Производство технически сложных устройств, в том числе программно-аппаратных устройств, таких как банкоматы, телефоны и прочие различные бытовые устройства, представляет собой два сильно связанных направления, ведущихся параллельно: разработка и производство аппаратной части и обеспечивающей ее функционирование программной части. Последняя по своей архитектуре разделяется на ряд уровней (аппаратный микрокод, драйвера и интерфейс прикладного программного обеспечения), взаимодействующих между собой. При модернизации как аппаратного сегмента комплекса, так и какой-либо из программных его составляющих требуется комплексное тестирование. В данной работе развиваются методы повышения эффективности тестирования программной части технически сложных устройств.
Разработка качественного программного обеспечения является сложным процессом, требующим соблюдения определенных стандартов и процедур. Тестирование является одной из важнейших стадий этого процесса, которая необходима для проверки работоспособности и соответствия программного обеспечения требованиям. Однако с развитием автоматизации процессов в различных областях возникает необходимость в автоматизированном тестировании программного обеспечения, включая системы управления технологическими процессами (АСУ ТП) [1].
Цель данного исследования – разработать формализованное представление процесса тестирования программного обеспечения в АСУ ТП с использованием теории графов и теории массового обслуживания, а также создание имитационной модели Монте-Карло. Данный подход должен помочь в оптимизации и сокращении времени процесса тестирования и улучшить качество программного обеспечения. В результате производительность и функциональность АСУ ТП должны быть улучшены.
Множественное представление аппаратно-программных платформ
Одной из проблем, с которой сталкиваются разработчики, является необходимость создавать программное обеспечение, которое может работать с разными версиями аппаратного обеспечения, драйверов и операционных систем. Распространенными случаями являются производство мобильных телефонов, устройств «умного дома» и других бытовых устройств. Например, каждый телефон может иметь разные модели камер, разные версии драйверов и разные версии операционной системы.
Чтобы понять, насколько сложным может быть этот процесс, рассмотрим возможные комбинации аппаратного обеспечения, драйверов и операционных систем. Предположим, что у нас есть три модели камер, две версии драйверов и три версии операционной системы. Количество возможных комбинаций аппаратного обеспечения, драйверов и операционных систем будет равно произведению количества моделей камер, версий драйверов и версий операционной системы: 3 × 2 × 3 = 18. Это означает, что у устройства может быть до 18 разных комбинаций аппаратного обеспечения, драйверов и операционных систем, с которыми должно работать наше программное обеспечение.
Множественное представление аппаратно-программных платформ позволяет создавать несколько версий программного обеспечения, каждая из которых оптимизирована для конкретной комбинации аппаратного обеспечения, драйверов и операционной системы. Например, можно создать одну версию программного обеспечения для телефонов с камерами от компании A, использующих драйверы версии 1 и операционную систему версии 1, и другую версию для телефонов с камерами от компании B, использующих драйверы версии 2 и операционную систему версии 2.
Для отслеживания множественных представлений аппаратно-программных платформ можно использовать систему управления версиями, позволяющими контролировать все версии ПО. Также возможно использовать систему управления версиями для отслеживания изменений, внесенных в каждую версию приложения, и для разрешения конфликтов, которые могут возникнуть при интеграции нескольких версий.
Еще одним важным аспектом множественного представления аппаратно-программных платформ является тестирование. Для каждой версии программного обеспечения мы должны провести отдельное тестирование, чтобы убедиться, что она работает правильно с соответствующей комбинацией аппаратного обеспечения, драйверов и операционной системы. Это может занять много времени и ресурсов, поэтому мы должны убедиться, что наши тесты максимально автоматизированы [2].
Множественное представление аппаратно-программных платформ позволяет создавать несколько версий программного обеспечения, каждая из которых оптимизирована для конкретной комбинации аппаратной реализации, драйверов и операционной системы. Это позволяет максимизировать совместимость и производительность и улучшить процесс тестирования и разработки. Использование множественного представления является эффективным способом управления сложностью аппаратного и программного обеспечения.
Формализованное представление автоматизированного процесса тестирования с помощью графов
В процессе разработки ПО тестирование играет важную роль в обеспечении качества и надежности продукта. Для улучшения процесса тестирования, его оптимизации и автоматизации в процессах АСУ ТП, которая включает в себя несколько шагов, начиная от создания тестовых сценариев и заканчивая анализом результатов тестирования. Одним из эффективных способов формализации и оптимизации процесса тестирования является представление шагов тестирования с помощью теории графов (рисунок) [3, 4].
