SlideShare uma empresa Scribd logo
1 de 18
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Om meg...
2
«Alltid på søken etter nye innovative måter
å gjøre testingen smartere og mer effektiv”
 Testprosess, -strategi, testautomatisering,
CI/CT, modellbasert testing, anvendelse av
ML/AI i testarbeid.
Minh Nguyen – doktoringeniør fra NTNU
Principal Test Engineer i Testify
 25 års arbeidserfaring med test og QA
 Innleid hos SpareBank 1 – team Master Data
Management (MDM) / Grunndata
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
04 Erfaringer og videre arbeid
03 Gevinster
02 MBT – hva har vi oppnådd?
01 Motivasjon
Agenda
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Motivasjon
• Et nytt mål etter å ha etablert et automatisk API testregime på våre tjenester.
‐ DND medlemsmøte 28.04.2021 om automatisert API-testing i SB1
(https://youtu.be/Gksah7ncJys)
• MDM - et komplekst og regel-basert system med høyt krav til datakvalitet
‐ Utfordring med å manuelt styrt testdekning – unødvendig eller mangelfull
‐ Kostbart vedlikehold av testene ved krav- eller regelendringer
• Hypotese: Kan modellbasert testteknikk (MBT) løse utfordringen?
‐ MEN: det finnes lite praktiske brukserfaringer
‐ Ønsker å validere hypotesen med våre egne tjenenester
4
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
5
Modellbasert testing (MBT)
Systemkrav
Modell
Test-
orakel
Testtilfeller
Eksekverbare
tester SUT
Manuell
Automatisk
generering
Automatisk
generering
Automatisk
transformasjon
Automatisk
kjøring
Automatisk
evaluering
Testverktøy
Forventede gevinster:
• Automatisk generering av
testtilfeller
• Sporbarhet mellom krav og
testtilfeller
• Justerbar testdekning gir
optimale tester for gitt
testformål
• Kostnadseffektiv vedlikehold av
tester
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Eksempel – Samtykke
Krav:
Både person- og bedriftskunde skal kunne avgi eller trekke tilbake ulike samtykketyper.
6
Samtykke-parameter:
‐ Identifikasjonsnummer: [f.nr; d.nr; org.nr]
‐ Typer: [1, 2, 3]
‐ Gruppe: [BankPM, BankBM]
‐ Språk: [NOB, NNO, ENG]
‐ Svar: [Ja, Nei]
‐ Variant: [<variabel>]
‐ GittAv: [<fritekst>]
‐ GittDato: [<gyldig datoformat>]
‐ GittFraKanal: [NB, CRM, BS]
Regler:
‐ Identifikasjonsnummer må være gyldig
‐ Personkunde skal ha type 1 og 2
‐ Bedriftskunde skal ha type 3 + variant
‐ Samtykkegruppe må være gyldig
‐ Samtykkespråk må være gyldig
‐ Samtykke-variant skal kun angis
dersom varians = true
‐ gittAv-felt har maks 256 tegn
‐ gittDato må ha gyldig datoformat
‐ gittFraKanal må være gyldig
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
7
Modellbasert testing (MBT)
Systemkrav
Modell
Test-
orakel
Testtilfeller
Eksekverbare
tester SUT
Manuell
Automatisk
generering
Automatisk
generering
Automatisk
transformasjon
Automatisk
kjøring
Automatisk
evaluering
Testverktøy
Grafisk modell-editor
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Modellering
8
Parameter-design
Testtilfelle-filter
Regel-definisjon
Ekvivalens-
partisjon
Grenseverdi
Beslutnings-
tabell
Logiske
operatorer
identNo:
‐ regularSSN
‐ d-number
‐ companyNo
‐ invalid_IdentNo
givenBy:
‐ length_20
‐ length_255
‐ length_256
‐ length_257
Rule_1:
if (identNo.regularSSN &&givenBy.length_20)
Outcome = true
Rule_2:
if (identNo.regularSSN && givenBy.length_257) {
Outcome = false
Error_msg = «Too long givenBy string»
}
Fixed_value(IdentNo = companyNo &&
type = 3 &&
language = NOB)
Exclude(identNo.d-number ||
language = ENG &&
givenFromChannel = CRM )
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
9
Modellbasert testing (MBT)
Systemkrav
Modell
Test-
orakel
Testtilfeller
Eksekverbare
tester SUT
Manuell
Automatisk
