সরাসরি পর্বে যান
পর্ব ৭৫ · ৮২-এর মধ্যে · মডিউল ১৩

Quality metric আর process improvement — RCA, defect trend আর TMMi

Quality Metrics and Process Improvement — Root Cause Analysis, Defect Trends and TMMi

Taught in Bangla, this lesson moves from what the numbers show to why defects happened. It classifies 14 real defects found in the demo shop during the course, none caught by its own 150 tests, and a Pareto chart traces most of them to missing non-functional requirements and unplanned failure paths. It applies 5 Whys, fishbone and fault trees, builds a phase-containment matrix, fits a Goel-Okumoto growth model in Python, and runs a real PDCA cycle whose new checks first fail, then pass.

এই পর্বে যা শিখবেন

  • একটি defect-এর ইতিহাসকে ODC-এর ধাঁচে (type, trigger, কারণ, severity) শ্রেণিভাগ করে Pareto চার্ট বানানো আর পড়া
  • 5 Whys, fishbone (Ishikawa) আর fault tree দিয়ে মূল কারণ খোঁজা, আর এদের সীমা চেনা
  • Defect injection বনাম detection-এর phase-containment matrix বানানো, defect density আর escape-এর প্রবণতা পড়া
  • Goel–Okumoto reliability growth মডেল fit করা, আর কখন মডেলটি খাটে না তা বোঝা
  • PDCA, retrospective, blameless postmortem আর TMMi, TPI NEXT ও CMMI-র মতো process improvement মডেলের জায়গা বোঝা

১ · সংখ্যা থেকে উন্নতি — metric বলে “কী”, RCA বলে “কেন”

ধরুন একটি বাসের টায়ার মাসে চারবার পাংচার হলো। মালিক হিসাব রাখেন: চারবার, গত মাসে তিনবার। এই সংখ্যা জানায় সমস্যা বাড়ছে, কিন্তু কী করতে হবে তা বলে না। একজন চালক প্রতিবার নতুন টায়ার লাগান। আরেকজন চারটি টায়ার পাশাপাশি রেখে দেখেন: চারটিই একই রাস্তায়, একই রকম লোহার টুকরোয়। প্রথমজন উপসর্গ সারান, দ্বিতীয়জন কারণ।

পর্ব ৬৭ (Test report আর metric)-এ শিখেছেন কোন metric অর্থবহ: escape rate, defect detection percentage, flaky অংশ, আর কীভাবে Goodhart's law সংখ্যাকে নষ্ট করে। সেগুলো এখানে আবার পড়ানো হবে না। এই পর্ব পরের ধাপ নিয়ে: সংখ্যা যখন বলে কিছু খারাপ যাচ্ছে, তখন root cause analysis (RCA, মূল কারণ বিশ্লেষণ) দিয়ে খোঁজা কেন, আর সেই কারণের ভিত্তিতে কাজের ধারা বদলানো, যাকে বলে test process improvement.

একটি সাধারণ ভুল ধারণা আগেই সরিয়ে রাখি। পর্ব ০২-এ দেখেছেন, একটি root cause সাধারণত কোনো একজন মানুষ নয়। “রাফি ভুল কোড লিখেছেন” কারণ নয়, তথ্য। কারণ হলো: কোন ব্যবস্থা রাফির পক্ষে ভুলটি করা সহজ আর ধরা কঠিন করে রেখেছিল? RCA-র প্রশ্ন সবসময় দুটি:

  1. কেন ঢুকল? কোন ধাপে (requirement, নকশা, কোড) আর কোন সিদ্ধান্তে ভুলটি তৈরি হলো।
  2. কেন আগে ধরা পড়ল না? কোন review বা test এটি ধরতে পারত, অথচ ধরল না।

প্রথম প্রশ্নের উত্তর defect prevention-এর দিকে নেয়, দ্বিতীয়টি testing-এর উন্নতির দিকে। দুটিই লাগে। আর পুরো কাজটা হয় একটি চক্রে, যার নাম আপনি সফটওয়্যার ইঞ্জিনিয়ারিং ও Git কোর্সের পর্ব ৬২-এ শুনেছেন: PDCA, অর্থাৎ পরিকল্পনা, করা, যাচাই, স্থায়ী করা। এখানে আমরা tester-এর হাতের কাজ দেখব, সত্যিকারের data দিয়ে।

২ · বাজারঘরের সত্যিকারের defect ইতিহাস — বসানো বনাম পাওয়া

বাজারঘর app-এ দুই রকম defect আছে, আর পার্থক্যটি এই পর্বের কেন্দ্রে:

  • বসানো defect (seeded defect): ৮টি bug switch, যেমন coupon_ge বা double_charge_no_idempotency. কেউ জেনেবুঝে বসিয়েছেন, শেখানোর জন্য।
  • পাওয়া defect: কোনো switch চালু না করেই বিভিন্ন পর্বের test যা খুঁজে পেয়েছে। কেউ এগুলো জানতেন না; app-এর লেখকের অজান্তেই ছিল।

নিচের ছকে পাওয়া ১৪টি defect, প্রতিটির পাশে যে পর্বে ধরা পড়েছে। শেষ তিনটি কলাম আমাদের RCA-র রায়, পরের অংশে ব্যাখ্যা। Severity-ও আমাদের বিচার: টাকা হারানো critical, বড় অংশের ব্যবহারকারীর ক্ষতি major, বাকিগুলো minor. পর্ব ৭৭-এর ক্যাপস্টোনে এই একই ১৪টি defect-এর নাম KD আর পর্বের নম্বর দিয়ে, যেমন D1 = KD-37, D10 = KD-63a আর D11 = KD-63b; সেখানে release-এর সিদ্ধান্তের জন্য মাত্রা আলাদা করে দেওয়া (উঁচু, মাঝারি, নিচু), তাই কয়েকটি হুবহু মেলে না, যেমন D2, D12 আর D13 এখানে minor কিন্তু সেখানে মাঝারি।

#Defectধরা পড়লTriggerমূল কারণSeverity
D1Wallet timeout-এর পর HTML pay form আবার চাপলে দুবার টাকা কাটাপর্ব ৩৭recoveryব্যর্থতার পথcritical
D2৩২০ px পর্দায় cart পাতা ৪৬ px পাশে সরেপর্ব ৪২deviceNFR অনুপস্থিতminor
D3/api/orders-এ N+1 query, index নেই; বেশি data-য় ধীরপর্ব ৪৯workloadNFR অনুপস্থিতmajor
D4সবুজ header-এ নীল focus ring, contrast ১.০৭:১পর্ব ৫৪a11yNFR অনুপস্থিতmajor
D5Search Unicode normalise করে না: “য়” এক code point হলে ০টি ফলপর্ব ৫৬localeNFR অনুপস্থিতmajor
D6বাংলা পাতায় রিভিউ-এর validation বার্তা ইংরেজিতেপর্ব ৫৬localeNFR অনুপস্থিতminor
D7Offline অবস্থায় district বদলালে পুরোনো delivery charge থেকে যায়পর্ব ৫৭recoveryব্যর্থতার পথmajor
D8ধীর network-এ দুবার চাপলে অর্ডার একটিই, কিন্তু পাতা দেখায় “কার্ট খালি”পর্ব ৫৭recoveryব্যর্থতার পথmajor
D9product_id ২৬৩ বা বড় হলে HTTP 500পর্ব ৬০fuzzসীমা যাচাই নেইminor
D10Wallet call app-এর write lock-এর ভেতরে: ধীর wallet-এ cash checkout-ও ব্যর্থপর্ব ৬৩workloadব্যর্থতার পথcritical
D11Timeout মোডে টাকা কাটা অথচ অর্ডার unpaid; মিলিয়ে দেখার কোনো job নেইপর্ব ৬৩recoveryব্যর্থতার পথcritical
D12Reload করলে checkout-এর লেখা ঠিকানা হারায়পর্ব ৬৯recoveryব্যর্থতার পথminor
D13ছোট tap target: header link ২৬ px, payment radio ১৩ pxপর্ব ৬৯deviceNFR অনুপস্থিতminor
D14Phone-এর ভুলের বার্তায় Latin অঙ্ক; বাংলা অঙ্কের input রূপান্তর হয় নাপর্ব ৬৯localeNFR অনুপস্থিতminor

এবার একটি সত্যিকারের run. ল্যাবে app-এর একটি কপিতে (Python 3.12.13, pytest 9.2.0, MIT; FastAPI 0.163.1, MIT; uv দিয়ে বানানো environment, শুধু 127.0.0.1, কোনো server চালু না করে FastAPI-র TestClient দিয়ে) app-এর নিজের bug_matrix.py চালানো হলো। Script-টি পুরো suite একবার bug ছাড়া, তারপর প্রতিটি switch চালু করে একবার করে চালায়। সত্যিকারের আউটপুট, সংক্ষেপে:

$ uv run python scripts/bug_matrix.py
(no bugs)                      150 passed in 15.01s
coupon_ge                      2 failed, 148 passed in 13.62s
delivery_after_discount        5 failed, 145 passed in 14.02s
review_utf16_length            2 failed, 148 passed in 14.52s
cancel_after_shipped           2 failed, 148 passed in 16.63s
double_charge_no_idempotency   3 failed, 147 passed in 15.47s
slow_search                    1 failed, 149 passed in 44.53s
a11y_missing_label             1 failed, 149 passed in 15.29s
reflected_search               2 failed, 148 passed in 15.62s
OK: every bug is caught

বসানো ৮টির ৮টিই ধরা পড়ল, প্রতিটিতে ১ থেকে ৫টি test লাল। অথচ bug ছাড়া run-এ ১৫০টির সবগুলো পাস, যদিও তখনো ওপরের ১৪টি defect app-এ আছে। অর্থাৎ নিজের suite-এর হিসাবে বসানো defect-এ সাফল্য ১০০%, পাওয়া defect-এ ০%. কেন এমন? বসানো bug আর তার test একই মানুষের কল্পনা থেকে এসেছে; পাওয়া ১৪টি এসেছে এমন অবস্থা থেকে যা কেউ কল্পনা করেননি (ভাবনার প্রশ্ন ১-এ বিস্তারিত)।

Defect density-ও হিসাব করা যায়। App-এর কোড খালি লাইন বাদে প্রায় ২,১০৬ লাইন (Python ১,৬০৮, template ৩৬১, JavaScript ৭৬, CSS ৬১)। ১৪ ÷ ২.১০৬ ≈ প্রতি হাজার লাইনে ৬.৬টি পাওয়া defect. সংখ্যাটি নির্ভর করে কোন ধরনের test কত গভীরে চালানো হয়েছে, তার ওপর। Density দুটি module বা দুটি release তুলনায় কাজে লাগে, তখনই যখন test-এর ধরন আর গভীরতা একই।

৩ · ODC-এর ধাঁচে শ্রেণিভাগ আর Pareto

প্রক্রিয়ার দুর্বলতা দেখতে defect গুনতে হয়, আর গুনতে হলে শ্রেণিতে ফেলতে হয়। পর্ব ১৪-এ defect taxonomy দেখেছেন error guessing-এর জন্য। RCA-র জন্য সবচেয়ে পরিচিত পদ্ধতি Orthogonal Defect Classification (ODC), যা IBM-এ Ram Chillarege ও সহকর্মীরা প্রস্তাব করেন (IEEE Transactions on Software Engineering, ১৯৯২ বলে উদ্ধৃত হয়)। “Orthogonal” মানে দিকগুলো একে অপরের থেকে স্বাধীন। মূল দুটি দিক:

