Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/43078
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2021_TobiasAstoniSena.pdf2,11 MBAdobe PDFVisualizar/Abrir
Título: Evolution-aware product-line reliability analysis
Autor(es): Sena, Tobias Astoni
Orientador(es): Alves, Vander Ramos
Assunto: Confiabilidade
Linha de produtos de software
Análise Feature-Family based
Evolução de software
Data de publicação: 17-Mar-2022
Referência: SENA, Tobias Astoni. Evolution-aware product-line reliability analysis. 2021. 70 f., il. Dissertação (Mestrado em Informática) — Universidade de Brasília, Brasília, 2021.
Resumo: Contexto: Como qualquer sistema de software, as linhas de produtos de software evoluem. Ainda assim, a maioria do estado da arte das técnicas de análise de linha de produto não considera esse fato e executa a análise do zero em cada etapa da evolução. No caso da análise de confiabilidade, isso significa que, dependendo do cenário de evolução, os cál culos para as partes não afetadas do software são refeitos obtendo os mesmos resultados parciais. Isso desperdiça recursos computacionais, o que é especialmente problemático porque essas análises são demoradas, dado o desafio de lidar com o problema de explosão de estado combinado com a variabilidade inerente às linhas de produtos. Objetivo: Propomos um método implementado na ferramenta ReAnaE para realizar análises incrementais de confiabilidade da linha de produtos, em que os resultados da análise e artefatos são reutilizados sempre que possível ao longo do histórico de evolução da linha de produtos. Método: ReAnaE potencializa os esforços de análise anteriores, armazenando etapas de análise intermediárias e traçando cenários de evolução para primitivas computacionais da análise que afetam esses artefatos. A análise de impacto resultante facilita a reutilização consistente de artefatos de análise anteriores e a atualização daqueles afetados pelo cenário de evolução em questão. Resultados: ReAnaE tem um desempenho melhor em termos de tempo e espaço do que a ferramenta ReAna, alcançando melhorias de até 10 vezes para linhas de produtos maiores, o que resulta em melhorias de até uma ordem de magnitude no número de variantes que podem ser analisadas. Conclusão: ReAnaE melhora em relação ao estado da arte em análise de confiabil idade de linha de produtos, tornando possível analisar modelos mais complexos de forma eficiente.
Abstract: Context: As any software system, software product lines evolve. Still, most state-of the-art product-line analysis techniques do not consider this fact and perform analysis from scratch in each evolution step. In the case of reliability analysis, this means that, depending on the evolution scenario, computations for unaffected parts of the software are redone obtaining the same partial results. This wastes computational resources, which is especially problematic since these analyses are time-consuming, given the challenge of coping with the state explosion problem compounded with the variability inherent to product lines. Objective: We propose a method implemented in the ReAnaE tool to perform incremental product-line reliability analysis, in which analysis results and artifacts are reused whenever possible across the evolution history of the product line. Method: ReAnaE leverages previous analysis efforts by storing intermediate anal ysis steps and by tracing evolution scenarios to computational primitives of the analysis affecting these artifacts. The resulting impact analysis facilitates consistently reusing previous analysis artifacts and updating the ones affected by the evolution scenario at hand. Results: ReAnaE has a better performance in terms of both time and space than the state-of-the-art tool ReAna, achieving up to 10-fold improvements for larger product lines, which results in up to an order of magnitude improvement in the number of variants that can be analyzed. Conclusion: ReAnaE improves over the state of the art in product-line reliability analysis, making it possible to efficiently analyze more complex models.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Ciência da Computação (IE CIC)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
Programa de pós-graduação: Programa de Pós-Graduação em Informática
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Fundação de Apoio à Pesquisa do Distrito Federal (FAP/DF).
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.