Modélisation de la croissance de la fiabilité logicielle avec débogage imparfait SRGM avec FDP–FCP

Au cours des dernières décennies, des recherches approfondies ont été menées sur les modèles de croissance de la fiabilité logicielle basés sur le processus de Poisson non homogène. Cependant, la plupart des études existantes reposent sur l’hypothèse d’un débogage parfait, ne tenant pas pleinement compte de facteurs clés tels que l’introduction potentielle d’erreurs, la diversité des types de défaillance et les changements dynamiques dans l’environnement de test. Elles négligent également l’analyse systématique des processus de test et de réparation. Cette déconnexion entre les hypothèses théoriques et les scénarios d’application pratiques rend difficile pour ces modèles de dépeindre avec précision les phénomènes complexes dans les processus de test réels. Pour remédier à ces limitations, cette étude propose un SRGM intégré basé sur le NHPP combinant un mécanisme de débogage imparfait, le processus de détection des défauts (FDP) et le processus de correction des défauts (FCP), l’hétérogénéité des défauts et l’analyse des points de changement. Le modèle introduit une intensité de correction dynamique liée aux défauts en attente, classe les défauts en simples (corrigés instantanément) et complexes (en file d'attente pour le FCP), et modélise les taux de détection et de correction en tant que fonctions par morceaux avant et après les points de changement, capturant une logique de planification réaliste et des effets synchronisés des changements de stratégie, d’outils et de personnel. Sur cette base, une stratégie de publication logicielle complète et optimisée est également proposée. Cette stratégie prend en compte les coûts de détection pendant les tests, les coûts de réparation des défaillances et les coûts globaux des défaillances après publication. Son objectif est de minimiser les coûts sur l'ensemble du cycle de vie tout en atteignant les objectifs de fiabilité, offrant ainsi aux chefs de projet logiciels une base de prise de décision scientifiquement fondée et pratiquement fiable s’appuyant sur les innovations de modélisation intégrées.