  • Defect type: সারাতে গিয়ে কোডে কী বদলাতে হলো। ODC-র মূল প্রস্তাবে আটটি ধরন বলে উদ্ধৃত হয়, যেমন Function (কোনো ক্ষমতা নেই বা ভুল), Checking (input বা অবস্থা যাচাই), Algorithm, Timing/Serialization, Interface, Assignment.
  • Trigger: কোন অবস্থা বা test-এর ধরন defect-টিকে প্রকাশ করল, যেমন workload (বেশি চাপ), recovery (ব্যর্থতার পর আবার চেষ্টা), configuration (ভিন্ন যন্ত্র)।

ODC-র মূল ধারণা হলো, এই শ্রেণির বণ্টন প্রক্রিয়ার অবস্থা বলে দেয়। আমরা পুরো ODC নয়, তার ধাঁচে একটি সরল রূপ ব্যবহার করছি। ODC-তে UI-র বিন্যাস বা ভাষার জন্য আলাদা ধরন নেই, তাই “Presentation” আর “Text” নামে দুটি নিজস্ব ধরন যোগ করেছি; অনেক দল এভাবেই ODC নিজেদের কাজে মানিয়ে নেয়। সাথে তৃতীয় একটি দিক, আমাদের RCA-র রায়ে মূল কারণ।

নিচের Python ১৪টি পাওয়া defect-এর শ্রেণি থেকে তিনটি Pareto সারণি বানায়: শ্রেণিগুলো বড় থেকে ছোট ক্রমে, পাশে ক্রমযোজিত শতাংশ। “চালান” চাপুন:

from collections import Counter
# 14 FOUND defects of the bazarghar app (README "Known real" sections)
# lesson | type | trigger | root cause | severity
ROWS = """37 Function recovery unhappy-path critical
42 Presentation device nfr-gap minor
49 Algorithm workload nfr-gap major
54 Presentation a11y nfr-gap major
56 Algorithm locale nfr-gap major
56 Text locale nfr-gap minor
57 Function recovery unhappy-path major
57 Function recovery unhappy-path major
60 Checking fuzz no-validation minor
63 Timing workload unhappy-path critical
63 Function recovery unhappy-path critical
69 Function recovery unhappy-path minor
69 Presentation device nfr-gap minor
69 Text locale nfr-gap minor"""
D = [dict(zip("lesson type trigger cause sev".split(), r.split()))
     for r in ROWS.splitlines()]

def pareto(field):
    c, run = Counter(d[field] for d in D), 0
    print(f"-- {field} (n={len(D)})")
    for k, n in c.most_common():
        run += n
        print(f"{k:13} {n:2} {'#' * n:7} cum {100 * run / len(D):5.1f}%")

for f in ("cause", "trigger", "type"):
    pareto(f)
crit = [d["lesson"] for d in D if d["sev"] == "critical"]
print("critical:", crit, "| all from cause:",
      {d["cause"] for d in D if d["sev"] == "critical"})

আসল আউটপুট (ব্রাউজারের Python):

-- cause (n=14)
nfr-gap        7 ####### cum  50.0%
unhappy-path   6 ######  cum  92.9%
no-validation  1 #       cum 100.0%
-- trigger (n=14)
recovery       5 #####   cum  35.7%
locale         3 ###     cum  57.1%
device         2 ##      cum  71.4%
workload       2 ##      cum  85.7%
a11y           1 #       cum  92.9%
fuzz           1 #       cum 100.0%
-- type (n=14)
Function       5 #####   cum  35.7%
Presentation   3 ###     cum  57.1%
Algorithm      2 ##      cum  71.4%
Text           2 ##      cum  85.7%
Checking       1 #       cum  92.9%
Timing         1 #       cum 100.0%
critical: ['37', '63', '63'] | all from cause: {'unhappy-path'}

মূল কারণ: দুটি শ্রেণিতেই ১৪টির ১৩টি (৯২.৯%). nfr-gap মানে requirement-এ কোনো non-functional requirement লেখা ছিল না: ছোট পর্দা, বেশি data, contrast, বাংলা input-এর সমতা। unhappy-path মানে নকশা শুধু happy path ভেবেছে: timeout, offline, reload, দুবার চাপ, ধীর wallet নকশায় ছিল না। তিনটি critical-এর তিনটিই দ্বিতীয় শ্রেণির।

Trigger: সবচেয়ে বেশি defect প্রকাশ করেছে recovery ধরনের test (৫টি), তারপর locale (৩টি)। লক্ষ করুন, “সাধারণ functional test” trigger হিসেবে একবারও নেই: app-এর ১৫০টি test ঠিক সেই কাজটাই করে, আর সেখানে কিছু বাকি ছিল না। নতুন defect এসেছে নতুন ধরনের test থেকে।

Type: Function পাঁচটি, কোডের ছোট ভুল (Checking, Timing) মাত্র দুটি: প্রধান দুর্বলতা কোড লেখায় নয়, কী বানাতে হবে তা ঠিক করায়।

Trigger অনুযায়ী Pareto চার্ট — বাজারঘরের ১৪টি পাওয়া defect

bars: defect count · line: cumulative %

Trigger অনুযায়ী Pareto চার্ট recoverylocaledevice loada11yfuzz 53 22 11 trigger (সবচেয়ে বেশি থেকে কম) 05 cum % 80% 85.7
ছবি ৭৫.১ — প্রথম চারটি trigger পর্যন্ত ক্রমযোজিত ৮৫.৭%, অর্থাৎ ৮০% রেখা চতুর্থ bar-এ পার হয়। এখানে “৮০/২০” মেলে না: ছয়টি শ্রেণির চারটি লাগছে।

Pareto principle বলে অল্প কয়েকটি কারণ থেকে বেশিরভাগ ফল আসে। “৮০/২০” প্রকৃতির নিয়ম নয়, ওপরের চার্টই উদাহরণ (পর্ব ০৩)। কিন্তু মূল কারণের সারণিতে দুটি শ্রেণিতে ৯২.৯%: এখানে Pareto খুব স্পষ্ট। কোন দিকে গুনছেন, তার ওপর ছবি বদলায়।

গুনতি বনাম গুরুত্ব: সাধারণ Pareto প্রতিটি defect-কে সমান ধরে। একটি টাকা হারানো defect আর একটি বানানের ভুল সমান ওজন পায়। অনুশীলন ৪-এ severity অনুযায়ী ওজন দিলে মূল কারণের ক্রম উল্টে যায়, দেখবেন। আর ছোট নমুনায় (এখানে ১৪টি) একটি-দুটি defect এদিক-ওদিক হলে ক্রম বদলাতে পারে; Pareto দিক দেখায়, প্রমাণ নয়।

৪ · মূল কারণ খোঁজা — 5 Whys, fishbone আর fault tree

5 Whys

5 Whys সবচেয়ে সরল পদ্ধতি: সমস্যা থেকে শুরু করে “কেন?” জিজ্ঞাসা করতে থাকুন, যতক্ষণ না এমন একটি কারণে পৌঁছান যা প্রক্রিয়ার অংশ, আর যা বদলানো যায়। পদ্ধতিটি Toyota-র উৎপাদন ব্যবস্থার সাথে জড়িত; Sakichi Toyoda-র নাম আর Taiichi Ohno-র লেখায় এর প্রচার বলে উদ্ধৃত হয়। “পাঁচ” কোনো নিয়ম নয়; কখনো তিনবারে পৌঁছান, কখনো সাতবার লাগে। প্রতিটি উত্তরের পেছনে প্রমাণ চাই। নিচে সবচেয়ে গুরুতর defect, D1, নিয়ে ধাপে ধাপে:

বাজারঘর · D1 (পর্ব ৩৭-এ পাওয়া)
প্রশ্ন
উত্তর
প্রমাণ
  1. সমস্যা, তথ্য দিয়ে। Wallet timeout_once মোডে HTML pay form দিয়ে টাকা দিলে timeout-এর বার্তা আসে; আবার চাপলে অর্ডার paid, কিন্তু fake gateway-র ledger-এ একই অঙ্কের দুটি charge. সমস্যার বাক্যে কারণ নেই, অনুমান নেই, শুধু যা দেখা গেছে।
  2. কেন দুটি charge? দ্বিতীয় চাপে ভিন্ন Idempotency-Key গেছে। Gateway একই key-তে দ্বিতীয়বার টাকা কাটে না, কিন্তু নতুন key মানে নতুন অনুরোধ। Ledger-এর দুটি ref আলাদা: প্রমাণ।
  3. কেন নতুন key? Pay form প্রতিটি page view-এ নতুন key বসায়। Timeout-এর পর app redirect করে, আর redirect মানে নতুন page view. API ব্যবহারকারী একই key আবার পাঠালে নিরাপদ; ব্রাউজারের ব্যবহারকারী নন।
  4. কেন page view-প্রতি key? নকশায় key-এর কাজ ধরা হয়েছিল “একই পাতা থেকে দুবার submit” আটকানো। “Timeout-এর পর আবার চেষ্টা” ঘটনাটি নকশার আলোচনায় ছিল না। এখানে এসে কারণ কোড থেকে নকশার সিদ্ধান্তে উঠল।
  5. কেন নকশায় ছিল না? Payment-এর acceptance criteria শুধু সফল পথ বলেছে। দলের requirement review-এ “ব্যর্থতার পথে কী হবে” প্রশ্ন তোলার কোনো checklist নেই (পর্ব ১৫-এর testability প্রশ্নগুলোর মতো)। এটি প্রক্রিয়ার কারণ, যা বদলানো যায়: মূল কারণ, “কেন ঢুকল” শাখায়।
  6. কেন আগে ধরা পড়ল না? দ্বিতীয় শাখা। App-এর test_payment.py timeout-এর পর retry পরীক্ষা করে, কিন্তু API দিয়ে, একই key দিয়ে, তাই পাস। ব্রাউজারের পথে fault injection পর্ব ৩৭-এর আগে কেউ চালাননি। মূল কারণ, “কেন ধরা পড়েনি” শাখায়: fault-injection শুধু API স্তরে।
  7. পদক্ষেপ। তিনটি corrective action, প্রতিটির মালিক আর যাচাইয়ের মাপ: (১) review checklist-এ টাকা-সংক্রান্ত প্রতিটি কাজে timeout, retry, দুবার চাপের প্রশ্ন; (২) key server-এ অর্ডার আর চেষ্টার সাথে বাঁধা; (৩) CI-তে timeout_once দিয়ে একটি UI test.