Представление процесса тестирования ПО
Первый шаг тестирования – создание тестовых сценариев. Этот шаг включает в себя описание сценариев тестирования, включающих в себя список функций и аспектов, которые будут протестированы. Каждый сценарий может содержать несколько тест-кейсов, которые покрывают все возможные состояния программного обеспечения. Для создания тестовых сценариев можно использовать как формальные, так и неформальные методы.
Второй шаг – разработка тестов в соответствии с тестовыми сценариями. Этот шаг включает в себя написание тестовых сценариев на одном из языков программирования, выбранном для тестирования. Разработка тестов включает в себя создание тестовых данных, выполнение тестов на программном обеспечении, а также запись результатов тестирования.
Третий шаг – подготовка программного обеспечения к запуску тестов в облаке. Этот шаг включает в себя загрузку программного обеспечения на облачную платформу, создание виртуальных машин для запуска тестов, а также настройку облачной платформы для обеспечения тестирования на разных устройствах.
Четвертый шаг – запуск тестов на устройствах в облаке. Этот шаг включает в себя запуск тестов на различных устройствах, которые находятся в облаке. Этот шаг может занять длительное время, в зависимости от количества тестов и количества устройств, используемых для тестирования.
Пятый шаг – анализ результатов тестирования. Этот шаг включает в себя анализ результатов тестирования, включая отчеты обо всех найденных ошибках и проблемах. Результаты тестирования также могут быть представлены в графическом виде, чтобы облегчить понимание и визуализацию данных [5, 6].
Каждый узел представляет определенный шаг тестирования, а каждое ребро указывает на зависимости между шагами. Например, на графе выше зависимость между созданием тестовых сценариев и разработкой тестов показана стрелкой от узла «Создание тестовых сценариев» к узлу «Разработка тестов».
Представление каждого шага тестирования в виде графа позволяет оптимизировать процесс тестирования путем идентификации и устранения неоптимальных мест. Например, на графе можно выделить узлы, которые занимают больше всего времени, и улучшить их производительность, чтобы ускорить весь процесс тестирования.
Представление шагов тестирования в АСУ ТП с помощью теории графов является эффективным способом оптимизации процесса тестирования. Графы позволяют представить каждый шаг тестирования в виде узла, а зависимости между шагами – в виде ребер графа, что упрощает понимание и визуализацию данных. Это позволяет оптимизировать процесс тестирования и улучшить процесс разработки программного обеспечения.
Представление процесса тестирования с помощью теории массового обслуживания
Представление шагов тестирования программного обеспечения в автоматизированной системе управления технологическими процессами с помощью теории графов – это важный шаг для оптимизации процесса тестирования. Теория графов позволяет наглядно представить зависимости между шагами тестирования, что может помочь ускорить процесс и облегчить коммуникацию между участниками проекта.
Однако помимо теории графов существует другой подход к представлению шагов тестирования – это теория массового обслуживания. В этом подходе шаги тестирования представляются в виде очереди, где каждый шаг является отдельным обслуживанием.
Опишем, как можно представить шаги тестирования с помощью теории массового обслуживания. Для начала нужно определить основные этапы тестирования. В контексте данного исследования рассматриваются следующие этапы тестирования: создание тестовых сценариев, разработка тестов в соответствии с тестовыми сценариями, подготовка программного обеспечения к запуску тестов в облаке, запуск тестов на устройствах в облаке и анализ результатов тестирования.
Каждый шаг тестирования может быть представлен в виде отдельного обслуживания в очереди. Каждый обслуживаемый процесс имеет свои характеристики, такие как время обслуживания и время ожидания в очереди [7].
Характеристики процесса модели тестирования ПО
|
Этап тестирования |
Время обслуживания (часы) |
Время ожидания в очереди (часы) |
|
Создание тестовых сценариев |
2 |
0 |
|
Разработка тестов |
4 |
2 |
|
Подготовка программного обеспечения |
1 |
1 |
|
Запуск тестов |
8 |
4 |
|
Анализ результатов тестирования |
2 |
2 |
Как видно из таблицы, каждый этап тестирования имеет свою продолжительность обслуживания и время ожидания в очереди. Например, создание тестовых сценариев занимает два часа и не имеет времени ожидания в очереди, так как является первым этапом тестирования. Разработка тестов занимает четыре часа и имеет два часа времени ожидания в очереди.
Моделирование процесса тестирования с использованием теории массового обслуживания может помочь определить время, которое займет тестирование, и понять, какие шаги тестирования могут быть оптимизированы.