generering
Automatisk
generering
Automatisk
transformasjon
Automatisk
kjøring
Automatisk
evaluering
Testverktøy
Grafisk modell-editor
Testtilfelle-generator
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Generering av testtilfeller
10
Parameter
Mulige inputverdier
Antall mulige kombinasjoner = 3 * 3 * ... * 3 = 312 = 531.441 rekker
Mål med Testtilfelle-generering:
Å finne et sett av testtilfeller som er både
nødvendige og tilstrekkelige for et gitt testformål
Modell:
o Parametre
o Regler
o Testtilfelle-filtre
Algoritmer:
o Nwise – 2 | 3 | .. | n
o Cartesian (full dekning)
o Random
Genererte testtilfeller:
o (o1, a1, b3, c2, d5, ...)
o (o2, a2, b1, c2, d1, ...)
o ...
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
11
Modellbasert testing (MBT)
Systemkrav
Modell
Test-
orakel
Testtilfeller
Eksekverbare
tester SUT
Manuell
Automatisk
generering
Automatisk
generering
Automatisk
transformasjon
Automatisk
kjøring
Automatisk
evaluering
Testverktøy
Grafisk modell-editor
Testtilfelle-generator
Testverktøy-integrator
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
12
EcFeed
Testparameter mapping
Testcase generator
Eksportere resultat
Evaluere resultat
Eksekvere tjeneste
SoapUI-
test
Parametre +
Regler +
Testtilfelle-filtre +
Algoritme
• CSV
• HTML
• Database tabell
API/SUT
SoapUI integrasjon
Genererte
testtilfeller
(o1, a1, b2, c1, d7, ...)
...
(o2, a1, b3, c2, d4, ...)
(o1, a4, b2, c5, d2, ...)
(o3, a1, b6, c4, d1, ...)
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Testrapport
13 13
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Gevinster
14 14
Justerbar
testdekning
 Bevisst valg av testdekning isf manuell tuning av testcase parametre
 Forstår omfang og risiko av endringer
 Effektiv (regresjons)-testing.
 Samtykke:
 Kombinasjon av regler + filtre + algoritme: 25-50 testtilfeller for et
gitt testformål (verifisering personskunder; lengden på givenBy, ...)
Kostnadseffektiv
vedlikehold
 Kun endring i modellen og ikke i testene:
 Nye input-verdier på system-parameter, f.eks. «Nytt språk = FIN».
 Nye forretningsregler, f.eks. «Egen samtykketype for kunder med d.nr».
 Merk at: Endringer i API-kontrakt (strukturelle) krever endringer i test.
 SoapUI-testene er intakte / robuste
 En modell støtter flere SoapUI-testene på ulike versjoner av tjenesten.
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Erfaringer
15
 Veldig spennende å bli bedre kjent med – etter å ha blitt ISTQB-sertifisert.
 Liker best «Endre modellen og ikke testene».
 Gode erfaringer så langt men trenger å implementere flere modeller.
MBT-teknikk
 Krever en god systemforståelse og evne til å modellere dem.
 Tilstrekkelige regler og testtilfelle-filtre for å kunne justere testdekning.
 Forutsetter at automatiserte tester er klargjort for MBT.
 Stimulerer hele spekteret av testerens ferdighet (test-spesifikasjon,
-design og -automasjon).
Implementasjon-
prosess
 Enkel integrasjon av ecFeed-API med SoapUI.
 God støtte for modellering men altfor «streng» validering.
 GUI kunne blitt mer intuitiv og mer «tester-vennlig».
 Testtilfeller blir generert «on-the-fly» og ytelsen er bra.
Verktøy og
integrasjon
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Veikart for test
Manuell
test
Automatisert
test
Kontinuerlig
test
Modellbasert
test
Adaptiv
test
Tilfeldig og
mangelfull
Gjentakende og
tidseffektiv
Betimelig og
hendelsesbasert
Optimal og
formålstjenlig
Smarte og
lærende
Treningsdata
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N
Besøk oss på Testify-stand
for å se ecFeed og SB1-
implementasjon live...
TAKK FOR MEG
I N T E R N - A L L I A N S E N
I N T E R N - A L L I A N S E N