দ্বিতীয় উদাহরণ, D5: “সয়াবিন” খুঁজে কিছু মেলে না, কারণ কীবোর্ড “য়” লেখে একটি code point (U+09DF), আর database-এ NFC রূপে দুটি (য + ় )। Search Unicode normalisation করে না, কারণ requirement-এ শুধু “case-insensitive substring” ছিল; আর test ধরেনি, কারণ test data একই কীবোর্ডে লেখা। মূল কারণ: localisation-এর NFR নেই, test data-য় input-এর বৈচিত্র্য নেই।

5 Whys-এর তিনটি ফাঁদ: (১) একটিমাত্র শিকল: বাস্তবে একটি ঘটনার কয়েকটি কারণ একসাথে লাগে, তাই প্রতিটি ধাপে “আর কী?” জিজ্ঞাসা করুন। (২) মানুষে গিয়ে থামা: “developer অসাবধান ছিলেন” পাঁচ নম্বরে এলে আরও একবার জিজ্ঞাসা করুন, কোন ব্যবস্থা অসাবধানতা সম্ভব করল। (৩) প্রমাণ ছাড়া গল্প: যে উত্তর log বা কোড দিয়ে দেখানো যায় না, তা অনুমান হিসেবে চিহ্নিত করুন।

Fishbone (Ishikawa) diagram

প্রথম ফাঁদের প্রতিষেধক fishbone diagram, যা জাপানের মান-প্রকৌশলী Kaoru Ishikawa-র নামে পরিচিত আর ১৯৬০-এর দশকে জনপ্রিয় হয় বলে উদ্ধৃত হয়। মাছের মাথায় সমস্যা, প্রতিটি কাঁটায় কারণের একটি শ্রেণি। Software-এ সাধারণ শ্রেণি: requirement, নকশা, কোড, test, পরিবেশ আর প্রক্রিয়া। নিচে payment-এর তিনটি critical defect (D1, D10, D11) একসাথে:

Fishbone — পেমেন্টে টাকা আর অর্ডারের অবস্থা মেলে না

D1 · D10 · D11 — six cause categories

Payment defect-এর fishbone diagram Requirement শুধু সফল পথ লেখামিলিয়ে দেখার নিয়ম নেই নকশা page view-প্রতি keylock-এ wallet call কোড timeout হলে শুধু 504অবস্থা আবার যাচাই নেই Test retry test শুধু API-তেUI-তে fault injection নেই পরিবেশ fake gateway প্রায়সবসময় success মোডে প্রক্রিয়া review-এ ব্যর্থতারপথের checklist নেই টাকা কাটা, কিন্তু অর্ডারের অবস্থা মেলে না
ছবি ৭৫.২ — একই সমস্যার ছয় দিক। “কোড” কাঁটার কারণগুলোও আসলে ওপরের দুই কাঁটা থেকে আসে: যে আচরণ requirement-এ নেই, কোডও তা করে না।

Fishbone-এর শক্তি ব্যাপ্তিতে, দুর্বলতা গভীরতায়; তাই অনেক দল fishbone দিয়ে কারণের প্রার্থী খোঁজে, আর সবচেয়ে সম্ভাব্য কাঁটায় 5 Whys চালায়।

Fault tree, সংক্ষেপে

Fault tree analysis উল্টো দিক থেকে চিন্তা করে: একটি অবাঞ্ছিত ঘটনা ওপরে রেখে নিচে লেখা হয় কোন কোন কারণের মিলনে তা ঘটে। AND gate মানে সব কারণ একসাথে লাগে, OR মানে যেকোনো একটি যথেষ্ট। পদ্ধতিটির শুরু ১৯৬০-এর দশকের শুরুতে Bell Labs-এ, Minuteman ক্ষেপণাস্ত্রের নিরাপত্তা বিশ্লেষণে, বলে উদ্ধৃত হয়। D11-এর জন্য একটি ছোট গাছ:

টাকা কাটা অথচ অর্ডার unpaid থেকে যায়            (top event)
└─ AND
   ├─ gateway charge লিখল
   ├─ app উত্তর পেল না
   │  └─ OR
   │     ├─ gateway ধীর (timeout মোড)
   │     └─ network বিচ্ছিন্ন
   └─ পরে কেউ ledger আর অর্ডার মেলায় না           ← কোনো job নেই

AND gate-এর যেকোনো একটি শাখা ভাঙলেই ঘটনা আর ঘটে না। Gateway-র ধীরতা আমাদের হাতে নেই, কিন্তু তৃতীয় শাখা, একটি reconciliation job, পুরোপুরি আমাদের হাতে।

৫ · Phase containment — কোথায় ঢুকল, কোথায় ধরা পড়ল

প্রতিটি defect-এর দুটি সময় আছে: injection phase (যে ধাপে ভুলটি তৈরি হলো) আর detection phase (যে ধাপে ধরা পড়ল)। দুটিকে সারি আর কলামে রাখলে একটি matrix পাওয়া যায়। কর্ণের ঘর (যে ধাপে ঢুকল, সেখানেই ধরা) সবচেয়ে সস্তা; যত ডানে, তত দামি। Phase containment effectiveness (PCE) মানে একটি ধাপে ঢোকা defect-এর কত অংশ সেই ধাপেই ধরা পড়ল। পর্ব ৬৭-এর DDP-র সাথে এর ঘনিষ্ঠ সম্পর্ক।

প্রথমে বাজারঘরের সত্যিকারের ছবি। ওপরের মূল কারণ থেকে injection phase: NFR অনুপস্থিত হলে requirement, ব্যর্থতার পথ না থাকলে নকশা, সীমা যাচাই না থাকলে কোড। আর detection: ১৪টিই ধরা পড়েছে system স্তরের বিশেষ test-এ (পর্ব ৩৭ থেকে ৬৯):

ঢুকল ↓ / ধরা পড়ল →Requirement reviewনকশা reviewUnit/API (১৫০ test)System, বিশেষ testমোট
Requirement০০০৭৭
নকশা—০০৬৬
কোড——০১১

প্রতিটি phase-এর PCE শূন্য, আর কোনো defect production-এ যায়নি শুধু এই কারণে যে বাজারঘরের কোনো production নেই। দিকটি স্পষ্ট: সবচেয়ে বেশি defect ঢুকেছে সবচেয়ে আগের ধাপে, ধরা পড়েছে সবচেয়ে দেরিতে।

প্রবণতা পড়তে একটি কাল্পনিক data নিন: দল তিনটি release-এ প্রতিটি defect-এর দুটি phase লিখেছে, আর release ৩-এর আগে requirement review-এ NFR ও ব্যর্থতার পথের checklist যোগ করেছে। ব্রাউজারের SQLite-এ তিনটি query চালান:

-- ১) Release 3-এর phase-containment matrix
SELECT injected,
  SUM(CASE WHEN detected='req'    THEN n ELSE 0 END) AS req,
  SUM(CASE WHEN detected='design' THEN n ELSE 0 END) AS design,
  SUM(CASE WHEN detected='code'   THEN n ELSE 0 END) AS code,
  SUM(CASE WHEN detected='test'   THEN n ELSE 0 END) AS test,
  SUM(CASE WHEN detected='prod'   THEN n ELSE 0 END) AS prod,
  SUM(n) AS total
FROM defects WHERE rel = 3
GROUP BY injected
ORDER BY CASE injected WHEN 'req' THEN 1 WHEN 'design' THEN 2 ELSE 3 END;

-- ২) Phase containment: নিজের phase-এই ধরা অংশ, release অনুযায়ী
SELECT rel, injected,
  ROUND(100.0 * SUM(CASE WHEN detected = injected THEN n ELSE 0 END)
        / SUM(n), 1) AS pce_pct
FROM defects GROUP BY rel, injected
ORDER BY injected DESC, rel;

-- ৩) Escape trend: production-এ পৌঁছানোর হার
SELECT rel, SUM(n) AS total,
  SUM(CASE WHEN detected='prod' THEN n ELSE 0 END) AS escaped,
  ROUND(100.0 * SUM(CASE WHEN detected='prod' THEN n ELSE 0 END) / SUM(n), 1) AS escape_pct
FROM defects GROUP BY rel;

আসল আউটপুট (ব্রাউজারের SQLite; পূর্ণসংখ্যার শতাংশ দশমিক ছাড়া দেখায়), তিনটি ফলের table:

injected | req | design | code | test | prod | total
req      | 5   | 1      | 1    | 3    | 1    | 11
design   | 0   | 4      | 2    | 4    | 1    | 11
code     | 0   | 0      | 13   | 8    | 2    | 23

rel | injected | pce_pct
1   | req      | 0
2   | req      | 18.2
3   | req      | 45.5
1   | design   | 7.7
2   | design   | 16.7
3   | design   | 36.4
1   | code     | 40
2   | code     | 48
3   | code     | 56.5

rel | total | escaped | escape_pct
1   | 49    | 10      | 20.4
2   | 48    | 8       | 16.7
3   | 45    | 4       | 8.9

নিচের stepper-এ ফলটি ধাপে ধাপে পড়ুন।

বাজারঘর · release ১ → ৩ (কাল্পনিক)
দেখছি
মান
প্রশ্ন
  1. গঠন। সারি: কোথায় ঢুকল (requirement, নকশা, কোড)। কলাম: কোথায় ধরা পড়ল (তিনটি review বা কোডের ধাপ, তারপর test, শেষে production). Release ৩-এ মোট ১১ + ১১ + ২৩ = ৪৫টি defect. কোনো defect তার জন্মের আগের ধাপে ধরা পড়তে পারে না, তাই কর্ণের বাঁয়ের ঘর শূন্য।
  2. কর্ণ। নিজের ধাপেই ধরা: requirement ৫, নকশা ৪, কোড ১৩, মোট ২২. অর্থাৎ ৪৫টির প্রায় অর্ধেক (২২) সবচেয়ে সস্তা জায়গায় আটকেছে।
  3. Requirement-এর সারি। ১১টি requirement defect-এর ৫টি requirement review-এই ধরা: PCE ৫ ÷ ১১ = ৪৫.৫%. নতুন checklist-এর লক্ষ্য ঠিক এই ঘর।
  4. কর্ণের ডানে। ৪৫ − ২২ = ২৩টি defect অন্তত এক ধাপ দেরিতে ধরা পড়েছে। সবচেয়ে বেশি কোডের সারিতে test কলামে (৮টি): unit স্তরের test-এ ফাঁক থাকতে পারে, পর্ব ৫৯-এর mutation score দেখার জায়গা।
  5. Production কলাম। ১ + ১ + ২ = ৪টি গ্রাহকের কাছে গেছে: escape ৪ ÷ ৪৫ = ৮.৯%. সবচেয়ে দামি ঘর; প্রতিটির জন্য আলাদা RCA প্রাপ্য।
  6. প্রবণতা। Requirement-এর PCE ০ → ১৮.২ → ৪৫.৫%, নকশার ৭.৭ → ১৬.৭ → ৩৬.৪%, escape ২০.৪ → ১৬.৭ → ৮.৯%. Checklist যোগ হয়েছে release ৩-এর আগে, আর সবচেয়ে বড় লাফও সেখানে: পরিবর্তনের সাথে মেলে।
  7. সতর্কতা। মোট defect ৪৯ → ৪৮ → ৪৫. কম defect মানে কম ঢুকেছে, নাকি কম খোঁজা হয়েছে? Release-এর আকার, test-এর সময় আর production-এ কতদিন চলেছে না জেনে “উন্নতি” দাবি করা যায় না; release ৩-এর escape পরের মাসগুলোতে বাড়তেও পারে।

৬ · Reliability growth — আর কত defect বাকি?

