Análise do impacto de cenários implícitos na confiabilidade de sistemas computacionais

Abstract

O aumento da complexidade dos sistemas computacionais é uma tendência que precisa ser acompanhada pela busca por técnicas de desenvolvimento orientadas em garantir o nível de confiabilidade exigido, desde os estágios iniciais do ciclo de desenvolvimento de software. Nesse contexto, passa a ser requisito essencial que a modelagem seja feita de forma confiável, refletindo da melhor maneira possível o comportamento esperado para o sistema. A modelagem em cenários possibilita, ainda nas fases iniciais do desenvolvimento, a realização de análises de dependabilidade para verificar o atendimento a requisitos não funcionais do sistema. Configurando então uma técnica interessante para a construção de sistemas confiáveis. Entretanto, a modelagem em cenários traz a possibilidade da ocorrência de cenários implícitos, que são cenários que não estavam previstos inicialmente mas surgem da integração entre os diversos cenários especificados. Esses novos cenários podem ser desejados, quando não comprometem o sistema, ou indesejados, quando levam o sistema a um estado de erro. Nesse último caso, é exigida a tomada de ações corretivas para o modelo visando a eliminação ou atenuação desses efeitos negativos. Sendo assim, para a construção de um modelo confiável, faz-se necessário não somente identificar os eventuais cenários implícitos, mas avaliar o impacto desses sobre o sistema a ser modelado, de modo a fundamentar e direcionar as ações para se alcançar o nível de dependabilidade adequado. Esse trabalho apresenta uma metodologia para a avaliação quantitativa e qualitativa do impacto dos cenários implícitos sobre a confiabilidade de um sistema que está sendo modelado. Um estudo de caso é apresentado mostrando o emprego da metodologia para a definição de uma configuração mais confiável em um sistema de rede de câmeras inteligentes. Os resultados mostram que a metodologia é útil para a compreensão de como os cenários implícitos impactam a confiabilidade do modelo, fornecendo subsídios para a tomada de decisões que resultem em um sistema mais confiável.