Mais conteúdo relacionado

Semelhante a 20211125 Odin - Modell-basert testing

Introduksjon til TDD
Introduksjon til TDDIntroduksjon til TDD
Introduksjon til TDDJoachim Løvf
 
Creuna om brukeropplevelse - fra synsing til datadrevet innsikt
Creuna om brukeropplevelse - fra synsing til datadrevet innsiktCreuna om brukeropplevelse - fra synsing til datadrevet innsikt
Creuna om brukeropplevelse - fra synsing til datadrevet innsiktTord Heyerdahl
 
Smidig data på stortinget
Smidig data på stortingetSmidig data på stortinget
Smidig data på stortingetmumitrollet72
 
Måling og visualisering av informasjonssikkerhet
Måling og visualisering av informasjonssikkerhetMåling og visualisering av informasjonssikkerhet
Måling og visualisering av informasjonssikkerhetTranscendent Group
 
Spor 2 kontinuerlig forbedring av testprosessen
Spor 2   kontinuerlig forbedring av testprosessenSpor 2   kontinuerlig forbedring av testprosessen
Spor 2 kontinuerlig forbedring av testprosessenSteria Norway
 
NTNU IPK - Info 2 klasse
NTNU IPK - Info 2 klasseNTNU IPK - Info 2 klasse
NTNU IPK - Info 2 klasseIPKNTNU
 
Automatisert Testing
Automatisert TestingAutomatisert Testing
Automatisert TestingAnders Sveen
 

Semelhante a 20211125 Odin - Modell-basert testing (12)

Introduksjon til TDD
Introduksjon til TDDIntroduksjon til TDD
Introduksjon til TDD
 
Risikobasert testing
Risikobasert testingRisikobasert testing
Risikobasert testing
 
Creuna om brukeropplevelse - fra synsing til datadrevet innsikt
Creuna om brukeropplevelse - fra synsing til datadrevet innsiktCreuna om brukeropplevelse - fra synsing til datadrevet innsikt
Creuna om brukeropplevelse - fra synsing til datadrevet innsikt
 
Smidig data på stortinget
Smidig data på stortingetSmidig data på stortinget
Smidig data på stortinget
 
Både føre vár og etter snar
Både føre vár og etter snarBåde føre vár og etter snar
Både føre vár og etter snar
 
Måling og visualisering av informasjonssikkerhet
Måling og visualisering av informasjonssikkerhetMåling og visualisering av informasjonssikkerhet
Måling og visualisering av informasjonssikkerhet
 
Spor 2 kontinuerlig forbedring av testprosessen
Spor 2   kontinuerlig forbedring av testprosessenSpor 2   kontinuerlig forbedring av testprosessen
Spor 2 kontinuerlig forbedring av testprosessen
 
Research studio og CRM
Research studio og CRMResearch studio og CRM
Research studio og CRM
 
NTNU IPK - Info 2 klasse
NTNU IPK - Info 2 klasseNTNU IPK - Info 2 klasse
NTNU IPK - Info 2 klasse
 
Hva er webanalyse?
Hva er webanalyse?Hva er webanalyse?
Hva er webanalyse?
 
Automatisert Testing
Automatisert TestingAutomatisert Testing
Automatisert Testing
 
Tcd 2014 onsdag_05 mintra trainingportal_evaluering
Tcd 2014 onsdag_05 mintra trainingportal_evalueringTcd 2014 onsdag_05 mintra trainingportal_evaluering
Tcd 2014 onsdag_05 mintra trainingportal_evaluering
 

Mais de Minh Nguyen

SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdf
SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdfSB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdf
SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdfMinh Nguyen
 
20220914-MBT-Experiences-SB1-final.pptx
20220914-MBT-Experiences-SB1-final.pptx20220914-MBT-Experiences-SB1-final.pptx
20220914-MBT-Experiences-SB1-final.pptxMinh Nguyen
 
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdf
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdfES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdf
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdfMinh Nguyen
 
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptxMinh Nguyen
 
Odin2019-AIML-suported_Test.pptx
Odin2019-AIML-suported_Test.pptxOdin2019-AIML-suported_Test.pptx
Odin2019-AIML-suported_Test.pptxMinh Nguyen
 
Testify smart testoptimization-ecfeed
Testify smart testoptimization-ecfeedTestify smart testoptimization-ecfeed
Testify smart testoptimization-ecfeedMinh Nguyen
 
Odin2018_Minh_ML_Risk_Prediction
Odin2018_Minh_ML_Risk_PredictionOdin2018_Minh_ML_Risk_Prediction
Odin2018_Minh_ML_Risk_PredictionMinh Nguyen
 

Mais de Minh Nguyen (7)

SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdf
SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdfSB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdf
SB1-Erfaringer-med-bruk-av-syntetisk-testdata.pdf
 
20220914-MBT-Experiences-SB1-final.pptx
20220914-MBT-Experiences-SB1-final.pptx20220914-MBT-Experiences-SB1-final.pptx
20220914-MBT-Experiences-SB1-final.pptx
 
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdf
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdfES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdf
ES2022-Minh-Nguyen-ShapingTestsIntoModelsForAutomatedTCGeneration.pdf
 