System test চলতে থাকলে সাধারণত প্রথম সপ্তাহে অনেক defect, তারপর ধীরে ধীরে কম। এই কমে আসার ধারাকে গণিতে ধরে reliability growth model. সবচেয়ে পরিচিত মডেলের একটি Goel–Okumoto (Amrit Goel ও Kazu Okumoto, ১৯৭৯ বলে উদ্ধৃত হয়):

m(t) = a · (1 − e^(−b·t))
a = মোট প্রত্যাশিত defect     b = ধরা পড়ার হার
বাকি ≈ a − এ পর্যন্ত পাওয়া     এখনকার হার = a·b·e^(−b·t)

মডেলের শর্ত গুরুত্বপূর্ণ: test-এর ধরন মোটামুটি একই থাকে (একই রকম ব্যবহারের ধারা), সারানোর সময় নতুন defect প্রায় ঢোকে না, আর সময়ের মাপ test-এর পরিশ্রমের সাথে মেলে। নিচের কোড মডেলটি দুটি data-য় fit করে: প্রথমটি কাল্পনিক দশ সপ্তাহের system test, দ্বিতীয়টি বাজারঘরের সত্যিকারের পাওয়া defect, পর্ব নম্বর অনুযায়ী। Fit-এ শুধু standard library: b-এর অনেকগুলো মান চেষ্টা, প্রতিটির জন্য a-র সেরা মান সরাসরি সূত্রে।

from math import exp
# Goel-Okumoto: expected defects found by time t, m(t) = a * (1 - e^(-b t))
def fit(ts, ms):
    best = None
    for i in range(1, 2001):                  # grid over b, a in closed form
        b = i / 2000
        f = [1 - exp(-b * t) for t in ts]
        a = sum(m * x for m, x in zip(ms, f)) / sum(x * x for x in f)
        sse = sum((m - a * x) ** 2 for m, x in zip(ms, f))
        if best is None or sse < best[0]:
            best = (sse, a, b)
    return best

# (1) invented: cumulative defects after each week of system test
weeks = list(range(1, 11))
cum = [12, 22, 30, 36, 41, 45, 48, 50, 52, 53]
sse, a, b = fit(weeks, cum)
T = weeks[-1]
print(f"invented  a={a:.1f} b={b:.3f} sse={sse:.1f}")
print(f"  found {cum[-1]}, model total {a:.1f}, left ~{a - cum[-1]:.1f}")
print(f"  rate now {a * b * exp(-b * T):.2f}/week (start {a * b:.2f}/week)")

# (2) real: cumulative FOUND defects of bazarghar vs lesson number
lesson = [37, 42, 49, 54, 56, 57, 60, 63, 69]
found = [1, 2, 3, 4, 6, 8, 9, 11, 14]
sse, a, b = fit([x - 36 for x in lesson], found)
print(f"real      a={a:.1f} b={b:.4f} sse={sse:.1f}")
print("  b at the grid edge?", b == 1 / 2000)

আসল আউটপুট:

invented  a=59.0 b=0.236 sse=0.6
  found 53, model total 59.0, left ~6.0
  rate now 1.31/week (start 13.94/week)
real      a=741.3 b=0.0005 sse=17.3
  b at the grid edge? True

কাল্পনিক data-য় মডেল ভালো খাটে: ভুলের বর্গের যোগফল মাত্র ০.৬. মডেল বলে মোট প্রায় ৫৯টি, পাওয়া ৫৩, বাকি প্রায় ৬টি; ধরা পড়ার হার সপ্তাহে প্রায় ১৪ থেকে নেমে ১.৩. এটি একটি অনুমান, সীমাসহ পড়ুন; “বাকি ৬” মানে এই ধরনের test-এ আর প্রায় ৬টি পাওয়ার আশা, app-এ মোট ৬টি ভুল নয়।

সত্যিকারের data-য় মডেল ভেঙে পড়ে: b grid-এর সবচেয়ে ছোট মানে আটকে গেছে, আর a = ৭৪১, অর্থাৎ মডেল কোনো সমাপ্তি দেখছে না। কারণ data-র আকার উল্টো: পর্ব ৫৬ থেকে প্রতি ধাপে আগের চেয়ে বেশি defect (২, ২, ১, ২, ৩)। এটি মডেলের দোষ নয়, শর্ত ভাঙার ফল: প্রতিটি পর্ব নতুন ধরনের test এনেছে (নতুন trigger), যা app-এর একটি নতুন অংশের defect খুঁজেছে। একই রকম test চালিয়ে গেলে কমে আসার ধারা দেখা যেত; নতুন ধরনের test যোগ হলে ঘড়ি যেন আবার শূন্য থেকে শুরু হয়।

শিক্ষা: “আর কত বাকি”-র উত্তর মডেল দেয় শুধু একই ধরনের test-এর ভেতরে। Release-এর সিদ্ধান্তে পাশে রাখুন risk-ভিত্তিক বিচার (পর্ব ৭৩, Risk-based testing) আর না চালানো test-এর তালিকা।

৭ · PDCA হাতে-কলমে — তিনটি প্রস্তাব, একটি সত্যিকারের যাচাই

RCA থেকে তিনটি process improvement প্রস্তাব, প্রতিটি একটি Pareto শ্রেণির বিরুদ্ধে:

প্রস্তাব ১ · Requirement review checklist

প্রতিটি story-তে NFR (ছোট পর্দা, বেশি data, contrast, বাংলা input) আর ব্যর্থতার পথ (timeout, retry, offline, reload, দুবার চাপ)। লক্ষ্য: ১৩টি defect-এর কারণ। মাপ: requirement আর নকশার PCE. Static testing-এর কাজ, পর্ব ০৬ আর ১৫।

প্রস্তাব ২ · CI-তে defect-class check

পাওয়া defect-এর জন্য একটি regression test নয়, তার পুরো শ্রেণির জন্য একটি defect-class check. লক্ষ্য: D5, D9 আর তাদের অজানা ভাইবোন। মাপ: check চালু হওয়ার পর একই শ্রেণির নতুন defect.

প্রস্তাব ৩ · UI স্তরে fault-injection smoke

CI-তে কয়েকটি ছোট ব্রাউজার test: wallet timeout_once, offline, ধীর network-এ দুবার চাপ। লক্ষ্য: recovery trigger-এর ৫টি। পদ্ধতি পর্ব ৩৪ আর ৩৭-এ; এই পর্বে চালানো হয়নি।

প্রস্তাব ২ ল্যাবে সত্যিকারভাবে যাচাই করা হলো, app-এর একটি কপিতে (আগের মতো একই tool আর সংস্করণ)। তিনটি check, মোট ৬টি test, একটি নতুন ফাইলে:

@pytest.mark.parametrize("name", CASES.values(), ids=CASES.keys())
def test_search_equivalent_spellings(client, name):
    """Class: text compared without Unicode normalisation (পর্ব ৫৬)."""
    word = name.split()[0]
    counts = {form: client.get("/api/products", params={"q": q}).json()["total"]
              for form, q in [("NFC", unicodedata.normalize("NFC", word)),
                              ("legacy", legacy_spelling(word))]}
    assert counts["legacy"] == counts["NFC"] >= 1, counts

def test_integer_path_params_have_bounds(client):
    """Class: unbounded integer input reaching SQLite (পর্ব ৬০)."""
    spec = client.get("/openapi.json").json()
    unbounded = sorted({f"{path} {p['name']}"
                        for path, ops in spec["paths"].items()
                        for op in ops.values()
                        for p in op.get("parameters", [])
                        if p["in"] == "path" and p["schema"].get("type") == "integer"
                        and "maximum" not in p["schema"]})
    assert unbounded == [], f"{len(unbounded)} unbounded: {unbounded[:3]}"
# + test_huge_product_id_is_not_500, test_no_get_route_500_on_huge_id

প্রথম check “য়” বা “ড়” থাকা তিনটি পণ্যের নামে চলে; দ্বিতীয়টি OpenAPI নথিতে খোঁজে কোন path-এর integer-এর ঊর্ধ্বসীমা নেই। আসল app-এ, পরিবর্তনের আগে, সত্যিকারের ফল (path নিরপেক্ষ করা):

$ uv run pytest tests/test_defect_classes.py -q --tb=line
…:35: AssertionError: {'NFC': 1, 'legacy': 0}
…:35: AssertionError: {'NFC': 1, 'legacy': 0}
…:35: AssertionError: {'NFC': 1, 'legacy': 0}
…:47: AssertionError: 8 unbounded: ['/api/admin/products/{product_id}/stock product_id',
      '/api/cart/items/{product_id} product_id', '/api/orders/{order_id} order_id']
…:53: AssertionError: 500
…:76: AssertionError: 7 GET routes, 500 on: ['/api/products/{product_id}',
      '/api/products/{product_id}/reviews', '/products/{product_id}']
6 failed in 0.63s

পুরোনো দুটি defect ধরা পড়ল, আর সাথে তাদের ভাইবোন: পর্ব ৬০ দেখিয়েছিল /api/products/{id}; শ্রেণির check দেখাল ৮টি path-এ কোনো সীমা নেই, আর তিনটি GET route সত্যিই 500 দেয়, তার একটি ব্রাউজারের পাতা। এবার পুরো চক্রটি stepper-এ, যেমন সত্যিই ঘটেছে, ভুলসহ:

বাজারঘরের কপি · pytest 9.2.0
ধাপ
কী করা
ফল
  1. Plan. লক্ষ্য মাপা যায় এমনভাবে লেখা: “Unicode সমতা আর বড় integer, এই দুই শ্রেণির check CI-তে সবুজ, আর app-এর ১৫০টি test-ও সবুজ থাকবে।” প্রতিটি check একটি নির্দিষ্ট defect নয়, একটি শ্রেণি পাহারা দেয়।
  2. Do, প্রথম ভাগ। কিছু না বদলে আসল app-এ check চালানো: ৬টির ৬টিই লাল। একটি নতুন check-কে প্রথমে পুরোনো, জানা defect-এর ওপর লাল হতে দেখতে হয়; নইলে জানা যায় না সে আদৌ কিছু ধরে কি না।
  3. Do, সমাধান। API-র ১০টি path parameter-এ ঊর্ধ্বসীমা (Path(le=2**63 - 1)), আর search-এ query ও নাম দুটোই NFC করে তুলনা। পুরো suite: 155 passed, অর্থাৎ পুরোনো ১৫০টি আর নতুন ৫টি।
  4. Check, আর একটি অস্বস্তিকর আবিষ্কার। OpenAPI শুধু JSON API দেখায়, ব্রাউজারের পাতা নয়। তাই সব GET route-এ 2**63 পাঠানোর একটি probe লেখা হলো। প্রথম সংস্করণ পাস করল, কিন্তু খুঁজে দেখা গেল সে শূন্যটি route দেখেছিল: FastAPI 0.163 include করা router-গুলো সরাসরি app.routes-এ রাখে না। খালি তালিকায় “500 হয়নি” সবসময় সত্য।
  5. Check, guard দিয়ে। Probe-কে router-এর ভেতরে ঢুকতে শেখানো হলো, আর একটি guard: পাঁচটির কম route দেখলে নিজেই fail. এবার ৭টি GET route, আর একটি ব্রাউজারের পাতা, /products/{product_id}, তখনো 500. সমাধান ১ শ্রেণির অর্ধেক ঢেকেছিল।
  6. Act, প্রথম চেষ্টা। HTML route-গুলোতেও একই Path সীমা। 500 গেল, কিন্তু বাংলা পাতার জায়গায় ইংরেজি JSON 422 আসতে লাগল, আর /products/0 বাংলা 404 থেকে 422-এ বদলে গেল। অর্থাৎ D6-এর শ্রেণির (বাংলা পাতায় ইংরেজি বার্তা) একটি নতুন defect. বাতিল।
  7. Act, দ্বিতীয় চেষ্টা। মূলে সমাধান: যে service সব পথ থেকে SQLite-এ সংখ্যা পাঠায়, সেখানে একটি guard; সীমার বাইরে হলে স্বাভাবিক বাংলা “পণ্যটি পাওয়া যায়নি” 404. শেষ ফল 156 passed, ছয়টি শ্রেণির check সবুজ। Standardise: check-গুলো CI-তে, আর পরের চক্রে প্রস্তাব ১-এর মাপ।

শেষ অবস্থার সত্যিকারের ফল:

$ uv run pytest -q
156 passed in 13.52s
$ # GET /products/9223372036854775808 → 404 (বাংলা পাতা)   /products/0 → 404
$ # GET /api/products/9223372036854775808 → 422            /api/products/0 → 404
মূল শিক্ষা

PDCA-র “Check” আনুষ্ঠানিকতা নয়। এই একটি চক্রে check তিনটি জিনিস খুঁজেছে যা সমাধানকারী জানতেন না: অসম্পূর্ণ সমাধান (HTML পাতা বাকি), নিজের যাচাইয়ের ভুল (শূন্য route-এ পাস), আর সমাধানের পার্শ্বপ্রতিক্রিয়া (বাংলা পাতায় ইংরেজি বার্তা)। কোনো check “কিছু পাওয়া যায়নি” বললে জিজ্ঞাসা করুন: কতগুলো জিনিস দেখেছে?

