CN114860618A - 基于rpa的自动化功能测试方法及系统 - Google Patents
基于rpa的自动化功能测试方法及系统 Download PDFInfo
- Publication number
- CN114860618A CN114860618A CN202210786017.9A CN202210786017A CN114860618A CN 114860618 A CN114860618 A CN 114860618A CN 202210786017 A CN202210786017 A CN 202210786017A CN 114860618 A CN114860618 A CN 114860618A
- Authority
- CN
- China
- Prior art keywords
- software
- functional
- unit
- verification
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明涉及一种基于RPA的自动化功能测试方法及系统,涉及数据处理技术领域,其中系统包括,获取模块,用以获取软件测试结果中的关键性数据;分析模块,用以根据获取的关键性数据进行数据分析,其与所述获取模块连接,所述分析模块包括计算单元,所述计算单元用以计算功能缺陷指数A,其与调节单元连接,所述调节单元用以对功能缺陷指数A进行调节,其与修正单元连接,所述修正单元用以对调节后的功能缺陷指数A’进行修正,其与判断单元连接,所述判断单元用以对软件的运行状态进行判断,其与校验单元连接;告警模块,用以对软件运行状态进行风险告警,其与所述分析模块连接。本发明有效提高了测试效率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于RPA的自动化功能测试方法及系统。
背景技术
随着软件产品功能的日渐复杂,要保证软件的高质量,软件测试必不可少,软件测试的精度直接关系到测试的效率和软件的质量。
中国专利公开号:CN112612695A公开了一种基于RPA的功能测试环境验证方法、装置、设备及介质,其中方法包括:调用RPA根据流转流程测试配置数据进行流转流程测试得到流转流程测试结果;调用RPA根据调用Rest接口测试配置数据进行调用Rest接口验证测试得到调用Rest接口验证测试结果;调用RPA根据SQL脚本执行日志测试配置数据进行SQL脚本执行日志的异常验证测试得到SQL脚本执行日志异常验证测试结果;根据流转流程测试结果、调用Rest接口验证测试结果和SQL脚本执行日志异常验证测试结果进行报告生成得到目标功能测试环境验证测试报告。由此可见,该方案未对测试结果精确分析,存在测试精度低、测试效率低的问题。
发明内容
为此,本发明提供一种基于RPA的自动化功能测试方法及系统,用以克服现有技术中未对测试结果精确分析导致的测试精度低、测试效率低的问题。
为实现上述目的,一方面,本发明提供一种基于RPA的自动化功能测试系统,包括,
获取模块,用以获取软件测试结果中的关键性数据,所述关键性数据包括,功能缺陷数据、测试用例执行率和测试用例通过率;
分析模块,用以根据获取的关键性数据进行数据分析,其与所述获取模块连接,在进行数据分析时,所述分析模块还用以根据获取的功能缺陷数量H对软件质量进行风险判断,所述分析模块包括计算单元,所述计算单元用以在软件质量存在低风险时计算功能缺陷指数A,其与调节单元连接,所述调节单元用以根据严重缺陷数量对功能缺陷指数A进行调节,其与修正单元连接,所述修正单元用以根据一般缺陷数量对调节后的功能缺陷指数A’进行修正,其与判断单元连接,所述判断单元用以根据修正后的功能缺陷指数A’’对软件的运行状态进行判断,其与校验单元连接,所述校验单元用以根据测试用例执行率N对运行状态存在低风险的判断结果进行初次校验,并根据测试用例通过率T对初次校验通过的校验结果进行二次校验;
告警模块,用以根据校验结果对软件运行状态进行风险告警,其与所述分析模块连接。
进一步地,所述分析模块在对软件质量进行风险判断时,将获取的功能缺陷数量H与预设功能缺陷数量H0进行比对,并根据比对结果对软件质量进行风险判断,其中,
当H>H0时,所述分析模块判定软件质量存在高风险;
当H≤H0时,所述分析模块判定软件质量存在低风险。
进一步地,所述计算单元在软件质量存在低风险时计算功能缺陷指数A,设定A=A1+0.5×A2/A02+0.3×A3/A03+0.2×A4/A04,A02<A03<A04,A02+A03+A04=H,其中,A1为致命缺陷数量,A2为严重缺陷数量,A02为预设严重缺陷数量,A3为一般缺陷数量,A03为预设一般缺陷数量,A4为轻微缺陷数量,A04为预设轻微缺陷数量。
