چکیده فارسی :

 انتشار یک محصول با سطح کیفیت مناسب در زمان مناسب برای صنعت نرم افزار یک کار چالش برانگیز است. برخی از اجزای یک سیستم نرم افزاری در عملیات سیستم نسبت به اجزای دیگر مهم تر هستند. نقص های موجود در اجزای با حساسیت بالا مسئول مستقیم یا غیر مستقیم نرخ بالای شکست کلی سیستم در مقایسه با همان نقص ها در اجزایی با حساسیت کم هستند. برآورد حساسیت یک جزء در سطح طراحی، و تمرکز فرآیند تست برای آن جزء بر اساس حساسیت برآورده شده، به بهبود قابلیت اطمینان سیستم کمک می کند. هدف اصلی، شناسایی سطح حساسیت یک جزء در سطح طراحی و ایجاد یک طرح تست بهتر است به طوری که اجزای با حساسیت بالا نسبت به اجزای با حساسیت پایین به طور کامل و با دقت بیشتری تست شوند. ما ابتدا یک روش را برای برآورد اهمیت یک جزء در سیستم پیشنهاد می کنیم. روش تخمین حساسیت مبتنی بر مستندات طراحی است. ما اجزا را برای تست با توجه به میزان حساسیت برآورد شده آن ها اولویت بندی می کنیم. پس از آن، ما یک تکنیک مبتنی بر الگوریتم ژنتیک برای انتخاب موارد تست ارائه می کنیم. “شدت تست برای هر جزء متناسب با اولویت آن است و فرآیند تست تحت محدودیت های دیگر مطلوب است. ما آزمایش هایی را برای مقایسه طرح خود با یک طرح مرتبط انجام دادیم. نتایج تجربی نشان دادند که قابلیت اطمینان بالاتر می تواند با استفاده از طرح ما به دست آید.

چکیده انگلیسی :

It is a challenging job for the software industry to release a product with the right quality level at the right time. There are some components within a software system that are more critical to the system’s operation than others. Faults in components with high criticality are responsible directly or indirectly for causing high failure rate of the overall system compared to same faults in components with low critical-ity. Estimating the criticality of a component at the design level and focusing test effort per component based on the estimated criticality of the component helps to improve the reliability of a system within the available test resources. The objective is to identify the criticality level of a component at the design level and make a better test plan so that the high-critical components would be tested more completely and rig-orously than other less-critical components. We first propose a method to estimate the criticality of a component within a system. The criticality estimation method is based upon design documents. We prioritize the components for testing according to their estimated criticality. Then, we present a genetic algorithm-based technique to select test cases out of a large pool of test cases. The intensity with which each component is tested is proportionate to its priority and the test suite is optimal under other constraints. We have conducted experiments to compare our scheme with a related scheme. The experimental results establish that higher reliability can indeed be achieved using our scheme.