教学课程资源库 更多>>

关键词： 银行软件测试项目   全面质量管理   PDCA循环  

摘要： 随着互联网技术日新月异的发展,软件的应用更加广泛,S银行业为了跟上时代的潮流,满足人们对于银行软件应用日益增长的使用需求,软件应用项目规模逐渐增大,系统研发程度也不断加深,导致系统的复杂性大大加强。如何交付高质量的软件项目成为了 S银行各个部门关注的重点。作为严把质量关的软件测试部门,对软件测试项目的质量管理担负着重要责任。然而,在实际的软件项目测试过程中,传统的测试方法和管理方法依然存在很多弊端,比如:部门沟通不畅、测试用例覆盖不全、修复缺陷效率低等,这些弊端严重影响了软件测试项目的交付质量。论文首先介绍了软件测试项目质量管理所涉及到的软件测试的意义、流程及项目质量管理、全面质量管理、PDCA循环等理论知识;其次以S银行实际软件测试项目为研究对象,通过文献资料法、鱼骨图分析法、问卷调查法和案例分析法分析总结S银行在软件测试项目质量管理中存在的问题,如:测试进度延期、测试用例覆盖不全、缺陷修复延时等;接着分析导致S银行软件测试项目质量管理问题产生的主要原因,通过借鉴软件测试理论、全面质量管理理论和PDCA循环质量管理方法等国内外先进理论知识,为S银行软件测试项目制定适合的质量管理改进方案,并且通过实施软件测试项目质量管理改进方案来验证其有效性。从而帮助S银行逐步建立起有效的软件测试项目质量管理体系。

关键词： 软件测试   测试用例集优化   蚁狮算法   人工鱼群算法  

摘要： 软件测试是软件开发过程中一个重要的环节。为了检验开发的软件系统是否满足原定的需求,通常是通过手动或者自动的方式来对软件系统进行测试。测试用例集优化技术是对原测试用例集进行前期处理,大幅度降低软件测试的成本,加快软件开发速度。目前软件测试中对测试用例集进行优化的技术有很多。本文主要对其中常见的两种测试用例集优化技术进行研究。测试用例集约简技术是删除在版本迭代过程中不断增加的重复或无效的测试用例,从而降低软件a测试所产生的成本损耗,但其仍能保证能够覆盖全部的测试点,从而保证软件测试的质量。本文改进了种群多样、寻优性强的蚁狮算法,并将其引入到测试用例集约简问题的研究中。本文选择智能电表系统的被测程序作为数据集。实验结果表明,相比较于常用的测试用例集约简算法,本文所提出的蚁狮算法能够更好的将原测试用例集中重复或无效的测试用例删除掉,可以快速得到最优的测试用例子集。测试用例优先级排序是将软件测试所需的测试用例顺序进行重新排列,将原测试用例集中能够更好的覆盖测试点的测试用例排在前边执行,从而在最短的时间内覆盖到所有的测试点,实现软件测试的需求。本文提出了一种基于人工鱼群算法的测试用例优先级排序算法,对人工鱼群的三种智能行为进行针对性优化设计。实验结果表明,相比较于常用的智能优化算法,本文所提出的人工鱼群算法在单目标和多目标两方面都能较好地对原测试用例集进行重新排序,从而提高软件测试效率。