এবার নিজে করুন: একই শ্রেণির check একটি ছোট search-এর পুরোনো আর সারানো রূপে, unittest দিয়ে। “লেগাসি” বানানে “য়” আর “ড়” একটি করে code point:

import io, unicodedata, unittest
NAMES = ["সয়াবিন তেল", "পেঁয়াজ", "গুঁড়া দুধ", "চিনি"]   # stored as NFC
nfc = lambda t: unicodedata.normalize("NFC", t).casefold()

def search_old(q):                         # like the app before the fix
    return [n for n in NAMES if q.strip().casefold() in n.casefold()]
def search_new(q):                         # the fix: normalise both sides
    return [n for n in NAMES if nfc(q.strip()) in nfc(n)]
def legacy(t):                   # one code point (U+09DF, U+09DC) for য় and ড়
    return (t.replace(chr(0x9AF) + chr(0x9BC), chr(0x9DF))
             .replace(chr(0x9A1) + chr(0x9BC), chr(0x9DC)))

class EquivalentSpellings(unittest.TestCase):
    """Defect CLASS check: the same word in any Unicode form finds the same."""
    search = staticmethod(search_old)
    def test_every_name_every_form(self):
        for name in NAMES:
            word = name.split()[0]
            with self.subTest(word=word):
                self.assertEqual(self.search(legacy(word)), self.search(word))

class EquivalentSpellingsFixed(EquivalentSpellings):
    search = staticmethod(search_new)

suite = unittest.TestSuite()
for cls in (EquivalentSpellings, EquivalentSpellingsFixed):
    suite.addTests(unittest.defaultTestLoader.loadTestsFromTestCase(cls))
r = unittest.TextTestRunner(stream=io.StringIO()).run(suite)
bad = {}
for test, tb in r.failures:
    msg = [x for x in tb.splitlines() if x.startswith("AssertionError")][0]
    bad.setdefault(test.id().split(".")[-2], []).append(msg[16:])
for cls in ("EquivalentSpellings", "EquivalentSpellingsFixed"):
    print(cls, "->", f"FAIL x{len(bad[cls])}" if cls in bad else "ok")
    for m in bad.get(cls, []): print("   ", m)

আসল আউটপুট:

EquivalentSpellings -> FAIL x3
    Lists differ: [] != ['সয়াবিন তেল']
    Lists differ: [] != ['পেঁয়াজ']
    Lists differ: [] != ['গুঁড়া দুধ']
EquivalentSpellingsFixed -> ok

পুরোনো search-এ তিনটি শব্দ ব্যর্থ: লেগাসি বানানে খালি তালিকা, NFC বানানে পণ্য পাওয়া যায়। “চিনি”-তে “য়” বা “ড়” নেই, তাই দুই বানান একই, পাস। সারানো রূপ চারটিতেই পাস, কারণ unicodedata.normalize("NFC", …) U+09DF-কে য + ় -তে ভেঙে দেয় (এই অক্ষরগুলো NFC-তে আবার জোড়া লাগে না)। Check-টি নামের তালিকা থেকে নিজেই শব্দ বানায়, তাই নতুন পণ্যেও কাজ করে: শ্রেণির check-এর শক্তি এটাই।

৮ · Retrospective, blameless postmortem আর quality culture

RCA একা কেউ করেন না। দলের নিয়মিত জায়গা হলো retrospective: প্রতিটি sprint বা release-এর শেষে দল বসে দেখে কী ভালো গেল, কী আটকাল, পরের বার কী বদলাবে। Scrum-এ এর জায়গা সফটওয়্যার ইঞ্জিনিয়ারিং ও Git কোর্সের পর্ব ০৫-এ পড়ানো হয়েছে। Tester-এর সবচেয়ে বড় অবদান data: “এই sprint-এর ৬টি defect-এর ৪টির trigger recovery”, তাতে মতামতের বৈঠক সিদ্ধান্তের বৈঠক হয়। Norm Kerth-এর “Project Retrospectives” (২০০১) বইয়ের একটি বাক্য অনেক দল শুরুতে পড়ে, যার মর্ম: প্রত্যেকে তখনকার জ্ঞান, দক্ষতা আর পরিস্থিতিতে যথাসাধ্য করেছেন বলে আমরা ধরে নিই।

বড় ঘটনার পর হয় blameless postmortem: দোষারোপ ছাড়া লেখা বিশ্লেষণ, যার লক্ষ্য ব্যবস্থা, মানুষ নয়। ধারণাটি জনপ্রিয় করেছে John Allspaw-এর ২০১২ সালের একটি লেখা আর Google-এর “Site Reliability Engineering” বই (২০১৬)। Incident-এর পুরো প্রক্রিয়া ক্লাউড কম্পিউটিং ও DevOps কোর্সের পর্ব ৬৭-এ আছে; QA-র দিক থেকে একটি postmortem-এ তিনটি অংশ বিশেষ জরুরি। D11-এর জন্য একটি সংক্ষিপ্ত খসড়া:

শিরোনাম : Wallet timeout-এ টাকা কাটা, অর্ডার unpaid (D11)
প্রভাব   : এক পরীক্ষায় ৩৪৯টি অর্ডার; প্রতিটিতে গ্রাহকের টাকা আটকে
সময়রেখা : timeout মোড চালু → load → ledger বনাম orders মিলিয়ে দেখা
যা ভালো কাজ করল : idempotency key-তে দ্বিগুণ charge হয়নি (API পথে)
অবদানকারী কারণ (একাধিক) :
  - requirement-এ reconciliation-এর কথা নেই
  - fault tree-র AND শাখা: কেউ ledger আর অর্ডার মেলায় না
  - test: timeout মোডে কোনো end-to-end check ছিল না (পর্ব ৬৩-এর আগে)
কেন আগে ধরা পড়েনি : fake gateway প্রায় সবসময় success মোডে চলে
পদক্ষেপ (মালিক · তারিখ · যাচাইয়ের মাপ) :
  1. reconciliation job · backend · ledger ↔ orders mismatch = 0
  2. CI-তে timeout-মোড smoke · QA · প্রতি merge-এ চলে
  3. review checklist-এ "টাকা কাটা অথচ উত্তর নেই" প্রশ্ন · QA lead

লক্ষ করুন, খসড়ায় কোনো মানুষের নাম নেই, “অবদানকারী কারণ” বহুবচনে, আর প্রতিটি পদক্ষেপের একটি মালিক আর মাপ আছে। Blameless মানে দায়িত্বহীন নয়: যে দলে ভুল স্বীকার করলে শাস্তি, সেখানে মানুষ ভুল লুকায়, আর RCA-র data-ই নষ্ট হয়।

এখান থেকেই quality culture, যার কয়েকটি চিহ্ন চোখে দেখা যায়: খারাপ খবর প্রথম ঘণ্টায় জানানো হয়; RCA-র পদক্ষেপ backlog-এ ঢোকে আর শেষও হয়; metric দিয়ে মানুষের রেটিং হয় না; tester-এর “timeout হলে কী হবে?” প্রশ্নকে বাধা নয়, অবদান মনে করা হয়।

৯ · Process improvement মডেল — TMMi, TPI NEXT আর CMMI

Test process improvement দুই পথে হয়। বিশ্লেষণভিত্তিক পথ এতক্ষণ দেখলেন: নিজের defect আর metric থেকে সমস্যা খুঁজে বদলানো। মডেলভিত্তিক পথে একটি প্রকাশিত মডেলের সাথে নিজের প্রক্রিয়া মিলিয়ে দেখা হয় কোন অভ্যাস নেই। ISTQB-এর syllabus-এ দুই পথই আছে। তিনটি পরিচিত মডেল:

মডেলকারগঠনকোথায় কাজে লাগে
TMMiTMMi Foundation; পূর্বসূরি Illinois Institute of Technology-র TMMপাঁচ level, staged (ধাপে ধাপে); প্রতিটি level-এ কয়েকটি process areaপ্রতিষ্ঠানের testing-এর সামগ্রিক অবস্থা আর পরের ধাপ
TPI NEXTSogeti (২০০৯ বলে উদ্ধৃত); পূর্বসূরি TPIকয়েকটি key area, প্রতিটি আলাদা maturity-তে; continuous (ক্ষেত্রভিত্তিক)নির্দিষ্ট দুর্বল ক্ষেত্র বেছে উন্নতি
CMMISEI-তে শুরু, এখন CMMI Instituteপাঁচ maturity level, পুরো development প্রক্রিয়াপ্রতিষ্ঠান-স্তরের প্রক্রিয়া; testing তার একটি অংশ

TMMi-র পাঁচটি level প্রকাশিত মডেলে এভাবে (সংস্করণভেদে process area-র নাম সামান্য আলাদা হতে পারে, মূল নথিতে মিলিয়ে নিন):

  1. Initial: testing অগোছালো।
  2. Managed: test policy ও strategy, পরিকল্পনা, monitoring ও control, test design ও execution, test environment.
  3. Defined: test organization, প্রশিক্ষণ, lifecycle-এর সাথে একীকরণ, non-functional testing, peer review.
  4. Measured: test-এর মাপ, product quality-র মূল্যায়ন, উন্নত review.
  5. Optimization: defect prevention, quality control, test process optimization.

বাজারঘরের RCA-র সাথে মিলিয়ে দেখুন। আমাদের প্রস্তাব ১ (NFR checklist) পড়ে level ৩-এর non-functional testing আর peer review-এ; phase containment মাপা level ৪-এর কাজ; আর পুরো এই পর্ব, পাওয়া defect-এর সাধারণ কারণ বের করে প্রক্রিয়া বদলানো, level ৫-এর defect prevention-এর ধারণা।

Level মানে quality নয়: একটি মূল্যায়ন (assessment) বলে প্রক্রিয়ার কিছু অভ্যাস একটি সময়ে উপস্থিত ছিল। তা কোনো নির্দিষ্ট product-এর defect কম হওয়ার নিশ্চয়তা দেয় না, আর level নিজেই লক্ষ্য হলে Goodhart আবার আসেন: কাগজ বাড়ে, অভ্যাস নয়। এই কোর্স কোনো মূল্যায়ন বা সনদের প্রতিশ্রুতি দেয় না।

PDCA-কে অনেকে Deming cycle-ও বলেন। মূল ধারণা Walter Shewhart-এর, আর W. Edwards Deming তা জনপ্রিয় করেন; Deming নিজে পরে “Check”-এর জায়গায় “Study” (PDSA) বলা পছন্দ করতেন বলে উদ্ধৃত হয়, যাতে বোঝা যায় শুধু টিক দেওয়া নয়, ফল থেকে শেখা।

