Defectdetectie met behulp van kunstmatige intelligentie bij het testen van software – leren van andere industrieën
Bibliophile, Movie buff & a Passionate Storyteller.
“Kunstmatige intelligentie” was een van de meest gezochte termen in de Scopus wetenschappelijke database in 2018, met kanker, hartaanvallen en big data in de top tien.
Continue kwaliteitsverbetering, een cyclisch proces van het beoordelen van prestaties, het implementeren van verbeteringsplannen en het opnieuw beoordelen van resultaten is het doel voor elke organisatie in alle sectoren, en software vormt hierop geen uitzondering.
Effectief testen helpt bij het verbeteren van de kwaliteit door defecten vroeg in de cyclus te identificeren en te verwijderen. Opkomende technologieën zoals kunstmatige intelligentie en aanverwante gebieden van kunstmatige intelligentie zoals datawetenschappen en machine learning zullen naar verwachting in de komende jaren een aanzienlijke impact hebben op het uitvoeren van betere tests. komen.
Softwaretesten en kwaliteit als discipline hebben veel geleend van de productie- en andere industrieën. Kaizen, Kanban, Lean manufacturing, Just-in-time manufacturing en andere benaderingen zijn in de software gebruikt om de kwaliteit door de jaren heen te verbeteren. Op dezelfde manier kan het gebruik van kunstmatige-intelligentietechnieken om defecten in andere industrieën te identificeren en te elimineren als leerzaam worden beschouwd en worden toegepast in de wereld van het testen en kwaliteit van software. Laten we eens kijken naar enkele voorbeelden.
Motorola krijgt hulp van “Instrumental Inc“, een bedrijf dat helpt bij realtime defecten detectie van zowel bekende als onverwachte problemen op productielijnen met behulp van machine learning-algoritmen. Instrumental verzamelt alle beeldgegevens in een clouddatabase, waar deze kunnen worden geanalyseerd door tientallen of zelfs honderden machine learning-algoritmen om defecten of veranderingen te identificeren waar ingenieurs om geven.
De Hong Kong Polytechnic University (PolyU) heeft onlangs een intelligent detectiesysteem voor stofdefecten ontwikkeld, genaamd “WiseEye”, dat gebruik maakt van geavanceerde technologieën, waaronder kunstmatige intelligentie (AI) en deep learning voor kwaliteitsverbetering in de textielindustrie.
Textielfabrikanten vertrouwen momenteel op menselijke inspanningen om de stof willekeurig met het blote oog te inspecteren. Als gevolg van menselijke factoren zoals nalatigheid of fysieke vermoeidheid is de detectie van defecten door menselijke arbeid doorgaans inconsistent en onbetrouwbaar. Het onderzoeksteam van “WiseEye” heeft de uitdaging overwonnen door Big Data- en Deep Learning-technologieën toe te passen. Door duizenden meters aan stofgegevens in het systeem in te voeren, heeft het team “WiseEye” getraind om ongeveer 40 veelvoorkomende stofdefecten te detecteren.
‘Data’ vormt de kern van kunstmatige intelligentie en zoals we in de bovenstaande voorbeelden kunnen zien, komt de weg naar betere kwaliteit voort uit gegevens uit het verleden, die worden gebruikt om kunstmatige-intelligentiesystemen te trainen. Dit is een groot leergebied dat vanuit andere sectoren kan worden toegepast op het testen en kwaliteit van software.
Het verzamelen van defecten uit het verleden, deze dienovereenkomstig categoriseren en gebruiken om kunstmatige-intelligentiesystemen te trainen, kan softwaretests helpen defecten op te sporen, waardoor de kwaliteitslat in productieomgevingen hoger wordt gelegd.
Het maakt niet uit of u een ingenieur, CTO, QA, enz. bent. Wanneer zich problemen voordoen bij de productie, is het een collectieve verantwoordelijkheid van iedereen om defecten op te sporen, op te lossen en te werken aan kwaliteitsreleases.
Leer meer over kunstmatige intelligentie, machine-intelligentie en augmented intelligence en hoe invloedrijk deze technologieën zijn en hun impact op softwaretesten.
Wilt u uw softwaretests verbeteren? Bekijk de softwaretestservices van Zuci en zie hoe u Zuci kunt inzetten voor uw zakelijke behoeften.
[Webinar] Hoe AI de detectie van defecten verandert? op 19 september 2019 om 11.00 uur CST. Bewaar uw plek hier
Lees ook: Hoe machine-intelligentie de kwaliteitsborging kan verbeteren
