汽车配件尺寸测量，低温环境试验室
许多企业使用可靠性增长模型来预测系统在未来某个时间的可靠性。当测试过程中发现故障时，开发人员应确定故障的根本原因并进行修复。这些修复工作应能提高可靠性。数学模型可以应用于这种改进，在开发过程的某些步骤中测量给定的可靠性，并推断未来的可靠性应该提高多少。
对于这些增长模型，已经提出了各种不同的数学模型，但这些模型背后的数学知识超出了本书的范围。有些模型比较简单，有些则非常复杂。然而，我们必须指出一点：无论企业选择使用哪种可靠性增长模型，终都应根据经验数据对其进行调整；否则，结果很可能毫无意义。我们已经看到有很多资源被浪费在了不切实际的模型上，但结果却与现实大相径庭。这意味着，在系统交付生产后，测试团队仍应监控系统的可靠性，并利用这些数据来确定所选可靠性模型的正确性。
在现实世界中，可靠性是一个变化无常的东西。例如，您可能会期望系统在没有变化的情况下运行的时间越长，可靠性就越高。与此相平衡的是，系统运行的时间越长，就会有越多的人尝试以不同的方式来使用它；这可能会导致使用一些以前从未尝试过的功能，从而导致系统失效。
用于衡量可靠性的指标有：缺陷密度（每千行源代码[KLOC]或每个功能点有多少缺陷）。循环复杂度、基本复杂度、模块数量以及某些构造（如GOTOs）的计数都被用于确定复杂度、规模和编程技术与故障数量和分布的相关性。
————————————————