进一步地,所述调节单元在对功能缺陷指数A进行调节时,获取软件的严重缺陷数量A2,并将其与预设严重缺陷数量A02进行比对,并根据比对结果对功能缺陷指数A进行调节,其中,
当0<A2≤A02时,所述调节单元选取第一调节系数g1对功能缺陷指数A进行调节,以增加缺陷指数,设定1<g1<1.2;
当A2>A02时,所述调节单元选取第二调节系数g2对功能缺陷指数A进行调节,以增加功能缺陷指数,设定g2=g1+g1×(A2- A02)/ A2;
其中,当选取第i调节系数gi对功能缺陷指数A进行调节时,设定i=1,2,调节后的功能缺陷指数为A’,设定A’=A×gi。
进一步地,所述修正单元在对调节后的功能缺陷指数A’进行修正时,获取软件的一般缺陷数量A3,并将其与预设一般缺陷数量A03比对,并根据比对结果对调节后的功能缺陷指数A’进行修正,其中,
当A3≤A03时,所述修正单元不进行修正;
当A3>A03时,所述修正单元将功能缺陷指数修正为A’’,以增加功能缺陷指数,设定A’’=A’+A’×(A3-A03)/A3。
进一步地,所述判断单元在对软件运行状态进行判断时,将修正后的功能缺陷指数A’’与各预设功能缺陷指数比对,并根据比对结果对软件运行状态进行判断,其中,
当A’’<Aa1时,所述判断单元判定软件运行状态存在低风险,软件能够正常使用;
当Aa1≤A’’≤Aa2时,所述判断单元判定软件运行状态存在中风险,软件能够使用,需要对软件进行优化并定期进行回归测试;
当A’’>Aa2时,所述判断单元判定软件运行状态存在高风险,软件不可使用;
其中,Aa1为第一预设缺陷指数,Aa2为第二预设缺陷指数,Aa2>Aa1。
进一步地,所述校验单元在进行初次校验时,将获取的测试用例执行率N与预设测试用例执行率N0进行比对,并根据比对结果对低风险的判断结果进行初次校验,其中,
当N≥N0时,所述校验单元判定低风险的判断结果校验通过,并对其进行二次校验;
当N<N0时,所述校验单元判定低风险的判断结果校验不通过,所述校验单元将该运行状态设置为中风险。
进一步地,所述校验单元在进行二次校验时,将获取的测试用例通过率T与预设测试用例通过率T0进行比对,并根据比对结果对初次校验通过的判断结果进行二次校验,其中,
当T≥T0时,所述校验单元判定低风险的判断结果二次校验通过;
当T<T0时,所述校验单元判定低风险的判断结果二次校验不通过,所述校验单元将该运行状态设置为中风险。
进一步地,所述告警模块在进行风险告警时,根据校验结果对软件运行进行风险告警,其中,
当校验通过时,所述告警模块判断软件运行正常,不进行告警;
当校验不通过时,所述告警模块判断软件运行有风险,并进行告警,提示需要对该软件进行修改优化、回归测试。
另一方面,本发明还提供一种基于RPA的自动化功能测试方法,包括,
步骤S1,获取软件测试结果中的关键性数据;
步骤S2,对获取的关键性数据进行数据分析,以对软件运行状态进行精确判断及校验;
步骤S3,在运行状态校验不通过时进行风险告警。
与现有技术相比,本发明的有益效果在于,所述系统通过获取模块获取软件测试结果中的关键性数据,通过分析模块对获取的关键性数据进行数据分析,通过告警模块对软件运行状态校验不通过时进行风险告警,有效保证了测试的精度,从而提高测试效率。
尤其,所述分析模块在对软件质量进行风险判断时,将获取的功能缺陷数量H与预设功能缺陷数量H0进行比对,若功能缺陷数量H大于预设功能缺陷数量H0,所述分析模块判定软件质量存在高风险,若功能缺陷数量H在预设功能缺陷数量H0以内,所述分析模块判定软件质量存在低风险,以保证对软件质量判断的精度,从而提高测试效率。
尤其,所述计算单元在软件质量存在低风险时计算功能缺陷指数A,通过致命缺陷数量、严重缺陷数量与预设严重缺陷数量的比值加权、一般缺陷数量与预设一般缺陷数量的比值加权和轻微缺陷数量与预设轻微缺陷数量的比值加权,相加求和的方式,计算得到功能缺陷指数A,以保证功能缺陷指数A的计算精度,从而提高测试效率。
尤其,所述调节单元在对功能缺陷指数A进行调节时,获取软件的严重缺陷数量,并将其与预设严重缺陷数量进行比对,若严重缺陷数量大于0小于等于预设严重缺陷数量,所述调节单元选取第一调节系数g1对功能缺陷指数A进行调节,以增加缺陷指数,若严重缺陷数量大于预设严重缺陷数量,所述调节单元选取第二调节系数g2对功能缺陷指数A进行调节,以增加功能缺陷指数,通过选取不同的调节系数对功能缺陷指数A进行调节,以保证功能缺陷指数A的精度,从而提高测试效率。