Кроме того, для моделирования процесса тестирования с использованием теории массового обслуживания необходимо учесть следующие параметры:
− Число пользователей, которые одновременно выполняют тестирование. Число пользователей влияет на длину очереди и время ожидания в очереди.
− Распределение времени обслуживания. Распределение времени обслуживания может быть равномерным или неравномерным.
− Требования к производительности системы, такие как время отклика и время загрузки страниц.
Когда модель тестирования создана, она может быть использована для оптимизации процесса тестирования. Например, если анализ результатов моделирования показывает, что время ожидания в очереди для этапа «Разработка тестов» является слишком высоким, то можно принять меры для оптимизации этого шага тестирования [8].
Представление шагов тестирования программного обеспечения с помощью теории массового обслуживания является эффективным инструментом для оптимизации процесса тестирования. Моделирование процесса тестирования с помощью этого подхода может помочь определить время, которое займет тестирование, и выявить узкие места, которые можно оптимизировать.
Имитационная модель тестирования методом Монте-Карло
Имитационное моделирование Монте-Карло – это метод анализа процессов, основанный на генерации случайных значений и оценке средних значений на основе повторных экспериментов. Данный метод используется для моделирования процессов, которые не могут быть точно описаны математическими уравнениями.
Преимущества использования метода Монте-Карло заключаются в возможности создания точной и подробной модели процесса тестирования, учете всех факторов, влияющих на процесс, и оценке процесса тестирования на основе множества случайных входных данных.
Рассмотрим пример создания имитационной модели Монте-Карло для анализа процесса тестирования программного обеспечения. Предположим, что проводится тестирование программного обеспечения, которое должно быть запущено на различных устройствах в облаке. Нам нужно определить оптимальное количество устройств и время, необходимое для выполнения тестов.
Начнем с определения параметров модели:
num_devices = 10
test_time_mean = 5
test_time_std = 1
device_time_mean = 1
device_time_std = 0.1
sim_time = 1000
Далее необходимо определить класс для устройств. Каждое устройство имеет метод run(), который используется для моделирования времени, необходимого для выполнения тестов.
class Device(object):
def __init__(self, env):
self.env = env
self.action = env.process(self.run())
def run(self):
while True:
yield self.env.timeout(random.gauss(device_time_mean, device_time_std))
Далее определяется функция run_tests(), которая запускает тесты на устройствах. Эта функция вызывается периодически для запуска новых тестов.
def run_tests(env, devices):
while True:
yield env.timeout(random.gauss(test_time_mean, test_time_std))
device = random.choice(devices)
yield env.process(device.run())
Следующим шагом необходимо создать окружение моделирования с помощью библиотеки SimPy и создать необходимое количество устройств. Также запускается процесс тестирования, который использует функцию run_tests() для запуска тестов на устройствах.
env = simpy.Environment()
devices = [Device(env) for i in range (num_devices)]
env.process(run_tests(env, devices))
В заключительном шаге запускается моделирование, используя метод run() окружения моделирования. Метод until=sim_time указывает, что моделирование должно быть остановлено после определенного количества времени.
env.run(until=sim_time)
Результатом использования данного метода являются результаты, показывающие, сколько времени заняло выполнение каждого теста, сколько времени устройства были заняты, а также другие характеристики процесса тестирования. Данный метод можно расширять для более сложных процессов разработки ПО [9, 10].
Заключение
В данной статье рассмотрена разработка формализованного представления процесса тестирования программной составляющей программно-аппаратных платформ. Цель исследования заключалась в разработке подхода, который позволит оптимизировать процесс тестирования, сократить время, затрачиваемое на него, и улучшить качество программного обеспечения. Для достижения этой цели были использованы множественное представление, графы, теория массового обслуживания и имитационная модель методом Монте-Карло.
Результаты исследования показали, что создание формализованного представления процесса тестирования программного обеспечения в АСУ ТП с помощью графов и использование имитационной модели Монте-Карло может значительно ускорить и оптимизировать процесс тестирования, а также повысить качество продукта. Использование теории массового обслуживания позволило определить оптимальный размер команды и количество устройств в облаке для максимальной производительности.
В дальнейшем можно расширить модель автоматической проверкой кода и внедрением новых технологий. Также можно провести дополнительные исследования в этой области, чтобы улучшить эффективность тестирования и оптимизировать процесс разработки программного обеспечения. Разработка формализованного представления процесса тестирования программного обеспечения в АСУ ТП имеет большой потенциал для улучшения процесса тестирования и ускорения процесса разработки.