Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2023 - zeszyt 4

Wykorzystanie metod nienadzorowanego uczenia maszynowego do optymalizacji kolejki testów regresyjnych w stacjach bazowych 5G

An unsupervised machine learning approach for regression testing queue optimisation in 5G base stations

10.15199/59.2023.4.44

nr katalogowy: 144772
10.15199/59.2023.4.44

Streszczenie

W organizacji działającej w oparciu o zwinne podejście do rozwoju oprogramowania, gdzie cykle życia oprogramowania są bardzo krótkie (np. dwa tygodnie), zmiany w oprogramowaniu są bardzo częste. Zazwyczaj zasoby są ograniczone — prąd jest drogi, linie testowe są stale zajęte, a części sprzętu muszą być zarezerwowane tylko do testów regresyjnych. W tej perspektywie testy regresyjne mogą wprowadzić wiele niepotrzebnych kosztów całkowitych. Porównując metody statystyczne oraz nienadzorowanego uczenia maszynowego odkryliśmy, że dzięki jednolitej naturze zmian w kodzie, można łatwo osiągnąć 90% dokładności przewidywania błędów przy jednoczesnym zmniejszeniu pierwotnej kolejki testów o 25%.

Abstract

In organization with applied agile software development, where software life cycles are very short (i.e. two weeks), changes to the software are very frequent. Usually resources are scarce – power is expensive, test lines are constantly occupied, and hardware parts must be booked only for regression testing. In this perspective, regression testing might introduce a lot of unnecessary overhead. By comparing statistical methods and related to unsupervised machine learning methods, we discovered that due to a uniform nature of code changes, one can easily achieve 90% of bug prediction accuracy while reducing the original testing queue by 25%.

Słowa kluczowe

Keywords

Bibliografia

[1] Rothermel, G. and Untch, R.H. and Chengyun Chu and Harrold, M.J. 2001. „Prioritizing test cases for regression testing”. IEEE Transactions on Software Engineering, 27 (10): 929-948.
[2] João F. S. Ouriques, Emanuela G. Cartaxo, Patrícia D. L. Machado, Francisco G. O. Neto, and Ana E. V. B. Coutinho. 2016. „On the Use of Fault Abstractions for Assessing System Test Case Prioritization Techniques”. In Proceedings of the 1st Brazilian Symposium on Systematic and Automated Software Testing (SAST). 7: 1–10.
[3] Tanzeem Bin Noor and Hadi Hemmati. 2017. „Studying test case failure prediction for test case prioritization”. In Proceedings of the 13th International Conference on Predictive Models and Data Analytics in Software Engineering: 2–11.
[4] Francis Palma, Tamer Abdou, Ayse Bener, John Maidens, and Stella Liu. 2018. „An improvement to test case failure prediction in the context of test case prioritization”. In Proceedings of the 14th International Conference on Predictive Models and Data Analytics in Software Engineering: 80–89.
[5] Ajmer Singh, Rajesh Kumar Bhatia, and Anita Singhrova. 2019. „Machine learning based test case prioritization in object oriented testing”. International Journal of Recent Technology and Engineering, 8 (3): 700–707.
[6] Junjie Chen, Yiling Lou, Lingming Zhang, Jianyi Zhou, Xiaoleng Wang, Dan Hao, and Lu Zhang. 2018. „Optimizing test prioritization via test distribution analysis”. In Proceedings of the 2018 26th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering: 656–667.
[7] Muhammad Hasnain, Muhammad Fermi Pasha, Chern Hong Lim, and Imran Ghan. 2019. „Recurrent neural network for web services performance forecasting, ranking and regression testing”. In 2019 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC): 96–105
[8] Siavash Mirarab and Ladan Tahvildari. 2008. „An empirical study on bayesian network-based approach for test case prioritization”. In 2008 1st International Conference on Software Testing, Verification, and Validation: 278–287.
[9] Songyu Chen, Zhenyu Chen, Zhihong Zhao, Baowen Xu, and Yang Feng. 2011. „Using semi-supervised clustering to improve regression test selection techniques”. In Fourth IEEE International Conference on Software Testing, Verification and Validation: 1–10.
[10] Shin Yoo, Mark Harman, Paolo Tonella, and Angelo Susi. 2009. „Clustering test cases to achieve effective and scalable prioritisation incorporating expert knowledge”. In Proceedings of the eighteenth international symposium on Software testing and analysis (ISSTA ’09): 201–212.
[11] Rafig Almaghairbe and Marc Roper. 2017. „Separating passing and failing test executions by clustering anomalies”. Software Quality Journal, 25 (3): 803–840.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE- e-publikacja (pdf) z zeszytu 2023-4 , nr katalogowy 144772 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2023-4

Twój Koszyk

Publikacja

Prenumerata

Zeszyt

Czasopisma