尤其,所述修正单元在对调节后的功能缺陷指数A’进行修正时,获取软件的一般缺陷数量,并将其与预设一般缺陷数量比对,若一般缺陷数量在预设一般缺陷数量以内,所述修正单元不进行修正,若一般缺陷数量大于预设一般缺陷数量,所述修正单元将功能缺陷指数修正为A’’,以增加功能缺陷指数,以保证功能缺陷指数的精度,从而提高测试效率。
尤其,所述判断单元在对软件运行状态进行判断时,将修正后的功能缺陷指数A’’与各预设功能缺陷指数比对,若修正后的功能缺陷指数A’’小于第一预设缺陷指数Aa1,所述判断单元判定软件运行状态存在低风险,软件能够正常使用;若修正后的功能缺陷指数A’’大于等于第一预设缺陷指数Aa1小于等于第二预设缺陷指数Aa2,所述判断单元判定软件运行状态存在中风险,软件能够使用,需要对软件进行优化并定期进行回归测试;若修正后的功能缺陷指数A’’大于第二预设缺陷指数Aa2,所述判断单元判定软件运行状态存在高风险,软件不可使用。以对软件运行状态进行精确判断,从而提高测试效率。
尤其,所述校验单元在进行初次校验时,将获取的测试用例执行率N与预设测试用例执行率N0进行比对,若测试用例执行率N大于等于预设测试用例执行率N0,所述校验单元判定低风险的判断结果校验通过,并对其进行二次校验;若测试用例执行率小于预设测试用例执行率N0,所述校验单元判定低风险的判断结果校验不通过,所述校验单元将该运行状态设置为中风险。以提高校验的精度,以保证软件运行状态的精度,从而提高测试效率。
尤其,所述校验单元在进行二次校验时,将获取的测试用例通过率T与预设测试用例通过率T0进行比对,若测试用例通过率T大于等于预设测试用例通过率T0,所述校验单元判定低风险的判断结果二次校验通过;若测试用例通过率T小于预设测试用例通过率T0,所述校验单元判定低风险的判断结果二次校验不通过,所述校验单元将该运行状态设置为中风险。以提高校验的精度,以保证软件运行状态的精度,从而提高测试效率。
尤其,所述告警模块在进行风险告警时,根据校验结果对软件运行进行风险告警,若校验通过,所述告警模块判断软件运行正常,不进行告警;若校验不通过,所述告警模块判断软件运行有风险,进行告警,需要对该软件进行修改优化、回归测试。以保证在运行状态校验不通过时进行风险告警,从而提高测试效率。
附图说明
图1为本发明实施例中基于RPA的自动化功能测试系统的结构示意图;
图2为本发明实施例中基于RPA的自动化功能测试方法的流程示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明实施例中基于RPA的自动化功能测试系统,包括,
获取模块,用以获取软件测试结果中的关键性数据,所述关键性数据包括,功能缺陷数据、测试用例执行率和测试用例通过率,所述功能缺陷包括,致命缺陷、严重缺陷、一般缺陷和轻微缺陷;
分析模块,用以根据获取的关键性数据进行数据分析,其与所述获取模块连接,在进行数据分析时,所述分析模块还用以根据获取的功能缺陷数量H对软件质量进行风险判断,所述分析模块包括计算单元,所述计算单元用以在软件质量存在低风险时计算功能缺陷指数A,其与调节单元连接,所述调节单元用以根据严重缺陷数量对功能缺陷指数A进行调节,其与修正单元连接,所述修正单元用以根据一般缺陷数量对调节后的功能缺陷指数A’进行修正,其与判断单元连接,所述判断单元用以根据修正后的功能缺陷指数A’’对软件的运行状态进行判断,其与校验单元连接,所述校验单元用以根据测试用例执行率N对运行状态存在低风险的判断结果进行初次校验,并根据测试用例通过率T对初次校验通过的校验结果进行二次校验;
告警模块,用以根据校验结果对软件运行状态进行风险告警,其与所述分析模块连接。
具体而言,本实施例所述系统通过获取模块获取软件测试结果中的关键性数据,通过分析模块对获取的关键性数据进行数据分析,通过告警模块对软件运行状态校验不通过时进行风险告警,有效保证了测试的精度,从而提高测试效率。本实施例所述软件测试结果是调用RPA对被测软件测试得到的软件测试结果,并通过获取模块获取RPA测试得到的软件测试结果中的关键性数据。本实施例中所述致命缺陷是指测试执行主要功能直接导致系统死机、蓝屏、挂起或是程序非法退出;被测系统的主要功能点没实现;主要模块/功能不能满足需求或设计上的要求;软件的安全缺陷导致重要数据丢失或损坏;所述严重缺陷是指主要功能的执行结果与预期结果差别较大或是计算结果不正确;软件的易用性不好,导致用户可能不能正常完成软件的主要功能操作;所述一般缺陷是指软件的实际执行过程与预期结果有差异,但不严重;非正常操作或输入导致系统出错或执行结果不正确;系统运行过程中偶尔有出错提示或导致系统运行不正常;所述轻微缺陷是指实际执行过程中与预期结果有较小的差异,影响不大。本实施例中所述测试用例执行率=执行用例数/用例总数、所述测试用例通过率=通过用例数/执行总数,通过获取模块获取执行用例数和用例总数并计算得到测试用例执行率,通过获取模块获取通过用例数和执行总数并计算得到测试用例通过率。