关键词： 软件测试   回归测试   流程优化   敏捷开发   流程管理  

摘要： 随着敏捷开发流程的广泛应用,软件版本的发布周期逐渐缩短。为适应快速迭代发布,回归测试作为软件测试的主要部分,其执行流程也必须按照敏捷开发流程进行设计。然而,企业中实际的回归测试流程并没有考虑敏捷开发快速响应的特点,测试用例执行效率低下、缺陷发现速率慢、出现质量问题的版本和延期发布的版本占版本总数的比例较高。为了解决以上问题,本文提出了面向敏捷开发的软件回归测试流程优化。为与敏捷开发流程衔接,本文采用ECRS分析法和回归测试优化技术,改进回归测试的流程。在原来的回归测试流程中,取消了"关联用例"的环节,并将"创建轮次"、"分配用例"两个环节进行合并。除此之外,修改了测试用例执行顺序、选择方式,以此改进了"用例执行"环节。测试用例优先排序技术通过将测试用例与需求、缺陷相结合,计算用例的优先级并返回排序结果。技术试验结果证明,经过排序后的测试用例能够有效提高缺陷发现速率,在第一轮回归测试中,平均发现缺陷速率提高了26.7%～34.3%。回归测试选择技术通过准确筛选出交互需求的测试用例,减少了人为选择的盲目性,平均每版本可减少12%的交互需求测试用例。在第二轮回归测试中,将回归测试选择技术和测试用例优先排序技术相结合,缺陷发现速率平均提高了35.3%,极大提高了测试执行效率。通过对比A企业智慧家庭APP在回归测试流程优化前后的成本、效率、质量,证明了优化后的回归测试流程能有效节约成本、提高测试质量、降低版本发布的延期率。在成本上,回归测试流程优化后,每版本可节省1.53～2.88人/日的测试工作量,可以加快版本发布,节约企业推广成本,同时节省测试人力成本。在质量上,回归测试流程优化后,出现质量问题的版本占比下降了16%。在效率上,回归测试流程优化后,版本延期率降低了35%。与2020年相比,2021年的发布周期缩短了1.53天,版本总量增加了11%,更好地响应敏捷开发快速迭代的要求。综上所述,优化后的回归测试流程为企业节约了推广成本、测试人力成本,提高了测试质量、测试效率,更好地衔接敏捷开发,加快版本迭代,提高企业的市场竞争力。因此,优化后的回归测试流程有极大的推广价值和应用前景。

关键词： 计算机联锁软件   自动测试   接口测试   调度集中自律机  

摘要： 计算机联锁系统用于实现对车站内信号机、道岔和轨道电路的实时逻辑控制,具有较高的故障-安全性要求,可保证站内行车安全和提高运输效率。然而在计算机联锁软件开发过程中,不可避免地会出现一些漏洞和缺陷。因此,为了达到联锁软件的可靠性和安全性要求,在投入使用前,要对其进行全面规范的测试。传统的人工测试方法费时费力且非常乏味,对测试人员的经验水平依赖性也较强,导致测试的效率低下且无法保证测试的可信度。目前的自动测试方法中,很少有直接利用调度集中车站自律机与计算机联锁系统的通信接口来对计算机联锁软件进行测试的方式。该通信接口是铁路车站实际现场中运用的接口,具有很强的实际意义,关于该接口的通信技术也发展地较为成熟。因此,本文提出了一种基于自律机与计算机联锁通信协议的计算机联锁软件自动测试方法,所做的主要工作如下:首先,基于路局现场实际需求确定了本文设计的联锁自动测试系统的测试内容,包括联锁功能试验和联锁关系仿真试验两部分。提出了联锁自动测试系统的总体设计,结构上由人机交互模块、控制命令下发模块、返回信息处理模块和通信模块四部分组成,并对测试系统的工作流程进行了详细的阐述。其次,对联锁自动测试系统各个模块的设计进行了展开介绍。通信模块是测试系统的基础,通过设置虚拟串口和编写串口通信管理代码来实现自律机与计算机联锁的通信。仿自律机模块是测试系统的核心,由命令下发模块和返回信息处理模块两部分组成。在计算机联锁系统处于自律控制模式的情况下,通过自律机向联锁发送按钮及控制命令帧,使联锁软件执行相应的操作。在计算机联锁软件控显界面发生变化后,通过解析联锁返回给自律机的站场表示变化信息帧来分析和判断测试是否成功,从而完成对计算机联锁软件的自动测试。人机交互模块是测试系统与测试人员之间的接口,可供测试人员选择测试项和查看测试结果。最后,对联锁自动测试系统进行了介绍,并以棠溪站为例,对其工作流程进行了演示。针对道岔按钮功能测试、信号机按钮功能测试和联锁关系测试这三种测试类型,对测试的各个阶段进行了详细的展示和讲解,验证了本文设计的联锁自动测试系统功能的完整性和正确性。