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx
2018-Sogeti-TestExpo-Intelligent_Predictive_Models.pptx
 
Odin2019-AIML-suported_Test.pptx
Odin2019-AIML-suported_Test.pptxOdin2019-AIML-suported_Test.pptx
Odin2019-AIML-suported_Test.pptx
 
Testify smart testoptimization-ecfeed
Testify smart testoptimization-ecfeedTestify smart testoptimization-ecfeed
Testify smart testoptimization-ecfeed
 
Odin2018_Minh_ML_Risk_Prediction
Odin2018_Minh_ML_Risk_PredictionOdin2018_Minh_ML_Risk_Prediction
Odin2018_Minh_ML_Risk_Prediction
 

20211125 Odin - Modell-basert testing

  • 1. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N
  • 2. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Om meg... 2 «Alltid på søken etter nye innovative måter å gjøre testingen smartere og mer effektiv”  Testprosess, -strategi, testautomatisering, CI/CT, modellbasert testing, anvendelse av ML/AI i testarbeid. Minh Nguyen – doktoringeniør fra NTNU Principal Test Engineer i Testify  25 års arbeidserfaring med test og QA  Innleid hos SpareBank 1 – team Master Data Management (MDM) / Grunndata
  • 3. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 04 Erfaringer og videre arbeid 03 Gevinster 02 MBT – hva har vi oppnådd? 01 Motivasjon Agenda
  • 4. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Motivasjon • Et nytt mål etter å ha etablert et automatisk API testregime på våre tjenester. ‐ DND medlemsmøte 28.04.2021 om automatisert API-testing i SB1 (https://youtu.be/Gksah7ncJys) • MDM - et komplekst og regel-basert system med høyt krav til datakvalitet ‐ Utfordring med å manuelt styrt testdekning – unødvendig eller mangelfull ‐ Kostbart vedlikehold av testene ved krav- eller regelendringer • Hypotese: Kan modellbasert testteknikk (MBT) løse utfordringen? ‐ MEN: det finnes lite praktiske brukserfaringer ‐ Ønsker å validere hypotesen med våre egne tjenenester 4
  • 5. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 5 Modellbasert testing (MBT) Systemkrav Modell Test- orakel Testtilfeller Eksekverbare tester SUT Manuell Automatisk generering Automatisk generering Automatisk transformasjon Automatisk kjøring Automatisk evaluering Testverktøy Forventede gevinster: • Automatisk generering av testtilfeller • Sporbarhet mellom krav og testtilfeller • Justerbar testdekning gir optimale tester for gitt testformål • Kostnadseffektiv vedlikehold av tester
  • 6. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Eksempel – Samtykke Krav: Både person- og bedriftskunde skal kunne avgi eller trekke tilbake ulike samtykketyper. 6 Samtykke-parameter: ‐ Identifikasjonsnummer: [f.nr; d.nr; org.nr] ‐ Typer: [1, 2, 3] ‐ Gruppe: [BankPM, BankBM] ‐ Språk: [NOB, NNO, ENG] ‐ Svar: [Ja, Nei] ‐ Variant: [<variabel>] ‐ GittAv: [<fritekst>] ‐ GittDato: [<gyldig datoformat>] ‐ GittFraKanal: [NB, CRM, BS] Regler: ‐ Identifikasjonsnummer må være gyldig ‐ Personkunde skal ha type 1 og 2 ‐ Bedriftskunde skal ha type 3 + variant ‐ Samtykkegruppe må være gyldig ‐ Samtykkespråk må være gyldig ‐ Samtykke-variant skal kun angis dersom varians = true ‐ gittAv-felt har maks 256 tegn ‐ gittDato må ha gyldig datoformat ‐ gittFraKanal må være gyldig
  • 7. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 7 Modellbasert testing (MBT) Systemkrav Modell Test- orakel Testtilfeller Eksekverbare tester SUT Manuell Automatisk generering Automatisk generering Automatisk transformasjon Automatisk kjøring Automatisk evaluering Testverktøy Grafisk modell-editor
  • 8. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Modellering 8 Parameter-design Testtilfelle-filter Regel-definisjon Ekvivalens- partisjon Grenseverdi Beslutnings- tabell Logiske operatorer identNo: ‐ regularSSN ‐ d-number ‐ companyNo ‐ invalid_IdentNo givenBy: ‐ length_20 ‐ length_255 ‐ length_256 ‐ length_257 Rule_1: if (identNo.regularSSN &&givenBy.length_20) Outcome = true Rule_2: if (identNo.regularSSN && givenBy.length_257) { Outcome = false Error_msg = «Too long givenBy string» } Fixed_value(IdentNo = companyNo && type = 3 && language = NOB) Exclude(identNo.d-number || language = ENG && givenFromChannel = CRM )
