এরর ডিজাইন — গ্রেসফুল ফেইলিওর ও রিকভারি

import random
random.seed(11)

def simulate_recovery_steps(n_errors, design):
    steps_per_error = []
    for _ in range(n_errors):
        if design == "dead_end":
            # ব্যবহারকারীকে নিজে থেকে মেনু ঘেঁটে, ট্রায়াল-অ্যান্ড-এরর করে সমাধান খুঁজতে হয়
            steps = random.randint(4, 10)
        elif design == "suggests_next_action":
            # এরর মেসেজেই AI একটি নির্দিষ্ট পরবর্তী পদক্ষেপ সাজেস্ট করে
            steps = random.randint(1, 3)
        steps_per_error.append(steps)
    return steps_per_error

n_errors = 20
dead_end_steps = simulate_recovery_steps(n_errors, "dead_end")
suggested_steps = simulate_recovery_steps(n_errors, "suggests_next_action")

SECONDS_PER_STEP = 7  # প্রতিটি পদক্ষেপে (মেনু স্ক্যান + ক্লিক + অপেক্ষা) গড়ে আনুমানিক সময়

def summarize(steps, label):
    total_steps = sum(steps)
    avg_steps = total_steps / len(steps)
    avg_seconds = avg_steps * SECONDS_PER_STEP
    print(f"{label}: গড় {avg_steps:.1f} ধাপ/এরর, গড় রিকভারি সময় {avg_seconds:.1f} সেকেন্ড "
          f"(মোট {len(steps)}টি এরর ইভেন্টে সর্বমোট {total_steps} ধাপ)")
    return avg_steps, avg_seconds

de_avg, de_sec = summarize(dead_end_steps, "ডেড-এন্ড এরর ডিজাইন")
sg_avg, sg_sec = summarize(suggested_steps, "পরবর্তী-পদক্ষেপ-সাজেস্ট ডিজাইন")

reduction = (1 - sg_avg / de_avg) * 100
print(f"\nগড় রিকভারি-ধাপ হ্রাস: {reduction:.1f}%")
print(f"গড় রিকভারি-সময় হ্রাস: {(1 - sg_sec/de_sec)*100:.1f}% (~{de_sec - sg_sec:.1f} সেকেন্ড কম প্রতি এরর)")