論文の概要: On Introducing Automatic Test Case Generation in Practice: A Success Story and Lessons Learned

• arxiv url: http://arxiv.org/abs/2103.00465v1
• Date: Sun, 28 Feb 2021 11:31:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 15:57:40.963244
• Title: On Introducing Automatic Test Case Generation in Practice: A Success Story and Lessons Learned
• Title（参考訳）: 実践における自動テストケース生成の導入について:成功事例と教訓
• Authors: Matteo Brunetto, Giovanni Denaro, Leonardo Mariani, Mauro Pezz\`e
• Abstract要約: 本稿では,中規模企業におけるシステムテストスイートの自動生成技術の導入経験について報告する。 自動テストケース生成を導入する際に直面する技術的および組織的障害について説明する。 弊社が開発したテストケースジェネレータ ABT2.0 を紹介します。
• 参考スコア（独自算出の注目度）: 7.717446055777458
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The level and quality of automation dramatically affects software testing activities, determines costs and effectiveness of the testing process, and largely impacts on the quality of the final product. While costs and benefits of automating many testing activities in industrial practice (including managing the quality process, executing large test suites, and managing regression test suites) are well understood and documented, the benefits and obstacles of automatically generating system test suites in industrial practice are not well reported yet, despite the recent progresses of automated test case generation tools. Proprietary tools for automatically generating test cases are becoming common practice in large software organisations, and commercial tools are becoming available for some application domains and testing levels. However, generating system test cases in small and medium-size software companies is still largely a manual, inefficient and ad-hoc activity. This paper reports our experience in introducing techniques for automatically generating system test suites in a medium-size company. We describe the technical and organisational obstacles that we faced when introducing automatic test case generation in the development process of the company, and present the solutions that we successfully experienced in that context. In particular, the paper discusses the problems of automating the generation of test cases by referring to a customised ERP application that the medium-size company developed for a third party multinational company, and presents ABT2.0, the test case generator that we developed by tailoring ABT, a research state-of-the-art GUI test generator, to their industrial environment. This paper presents the new features of ABT2.0, and discusses how these new features address the issues that we faced.
• Abstract（参考訳）: 自動化のレベルと品質は、ソフトウェアテスト活動に劇的に影響し、テストプロセスのコストと有効性を決定し、最終製品の品質に大きく影響します。 産業プラクティスにおける多くのテストアクティビティ(品質プロセスの管理、大規模なテストスイートの実行、回帰テストスイートの管理など)を自動化するコストとメリットはよく理解され、文書化されているが、自動化テストケース生成ツールの最近の進歩にもかかわらず、産業プラクティスにおけるシステムテストスイートの自動生成のメリットと障害はまだ報告されていない。 テストケースを自動的に生成するプロプライエタリなツールは、大規模なソフトウェア組織では一般的なプラクティスとなり、いくつかのアプリケーションドメインやテストレベルで商用ツールが利用できるようになる。 しかし、中小規模のソフトウェア企業でシステムテストケースを生成することは、まだ手作業、非効率、アドホックな活動です。 本稿では,中規模企業におけるシステムテストスイートの自動生成技術の導入経験について報告する。 我々は、企業の開発プロセスに自動テストケース生成を導入する際に直面する技術的および組織的障害について述べ、その状況において私たちがうまく経験したソリューションを示します。 特に,中規模企業が多国籍企業向けに開発したカスタマイズされたerpアプリケーションを参照して,テストケース生成の自動化の問題を説明し,最先端のguiテストジェネレータであるabtを産業環境に調整して開発したテストケースジェネレータであるabt2.0を提案する。 本稿では,abt2.0の新機能を紹介するとともに,これらの新機能が直面した課題に対する対処方法について述べる。

関連論文リスト

• AutoPT: How Far Are We from the End2End Automated Web Penetration Testing? [54.65079443902714]
  LLMによって駆動されるPSMの原理に基づく自動浸透試験エージェントであるAutoPTを紹介する。 以上の結果から, AutoPT は GPT-4o ミニモデル上でのベースラインフレームワーク ReAct よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-02T13:24:30Z)
• The Future of Software Testing: AI-Powered Test Case Generation and Validation [0.0]
  本稿では、テストケースの生成と検証を改善する上で、AIが持つ変革の可能性について考察する。 テストプロセスの効率性、正確性、スケーラビリティを高める能力に重点を置いている。 また、高品質なトレーニングデータの必要性など、テストにAIを適用する際の重要な課題にも対処している。
  論文  参考訳（メタデータ） (2024-09-09T17:12:40Z)
• A System for Automated Unit Test Generation Using Large Language Models and Assessment of Generated Test Suites [1.4563527353943984]
  大規模言語モデル(LLM)はソフトウェア開発の様々な側面に適用されている。 Javaプロジェクトのテストスイートを生成する自動化システムであるAgoneTestを紹介します。
  論文  参考訳（メタデータ） (2024-08-14T23:02:16Z)
• Leveraging Large Language Models for Efficient Failure Analysis in Game Development [47.618236610219554]
  本稿では,テストの失敗の原因となるコードの変更を自動的に識別する手法を提案する。 このメソッドは、LLM(Large Language Models)を利用して、エラーメッセージと対応するコード変更を関連付ける。 当社のアプローチは新たに作成したデータセットで71%の精度に達しています。
  論文  参考訳（メタデータ） (2024-06-11T09:21:50Z)
• Test Oracle Automation in the era of LLMs [52.69509240442899]
  大規模言語モデル(LLM)は、多様なソフトウェアテストタスクに取り組むのに顕著な能力を示した。 本研究の目的は, 各種のオラクル生成時に生じる課題とともに, LLMs によるオラクルの自動化の可能性について検討することである。
  論文  参考訳（メタデータ） (2024-05-21T13:19:10Z)
• A Comprehensive Study on Automated Testing with the Software Lifecycle [0.6144680854063939]
  この研究は、自動テストがソフトウェアの品質を評価するのをいかに簡単にするか、手動テストと比べてどのように時間を節約するか、そして利点と欠点の観点から、それぞれのテストとどのように違うかを調べる。 ソフトウェアアプリケーションのテストプロセスは、単純化され、特定のテスト状況に合わせてカスタマイズされ、自動テストツールを使用してうまく実行される。
  論文  参考訳（メタデータ） (2024-05-02T06:30:37Z)
• Automated Test Case Repair Using Language Models [0.5708902722746041]
  欠陥のないテストケースは、テストスイートの品質を低下させ、ソフトウェア開発プロセスを破壊します。 テストケースの自動修復に事前訓練されたコード言語モデルを活用する新しいアプローチであるTaRGetを提案する。 TaRGetは、テスト修復を言語翻訳タスクとして扱い、言語モデルを微調整するために2段階のプロセスを使用する。
  論文  参考訳（メタデータ） (2024-01-12T18:56:57Z)
• Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
  回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。 このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
  論文  参考訳（メタデータ） (2023-07-28T12:38:44Z)
• Constraint-Guided Test Execution Scheduling: An Experience Report at ABB Robotics [13.50507740574158]
  我々は、大規模なテストリポジトリからテスト実行のスケジューリングを自動化することを目標とするDynTestと呼ばれるプロジェクトの結果を示す。 本稿では,ABBロボティクスにおけるテスト実行スケジューリングのための制約ベース最適化モデルの転送に成功した経験と教訓について報告する。
  論文  参考訳（メタデータ） (2023-06-02T13:29:32Z)
• SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
  従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。 自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。 この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
  論文  参考訳（メタデータ） (2022-03-10T00:47:46Z)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。