具体而言,所述分析模块在对软件质量进行风险判断时,将获取的功能缺陷数量H与预设功能缺陷数量H0进行比对,并根据比对结果对软件质量进行风险判断,其中,
当H>H0时,所述分析模块判定软件质量存在高风险;
当H≤H0时,所述分析模块判定软件质量存在低风险。
具体而言,本实施例所述分析模块在对软件质量进行风险判断时,将获取的功能缺陷数量H与预设功能缺陷数量H0进行比对,若功能缺陷数量H大于预设功能缺陷数量H0,所述分析模块判定软件质量存在高风险,若功能缺陷数量H在预设功能缺陷数量H0以内,所述分析模块判定软件质量存在低风险,以保证对软件质量判断的精度,从而提高测试效率。
具体而言,所述计算单元在软件质量存在低风险时计算功能缺陷指数A,设定A=A1+0.5×A2/A02+0.3×A3/A03+0.2×A4/A04,A02<A03<A04,A02+A03+A04=H,其中,A1为致命缺陷数量,A2为严重缺陷数量,A02为预设严重缺陷数量,A3为一般缺陷数量,A03为预设一般缺陷数量,A4为轻微缺陷数量,A04为预设轻微缺陷数量。
具体而言,本实施例所述计算单元在软件质量存在低风险时计算功能缺陷指数A,通过致命缺陷数量、严重缺陷数量与预设严重缺陷数量的比值加权、一般缺陷数量与预设一般缺陷数量的比值加权和轻微缺陷数量与预设轻微缺陷数量的比值加权,相加求和的方式,计算得到功能缺陷指数A,以保证功能缺陷指数A的计算精度,从而提高测试效率。
具体而言,所述调节单元在对功能缺陷指数A进行调节时,获取软件的严重缺陷数量A2,并将其与预设严重缺陷数量A02进行比对,并根据比对结果对功能缺陷指数A进行调节,其中,
当0<A2≤A02时,所述调节单元选取第一调节系数g1对功能缺陷指数A进行调节,以增加缺陷指数,设定1<g1<1.2;
当A2>A02时,所述调节单元选取第二调节系数g2对功能缺陷指数A进行调节,以增加功能缺陷指数,设定g2=g1+g1×(A2- A02)/ A2;
其中,当选取第i调节系数gi对功能缺陷指数A进行调节时,设定i=1,2,调节后的功能缺陷指数为A’,设定A’=A×gi。
具体而言,本实施例所述调节单元在对功能缺陷指数A进行调节时,获取软件的严重缺陷数量,并将其与预设严重缺陷数量进行比对,若严重缺陷数量大于0小于等于预设严重缺陷数量,所述调节单元选取第一调节系数g1对功能缺陷指数A进行调节,以增加缺陷指数,若严重缺陷数量大于预设严重缺陷数量,所述调节单元选取第二调节系数g2对功能缺陷指数A进行调节,以增加功能缺陷指数,通过选取不同的调节系数对功能缺陷指数A进行调节,以保证功能缺陷指数A的精度,从而提高测试效率。
具体而言,所述修正单元在对调节后的功能缺陷指数A’进行修正时,获取软件的一般缺陷数量A3,并将其与预设一般缺陷数量A03比对,并根据比对结果对调节后的功能缺陷指数A’进行修正,其中,
当A3≤A03时,所述修正单元不进行修正;
当A3>A03时,所述修正单元将功能缺陷指数修正为A’’,以增加功能缺陷指数,设定A’’=A’+A’×(A3-A03)/A3。
具体而言,本实施例所述修正单元在对调节后的功能缺陷指数A’进行修正时,获取软件的一般缺陷数量,并将其与预设一般缺陷数量比对,若一般缺陷数量在预设一般缺陷数量以内,所述修正单元不进行修正,若一般缺陷数量大于预设一般缺陷数量,所述修正单元将功能缺陷指数修正为A’’,以增加功能缺陷指数,以保证功能缺陷指数的精度,从而提高测试效率。
具体而言,所述判断单元在对软件运行状态进行判断时,将修正后的功能缺陷指数A’’与各预设功能缺陷指数比对,并根据比对结果对软件运行状态进行判断,其中,
当A’’<Aa1时,所述判断单元判定软件运行状态存在低风险,软件能够正常使用;
当Aa1≤A’’≤Aa2时,所述判断单元判定软件运行状态存在中风险,软件能够使用,需要对软件进行优化并定期进行回归测试;
当A’’>Aa2时,所述判断单元判定软件运行状态存在高风险,软件不可使用;
其中,Aa1为第一预设缺陷指数,Aa2为第二预设缺陷指数,Aa2>Aa1。
具体而言,本实施例所述判断单元在对软件运行状态进行判断时,将修正后的功能缺陷指数A’’与各预设功能缺陷指数比对,若修正后的功能缺陷指数A’’小于第一预设缺陷指数Aa1,所述判断单元判定软件运行状态存在低风险,软件能够正常使用;若修正后的功能缺陷指数A’’大于等于第一预设缺陷指数Aa1小于等于第二预设缺陷指数Aa2,所述判断单元判定软件运行状态存在中风险,软件能够使用,需要对软件进行优化并定期进行回归测试;若修正后的功能缺陷指数A’’大于第二预设缺陷指数Aa2,所述判断单元判定软件运行状态存在高风险,软件不可使用。以对软件运行状态进行精确判断,从而提高测试效率。