  • 9. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 9 Modellbasert testing (MBT) Systemkrav Modell Test- orakel Testtilfeller Eksekverbare tester SUT Manuell Automatisk generering Automatisk generering Automatisk transformasjon Automatisk kjøring Automatisk evaluering Testverktøy Grafisk modell-editor Testtilfelle-generator
  • 10. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Generering av testtilfeller 10 Parameter Mulige inputverdier Antall mulige kombinasjoner = 3 * 3 * ... * 3 = 312 = 531.441 rekker Mål med Testtilfelle-generering: Å finne et sett av testtilfeller som er både nødvendige og tilstrekkelige for et gitt testformål Modell: o Parametre o Regler o Testtilfelle-filtre Algoritmer: o Nwise – 2 | 3 | .. | n o Cartesian (full dekning) o Random Genererte testtilfeller: o (o1, a1, b3, c2, d5, ...) o (o2, a2, b1, c2, d1, ...) o ...
  • 11. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 11 Modellbasert testing (MBT) Systemkrav Modell Test- orakel Testtilfeller Eksekverbare tester SUT Manuell Automatisk generering Automatisk generering Automatisk transformasjon Automatisk kjøring Automatisk evaluering Testverktøy Grafisk modell-editor Testtilfelle-generator Testverktøy-integrator
  • 12. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N 12 EcFeed Testparameter mapping Testcase generator Eksportere resultat Evaluere resultat Eksekvere tjeneste SoapUI- test Parametre + Regler + Testtilfelle-filtre + Algoritme • CSV • HTML • Database tabell API/SUT SoapUI integrasjon Genererte testtilfeller (o1, a1, b2, c1, d7, ...) ... (o2, a1, b3, c2, d4, ...) (o1, a4, b2, c5, d2, ...) (o3, a1, b6, c4, d1, ...)
  • 13. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Testrapport 13 13
  • 14. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Gevinster 14 14 Justerbar testdekning  Bevisst valg av testdekning isf manuell tuning av testcase parametre  Forstår omfang og risiko av endringer  Effektiv (regresjons)-testing.  Samtykke:  Kombinasjon av regler + filtre + algoritme: 25-50 testtilfeller for et gitt testformål (verifisering personskunder; lengden på givenBy, ...) Kostnadseffektiv vedlikehold  Kun endring i modellen og ikke i testene:  Nye input-verdier på system-parameter, f.eks. «Nytt språk = FIN».  Nye forretningsregler, f.eks. «Egen samtykketype for kunder med d.nr».  Merk at: Endringer i API-kontrakt (strukturelle) krever endringer i test.  SoapUI-testene er intakte / robuste  En modell støtter flere SoapUI-testene på ulike versjoner av tjenesten.
  • 15. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Erfaringer 15  Veldig spennende å bli bedre kjent med – etter å ha blitt ISTQB-sertifisert.  Liker best «Endre modellen og ikke testene».  Gode erfaringer så langt men trenger å implementere flere modeller. MBT-teknikk  Krever en god systemforståelse og evne til å modellere dem.  Tilstrekkelige regler og testtilfelle-filtre for å kunne justere testdekning.  Forutsetter at automatiserte tester er klargjort for MBT.  Stimulerer hele spekteret av testerens ferdighet (test-spesifikasjon, -design og -automasjon). Implementasjon- prosess  Enkel integrasjon av ecFeed-API med SoapUI.  God støtte for modellering men altfor «streng» validering.  GUI kunne blitt mer intuitiv og mer «tester-vennlig».  Testtilfeller blir generert «on-the-fly» og ytelsen er bra. Verktøy og integrasjon
  • 16. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Veikart for test Manuell test Automatisert test Kontinuerlig test Modellbasert test Adaptiv test Tilfeldig og mangelfull Gjentakende og tidseffektiv Betimelig og hendelsesbasert Optimal og formålstjenlig Smarte og lærende Treningsdata
  • 17. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N Besøk oss på Testify-stand for å se ecFeed og SB1- implementasjon live... TAKK FOR MEG
  • 18. I N T E R N - A L L I A N S E N I N T E R N - A L L I A N S E N

Notas do Editor

  1. Grafisk modell-editor
  2. Data coverage Rule/requirement/scenario and conditional coverage
  3. Tippingens mål er å få 12 rette = ha en testcase i TC-settet som avdekker feilen