Ariane 5 eksplodowała, bo poprawny dla Ariane 4 zakres liczby okazał się za mały dla nowej rakiety
Pierwszy lot Ariane 5 zakończył się samozniszczeniem rakiety około 40 sekund po starcie. Bezpośredni łańcuch awarii zaczął się w oprogramowaniu systemu inercyjnego: 64-bitowa wartość zmiennoprzecinkowa została konwertowana do 16-bitowej liczby całkowitej, a wartość w locie Ariane 5 przekroczyła zakres przewidziany przez kod odziedziczony z Ariane 4. Wyjątek wyłączył aktywny system, a identyczna jednostka zapasowa zawiodła z tego samego powodu. Redundancja nie pomogła, bo obie kopie miały ten sam błąd.
Kod był sprawdzony — ale w innym pojeździe
System inercyjny Ariane 5 wykorzystywał oprogramowanie pochodzące z Ariane 4. W starszej rakiecie zakres wartości związanych z ruchem poziomym nie przekraczał granicy, która powodowała problem. Ariane 5 miała inną trajektorię i większe wartości dynamiczne. To klasyczny błąd ponownego użycia: program może być niezawodny przez lata i nadal zawierać założenie, które jest prawdziwe tylko w pierwotnym środowisku.
Przepełnienie nie było zwykłym „złym wynikiem”
W problematycznym miejscu wartość zmiennoprzecinkowa była konwertowana do 16-bitowej liczby całkowitej ze znakiem. Gdy liczba okazała się zbyt duża, proces wygenerował wyjątek. Obsługa tego wyjątku nie prowadziła do bezpiecznej degradacji, lecz do zatrzymania jednostki inercyjnej. W systemie krytycznym sposób obsługi błędu jest więc równie ważny jak sam błąd.
Zapasowy komputer popełnił ten sam błąd
Ariane miała dwa systemy inercyjne pracujące równolegle. Brzmi to jak solidna redundancja, ale oba działały z tym samym oprogramowaniem i na tych samych danych. Gdy jeden zawiódł, drugi był w praktyce tylko drugą kopią tego samego założenia. To common-mode failure: dwa urządzenia nie są niezależne, jeśli ich słaby punkt jest identyczny.
Dane diagnostyczne zostały potraktowane jak dane lotu
Po awarii system inercyjny wysłał do komputera pokładowego wzorzec diagnostyczny. Komputer sterujący zinterpretował go jak prawidłowe dane orientacji. Dysze zostały wychylone do skrajnych pozycji, rakieta zaczęła gwałtownie zbaczać z trajektorii, a po rozpadzie struktury uruchomił się system samozniszczenia. Jeden błąd reprezentacji liczby przeszedł więc przez kilka warstw systemu.
Największym problemem nie była jedna linijka
Komisja ESA podkreśliła braki w analizie systemowej i testach całego układu sterowania. Fragment kodu nie był potrzebny po starcie Ariane 5, a mimo to pozostał aktywny. Symulacje nie objęły odpowiednio rzeczywistych danych lotu nowej rakiety. Katastrofa jest dlatego lekcją nie tylko o overflow, lecz o wymaganiach, ponownym użyciu, redundancji i testowaniu integracyjnym.
Redundancja potrzebuje różnorodności albo niezależności
Dwa identyczne komputery dobrze chronią przed przypadkową awarią sprzętu, ale słabiej przed wspólnym błędem projektowym. Systemy krytyczne próbują dziś uwzględniać ten problem przez różne implementacje, niezależne kanały walidacji albo projektowanie stanu bezpiecznego. Ariane 5 pozostaje jednym z najbardziej znanych przykładów, że „mamy dwa komputery” nie oznacza automatycznie odporności. Ta zasada pojawia się dziś także w chmurze: dwie identyczne repliki nie chronią przed deterministycznym bugiem aplikacji. Potrzebne są inne rodzaje niezależności — wersja poprzednia gotowa do rollbacku, odmienny walidator danych albo system, który potrafi rozpoznać, że oba kanały zgłaszają ten sam niemożliwy stan.
Co zmieniono po katastrofie
Komisja zaleciła m.in. ponowne przejrzenie wszystkich założeń wynikających z przenoszenia oprogramowania Ariane 4 do Ariane 5, testowanie systemów z realistycznymi danymi trajektorii oraz ograniczenie sytuacji, w których niechronione wyjątki mogą wyłączyć krytyczny komputer. Szczególnie ważne było pytanie, czy dana funkcja w ogóle musi pozostawać aktywna po starcie. Fragment odpowiedzialny za wyrównanie systemu inercyjnego był potrzebny przed lotem, a później wykonywał się nadal z powodów odziedziczonych po Ariane 4. W inżynierii bezpieczeństwa usunięcie zbędnej funkcji bywa równie wartościowe jak dodanie kolejnego zabezpieczenia: kod, który nie wykonuje się w krytycznej fazie, nie może wtedy wygenerować wyjątku. Katastrofa wpłynęła też na sposób myślenia o „heritage software”. Fakt, że moduł ma wieloletnią historię bezawaryjnej pracy, jest dowodem tylko dla zakresu warunków, w których wcześniej go używano.