콘텐츠
- 오늘날의 자율 주행에서 하이브리드 엔진이 성공해야합니다
- 인간과 기계가 서로 협력하여 확장 가능하고 안정적이며 안전한 응용 프로그램을 개발해야합니다
- 4 가지 유형의 테스트 자동화 엔지니어
- 버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
- 하이브리드 마스터가 성능 지표를 능가
출처 : karnoff / iStockphoto
테이크 아웃 :
자율 주행 차가 등장하면서 자동화 테스트가 그 어느 때보 다 중요 해지고 있습니다. 그러나 자동화 테스트에는 몇 가지 방법이 있습니다.
2040 년까지 판매 된 새로운 차량의 95 %가 완전히 자율적으로 작동 할 것입니다. 10 년 전, 그 예측은 일상 소비자에게는 상상할 수없는 것처럼 보였지만, 인공 지능 (AI)이 일상 생활에 얽힌 제품과 서비스와 함께 그럴듯 해졌습니다. SAE (Society of Automotive Engineers)는 자율성을 완성하기 위해 6 단계에서 무인 차량으로 운전자의 변화하는 역할을 설명합니다. (그림 1 참조)
처음 세 단계는 운전자가 환경을 적극적으로 분석해야하는 모니터링 된 운전에 초점을 맞추고, 마지막 세 단계는 자율 주행 시스템이 환경을 분석하는 비 모니터링 운전에 초점을 둡니다. 이 두 가지 다른 접근 방식에서 전환하려면 규정, 인프라 및 사고 방식의 변화가 필요합니다. 가장 중요한 것은 후자의 기술적 접근 방식이 신뢰할 수 있고 정확하다는 보장을 요구합니다. SAE의 다양한 자동화 수준에 대한 자세한 내용은 무인 자동차 : 자율 수준을 참조하십시오.
그림 1 : 자동화의 SAE 수준에서 자동화가 아닌 상태에서 완전한 자율성으로의 전환 표시
출처 : Mike Lemanski에서 채택
오늘날의 자율 주행에서 하이브리드 엔진이 성공해야합니다
시장에 진입하는 자율 주행 자동차는 수동과 자율 주행 모드로 전환하여 사람과 기계가 함께 작동하여 운전자에게 보안 느낌을 줄 수있는 하이브리드 엔진이 필요합니다. AI 활용시 보안에 대한 요구는 자동차 산업뿐만 아니라 소프트웨어 개발에도 적용됩니다. SAE의 모니터링에서 비 모니터링까지의 프레임 워크는 인간과 기계가 함께 협력하여 산업 전반에 걸쳐 제품과 서비스를 보장해야하는 광범위한 자율적 혼란을 강조했습니다.
인간과 기계가 서로 협력하여 확장 가능하고 안정적이며 안전한 응용 프로그램을 개발해야합니다
완전 자율성을 수용하려면 확장 가능하고 안정적이며 안전한 AI 구동 시스템을 보장하기 위해 사람과 기계의 조합이 필요합니다. 속성 기반 및 AI 기반 시각적 인식을 결합한 하이브리드 자동화 테스트 도구를 사용하는 소프트웨어 팀은 성능을 향상시킬뿐만 아니라 테스트 범위를 통해 애플리케이션 기능을 올바르게 보장 할 때 빠른 속도로 품질을 달성 할 수 있습니다. 테스트 자동화 엔지니어가 응용 프로그램의 보안을 유지하려면 별도의 두 가지 관련 차원이 필요합니다. (그림 2 참조)
- 첫번째, 정확성 수준는 자동화 된 테스트의 안정성과 다양한 응용 프로그램 구성 요소를 인식하여 테스트를 쉽게 만들 수있는 안정성의 척도입니다.
- 두번째, 유지 보수 용이는 자동화 된 테스트의 확장 성과 응용 프로그램 업데이트, 개선 사항 및 수정 후에 테스트 스크립트를 쉽게 유지 관리 할 수있는 능력을 보여줍니다.
4 가지 유형의 테스트 자동화 엔지니어
인간과 기계가 함께 협력하여 네 가지 유형의 소프트웨어 테스트 역할에서 테스트 자동화를 개발할 때 두 가지 차원이 있습니다. 왼쪽 하단의 테스터는 전통 주의자. 이 테스터는 자동화를 거의하지 않으며 주로 수동 테스트를 수행하여 적용 범위를 달성하기위한 유지 보수 노력을 증가시킵니다. 그들은 자동화의 기회를 알지 못하거나 효과적인 경영진 후원이나 최고의 변화없이 소규모 투자를하고있을 수 있습니다.