具体而言,所述校验单元在进行初次校验时,将获取的测试用例执行率N与预设测试用例执行率N0进行比对,并根据比对结果对低风险的判断结果进行初次校验,其中,
当N≥N0时,所述校验单元判定低风险的判断结果校验通过,并对其进行二次校验;
当N<N0时,所述校验单元判定低风险的判断结果校验不通过,所述校验单元将该运行状态设置为中风险。
具体而言,本实施例所述校验单元在进行初次校验时,将获取的测试用例执行率N与预设测试用例执行率N0进行比对,若测试用例执行率N大于等于预设测试用例执行率N0,所述校验单元判定低风险的判断结果校验通过,并对其进行二次校验;若测试用例执行率小于预设测试用例执行率N0,所述校验单元判定低风险的判断结果校验不通过,所述校验单元将该运行状态设置为中风险。以提高校验的精度,以保证软件运行状态的精度,从而提高测试效率。
具体而言,所述校验单元在进行二次校验时,将获取的测试用例通过率T与预设测试用例通过率T0进行比对,并根据比对结果对初次校验通过的判断结果进行二次校验,其中,
当T≥T0时,所述校验单元判定低风险的判断结果二次校验通过;
当T<T0时,所述校验单元判定低风险的判断结果二次校验不通过,所述校验单元将该运行状态设置为中风险。
具体而言,本实施例所述校验单元在进行二次校验时,将获取的测试用例通过率T与预设测试用例通过率T0进行比对,若测试用例通过率T大于等于预设测试用例通过率T0,所述校验单元判定低风险的判断结果二次校验通过;若测试用例通过率T小于预设测试用例通过率T0,所述校验单元判定低风险的判断结果二次校验不通过,所述校验单元将该运行状态设置为中风险。以提高校验的精度,以保证软件运行状态的精度,从而提高测试效率。
具体而言,所述告警模块在进行风险告警时,根据校验结果对软件运行进行风险告警,其中,
当校验通过时,所述告警模块判断软件运行正常,不进行告警;
当校验不通过时,所述告警模块判断软件运行有风险,并进行告警,提示需要对该软件进行修改优化、回归测试。
具体而言,本实施例所述告警模块在进行风险告警时,根据校验结果对软件运行进行风险告警,若校验通过,所述告警模块判断软件运行正常,不进行告警;若校验不通过,所述告警模块判断软件运行有风险,并进行告警,提示需要对该软件进行修改优化、回归测试。以保证在运行状态校验不通过时进行风险告警,从而提高测试效率。
请参阅图2所示,其为本发明实施例中基于RPA的自动化功能测试方法,包括,
步骤S1,获取软件测试结果中的关键性数据;
步骤S2,对获取的关键性数据进行数据分析,以对软件运行状态进行精确判断及校验;
步骤S3,在运行状态校验不通过时进行风险告警。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于RPA的自动化功能测试系统,其特征在于,包括,
获取模块,用以获取软件测试结果中的关键性数据,所述关键性数据包括,功能缺陷数据、测试用例执行率和测试用例通过率;
分析模块,用以根据获取的关键性数据进行数据分析,其与所述获取模块连接,在进行数据分析时,所述分析模块还用以根据获取的功能缺陷数量H对软件质量进行风险判断,所述分析模块包括计算单元,所述计算单元用以在软件质量存在低风险时计算功能缺陷指数A,其与调节单元连接,所述调节单元用以根据严重缺陷数量对功能缺陷指数A进行调节,其与修正单元连接,所述修正单元用以根据一般缺陷数量对调节后的功能缺陷指数A’进行修正,其与判断单元连接,所述判断单元用以根据修正后的功能缺陷指数A’’对软件的运行状态进行判断,其与校验单元连接,所述校验单元用以根据测试用例执行率N对运行状态存在低风险的判断结果进行初次校验,并根据测试用例通过率T对初次校验通过的校验结果进行二次校验;
告警模块,用以根据校验结果对软件运行状态进行风险告警,其与所述分析模块连接。
2.根据权利要求1所述的基于RPA的自动化功能测试系统,其特征在于,所述分析模块在对软件质量进行风险判断时,将获取的功能缺陷数量H与预设功能缺陷数量H0进行比对,并根据比对结果对软件质量进行风险判断,其中,
当H>H0时,所述分析模块判定软件质量存在高风险;
当H≤H0时,所述分析模块判定软件质量存在低风险。
3.根据权利要求2所述的基于RPA的自动化功能测试系统,其特征在于,所述计算单元在软件质量存在低风险时计算功能缺陷指数A,设定A=A1+0.5×A2/A02+0.3×A3/A03+0.2×A4/A04,A02<A03<A04,A02+A03+A04=H,其中,A1为致命缺陷数量,A2为严重缺陷数量,A02为预设严重缺陷数量,A3为一般缺陷数量,A03为预设一般缺陷数量,A4为轻微缺陷数量,A04为预设轻微缺陷数量。