关键词： 海浪监测设备   通信协议   协议解析   软件设计   软件测试  

摘要： 海洋环境监测在我国经济发展与国防建设中具有重大意义,目前我国海浪监测设备和国外海浪监测设备大多在追求海浪信息反演算法的精度。本文研究内容以国防科研项目“海浪监测设备改进研制”为背景,针对海浪监测设备需要监听雷达是否工作于发射短脉冲模式的应用需求,为了避免舰载设备和相应操作规范过多造成工作人员失误,对海浪监测设备子模块雷达监控单元接口展开研究分析,解析了某型号航海导航雷达的脉冲信号协议,对雷达监控单元软件进行改进设计,使雷达监控单元具有监视、控制雷达工作脉冲的功能。本文结合实际工程需求,对雷达内部接口协议进行解析,并对雷达监控单元软件进行功能扩展,主要内容如下:首先,本文研究分析了雷达监控单元的接口设计方法和通信方式,对雷达监控单元与航海雷达之间的通信接口展开分析,确定了控制产生雷达四路模拟信号的管脚。其次,对该航海雷达内部接口协议进行分析并确定了协议解析方案,通过搭建硬件和软件测试平台,对剔除了已知信号后的雷达控制管脚电平数据进行统计分析,完成了雷达工作脉冲信号的通信协议解析。再次,本文通过对软件扩展新功能给原软件模块造成的影响以及模块间的调用关系进行分析,基于Qt5.14版本类库设计实现了雷达脉冲监视、控制功能,且重新对文件拼合模块和界面模块进行设计,在扩展了雷达监控单元软件功能的同时,不影响原软件功能的正常运行,完成了对雷达监控单元软件的改进设计。.最后,先对硬件通信协议和硬件结构的可靠性做测试,设计了一款串口调试工具软件,通过USB转换器使计算机与雷达进行通信,通过解析出的脉冲信息协议监视雷达工作脉冲信息和控制发送雷达脉冲信息指令,与雷达实际正常工作状况一致。对扩展了新功能后的雷达监控单元软件进行软件测试工作,分析了软件测试方案后,选择了最佳的测试方法,验证了软件的功能和性能。通过上述所做的系统测试工作,保证了雷达监控单元设备硬件和软件具备功能的可靠性和运行的稳定性。

关键词： 软件测试   自动化测试   有向图   蚁群算法   Selenium  

摘要： 工作流技术的出现实现了业务的流水线化,帮助开发人员更好地管理业务流程,但是这种技术也给测试工作带来了新的挑战。在测试复杂的工作流时测试人员会遇到大量重复测试和测试覆盖不完全的问题,而且在工作流发生该改变时会花费大量时间用于测试用例的维护,从而导致测试效率和测试质量的下降。因此本文将基于一款应用了Activiti流程引擎技术开发的Web项目仁济科研平台的工作流测试进行研究并提出工作流测试用例的生成方法及其自动化测试应用,本文主要完成了以下工作:（1）采用了有向图的数据结构对科研平台中的工作流进行建模,有向图采用邻接表的形式构建,考虑到工作流会随着项目的开发进行修改,所以需要采用一种方便测试人员维护的方式来构建有向图,因此测试人员可以使用xml文件来构建有向图,程序读取xml文件解析后生成邻接表。（2）在有向图的基础上提出了深度优先搜索算法和基于Floyd算法的多路径蚁群算法生成工作流测试用例的方法,这两种方法生成的测试用例都可以完整覆盖整个工作流。深度优先搜索算法实现简单,但是生成用例数量较多,花费时间较长,蚁群算法生成的测试用例较少,因此花费时间更少,可以进一步提升测试效率。深度优先搜索生成的测试用例用于自动化测试所花费的平均时间为1小时11分钟,蚁群算法生成的测试用例用于自动化测试的平均时间为23分钟,而人工完成工作流的测试通常需要2小时27分钟。深度优先搜索算法生成的测试用例数量更多,更容易发现一些偶发性的bug,蚁群算法生成的测试用例更少因此能大幅度提高测试效率,所以在不同测试需求下可以应用不同的方法生成测试用例进行自动化测试。（3）基于Selenium框架设计了UI自动化测试程序,为了方便测试人员对其进行维护,程序采用了Page Object设计模式、关键字驱动、数据驱动等思想,并且划分了页面对象模块、测试数据模块、公共库模块和测试用例模块来进一步提升自动化测试程序的可维护性,该程序基于Pytest和算法生成的测试用例对项目进行自动化测试。本课题基于仁济科研平台的工作流测试工作进行研究,自动化测试已在测试工作中投入使用,从测试结果来看,代替了一些重复性测试的工作,提升了测试工作整体的效率和质量。

