Iteration و تصمیم ادامه/تغییر

چرا این درس مهم است

از داده تست برای اولویت نسخه بعد استفاده می‌کنی، نه از سلیقه صرف.

در محصول، تصمیم فنی باید به مسئله کاربر، هزینه، تامین، تست و قابلیت تکرار در چند نمونه وصل باشد؛ Prototype صرفا شروع مسیر است.

این درس مرحله اتصال و پایداری است: باید نشان بدهی MVP سخت‌افزاری/نرم‌افزاری فقط در حالت ایده‌آل کار نمی‌کند و در خطا هم قابل عیب‌یابی است.

نکته‌های فنی

• Acceptance test باید مستقیما به Requirement و معیار قبولی وصل باشد.
• Issue خوب شرایط بازتولید، نتیجه انتظاررفته/واقعی، شدت و شواهد دارد.
• Field test باید شرایط استفاده واقعی را پوشش دهد، نه فقط میز آزمایش.
• تصمیم نسخه بعد باید از داده تست و ریسک باقیمانده بیاید.

این نکته‌ها را برای MVP سخت‌افزاری/نرم‌افزاری به یک زنجیره علت و معلول وصل کن: هر انتخاب باید یک اثر قابل مشاهده یا اندازه‌گیری داشته باشد. اگر نمی‌توانی بگویی با تغییر این تصمیم دقیقا کدام خروجی عوض می‌شود، هنوز طراحی را به اندازه کافی روشن نکرده‌ای.

مدل ذهنی

مشاهده → Iteration → تصمیم → تست → اصلاح

در تحلیل Iteration و تصمیم ادامه/تغییر مرزهای سیستم را روشن نگه دار. هر جا داده یا انرژی از یک بخش به بخش دیگر می‌رود، یک نقطه مناسب برای مشاهده، Log یا اندازه‌گیری داری.

سناریوی عملی

در یک تمرین «تست و تکرار»، از داده تست برای اولویت نسخه بعد استفاده می‌کنی، نه از سلیقه صرف. سپس نتیجه را با یک معیار عددی یا چک‌لیست مقایسه کن.

این درس مرحله اتصال و پایداری است: باید نشان بدهی MVP سخت‌افزاری/نرم‌افزاری فقط در حالت ایده‌آل کار نمی‌کند و در خطا هم قابل عیب‌یابی است.

روش تست پیشنهادی

معیار اصلی این درس: نرخ Pass، تعداد Failure قابل بازتولید و پوشش Requirements توسط Test cases.

1. یک Failure Mode واقعی یا شبیه‌سازی‌شده انتخاب کن.
2. قبل و بعد از خطا نرخ Pass، تعداد Failure قابل بازتولید و پوشش Requirements توسط Test cases را ثبت کن.
3. Recovery را هم تست کن؛ برگشتن سیستم به حالت سالم بخشی از معیار قبولی است.

نتیجه تست را با نسخه کد/مدار، شرایط محیط و تنظیمات مهم ثبت کن؛ بدون این اطلاعات مقایسه دو Run ممکن است گمراه‌کننده باشد.

عیب‌یابی مرحله‌ای

1. هر Failure را قابل بازتولید کن، شرایط را ثابت نگه دار و بعد فقط یک تغییر اصلاحی را آزمایش کن.
2. فقط یک فرض را در هر مرحله تغییر بده؛ تغییر همزمان چند چیز نتیجه را مبهم می‌کند.
3. بعد از هر تغییر دوباره نرخ Pass، تعداد Failure قابل بازتولید و پوشش Requirements توسط Test cases را بگیر و نتیجه را با Baseline مقایسه کن.

اگر علامت خطا عوض شد، آن را به عنوان داده جدید ببین؛ عوض شدن علامت همیشه به معنی حل شدن علت اصلی نیست.

دام رایج

تستی که فقط «کار کرد/نکرد» می‌گوید بدون شرایط و معیار، برای تصمیم مهندسی کافی نیست.

برای رد یا تایید این برداشت، یک تست مرزی طراحی کن که دقیقا همین فرض را هدف بگیرد.

تمرین عملی

یک چرخه Build → Test → Learn کامل اجرا کن و تصمیم بعدی را از روی داده، نه سلیقه تیم، ثبت کن.

تمرین را برای Iteration و تصمیم ادامه/تغییر انجام بده و در پایان فقط سه چیز تحویل بده: شرایط شروع، نتیجه اندازه‌گیری‌شده و تصمیم بعدی. اگر نتیجه با انتظار فرق داشت، یک فرض برای علت بنویس و تست بعدی را مشخص کن.

قبل از رفتن به درس بعد

• بتوانی «Iteration و تصمیم ادامه/تغییر» را با زبان خودت توضیح بدهی و نقش آن را در یک سیستم واقعی مشخص کنی.
• بتوانی یک تصمیم طراحی مرتبط با این موضوع را با دلیل فنی انتخاب کنی.
• بتوانی یک خطای رایج را مرحله‌ای عیب‌یابی کنی و نتیجه را با نرخ Pass، تعداد Failure قابل بازتولید و پوشش Requirements توسط Test cases بسنجی.

اگر یکی از این موارد را فقط می‌توانی تعریف کنی ولی نمی‌توانی روی یک مثال واقعی نشان بدهی، همان بخش را یک بار دیگر با داده یا Log مرور کن.

جمع‌بندی

در Iteration و تصمیم ادامه/تغییر هدف نهایی حفظ اصطلاحات نیست؛ باید بتوانی یک تصمیم فنی بگیری، اثرش را با نرخ Pass، تعداد Failure قابل بازتولید و پوشش Requirements توسط Test cases بسنجی و وقتی نتیجه خراب شد مسیر عیب‌یابی قابل تکراری داشته باشی. این سه توانایی معیار عبور واقعی از درس‌اند.