4.根据权利要求3所述的基于RPA的自动化功能测试系统,其特征在于,所述调节单元在对功能缺陷指数A进行调节时,获取软件的严重缺陷数量A2,并将其与预设严重缺陷数量A02进行比对,并根据比对结果对功能缺陷指数A进行调节,其中,
当0<A2≤A02时,所述调节单元选取第一调节系数g1对功能缺陷指数A进行调节,以增加缺陷指数,设定1<g1<1.2;
当A2>A02时,所述调节单元选取第二调节系数g2对功能缺陷指数A进行调节,以增加功能缺陷指数,设定g2=g1+g1×(A2- A02)/ A2;
其中,当选取第i调节系数gi对功能缺陷指数A进行调节时,设定i=1,2,调节后的功能缺陷指数为A’,设定A’=A×gi。
5.根据权利要求4所述的基于RPA的自动化功能测试系统,其特征在于,所述修正单元在对调节后的功能缺陷指数A’进行修正时,获取软件的一般缺陷数量A3,并将其与预设一般缺陷数量A03比对,并根据比对结果对调节后的功能缺陷指数A’进行修正,其中,
当A3≤A03时,所述修正单元不进行修正;
当A3>A03时,所述修正单元将功能缺陷指数修正为A’’,以增加功能缺陷指数,设定A’’=A’+A’×(A3-A03)/A3。
6.根据权利要求5所述的基于RPA的自动化功能测试系统,其特征在于,所述判断单元在对软件运行状态进行判断时,将修正后的功能缺陷指数A’’与各预设功能缺陷指数比对,并根据比对结果对软件运行状态进行判断,其中,
当A’’<Aa1时,所述判断单元判定软件运行状态存在低风险,软件能够正常使用;
当Aa1≤A’’≤Aa2时,所述判断单元判定软件运行状态存在中风险,软件能够使用,需要对软件进行优化并定期进行回归测试;
当A’’>Aa2时,所述判断单元判定软件运行状态存在高风险,软件不可使用;
其中,Aa1为第一预设缺陷指数,Aa2为第二预设缺陷指数,Aa2>Aa1。
7.根据权利要求6所述的基于RPA的自动化功能测试系统,其特征在于,所述校验单元在进行初次校验时,将获取的测试用例执行率N与预设测试用例执行率N0进行比对,并根据比对结果对低风险的判断结果进行初次校验,其中,
当N≥N0时,所述校验单元判定低风险的判断结果校验通过,并对其进行二次校验;
当N<N0时,所述校验单元判定低风险的判断结果校验不通过,所述校验单元将该运行状态设置为中风险。
8.根据权利要求7所述的基于RPA的自动化功能测试系统,其特征在于,所述校验单元在进行二次校验时,将获取的测试用例通过率T与预设测试用例通过率T0进行比对,并根据比对结果对初次校验通过的判断结果进行二次校验,其中,
当T≥T0时,所述校验单元判定低风险的判断结果二次校验通过;
当T<T0时,所述校验单元判定低风险的判断结果二次校验不通过,所述校验单元将该运行状态设置为中风险。
9.根据权利要求7或8所述的基于RPA的自动化功能测试系统,其特征在于,所述告警模块在进行风险告警时,根据校验结果对软件运行状态进行风险告警,其中,
当校验通过时,所述告警模块判断软件运行正常,不进行告警;
当校验不通过时,所述告警模块判断软件运行有风险,并进行告警,提示需要对该软件进行修改优化、回归测试。
10.一种应用于如权利要求1-9任一项所述的基于RPA的自动化功能测试系统的测试方法,其特征在于,包括,
步骤S1,获取软件测试结果中的关键性数据;
步骤S2,对获取的关键性数据进行数据分析,以对软件运行状态进行精确判断及校验;
步骤S3,在运行状态校验不通过时进行风险告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786017.9A CN114860618B (zh) | 2022-07-06 | 2022-07-06 | 基于rpa的自动化功能测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786017.9A CN114860618B (zh) | 2022-07-06 | 2022-07-06 | 基于rpa的自动化功能测试方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114860618A true CN114860618A (zh) | 2022-08-05 |
CN114860618B CN114860618B (zh) | 2022-09-23 |
Family
