Softwarezuverlässigkeitsbewertung auf Basis von ...

• bei einem Aufruf des Fahrbefehls an die Aufzugskabine
wird ein Parameter mit dem gewünschten
Zielstockwerk übergeben und damit von den kopplungsbasierten
Überdeckungskriterien erfasst;
• wird hingegen in der Kontrollkomponente ein Befehl
zum Schließen an die Türen einer Aufzugskabine
gesendet, so hängt die erfolgreiche Ausführung
aber lediglich von den Sensoren der aufgerufenen
Aufzugskabine und nicht von einer Parameterübergabe
ab.
Diese Art der Abhängigkeit würde durch die oben genannten
datenkopplungsbasierten Testkriterien nicht erfasst.
Dadurch könnten beim Integrationstest Anwendungsfälle
außer Acht gelassen werden, die zu einem
Versagen des Systems führen könnten. Dementsprechend
wurde der Ansatz aus [4] erweitert, indem beim Integrationstest
die Überdeckung aller Aufrufpunkte zwischen
zwei Komponenten gefordert wird.
Mit der Entwicklung des objekt-orientierten Paradigmas
verschiebt sich die Komplexität noch weiter von der
intra-modularen Ebene auf die Interaktion zwischen
Komponenten. Insbesondere werden objekt-orientierte
Mechanismen wie Vererbung, Polymorphie und dynamisches
Binden durch die kopplungsbasierten Kriterien aus
[4] nicht erfasst. Deswegen wurde in [1] ein weiteres
Konzept entwickelt, um die Anwendbarkeit kopplungsbasierter
Testkriterien auf objekt-orientierte Programme zu
erweitern. Es ist geplant, bei der Weiterentwicklung des
beschriebenen Ansatzes auch diese Kopplungseigenschaften
zu berücksichtigen [8].
4 Kombination der Teilziele
Der neu entwickelte Ansatz kombiniert die drei genannten
Ziele:
• Ziel 1: Betriebsprofiltreue;
• Ziel 2: Unabhängigkeit der Testfallauswahl;
• Ziel 3: Interaktionsüberdeckung.
Da das entscheidende Anliegen die Herleitung einer
quantitativen Zuverlässigkeitsaussage ist, dominieren die
Voraussetzungen zur Anwendung der statistischen Stichprobentheorie.
Ziel 1 und Ziel 2 sind also K.O.-Kriterien,
die über Ziel 3 dominieren; angestrebt wird eine Maximierung
von Ziel 3, ohne Ziel 1 bzw. Ziel 2 zu verletzen.
Infolge der hohen Komplexität dieser Problemklasse stoßen
systematische Verfahren schnell an ihre Grenzen. Es
bietet sich an, den Einsatz heuristischer Verfahren zur
multi-objektiven Optimierung mittels genetischer Algorithmen
in Betracht zu ziehen. Entscheidend ist dabei die
Definition einer adäquaten Fitnessfunktion zur Bewertung
der Eignung generierter Testfallmengen.
Um den Erfüllungsgrad von Ziel 1 und Ziel 2 zu
bestimmen, werden die für die genannten Korrelationsmetriken
bzw. Goodness-of-Fit-Tests ermittelten Werte
auf das Intervall [0;1] normiert, wobei
• der Wert 1 die Erfüllung des Kriteriums,
• der Wert 0 die größtmögliche Verletzung des Kriteriums
wiedergibt;
• dazwischen liegende Werte den relativen Erfüllungsgrad
reflektieren.
Bezeichnet man mit to den maximalen, noch akzeptablen
Grenzwert für die Korrelation bzw. für die Verletzung
der Betriebstreue, so entsprechen
• alle Werte aus [0; to] der Erfüllung des Kriteriums;
• alle Werte aus ]to; max] einer Verletzung des Kriteriums,
wobei max den jeweils maximal möglichen
Verletzungsgrad bezeichnet.
Abbildung 3 zeigt eine generische, sowohl auf die Korrelation
als auch auf die Verletzung der Betriebsprofiltreue
anwendbare Normierungsfunktion.
Abbildung 3: Normierungsfunktion für
Korrelation bzw. Verletzung der Betriebsprofiltreue
Die Fitnessfunktion wird als gewichtete Summe normierter
Ziele (bez. durch #) definiert:
Fitnesswert = 1,0 * # Betriebsprofiltreue +
1,0 * # Unabhängigkeit +
0,1 * # Überdeckung
Die Gewichte sind dabei so gewählt, dass selbst eine
maximale Erfüllung von Ziel 3 die Verletzung eines der
beiden Ausschlusskriterien Ziel 1 bzw. Ziel 2 nicht kompensieren
kann:
• eine Testfallmenge, die beide Ausschlusskriterien
einhält (Fitnesswert ≥ 2,0) wird immer höher bewertet
als
• eine Testfallmenge, die mindestens ein Ausschlusskriterium
verletzt (Fitnesswert < 2,0), unabhängig
von der erzielbaren Maximierung des dritten Kriteriums.