버그 없음, 스트레스 없음-인생을 파괴하지 않고 인생을 바꾸는 소프트웨어를 만드는 단계별 가이드
아무도 소프트웨어 품질에 신경 쓰지 않으면 프로그래밍 기술을 향상시킬 수 없습니다.
오른쪽 하단의 자동화 엔지니어는 관리자. 테스트 자동화 스크립트의 정확성을 보장하기 위해 신중하고 신중한 조치를 취합니다. 관리자는 광범위한 테스트 범위의 필요성을 이해하고 있지만 응용 프로그램 속성에 개별적으로 프로그래밍되지 않은 접근 방식에 회의적 일 수 있습니다. 테스트 자동화에 대한 세심한 접근 방식은 특히 매우 유사한 물체 사이에서 테스트 할 때 안정성과 정확성을 향상 시키지만 동적 특성을 유지하기가 어려울 수 있습니다. 자동화에 대한 자세한 내용은 자동화 : 미래의 데이터 과학 및 기계 학습?을 참조하십시오.
왼쪽 상단의 테스터는 영상가 인공 지능에 의해 구동되는 시각적 테스트 기능을 채택한 사람. 소프트웨어 품질의 AI를 통해 자동화 된 툴은 표준 객체 인식 기술에서 종종 놓치는 애플리케이션 속성에 액세스 할 수 있습니다. 예를 들어 AI를 사용하여 UI 요소를 실제 수준으로 캡처하면 소프트웨어 팀이 동적 속성을 쉽게 유지 관리하고 복잡한 콘솔, 데이터 시각화 도구 및 PDF에 대한 적용 범위를 넓힐 수 있습니다.
오른쪽 상단의 자동화 엔지니어는 하이브리드 마스터. 그들은 최대의 테스트 범위와 보안을 제공하기 위해 안정적이고 확장 가능한 테스트 방식으로 가치를 창출하는 방법을 진정으로 이해합니다. 인공 지능 기반 테스트를 통해 테스트 스크립트의 수동 스크립팅을 통해 높은 수준의 정확도와 유지 보수가 용이 한 높은 수준의 정확도를 결합하여 각 접근 방식의 강점을 활용할 수 있습니다. 전자의 특성 기반 인식 및 테스트의 안정성 및 정확도, 속도 및 확장 성 후자의 AI 기반 시각 테스트에서.
그림 2 : 4 가지 유형의 테스트 자동화 엔지니어
하이브리드 마스터가 성능 지표를 능가
광범위한 속성 기반 인식 또는 시각적 테스트 프레임 워크가있는 소프트웨어 품질 팀은 시간 절약 및 적용 범위에서 수동 테스터보다 성능이 뛰어납니다. 하이브리드 마스터는 접근 방식 조합이 활용 될 때 성능 지표를 훨씬 능가합니다. 예를 들어, 두 이미지 사이의 미묘한 차이를 식별하는 것과 같이 속성 기반 객체 인식에 단순히 오는 것은 기계에 까다로울 수 있으며, 기가 바이트의 데이터를 분석하거나 이미지를 컴퓨터가 읽을 수있는 컨텐츠로 변환하는 것과 같은 기계에있어 직접적인 것은 매우 어렵습니다. 인간에게는 시간이 많이 걸립니다. 데스크톱, 웹 또는 모바일 응용 프로그램을 테스트하려면 두 가지 기능이 모두 필요합니다.
기술의 발전으로 속도가 빨라지고 있으며 모든 산업의 소프트웨어 팀은 안정성이 뛰어나고 확장 가능하며 안전한 응용 프로그램을 만드는 데 미치는 영향에 대해 문의하고 있습니다. 팀은 때때로 부적절하고 종종 사용하기 어려운 개발 및 성능 목표를 해결하기위한 다양한 대안 및 도구에 직면하고 있습니다. 기존의 자동화 된 테스트 도구에 AI를 주입하면 최대 테스트 범위를 위해 UI 요소를 쉽게 감지하고 테스트 할 수있는 하이브리드 엔진이 만들어집니다.