আরও গভীরে: RCA-র সীমা নিয়ে safety engineering-এ বড় আলোচনা আছে। Nancy Leveson-এর মতো গবেষকেরা যুক্তি দেন, জটিল ব্যবস্থায় দুর্ঘটনা কারণের একটি শিকল থেকে নয়, নিয়ন্ত্রণের দুর্বলতা আর উপাদানের পারস্পরিক ক্রিয়া থেকে আসে (STAMP নামের মডেল); তাই একটি “মূল” কারণ খোঁজাই কখনো কখনো বিভ্রান্তিকর। Software-এ ODC-র শক্তি এসেছে বহু project-এর বণ্টন তুলনা থেকে, একটি defect-এর গল্প থেকে নয়। আর reliability growth মডেলের পরিবার বড়: Jelinski–Moranda (১৯৭২), Goel–Okumoto (১৯৭৯), Musa-র execution-time মডেল; সবগুলোর মূল শর্ত, test-এর ধারা স্থির থাকা, বাস্তব agile দলে প্রায়ই ভাঙে।

পরীক্ষা ও ইন্টারভিউতে: বিশ্ববিদ্যালয়, চাকরি বা ইন্টারভিউর পরীক্ষায় এমন প্রশ্ন চেনা:

  • Requirement ধাপে ২০টি defect ঢুকেছে, requirement review-এ ধরা ৫টি: PCE কত? — ৫ ÷ ২০ = ২৫%.
  • 5 Whys-এর একটি দুর্বলতা বলুন। — একটিমাত্র শিকল ধরে, আর “মানুষের ভুল”-এ থেমে যাওয়ার ঝুঁকি; fishbone দিয়ে ব্যাপ্তি বাড়ান।
  • ODC-তে trigger কী? — যে অবস্থা বা test-এর ধরন defect প্রকাশ করল; বণ্টন বলে কোন test কার্যকর।
  • Goel–Okumoto-তে a = ৬০, এ পর্যন্ত পাওয়া ৫০: বাকি প্রত্যাশিত? — প্রায় ১০, একই ধরনের test চালালে।
  • TMMi-র কোন level-এ defect prevention? — level ৫, Optimization.

১০ · AI-এর যুগে RCA আর process improvement

AI সহকারী শত শত bug report কয়েক মিনিটে শ্রেণিতে ভাগ করতে আর postmortem-এর খসড়া লিখতে পারে। AI প্রায়ই প্রমাণ ছাড়া একটি বিশ্বাসযোগ্য “মূল কারণ” লিখে দেয়; ৫টি “কেন” সাজিয়ে দেয় যার মাঝের ধাপগুলো বানানো; ODC-র এমন শ্রেণি বা TMMi-র এমন process area-র নাম দেয় যা মডেলে নেই; postmortem-এ মানুষের নাম তুলে আনে। আর test লেখার চেনা দুর্বলতাগুলো, যেমন শুধু happy path, বর্তমান কোডের আচরণকে expected ধরা (ভুল কোডেও পাস করে এমন test), sleep-ভিত্তিক অপেক্ষা, এত mock যে আসল কিছুই যাচাই হয় না, সীমার মান বাদ, আর না চালিয়ে “সব test পাস” দাবি, এখানেও আসে: AI-এর লেখা defect-class check শূন্য জিনিস দেখে পাস করতে পারে, ঠিক যেমন আমাদের probe করেছিল।

একটি defect তালিকার শ্রেণিভাগ আর RCA-র খসড়া চাইতে পারেন এভাবে:

তুমি একজন অভিজ্ঞ QA lead. নিচে আমাদের tracker থেকে নেওয়া ২০টি defect দিলাম: প্রতিটির id, শিরোনাম, কোথায় ধরা পড়ল, আর সারানোর commit-এর সংক্ষেপ। মানুষের নাম আর গ্রাহকের তথ্য মুছে দিয়েছি। [defect-এর তালিকা পেস্ট করুন] ১. প্রতিটি defect-কে ODC-এর ধাঁচে type আর trigger-এ ভাগ করো; নিশ্চিত না হলে "অনিশ্চিত" লেখো। ২. শ্রেণি অনুযায়ী গুনতি দাও, আর প্রতিটি গুনতির পাশে defect id-গুলো লেখো, যাতে আমি মিলিয়ে নিতে পারি। ৩. বড় দুটি শ্রেণির সম্ভাব্য মূল কারণ লেখো, "কেন ঢুকল" আর "কেন ধরা পড়েনি" আলাদা করে; প্রতিটি দাবির উৎস দেখাও, না থাকলে "অনুমান" লেখো। ৪. কোনো মানুষকে দোষ দিয়ো না; কারণ হিসেবে প্রক্রিয়া বা ব্যবস্থা লেখো। ৫. তিনটি পদক্ষেপ দাও, প্রতিটির একটি মাপসহ। কোনো মডেলের (TMMi, CMMI) নাম বা ধাপ আলাদা করে লেখো, আমি মিলিয়ে নেব।

AI-এর RCA বা process প্রস্তাব হাতে পেলে — চেকলিস্ট

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিয়ে নিজে কিছুক্ষণ ভাবুন — তারপর “→ উত্তর” চাপুন।

প্র ০১বাজারঘরের নিজের ১৫০টি test বসানো ৮টি bug-এর সবগুলো ধরে, অথচ পাওয়া ১৪টির একটিও নয়। বসানো defect দিয়ে test suite-এর শক্তি মাপা কতটা বিশ্বাসযোগ্য?

Defect বসিয়ে test-এর শক্তি মাপার ধারণা পুরোনো। Harlan Mills ১৯৭০-এর দশকের শুরুতে “error seeding”-এর প্রস্তাব দেন বলে উদ্ধৃত হয়: জানা সংখ্যক ভুল বসিয়ে দেখুন test তার কত অংশ ধরে, তারপর সেই অনুপাত দিয়ে অজানা ভুলের সংখ্যা অনুমান করুন। যুক্তিটি পুকুরে দাগ দেওয়া মাছ ছেড়ে পরে জালের অনুপাত দেখার মতো, আর তার শর্ত একটি: দাগওয়ালা আর বাকি মাছ জালে ধরা পড়ার সম্ভাবনায় একই রকম।

বাজারঘরে শর্তটি স্পষ্টভাবে ভেঙেছে। বসানো ৮টি bug কোডের এক লাইনের ভুল: >-এর জায়গায় >=, idempotency key উপেক্ষা, একটি label মুছে ফেলা। এগুলো যিনি বসিয়েছেন, তিনিই সেই নিয়মের test লিখেছেন; জাল আর মাছ একই হাতের তৈরি। পাওয়া ১৪টি একদম অন্য জাতের: requirement-এ না থাকা গুণ আর নকশায় না ভাবা ব্যর্থতার পথ। ১৫০টি test-এর জাল এই জলে কখনো ফেলাই হয়নি। তাই “বসানো defect-এ ১০০%” থেকে “আমাদের suite প্রায় সব ধরে” বলা মারাত্মক ভুল হতো; বাস্তবে পাওয়া defect-এ হার শূন্য।

Mutation testing (পর্ব ৫৯) একই সমস্যার আধুনিক রূপ: mutant হলো স্বয়ংক্রিয়ভাবে বসানো ছোট ভুল। Mutation score ভালো বলে কোডের যুক্তির ভুল ধরার ক্ষমতা ভালো, কিন্তু অনুপস্থিত requirement বা ভুল নকশা কোনো mutant কখনো তৈরি করে না, কারণ mutant শুধু বিদ্যমান কোড বদলায়।

ব্যবহারিক পরামর্শ: বসানো defect-এর ফলকে একটি নিম্নসীমার পরীক্ষা ভাবুন। কোনো বসানো bug না ধরা পড়লে suite-এ নিশ্চিত ফাঁক। কিন্তু সব ধরা পড়লে তা শুধু বলে, কল্পিত ভুলের জগতে suite ঠিক আছে। অজানা জগতের খবর আসে ভিন্ন trigger-এর test থেকে (exploratory, fault injection, ছোট পর্দা, বেশি data, বাংলা input), আর production-এর escape থেকে।

মূল উপলব্ধি: বসানো defect মাপে test লেখকের কল্পনার সীমার ভেতরের শক্তি। সবচেয়ে দামি defect প্রায়ই সেই সীমার বাইরে থাকে।

প্র ০২5 Whys এত জনপ্রিয়, তবু অনেক বিশেষজ্ঞ একে বিপজ্জনক বলেন কেন? ভালো RCA-র জন্য কী যোগ করবেন?

5 Whys-এর জনপ্রিয়তার কারণ সরলতা: কোনো tool লাগে না, একটি বোর্ড আর আধা ঘণ্টায় হয়। কারখানার মেঝেতে প্রতিটি উত্তর চোখের সামনে যাচাই করা যায়; software-এ কারণ অদৃশ্য, একাধিক, আর প্রায়ই সংগঠনের সিদ্ধান্তে লুকানো।

সমালোচনা তিনটি। প্রথমত, পদ্ধতিটি একটিমাত্র শিকল তৈরি করে, অথচ বাস্তব ঘটনা প্রায় সবসময় কয়েকটি কারণের মিলন। D11-এর fault tree-তে দেখেছেন, তিনটি শাখা একসাথে লেগেছিল (AND). 5 Whys প্রথম শাখাটিকেই “মূল” বলে, বাকিগুলো বাদ পড়ে। দ্বিতীয়ত, কোন উত্তর বেছে নেওয়া হবে তা প্রশ্নকর্তার পূর্বধারণার ওপর নির্ভর করে। তৃতীয়ত, মানুষে গিয়ে থেমে যাওয়ার প্রবণতা: “কারণ developer তাড়াহুড়ো করেছিলেন” শুনতে সন্তোষজনক, কিন্তু পদক্ষেপ হয় “সাবধান হোন”, যা কোনো পদক্ষেপ নয়।

Safety engineering-এর দিকে আরও গভীর আপত্তি আছে। Sidney Dekker-এর মতো লেখকেরা যুক্তি দেন, পেছন থেকে দেখলে ঘটনাকে একটি সরলরেখা মনে হয় (hindsight bias), অথচ সেই সময়ে প্রতিটি মানুষের কাছে তাঁর সিদ্ধান্ত যুক্তিসংগত ছিল। প্রশ্ন হওয়া উচিত “তখন তাঁর কাছে এটি কেন যুক্তিসংগত মনে হলো?”, “কেন তিনি ভুল করলেন?” নয়।

উন্নতির উপায়: fishbone দিয়ে আগে ব্যাপ্তি, তারপর সবচেয়ে সম্ভাব্য কাঁটায় 5 Whys; প্রতিটি ধাপে “আর কী?” জিজ্ঞাসা করে শাখা খোলা; “কেন ঢুকল” আর “কেন ধরা পড়েনি” দুটি আলাদা শিকল; প্রতিটি উত্তরের পাশে প্রমাণ; ভিন্ন ভূমিকার মানুষ নিয়ে বৈঠক; আর পদক্ষেপের মান যাচাই: মালিক আছে? মাপ আছে? মানুষ বদলালেও কাজ করবে?

মূল উপলব্ধি: 5 Whys একটি প্রশ্ন করার অভ্যাস, সত্য খোঁজার যন্ত্র নয়। শাখা, প্রমাণ আর মাপযোগ্য পদক্ষেপ ছাড়া এটি একটি সুন্দর গল্প মাত্র।

প্র ০৩Reliability growth মডেল বলছে “আর মাত্র ৬টি defect বাকি”। এই কথার ওপর release-এর সিদ্ধান্ত নেওয়া কতটা নিরাপদ?