关键词： 项目质量管理   软件测试   测试管理   流程优化  

摘要： 近年来软件定义汽车已经成为了汽车行业的风向标,车身软件从传统的娱乐功能到现在的智能化与网联化也成为了热点之一。然而面对日益增长的汽车软件功能需求,如何能在越来越短的研发周期之内保质保量交付产品也成为了各大汽车软件供应商获得长久发展的核心竞争力。H公司是一家提供座舱软件的供应商。主要是针对整车厂客户提供软硬件产品,其中软件是基于客户的定制化开发。但随着如今汽车智能化的加速,各大车厂为了加快自己旗下品牌车型的上市时间从而抢占市场占有率,会不断的提新需求来提高与竞争车型的差异化优势。因此作为供应商需要在丰富汽车软件功能的同时还需要保证软件的质量。而其中系统测试质量又是占比很重的环节。本文基于优化H公司产品质量的目的,首先梳理了当前测试部门面临客户验收问题持续增长、版本迭代混乱、测试活动不完善以及测试团队认可度低四大类问题。在此基础上深度分析出导致这些问题的原因是流程不规范、测试部门标准未定义、测试策略不完善、测试团队专业度不高以及需求变更不规范五个本质原因。通过运用TMMI测试成熟度模型作为过程管理框架,运用专业测试理论方法并结合H公司实际项目情况来制定对应的测试方法。同时运用项目质量管理知识来规范流程、提高测试团队专业度、团队管理以及优化该公司项目的整体测试策略。即对导致问题的根本原因进行逐项分析解决。最终提出了H公司中控系统测试质量提升策略的完整性方案。

关键词： 软件质量管理   管理流程优化   软件测试管理   持续集成管理  

摘要： 随着信息技术的高速发展,软件产品的应用场景更加广泛,因此软件开发复杂程度也越来越高,对于软件产品的质量也提出了更高的要求。Z公司是一家国有通信集团的子公司,专注于软件研发和系统集成的业务,经过多年的发展,积累了丰富的开发经验,但是交付的软件产品仍然会产生很多质量问题。软件企业的核心竞争力就是软件产品质量,质量管理中心是Z公司软件质量管理和检测的核心部门,因此如何通过科学的手段找出质量管理中心在软件质量管理中存在的问题,提出有针对性的改进方案,提高质量管理水平和软件交付质量是亟待解决的问题。本文以Z公司质量管理中心为研究对象,采用软件行业普遍遵循的软件能力成熟度模型集成(CMMI)和全面质量管理(TQM)理论作为理论基础,对软件项目质量管理流程进行优化。论文的主要研究结果如下:(1)通过对质量管理中心的员工进行访谈、发放调查问卷找出影响软件测试质量的各项因素,并运用层次分析法找出关键影响因素,主要包括规范的项目管理流程、全面质量管理、测试用例设计质量、软件需求和设计文档的评审、项目组的环境构建和部署五方面。(2)在CMMI与TQM理论指导下,以关键影响因素为切入点,探寻软件质量管理提升的路径,最终提出了三条优化方案:第一,优化测试用例管理流程;第二,基于CMMI开发模型构建了软件补丁包测试管理流程;第三,基于TQM理论构建软件自动化测试和持续集成管理的方案。优化方案在项目中进行实际的应用,通过实施前后的数据对比可以看到效果显著。本文在Z公司原有的软件质量管理措施的基础上,通过对影响软件测试质量的因素进行探索并提出了若干优化措施,解决了Z公司软件质量管理中测试用例质量不高、升级测试流程缺失和软件集成、交付质量不高的问题,有效的提升了公司的质量管理水平,使公司在未来能够为客户交付更高质量的软件产品和服务。