ID=82626269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210786017.9A Active CN114860618B (zh) | 2022-07-06 | 2022-07-06 | 基于rpa的自动化功能测试方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114860618B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006251994A (ja) * | 2005-03-09 | 2006-09-21 | Sony Corp | 品質評価システム及び品質評価方法、品質評価用プログラム |
US20080201612A1 (en) * | 2007-02-16 | 2008-08-21 | Kathryn Allyn Bassin | Defect Resolution Methodology and Data Defects Quality/Risk Metric Model Extension |
CN105404814A (zh) * | 2015-09-24 | 2016-03-16 | 中国农业银行股份有限公司 | 一种商业银行软件的质量风险评估方法和系统 |
CN108241574A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及系统 |
CN109828919A (zh) * | 2019-01-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 测试报告自动生成方法、装置、计算机设备及存储介质 |
CN110347599A (zh) * | 2019-07-11 | 2019-10-18 | 电信科学技术第十研究所有限公司 | 一种基于测试缺陷数据的管理方法及装置 |
CN111552641A (zh) * | 2020-04-27 | 2020-08-18 | 中国银行股份有限公司 | 一种判断软件产品质量的方法、装置、设备及存储介质 |
CN113297092A (zh) * | 2021-06-21 | 2021-08-24 | 中国农业银行股份有限公司 | 软件的缺陷预测方法及相关设备 |
US11334351B1 (en) * | 2020-04-28 | 2022-05-17 | Allstate Insurance Company | Systems and methods for software quality prediction |
CN114546864A (zh) * | 2022-02-24 | 2022-05-27 | 深圳创维-Rgb电子有限公司 | 软件质量评估方法、装置、设备及存储介质 |
-
2022
- 2022-07-06 CN CN202210786017.9A patent/CN114860618B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006251994A (ja) * | 2005-03-09 | 2006-09-21 | Sony Corp | 品質評価システム及び品質評価方法、品質評価用プログラム |
US20080201612A1 (en) * | 2007-02-16 | 2008-08-21 | Kathryn Allyn Bassin | Defect Resolution Methodology and Data Defects Quality/Risk Metric Model Extension |
CN105404814A (zh) * | 2015-09-24 | 2016-03-16 | 中国农业银行股份有限公司 | 一种商业银行软件的质量风险评估方法和系统 |
CN108241574A (zh) * | 2016-12-26 | 2018-07-03 | 航天信息股份有限公司 | 一种基于测试管理工具qc对软件测试缺陷进行分析的方法及系统 |
CN109828919A (zh) * | 2019-01-18 | 2019-05-31 | 深圳壹账通智能科技有限公司 | 测试报告自动生成方法、装置、计算机设备及存储介质 |
CN110347599A (zh) * | 2019-07-11 | 2019-10-18 | 电信科学技术第十研究所有限公司 | 一种基于测试缺陷数据的管理方法及装置 |
CN111552641A (zh) * | 2020-04-27 | 2020-08-18 | 中国银行股份有限公司 | 一种判断软件产品质量的方法、装置、设备及存储介质 |
