Wpływ awarii systemów informatycznych na wydajność procesów biznesowych przedsiębiorstwa
DOI:
https://doi.org/10.18559/SOEP.2017.12.5Słowa kluczowe:
Oprogramowanie, Zarządzanie oprogramowaniem, Niezawodność, Awaryjność, Analiza przyczyn i skutków wad, Wydajność pracy, Systemy informatyczne, PrzedsiębiorstwoAbstrakt
Artykuł podejmuje temat badania wpływu liczby awarii systemu informatycznego na wydajność procesów biznesowych przedsiębiorstwa, które korzysta z awaryjnego oprogramowania. Autorzy stawiają tezę, że wzrost liczby awarii w danym dniu w mierzalny sposób może być powodem notowania wysokich strat przez użytkownika końcowego. Badanie przeprowadzono na podstawie rzeczywistych danych uzyskanych od firmy KRUK S.A., które składają się z dwóch zbiorów: logów systemowych oraz danych operacyjnych. Poprzez szukanie odstępstw w obu zbiorach i analizę przyczyn defektów podjęto próbę identyfikacji dni, w których wydajność procesu wykazywała wysoką zależność od liczby awarii. Wykazano w ten sposób, że możliwe jest zmierzenie poziomu odstępstwa wydajności procesu w konsekwencji wystąpienia licznych awarii oprogramowania.Pobrania
Bibliografia
Abdi, H., 2010, Normalizing Data, in: Encyclopedia of Research Design, Sage, s. 935-938.
Bowen, J.B., 1980, Standard Error Classification to Support Soft ware Reliability Assessment, in: Proceeding American Federation of Information Processing Societies '80, 19-22 May, s. 697-705.
Brosch, F., Gitzel, R., Koziolek, H., 2010, Combining Architecture-based Soft ware Reliability Predictions with Financial Impact Calculations, Electronic Notes in Theoretical Computer Science, s. 3-17.
Freimut, B., Denger, C., Ketterer, M., 2005, An Industrial Case Study of Implementing and Validating Defect Classification for Process Improvement and Quality Management, in: 11th IEEE International Soft ware Metrics Symposium, https://dl.acm. org/citation.cfm?id=1092159.
Gitzel, R., Krug, S., Brhel, M., 2010, Towards a Soft ware Failure Cost Impact Model for the Customer, in: Proceedings of the 6th International Conference on Predictive Models in Soft ware Engineering, https://dl.acm.org/citation.cfm?id=1868354.
Grottke, M., Graf, C., 2009, Modeling and Predicting Soft ware Failure Costs, in: Proceedings of the 33rd Annual IEEE International Computer Soft ware and Applications Conference, s. 180-189.
Hecht, H., Wallace, D., 1996, Error Classification and Analysis for High Integrity Soft - -ware, The 1996 American Nuclear Society International Topical Meeting on Nuclear Plant Instrumentation, Control and Human-Machine Technology.
IEEE, 2010, Standard Classification for Soft ware Anomalies, STD-1044-2009.
Jain, S., Prinja, R., Chandra, A., Zhang, Z.-L., 2008, Failure Classification and Inference in Large-Scale Systems: A Systematic Study of Failures in PlanetLab, University of Minnesota, Minneapolis.
Jayalakshmi, T., Santhakumaran, A., 2011, Statistical Normalization and Back Propagation for Classification, International Journal of Computer Theory and Engineering, s. 89-93.
Leszak, M., Perry, D.E., Stoll, D., 2002, Classification and Evaluation of Defects in a Project Retrospective, The Journal of Systems and Soft ware, no. 61, s. 173-187.
Ross, S.M., 2003, Peirce's Criterion for the Elimination of Suspect Experimental Data, Journal of Engineering Technology, s. 38-41.
Zhivich, M., Cunningham, R.K., 2009, The Real Cost of Soft ware Errors, IEEE Security & Privacy Magazine, s. 87-90.
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2017 Wydawnictwo UEP
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.
Lorem ipsum dolor sit amet quam leo, cursus vitae, commodo convallis consequat. Donec pulvinar porta neque, blandit risus commodo sit amet ante. Quisque condimentum. Donec orci interdum euismod scelerisque tincidunt. Maecenas vitae mi. Pellentesque orci vitae nunc venenatis tristique, convallis accumsan, dolor sit amet metus. Curabitur tempor. Phasellus sem. Quisque.