Reliability growth মডেলের ইতিহাস ১৯৭০-এর দশকে, যখন বড় সামরিক আর মহাকাশ প্রকল্পে software-এর নির্ভরযোগ্যতা সংখ্যায় প্রকাশের চাপ ছিল। Jelinski–Moranda (১৯৭২), Goel–Okumoto (১৯৭৯) আর John Musa-র execution-time মডেল বলে উদ্ধৃত হয় সবচেয়ে প্রভাবশালীদের মধ্যে। যেখানে ব্যবহারের ধারা (operational profile) স্থির, সেখানে এরা কাজে লাগে।

সমস্যা হলো শর্তগুলো। মডেল ধরে নেয় test একই ধরনের ব্যবহার অনুকরণ করছে। এই পর্বের সত্যিকারের data দেখিয়েছে, নতুন ধরনের test যোগ হলেই ধারা ভেঙে যায়: পর্ব ৫৬ থেকে প্রতি ধাপে defect বাড়ছিল, কমছিল না, আর fit অসীমের দিকে ছুটেছে। কাল্পনিক data-র “বাকি ৬টি” আসলে বলে, “যে ধরনের test চলছে, সে ধরনে আর প্রায় ৬টি পাওয়ার আশা।” Accessibility, localisation বা ধীর network-এর test চালানো না হলে সেই জগতের defect এই সংখ্যায় একেবারেই নেই। দ্বিতীয় শর্ত, সারানো নিখুঁত: বাস্তবে সমাধান নতুন defect আনে, যেমন আমাদের PDCA চক্রে প্রথম সমাধান বাংলা পাতায় ইংরেজি বার্তা এনেছিল।

এ ছাড়া দশটি বিন্দু থেকে অনুমিত a-র অনিশ্চয়তা বড়; আর বাকি ৬টির একটি critical হলে সেটিই সিদ্ধান্ত বদলায়।

তাহলে মডেল কি অর্থহীন? না। একই ধরনের test-এর মধ্যে প্রবণতা দেখতে এটি কাজের: হার যদি এখনো দ্রুত নামছে, test থামানোর সময় হয়নি; হার সমতলে পৌঁছালে এই ধরনের test থেকে আর বেশি আশা নেই, অন্য ধরনে যান। সিদ্ধান্তে এটি একটি সাক্ষী, বিচারক নয়; পাশে থাকবে risk-এর তালিকা, কোন ধরনের test হয়নি তার তালিকা, খোলা গুরুতর defect আর production-এ পর্যবেক্ষণের প্রস্তুতি।

মূল উপলব্ধি: মডেলের সংখ্যা তার শর্তের সমান নির্ভরযোগ্য। “বাকি কত” জিজ্ঞাসার আগে জিজ্ঞাসা করুন: কোন ধরনের test-এর ভেতরে বাকি?

প্র ০৪একটি প্রতিষ্ঠান ঘোষণা দিল, “আগামী বছর আমাদের testing TMMi level ৩-এ উঠবে।” এমন লক্ষ্যের সুবিধা আর ঝুঁকি কী?

Maturity মডেলের ধারণা এসেছে CMM থেকে: ১৯৮০-এর দশকের শেষে SEI-তে Watts Humphrey-র কাজ, যার পেছনে ছিল মার্কিন প্রতিরক্ষা দপ্তরের প্রয়োজন, কোন ঠিকাদার নির্ভরযোগ্যভাবে software দিতে পারে তা বিচার করা। পরে testing-এর জন্য আলাদা মডেল আসে, কারণ CMM-এ testing-এর বিস্তারিত কম ছিল: ১৯৯০-এর দশকে Illinois Institute of Technology-তে Ilene Burnstein ও সহকর্মীদের TMM, আর পরে TMMi Foundation-এর TMMi, যা CMMI-র পরিপূরক হিসেবে গড়া।

সুবিধা বাস্তব। একটি মডেল একটি সাধারণ ভাষা দেয়: “test monitoring and control” বললে সবাই একই কথা বোঝে। এটি একটি মানচিত্রও দেয়: level ২-এর অভ্যাস না থাকলে level ৪-এর মাপ অর্থহীন, কারণ যা স্থির নয় তা মাপা যায় না। বাজারঘরের RCA যেমন দেখিয়েছে, non-functional testing আর peer review-এর দুর্বলতা; TMMi-র level ৩ ঠিক এই দুটি ক্ষেত্রের নাম ধরে আছে।

ঝুঁকিও বাস্তব, আর তার নাম পর্ব ৬৭-এ শুনেছেন: Goodhart. Level যখন লক্ষ্য, তখন কাজ হয়ে দাঁড়ায় মূল্যায়নকারীকে প্রমাণ দেখানো। Test policy-র নথি লেখা হয় কিন্তু কেউ পড়ে না; peer review-এর ফর্ম ভরা হয় কিন্তু review-এ প্রশ্ন ওঠে না। দ্বিতীয় ঝুঁকি, মডেলের ক্রম আর নিজের সমস্যার ক্রম না মেলা: আপনার সবচেয়ে বড় escape যদি ধীর network-এ হয়, level ২-এর সব কাগজ শেষ করে তবে সেখানে যাওয়া সময়ের অপচয়।

ভালো পথ হলো দুই দিক মেলানো: নিজের defect আর escape-এর বিশ্লেষণ থেকে সমস্যার ক্রম বের করা, আর মডেল ব্যবহার করা সমাধানের ভাষা ও কাঠামো হিসেবে। লক্ষ্য লিখুন ফলাফলে (“requirement-এর PCE ২০% থেকে ৪০%”, “critical escape শূন্য”), আর level-কে দেখুন সেই ফলের পার্শ্বফল হিসেবে।

মূল উপলব্ধি: Maturity মডেল দিক দেখানোর মানচিত্র, গন্তব্য নয়। Level-এর পেছনে না ছুটে নিজের defect-এর পেছনে ছুটুন; ভালো level তখন নিজেই আসে।

প্র ০৫“Blameless” হলে কেউ কি আর দায় নেবেন না? দায়িত্ব আর দোষারোপহীনতা একসাথে কীভাবে চলে?

প্রশ্নটি প্রায় প্রতিটি দলে ওঠে, আর উত্তর এসেছে মূলত বিমান চলাচল আর স্বাস্থ্যসেবা থেকে। বিমান চলাচলে বহু দশক ধরে ঘটনার স্বেচ্ছা-প্রতিবেদন ব্যবস্থা আছে, যেখানে প্রতিবেদনকারী সাধারণত শাস্তি থেকে সুরক্ষা পান; যুক্তি হলো, প্রায়-দুর্ঘটনার খবর না এলে আসল দুর্ঘটনা আটকানো যায় না। “Just culture” নামে ধারণাটি, যার পক্ষে James Reason আর পরে Sidney Dekker লিখেছেন, একটি রেখা টানে: সৎ ভুল আর ঝুঁকিপূর্ণ সিদ্ধান্ত ব্যবস্থার সমস্যা হিসেবে দেখা হয়, কিন্তু জেনেশুনে বেপরোয়া আচরণ নয়। Software-এ John Allspaw ২০১২ সালে Etsy-র অভিজ্ঞতা থেকে এই ধারণা নিয়ে লেখেন, আর Google-এর SRE বই (২০১৬) postmortem-কে নিয়মিত অনুশীলন বানানোর বর্ণনা দেয়।

মূল যুক্তি তথ্য নিয়ে। যে দলে ভুলের পর প্রশ্ন “কে করল?”, সেখানে মানুষ শেখেন ভুল লুকাতে, log কম লিখতে, প্রায়-দুর্ঘটনা না জানাতে। RCA তখন কম data নিয়ে কাজ করে, আর একই defect-এর শ্রেণি বারবার ফেরে। বাজারঘরের D1-এ কল্পনা করুন, payment form-এর লেখককে শাস্তি দেওয়া হলো। পরের developer-ও একই ভুল করবেন, কারণ যে checklist বা নকশার প্রশ্ন ভুলটি আটকাত, তা তখনো নেই।

দায়িত্ব তাহলে কোথায়? দুই জায়গায়। প্রথমত, ভবিষ্যতের দায়িত্ব: প্রতিটি পদক্ষেপের একজন মালিক, একটি তারিখ আর একটি মাপ, আর পরের retrospective-এ তা শেষ হলো কি না দেখা। যে postmortem-এর পদক্ষেপ backlog-এ পড়ে থাকে, তা blameless নয়, অর্থহীন। দ্বিতীয়ত, বর্ণনার দায়িত্ব: যিনি ঘটনার কাছে ছিলেন, তিনি সৎভাবে পুরো বিবরণ দেবেন, কী জানতেন, কী ভেবেছিলেন, কোথায় দ্বিধা ছিল। এটি হিসাব দেওয়ার দায়, শাস্তির দায় নয়।

সীমাও আছে। পরিকল্পিত ক্ষতি, নিরাপত্তার নিয়ম জেনেশুনে ভাঙা বা সতর্কবার্তা বারবার উপেক্ষা blameless প্রক্রিয়ার বিষয় নয়, প্রতিষ্ঠানের নিজস্ব নীতির বিষয়। আর blameless মানে নরম ভাষায় দোষ দেওয়াও নয়: “একজন সদস্য যথাযথ পরীক্ষা করেননি” আসলে নাম ছাড়া দোষারোপ।

মূল উপলব্ধি: Blameless মানে দোষ খোঁজা থেকে কারণ খোঁজায় যাওয়া, দায় থেকে সরে আসা নয়। দায় সরে যায় অতীতের শাস্তি থেকে ভবিষ্যতের পদক্ষেপে।

অনুশীলন

উত্তর দেখার আগে কাগজে নিজে করুন। সব সংখ্যা scratch script-এ মেলানো।

  1. Test নকশা (spec থেকে): RCA-র পর দল একটি নিয়ম লিখল: “বাজারঘরের যেকোনো লেখার input (search, ঠিকানা, রিভিউ) একই শব্দের ভিন্ন Unicode রূপকে একই ধরবে; দুই প্রান্তের ফাঁকা জায়গা বাদ যাবে; ইংরেজি অক্ষরে ছোট-বড় হাতের পার্থক্য থাকবে না।” Search-এর জন্য এই নিয়ম থেকে অন্তত ছয়টি test case লিখুন (input আর expected). কোন জায়গায় নিয়মটি অস্পষ্ট, তা-ও বলুন।

    একটি সম্ভাব্য সেট (seed data-য় “সয়াবিন তেল” আর “Soybean Oil” একটি পণ্য):

    IDInputExpectedকী যাচাই
    TC1সয়াবিন (NFC, য + ় )১টি ফলসাধারণ পথ, ভিত্তি
    TC2সয়াবিন, “য়” U+09DFTC1-এর সমানD5-এর মূল ঘটনা
    TC3গুঁড়া, “ড়” U+09DC১টি ফলএকই শ্রেণির ভাইবোন
    TC4“ সয়াবিন ” (দুই প্রান্তে ফাঁকা)১টি ফলtrim
    TC5SOYBEAN আর soybeanদুটিই ১টি ফলইংরেজির ছোট-বড় হাত
    TC6শব্দের মাঝে zero-width non-joiner (U+200C)নিয়মে নেইঅস্পষ্টতা: NFC এটি সরায় না; দলকে জিজ্ঞাসা
    TC7বাংলা অঙ্ক “৫” বনাম “5” (যেমন “৫ লিটার”)নিয়মে নেইঅস্পষ্টতা: অঙ্ক Unicode-এ সমতুল্য নয়, D14-এর শ্রেণি

    TC6 আর TC7 সবচেয়ে মূল্যবান, কারণ এগুলো spec-এর ফাঁক বের করে: “ভিন্ন Unicode রূপ” মানে কি শুধু canonical সমতা (NFC), নাকি দৃশ্যত একই লেখা আর ভিন্ন লিপির অঙ্কও? Test লেখার আগে উত্তরটি requirement-এ লেখাতে হবে।