US11334351B1 (en) * | 2020-04-28 | 2022-05-17 | Allstate Insurance Company | Systems and methods for software quality prediction |
CN113297092A (zh) * | 2021-06-21 | 2021-08-24 | 中国农业银行股份有限公司 | 软件的缺陷预测方法及相关设备 |
CN114546864A (zh) * | 2022-02-24 | 2022-05-27 | 深圳创维-Rgb电子有限公司 | 软件质量评估方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
容玥: "软件测试缺陷率衡量质量还是效率,软件测评师浅析软件测试过程进而质量的度量[1]", 《HTTPS://BLOG.CSDN.NET/WEIXIN_42300798/ARTICLE/DETAILS/119029014》 * |
第28回 软件测试过程和质量的度量: "20061230", 《HTTPS://BLOG.CSDN.NET/KERRYZHU/ARTICLE/DETAILS/1469555》 * |
老王情感驿站: "缺陷的定义", 《HTTPS://BLOG.CSDN.NET/WEIXIN_46045371/ARTICLE/DETAILS/118969972》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114860618B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116915348B (zh) | 基于射频直采的多路信号快速检测方法 | |
CN109254924B (zh) | 一种软件故障定位方法、装置、设备及可读存储介质 | |
CN114706363B (zh) | 基于过程优化的质量管理平台 | |
CN114860618B (zh) | 基于rpa的自动化功能测试方法及系统 | |
KR101837899B1 (ko) | 스캔 체인의 고장을 진단하는 장치 및 방법 | |
KR101808461B1 (ko) | 기계의 잔여수명 예측 방법 및 장치 | |
CN108763005B (zh) | 一种内存ecc故障报错方法及系统 | |
US20080004829A1 (en) | Method and apparatus for automatic test equipment | |
CN105653455A (zh) | 一种程序漏洞的检测方法及检测系统 | |
CN110264928B (zh) | 一种背光芯片检测方法、装置及存储介质 | |
CN112199295A (zh) | 一种基于频谱的深度神经网络缺陷定位方法及系统 | |
CN112685320A (zh) | 一种基于多候选程序的软件缺陷修复方法及装置 | |
CN110765005A (zh) | 软件可靠性评估方法和装置 | |
US20080154530A1 (en) | Method for normalized test line limits with measurement uncertainty | |
CN109189623B (zh) | 一种cpu的测试方法、装置及电子设备 | |
KR101626581B1 (ko) | 휴대통신 단말의 오류 애플리케이션 진단방법 | |
CN113869373A (zh) | 设备异常检测方法、装置、计算机设备和存储介质 | |
CN107885075B (zh) | 一种对过程控制智能整定的检测方法及系统 | |
CN116962233A (zh) | 一种基于光光通信的智能芯片检测系统及检测方法 | |
CN117762069B (zh) | 一种基于物联网的控制芯片自动化数据处理系统及方法 | |
CN116609642B (zh) | 芯片测试误差的补偿方法、装置、电子设备及存储介质 | |
CN116758967A (zh) | 内存质量检测方法及系统 | |
CN117472629B (zh) | 一种电子信息系统多故障诊断方法及系统 | |
CN109992493B (zh) | 一种排除燃气热水器软件异常的测试方法 | |
CN111310989B (zh) | 零件加工成功率的预测方法、预测装置及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |