.1016/j.ress.2020.106804
[3] Hussein David Tafur, Giacomo Barbieri, Carlos Eduardo Pereira, An FMEA-based Methodology for the Development of Control Software Reliable to Hardware Failures, IFAC-PapersOnLine, Volume 54, Issue 1, 2021, Pages 420-425, ISSN 2405-8963, https://doi.org/10.1016/j.ifacol.2021.08.047
[4] Christoph A. Thieme, Ali Mosleh, Ingrid B. Utne, Jeevith Hegde, Incorporating software failure in risk analysis – Part 1: Software functional failure mode classification, Reliability Engineering & System Safety, Volume 197, 2020, 106803, ISSN 0951-8320, https://doi.org/10.1016/j.ress.2020.106803
[5] M. Asif and J. Ahmed, "A Novel Case Base Reasoning and Frequent Pattern Based Decision Support System for Mitigating Software Risk Factors," in IEEE Access, vol. 8, pp. 102278-102291, 2020, doi: 10.1109/ACCESS.2020.2999036
[6] Chandan Kumar, Dilip Kumar Yadav, A Probabilistic Software Risk Assessment and Estimation Model for Software Projects, Procedia Computer Science, Volume 54, 2015, Pages 353-361, ISSN 1877-0509, https://doi.org/10.1016/j.procs.2015.06.041
[7] Linhan Ouyang, Yushuai Che, Ling Yan, Chanseok Park, Multiple perspectives on analyzing risk factors in FMEA, Computers in Industry, Volume 141, 2022, 103712, ISSN 0166-3615, https://doi.org/10.1016/j.compind.2022.103712
[8] Marc-André Filz, Jonas Ernst Bernhard Langner, Christoph Herrmann, Sebastian Thiede, Data-driven failure mode and effect analysis (FMEA) to enhance maintenance planning, Computers in Industry, Volume 129, 2021, 103451, ISSN 0166-3615, https://doi.org/10.1016/j.compind.2021.103451
[9] Keil, J. M., (2019). Efficient Bounded Jaro-Winkler Similarity Based Search. In: Grust, T., Naumann, F., Böhm, A., Lehner, W., Härder, T., Rahm, E., Heuer, A., Klettke, M. & Meyer, H. (Hrsg.), BTW 2019. Gesellschaft für Informatik, Bonn. (S. 205-214). DOI: 10.18420/btw2019-13
[10] A. Mukasheva, Z. Akanov and D. Yedilkhan, "Research of the Regression Analysis Methods for Predicting the Growth of Patients with Diabetes Mellitus," 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST), Nur-Sultan, Kazakhstan, 2021, pp. 1-7, doi: 10.1109/SIST50301.2021.9465975.
[11] Kasun Bandara, Rob J Hyndman, Christoph Bergmeir, MSTL: A Seasonal-Trend Decomposition Algorithm for Time Series with Multiple Seasonal Patterns. arXiv, 2021, 2107.13462.
[12] Kasun Bandara, Rob J Hyndman, Christoph Bergmeir, MSTL: A Seasonal-Trend Decomposition Algorithm for Time Series with Multiple Seasonal Patterns. arXiv, 2021, 2107.13462. https://doi.org/10.48550/arXiv.2107.13462
[13] 20 ICEF 2023. International Conference on Electrical Facilities and informational technologies 2023. KIEE Electrical Facilities Siciety, Almaty University of Power Engineering and Telecommunications named after Gumarbek Daukeev - 509 p.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Денис Валяев, Динаргуль Мухаммеджанова, Асель Мукашева, Жанна Суйменбаева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