  2. আউটপুট অনুমান: একজন সহকর্মী নিচের check লিখলেন। App-এর router-গুলো lazy, তাই app.routes-এ শুধু /openapi.json, /docs, /redoc আর /docs/oauth2-redirect আছে, কোনোটিতেই { নেই। pytest কী দেখাবে, আর কেন সেটি বিপজ্জনক?
    def test_no_route_500(app, client):
        paths = [r.path for r in app.routes if "{" in r.path]
        bad = [p for p in paths if client.get(fill(p)).status_code == 500]
        assert bad == []

    paths খালি তালিকা, তাই bad-ও খালি, আর assert [] == [] সত্য। pytest দেখাবে 1 passed, সবুজ। Check কোনো route-এ একটিও অনুরোধ পাঠায়নি, অথচ রিপোর্টে লেখা “কোনো route 500 দেয় না”। এটিই বিপদ: সবুজ রং আত্মবিশ্বাস দেয়, যা কোনো প্রমাণের ওপর দাঁড়িয়ে নেই। প্রতিকার: (১) কতগুলো জিনিস পরীক্ষা হলো তা assert করুন, যেমন assert len(paths) >= 5; (২) check-কে প্রথমে একটি জানা defect-এর ওপর লাল হতে দেখুন; (৩) বার্তায় গুনতি ছাপুন (“৭টি GET route”), যাতে রিপোর্টের পাঠক শূন্য দেখে প্রশ্ন করতে পারেন।

  3. ভুল খুঁজুন (postmortem-এ): নিচের খসড়ায় অন্তত পাঁচটি সমস্যা খুঁজুন। “শিরোনাম: পেমেন্টে double charge. মূল কারণ: রাফি নতুন pay form-এ key ভুলভাবে বানিয়েছেন। তিনি পর্যাপ্ত test করেননি। সমস্যাটি এখন সারানো হয়েছে। পদক্ষেপ: সবাইকে payment-এর কোডে আরও সতর্ক থাকতে বলা হয়েছে। প্রভাব: কিছু গ্রাহক।”
    • মানুষে দোষ: “রাফি … বানিয়েছেন”, “তিনি পর্যাপ্ত test করেননি”। কারণ হওয়া উচিত ব্যবস্থা: page view-প্রতি key-এর নকশা, ব্যর্থতার পথের checklist নেই।
    • একটিমাত্র কারণ: “কেন ধরা পড়েনি” শাখা নেই: API test একই key ব্যবহার করে, UI-তে fault injection নেই।
    • অকেজো পদক্ষেপ: “সতর্ক থাকতে বলা” কোনো মালিক, তারিখ বা মাপ ছাড়া; মানুষ বদলালে কিছুই বদলায় না।
    • প্রভাব অস্পষ্ট: “কিছু গ্রাহক” নয়; কতজন, কত অঙ্ক, কোন সময়সীমায়, টাকা ফেরত হয়েছে কি না।
    • প্রমাণ আর সময়রেখা নেই: কীভাবে জানা গেল, ledger-এর কোন তথ্য, কখন শুরু, কখন থামল।
    • পুনরাবৃত্তি রোধের যাচাই নেই: “সারানো হয়েছে” কিসের ভিত্তিতে? কোন test এখন এটি পাহারা দেয়?
  4. Metric হিসাব: বাজারঘরের ১৪টি পাওয়া defect-এর মূল কারণ: nfr-gap ৭টি (major ৩, minor ৪), unhappy-path ৬টি (critical ৩, major ২, minor ১), no-validation ১টি (minor). Severity-র ওজন critical ৫, major ৩, minor ১ ধরে (ক) প্রতিটি কারণের ওজনসহ মোট, (খ) ওজনসহ Pareto-র ক্রম আর ক্রমযোজিত শতাংশ বের করুন। (গ) গুনতির Pareto-র সাথে তুলনা করে কী বলবেন?

    (ক) nfr-gap: ৩ × ৩ + ৪ × ১ = ১৩। unhappy-path: ৩ × ৫ + ২ × ৩ + ১ × ১ = ২২। no-validation: ১। মোট ৩৬.

    (খ) ক্রম: unhappy-path ২২ (৬১.১%, ক্রমযোজিত ৬১.১%), nfr-gap ১৩ (৩৬.১%, ক্রমযোজিত ৯৭.২%), no-validation ১ (২.৮%, ক্রমযোজিত ১০০%).

    (গ) গুনতিতে nfr-gap প্রথম (৭ বনাম ৬), ওজনে unhappy-path প্রায় দ্বিগুণ (২২ বনাম ১৩)। অর্থাৎ “কোনটি বেশি ঘটে” আর “কোনটি বেশি ক্ষতি করে” ভিন্ন উত্তর দেয়। অল্প সম্পদ থাকলে প্রথম পদক্ষেপ ব্যর্থতার পথের checklist আর fault-injection test, যদিও সংখ্যায় NFR-এর ফাঁক বেশি। ওজনের মান নিজেই একটি সিদ্ধান্ত (৫-৩-১ ক্রমবাচক মানকে সংখ্যা বানায়), তাই দুটি চার্ট পাশাপাশি দেখান আর ওজন খোলাখুলি লিখুন।

নিজেকে যাচাই করুন

ভুল হলে কারণসহ ব্যাখ্যা পাবেন, আবার চেষ্টাও করতে পারবেন।

ক্রমএকটি defect-এর ইতিহাস থেকে process improvement পর্যন্ত ধাপগুলো সঠিক ক্রমে সাজান (▲▼ চেপে সরান)

  1. Defect-এর তথ্য জোগাড়: কী ঘটল, কোথায় ধরা পড়ল, প্রমাণ
  2. শ্রেণিভাগ (type, trigger, কারণ) আর Pareto দিয়ে বড় শ্রেণি বাছা
  3. বড় শ্রেণিতে 5 Whys বা fishbone দিয়ে মূল কারণ খোঁজা
  4. মালিক আর মাপসহ corrective action পরিকল্পনা
  5. ছোট পরিসরে প্রয়োগ আর ফল মেপে যাচাই
  6. কাজ করলে স্থায়ী করা, তারপর পরের চক্র

একটি release-এ requirement লেখার ধাপে ২০টি defect ঢুকেছে। তার ৫টি requirement review-এ, ৯টি system test-এ আর ৬টি production-এ ধরা পড়েছে। Requirement ধাপের phase containment effectiveness কত?

  • ৩০%
  • ২৫%
  • ৭০%
  • ৫৫.৬%

Orthogonal Defect Classification (ODC)-তে “trigger” বলতে কী বোঝায়?

  • Defect সারাতে কোডের কোন ধরনের পরিবর্তন লাগল
  • কোন developer-এর কোডে defect ঢুকেছে
  • যে অবস্থা বা test-এর ধরন defect-টিকে প্রকাশ করল
  • Defect-এর ব্যবসায়িক প্রভাবের মাত্রা

Goel–Okumoto মডেল m(t) = a(1 − e^(−bt)) একটি system test-এর data-য় fit করে a = ৬০ পাওয়া গেল। এ পর্যন্ত ৫০টি defect পাওয়া গেছে। সঠিক ব্যাখ্যা কোনটি?

  • একই ধরনের test চালালে আরও প্রায় ১০টি পাওয়ার আশা
  • App-এ ঠিক ১০টি defect বাকি, সব ধরনের test মিলিয়ে
  • প্রতি সপ্তাহে ৬০টি করে defect পাওয়া যাবে
  • ৮৩% পাওয়া হয়েছে, তাই মডেল অনুযায়ী release নিরাপদ

একটি দলের RCA-র শেষ লাইন: “মূল কারণ: developer অসাবধান ছিলেন। পদক্ষেপ: সবাই আরও সতর্ক থাকবেন।” এর প্রধান দুর্বলতা কোনটি?

  • “কেন” পাঁচবারের কম জিজ্ঞাসা করা হয়েছে
  • Fishbone আঁকা হয়নি
  • Developer-এর নাম লেখা হয়নি
  • মানুষে গিয়ে থেমেছে, আর পদক্ষেপ মাপা বা যাচাই করা যায় না

TMMi-র কোন maturity level-এ defect prevention একটি process area হিসেবে আসে?

  • Level ২, Managed
  • Level ৫, Optimization
  • Level ৩, Defined
  • Level ১, Initial

একটি app-এর নিজের test suite বসানো ৮টি defect-এর সবগুলো ধরে, কিন্তু পরে বিভিন্ন বিশেষ test-এ পাওয়া ১৪টি আসল defect-এর একটিও ধরেনি। সবচেয়ে যুক্তিসংগত সিদ্ধান্ত কোনটি?

  • Suite প্রায় সব defect ধরে, কারণ বসানো সবগুলো ধরা পড়েছে
  • Suite অকেজো, মুছে নতুন করে লেখা উচিত
  • Suite কল্পিত ধরনের ভুলে শক্তিশালী, কিন্তু নতুন trigger-এর test ছাড়া অন্য জাতের defect দেখে না
  • শুধু ১৪টি defect-এর জন্য ১৪টি regression test যোগ করলেই সমস্যা মিটবে

শব্দকোষ

লেখার মধ্যে ডটেড দাগ দেওয়া শব্দে মাউস রাখুন বা চাপুন — অর্থ দেখাবে। এই পর্বের সব নতুন শব্দ এখানে একসাথে:

মনে রাখুন

  1. Metric বলে “কী”, RCA বলে “কেন”: দুটি প্রশ্ন, কেন ঢুকল আর কেন আগে ধরা পড়ল না। কারণ হলো প্রক্রিয়া বা ব্যবস্থা, মানুষ নয়।
  2. বসানো defect suite-এর কল্পনার সীমার ভেতরের শক্তি মাপে; বাজারঘরে বসানো ৮টির ৮টি ধরা, পাওয়া ১৪টির ০টি।
  3. ODC-এর ধাঁচে type, trigger আর কারণ দিয়ে ভাগ করে Pareto বানান; গুনতির পাশে severity-র ওজনও দেখুন। বাজারঘরে ১৪টির ১৩টি দুই কারণে: NFR অনুপস্থিত, ব্যর্থতার পথ নকশায় নেই।
  4. 5 Whys শাখা আর প্রমাণসহ, fishbone ব্যাপ্তির জন্য, fault tree-র AND শাখা সস্তা প্রতিরোধ দেখায়; phase-containment matrix দেখায় defect কত দেরিতে ধরা পড়ছে; reliability growth মডেল খাটে শুধু একই ধরনের test-এ।
  5. PDCA-র Check আসল কাজ: defect-class check জানা defect-এ লাল হতে দেখুন, কতগুলো জিনিস দেখল তা assert করুন। TMMi, TPI NEXT, CMMI মানচিত্র, লক্ষ্য নয়; retrospective আর blameless postmortem শেখার জায়গা।

পরের পর্বে: এই পর্বের প্রতিটি উন্নতি শেষ পর্যন্ত মানুষের অভ্যাসে গিয়ে ঠেকে: কে requirement review-এ ব্যর্থতার পথের প্রশ্ন তুলবেন, কে sprint-এর ভেতরে check লিখবেন। পর্ব ৭৬-এ দেখবেন Agile আর DevOps দলে QA-র ভূমিকা: three amigos, whole-team quality আর SDET.

আরও পড়ুন · ABCL TECH-এ আপনার পরবর্তী পদক্ষেপ

এই পর্বটি শেয়ার করুন:
এই পর্বে ভুল পেয়েছেন? জানান