Метод определения количества бездефектных испытаний программного обеспечения автоматизированной системы подготовки данных полета беспилотных летательных аппаратов
Авторы: Казаков Г.В., Корянов Вс.Вл.
Опубликовано в выпуске: #6(126)/2022
DOI: 10.18698/2308-6033-2022-6-2188
Раздел: Авиационная и ракетно-космическая техника | Рубрика: Динамика, баллистика, управление движением летательных аппаратов
Особенность расчета показателя надежности программного обеспечения автоматизированной системы подготовки данных полета беспилотных летательных аппаратов заключается в том, что их можно запускать с любого из множества разрешенных пунктов отправления, однако с какого именно — заранее определить не представляется возможным. Поскольку для контроля качества данных требуется значительное время, необходимо выбрать критерий, согласно которому весь объем данных либо принимается, либо отвергается, и тогда испытания продолжаются. Существующие методы оценки показателя надежности программного обеспечения имеют недостатки, препятствующие их применению для оценки качества данных полета. В связи с этим был предложен новый метод, основанный на контроле выборки тестовых вариантов входных данных из допустимой области с использованием результатов синтаксического и семантического контроля минимально требуемого объема тестовых вариантов. Такой метод, обеспечивающий получение оценки показателя качества данных полета беспилотных летательных аппаратов с заданной вероятностью ошибки второго рода, легко реализуется на практике. Для этого введено понятие вспомогательного плана выборочного контроля, доказаны лемма о единственности этого плана и теоремы о существовании квазиоптимальных планов выборочного контроля по критерию минимума зоны нечувствительности принятия положительного решения при двух и одном отрицательных исходах испытаний, а также бездефектного плана. Разработаны решающие правила принятия положительного или отрицательного решения по результатам проведенных испытаний программного обеспечения.
Литература
[1] Моррис У. Наука об управлении: байесовский подход. Москва, Мир, 1971, 304 с.
[2] Гмурман В.Е. Теория вероятностей и математическая статистика. Москва, Юрайт, 2016, 479 с.
[3] Bernardo J.M., Smith A.F.M. Bayesian Theory. Wiley & Sons, Ltd, 2000, 611 p. (Wiley series in probability and statistics.)
[4] Congdon P. Bayesian statistical modelling. 2nd edition. Wiley & Sons, Ltd, 2006, 598 p. (Wiley series in probability and statistics.)
[5] Гончаров Р.Б. Исследование эффективности алгоритмов параметрической оптимизации применительно к процессам ударного воздействия на примере бампера и кабины автомобиля. Известия высших учебных заведений. Машиностроение, 2019, № 4, с. 28–40. DOI: 10.18698/0536-1044-2019-4-28-40
[6] Тимофеев В.С., Фаддеенков А.В. Классификация регрессионных методов на основе объема априорной информации. Научный вестник НГТУ, 2015, т. 60, № 3, с. 58–68.
[7] Андреев А.Г., Казаков Г.В., Корянов В.В. Метод оценки надежности программного обеспечения по результатам испытаний на этапе его разработки. Инженерный журнал: наука и инновации, 2016, вып. 6. http://dx.doi.org/10.18698/2308-6033-2016-06-1504
[8] Дрейпер Н. Прикладной регрессионный анализ. Москва, ИД «Вильямс», 2019, 912 c.
[9] Kutner M.H., Nachtsheim C.J., Neter J., Li W. Applied linear statistical models. McGraw-Hill, 2004, 1424 p.
[10] Вальд А. Последовательный анализ. Москва, Физматгиз, 1960, 328 с.
[11] Баулина Е.Е., Дементьев Ю.В., Круташов А.В., Серебряков В.В., Деев О.И., Филонов А.И. Логика управления прогностического типа для транспортного средства. Известия высших учебных заведений. Машиностроение, 2016, № 6, с. 42–49.
[12] Постовалов С.Н. Проверка простых и сложных гипотез с использованием последовательного критерия Вальда. Доклады АН ВШ РФ, 2011, № 2, с. 140–150.
[13] Олейникова С.А., Кирилов А.А. Численная оценка параметров бета-распределения. Вестн. Воронеж. гос. техн. ун-та, 2011, № 7, с. 209–212.
[14] Шведов А.С. Бета-распределение случайной матрицы и его применение в модели состояние-наблюдение. Препринт WP2/2009/01. Москва, Государственный университет — Высшая школа экономики, 2009, 36 с.
[15] Судаков Р.С. и др. Оценка надежности изделий при конструкторских испытаниях с учетом проводимых доработок. Ленинград, ЛДНТП, 1979, с. 18–23.
[16] Тимофеев Г.А., Барбашов Н.Н., Терентьева А.Д. Статистические методы управления технологическими процессами. Известия высших учебных заведений. Машиностроение, 2016, № 12, с. 58–65.
[17] Титова Л.А. Применение современных статистических методов контроля качества. Экономинфо, 2009, № 12, с. 28–32.
[18] Юдин С.В. Некоторые проблемы статистического контроля качества и методы их решения. Фундаментальные исследования, 2015, № 10 (часть 2), с. 324–329.
[19] Сажин Ю.В., Басова В.А., Егорова Г.В. Статистические методы анализа и контроля качества продукции: монография. Тольятти, ТГИС, 2003, 246 с.
[20] Грудинин В.Г. Современная нормативная база процедур выборочного контроля по альтернативному признаку. Вестник Иркутского гос. техн. ун-та. 2013, № 5, с. 25–32.
[21] Маркелов В.В., Власов А.И., Зотьева Д.Е. Автоматизация многоступенчатого контроля качества в среде MATLAB. Надежность и качество сложных систем, 2015, № 1, с. 58–62.
[22] Дзиркал Э.В. Метод последовательного контроля Н.О. Демидовича. Надежность, 2014, № 3, с. 137–150. https://doi.org/10.21683/1729-2646-2014-0-3-137-150
[23] ГОСТ Р 50779.81–2018. Статистические методы. Двухступенчатые планы контроля по альтернативному признаку с минимальным объемом выработки на основе значений PRQ И CRQ. Москва, Стандартинформ, 2018, 78 с.