关键词： 目标检测   卷积神经网络   UI自动化   YOLOv3   软件测试  

摘要： 在产品迭代更新速度极快的时代中,移动端自动化测试变得越来越重要,它可以有效地减少人工回归测试的成本,也可以快速地检查产品质量是否存在重大问题。但是现如今的两大系统安卓和IOS有着完全不一样的代码语言,不一样的系统实现逻辑,这使移动端自动化测试尤其是UI自动化测试工具往往都会存在针对不同系统的两套脚本。而这两套脚本,往往逻辑功能完全一致,仅在启动APP和对APP界面定位中,所需的控件属性信息完全不同。这就使得应用迭代更新时,测试人员需要将对应的逻辑点在两套区别于系统的测试脚本中,做重复修改,与此同时,若迭代版本对界面也有修改,则还需要将测试脚本里的界面属性进行修改。因此,违背了UI自动化初衷,测试效率,而近年来针对移动端UI自动化工具,都集中精力希望开发一套工具解决这个痛点,提升UI测试的效率。与此同时,随着人工智能、深度学习领域在各行各业中大力发展,目标检测技术已经逐渐地渗入人们生活中。而由于卷积神经网络算法的快速迭代,基于卷积神经网络的目标检测模型,在人脸识别、交通识别、医疗诊断等领域中都得到了有效的应用。特别是目前发展很迅速的SSD和YOLO系列等算法,以检测速度快、检测精准度高的优势进入学者的视野中。考虑到自动化测试也算是人工智能的边缘领域,本文将UI界面作为被检测模型,界面中的控件作为目标,通过利用两大单阶段目标检测模型SSD和YOLOv3算法在相同数据样本、相同环境的条件下进行训练,再通过50张应用中的图片进行测试对比。结果表明,两大模型各有优势,SSD在检测速度上明显占优,而YOLOv3则在精准度上优势更明显,两者的准确率分别达到了89%和93%。在综合对比两者的优劣势之后,本文最终选择YOLOv3进行应用性实验操作,验证了目标检测算法对移动端界面定位控件的可行性,可以通过大量的数据样本训练,在不受页面框架及手机系统的影响下,对界面中的控件进行准确的分类和定位。同时本文还将训练完成的YOLOv3接入了Airtest Project移动端UI自动化框架中,将传统方式定位控件的方法后置,存放于框架兜底方案中。优先利用YOLOv3模型对运行中的用例当前界面进行控件检测,得到检测目标之后,再进入对控件模拟操作步骤;若没有检测到控件,则采用兜底中的传统定位方式,以保证用例运行成功率。通过跨系统、跨应用的实验与原始框架进行对比,结果表明接入YOLOv3模型算法后的框架,在运行用例的时间上会明显大于原本框架,但是它的适用性,也让加入目标检测算法后的框架,稳定性提升了20%,受外界配置、改变界面属性导致的错误数减少较明显。这也间接证实了当自动化测试脚本运行时,测试人员可以减少人工干预,释放劳力。但目前运行用例的正确率基本与原始框架持平,没有明显提升。同时在跨应用中,使用例脚本可以多方运行,减少了脚本编写的时间成本。总体而言,极大程度提升了执行测试用例的效率以及降低了维护用例的成本。通过此次研究,证明了通过目标检测对移动端APP中的各界面进行控件识别,来替代传统控件定位的方式是可行的,它能完全解决移动端UI自动化工具的痛点,避过跨系统的痛点,甚至还支持跨应用,同时减轻脚本维护的成本,覆盖了用户操作性测试。虽然现阶段对界面检测率没有达到100%,但是通过不断优化训练,是可以达到一个较为理想的状态,而基于卷积神经网络的目标检测技术在移动端UI自动化测试的应用未来还有无限的可能,具有很好的应用前景。

关键词： 软件测试   错误定位   深层神经网络   执行切片  

摘要： 错误定位可以帮助程序员快速找到错误所在的位置，减少代码检查的工作量，将其从手动定位错误的低效工作状态中解放出来，从而提高程序调试的效率。因此，错误定位方法的研究对于降低测试成本、保障软件质量有着重要意义。　　本文针对现有软件错误定位主流方法存在的主要问题，研究并提出了一种基于深层神经网络的语句可疑度计算方法，以及一种融合执行切片技术的深层神经网络错误定位方法。主要研究内容如下:　　(1)为了获得待测程序中所有可执行语句的可疑度，为后续的错误定位奠定基础，本文提出了一种基于深层神经网络的语句可疑度计算方法。针对测试用例集中失败测试用例占比低可能对可疑度计算产生不利影响的问题，本文提出了一种平衡测试用例集数据的方法，通过删除部分输入不同但覆盖数据相同的成功测试用例等方式平衡两者的占比，以获得更准确的可疑度值。对于神经网络模型隐藏层节点数的设置，本文根据测试数据集中程序的平均可执行语句数，提出了一种估算隐藏层节点数初始值的函数，作为模型训练的初始超参数设置之一，再根据模型的训练效果动态调整。　　(2)为了剔除与程序错误无关的部分语句，提高错误定位方法的有效性，本文提出了一种融合切片技术的深层神经网络错误定位方法。该方法利用基于深层神经网络的语句可疑度计算方法的结果，对失败测试用例构造执行切片，通过切片关键度评估函数和关键切片个数估算函数选出关键执行切片，按语句可疑度与该语句权重乘积降序排列，得到最终的定位报告。基于DeepFM的语句可疑度计算方法，能一定程度上解决可疑度计算方法的结果对样本数量较为敏感的问题。通过切片技术充分挖掘可疑语句的执行上下文信息，将不会对程序错误产生影响的冗余语句删除，缩小搜索域，从而获得更好的定位效果。　　本文提出的方法较好地解决了现有错误定位方法存在的主要问题，提高了软件错误定位的有效性，对于基于机器学习的错误定位方法进一步深入研究具有一定的参考价值。