• Journal of Information Technology Applications and Management
• /
• 제12권2호
• /
• pp.1-13
• /
• 2005

This paper proposes a software-reliability growth model incoporating the amount of testing effort expended during the software testing phase after developing it. The time-dependent behavior of testing effort expenditures is described by a Logistic curve. Assuming that the error detection rate to the amount of testing effort spent during the testing phase is proportional to the current error content, a software-reliability growth model is formulated by a nonhomogeneous Poisson process. Using this model the method of data analysis for software reliability measurement is developed. After defining a software reliability, This paper discusses the relations between testing time and reliability and between duration following failure fixing and reliability are studied. SRGM in several literatures has used the exponential curve, Railleigh curve or Weibull curve as an amount of testing effort during software testing phase. However, it might not be appropriate to represent the consumption curve for testing effort by one of already proposed curves in some software development environments. Therefore, this paper shows that a logistic testing-effort function can be adequately expressed as a software development/testing effort curve and that it gives a good predictive capability based on real failure data.

• Journal of Information Technology Applications and Management
• /
• 제13권4호
• /
• pp.1-12
• /
• 2006

Many software reliability growth models(SRGM) have been proposed since the software reliability issue was raised in 1972. The technology to estimate and grow the reliability of developing S/W to target value during testing phase were developed using them. Most of these propositions assumed the S/W debugging testing efforts be constant or even did not consider them. A few papers were presented as the software reliability evaluation considering the testing effort was important afterwards. The testing effort forms which have been presented by this kind of papers were exponential, Rayleigh, Weibull, or logistic functions, and one of these 4 types was used as a testing effort function depending on the S/W developing circumstances. I propose the methology to evaluate the SRGM using least square estimator and maximum likelihood estimator for those 4 functions, and then examine parameters applying actual data adopted from real field test of developing S/W.

• 한국정보통신학회논문지
• /
• 제12권1호
• /
• pp.1-9
• /
• 2008

소프트웨어의 테스트노력 곡선으로서 현재까지는 로지스틱 곡선이 가장 이상적인 것으로 연구되고 있다. 테스트 단계중에 소요되는 테스트노력의 양에 대한 결함 검출비를 현재의 결함 내용에 비례하는 것으로 가정하여 소프트웨어 신뢰도 성장 모델을 비동차 포아송 프로세스(NHPP)로 공식화하되, 이 모델을 이용하여 소프트웨어 신뢰도 척도에 대한 데이터 분석기법을 개발한다. 모든 소프트웨어 개발 환경에서 지금까지 제시된 여러 곡선 중 하나에 의해서 테스트노력 소요 곡선을 표현하는 것은 적절하지 못하다는 것이 밝혀지고 있다. 그러므로, 본 논문에서는 로지스틱 테스트노력 곡선이 소프트웨어의 개발/테스트 노력곡선으로 적절하게 표현될 수 있다는 것과 실제 데이터를 근거로 하여 적용하여서 예측성이 매우 좋은 능력을 가지고 있다는 것을 보이고자 한다.

• 한국산업정보학회논문지
• /
• 제14권5호
• /
• pp.61-73
• /
• 2009

1972년에 소프트웨어의 신뢰도 문제가 제기되면서부터 개발 중인 소프트웨어의 신뢰도를 평가하고 목표치까지 신뢰도를 성장시키는 방법이 연구되었으며, 테스트 기간 동안에 소요되는 비용 문제까지를 포함하여 적정 인도시기를 결정하는 여러 방법이 제안되었다. 이러한 모델들 중 많은 연구에서 소프트웨어 테스트 전 단계를 거쳐서 테스트 노력이 상수인 것으로 가정하거나 또는 아예 고려하지도 않았으나, 그 후 몇몇 논문을 통하여 테스트 노력을 고려한 소프트웨어의 신뢰도 평가가 중요한 인자인 것으로 발포되었다. 여러 산업 현장의 경험 데이터에 의하면 그 형태가 지수함수형, 레일레이형, 웨이불형, 로지스틱형 테스트 노력 함수 중 하나인 것으로 보고되었다. 따라서 본 논문에서는 이 네 가지 형태의 테스트 노력을 가진 소프트웨어의 신뢰도 성장에 필요한 각종 파라미터를 구하는 방법에 대하여 제안한다. 개발 현장에서 관찰된 테스트 노력 데이터와 결함검출을 비교하여 어느 형태의 테스트 노력 곡선이 그 경우에 적합한가를 연구하는 한편, 목표 신뢰도에 맞는 발행 시기를 결정하는 문제를 연구한다.

• Journal of Information Technology Applications and Management
• /
• 제11권2호
• /
• pp.191-204
• /
• 2004

Many software reliability growth model(SRGM) have been proposed for past several decades. Most of these propositions assumed the S/W debugging testing efforts be constant or even did not consider them. A few papers were presented as the software reliability evaluation considering the testing effort was important afterwards. The testing effort forms which have been presented by this kind of papers were exponential, Rayleigh, Weibull, or Logistic functions, and one of these 4 types was used as a testing effort function depending on the S/W developing circumstances. We consider the methology to evaluate the SRGN using least square estimator(LSE) and maximum likelihood estimator(MLE) for those 4 functions, and then examine parameters applying actual data adopted from real field test of developing S/W.