CN116303104B - 自动化流程缺陷筛查管理方法、系统和可读存储介质 - Google Patents

自动化流程缺陷筛查管理方法、系统和可读存储介质 Download PDF

Info

Publication number
CN116303104B
CN116303104B CN202310568462.2A CN202310568462A CN116303104B CN 116303104 B CN116303104 B CN 116303104B CN 202310568462 A CN202310568462 A CN 202310568462A CN 116303104 B CN116303104 B CN 116303104B
Authority
CN
China
Prior art keywords
component
data
recognition
defect
anomaly
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.)
Active
Application number
CN202310568462.2A
Other languages
English (en)
Other versions
CN116303104A (zh
Inventor
郑灶贤
辛华
郭宏文
骆永翰
李纯
刘玲
刘瑶瑶
彭邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202310568462.2A priority Critical patent/CN116303104B/zh
Publication of CN116303104A publication Critical patent/CN116303104A/zh
Application granted granted Critical
Publication of CN116303104B publication Critical patent/CN116303104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F11/3688—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
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0751—Error or fault detection not based on redundancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G06F11/0787—Storage of error reports, e.g. persistent data storage, storage using memory protection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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
    • 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
    • G06F11/3696—Methods or tools to render software testable
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computer Hardware Design (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开的一种自动化流程缺陷筛查管理方法、系统和可读存储介质，其中方法包括：基于RPA机器人获取运行数据，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；利用OCR识别组件对所述运行数据进行异常识别，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；基于所述异常信息进行异常分析，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容；基于所述异常信息进行存储，存储的方式包括结构化数据存储和/或非结构化数据存储。本发明利用RPA机器人识别数据异常，通过执行大量结构化的、重复的、基于明确规则的任务，不间断的自动执行业务功能流程，节约了企业大量人力成本，极大地提升了测试的速度和效率。

Description

自动化流程缺陷筛查管理方法、系统和可读存储介质
技术领域
本发明涉及数据处理技术领域，更具体的，涉及一种自动化流程缺陷筛查管理方法、系统和可读存储介质。
背景技术
随着数字经济的不断推荐，数据安全也越发重要，以电网管理平台（财务领域）为例，管理系统功能开发迭代多，增量作业频繁，由于采取微服务架构，每次作业后需要重新加载服务器缓存，对系统的巡检操作大部分是靠人工完成，存在以下问题：对高频次、操作单一的巡检缺乏有效的手段；每次增量作业后需要逐个模块逐个菜单点击功能是否报错或者打开是否缓慢，遇到报错需要截取日志；耗时长；遍历完所有菜单和功能，大概需要几个小时或更久；出现漏查；菜单量大，人工逐个点击时可能会漏查部分菜单；缺少定期巡检、保障系统稳定性手段；目前只能人工定期点击菜单验证功能，无法做到每日用户上班前验证一遍，因此，上述问题亟待解决。
发明内容
本发明的目的是提供一种自动化流程缺陷筛查管理方法、系统和可读存储介质，利用RPA机器人识别数据异常，通过执行大量结构化的、重复的、基于明确规则的任务，不间断的自动执行业务功能流程，节约了企业大量人力成本，极大地提升了测试的速度和效率。
本发明第一方面提供了一种自动化流程缺陷筛查管理方法，包括以下步骤：
基于RPA机器人获取运行数据，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
利用OCR识别组件对所述运行数据进行异常识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；
基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容；
基于所述异常信息进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储。
本方案中，所述方法还包括基于知识图谱定义异常识别规则进行异常识别，具体包括：
基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；
根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别；
利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别。
本方案中，所述基于RPA机器人获取运行数据，具体包括：
获取RPA设计中心输入的所述RPA机器人；
基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；
基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选。
本方案中，所述利用OCR识别组件对所述运行数据进行异常识别，具体包括：
获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；
基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别。
本方案中，所述基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括：
基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；
基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；
基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；
基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容。
本方案中，所述基于所述异常信息进行存储，具体包括：
获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；
获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或
基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或
基于所述结构化数据存储组件获取结构化数据进行存储；和/或
基于所述非结构化数据存储组件获取非结构化数据进行存储。
本发明第二方面还提供一种自动化流程缺陷筛查管理系统，包括存储器和处理器，所述存储器中包括自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被所述处理器执行时实现如下步骤：
基于RPA机器人获取运行数据，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
利用OCR识别组件对所述运行数据进行异常识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；
基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容；
基于所述异常信息进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储。
本方案中，所述方法还包括基于知识图谱定义异常识别规则进行异常识别，具体包括：
基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；
根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别；
利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别。
本方案中，所述基于RPA机器人获取运行数据，具体包括：
获取RPA设计中心输入的所述RPA机器人；
基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；
基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选。
本方案中，所述利用OCR识别组件对所述运行数据进行异常识别，具体包括：
获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；
基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别。
本方案中，所述基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括：
基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；
基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；
基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；
基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容。
本方案中，所述基于所述异常信息进行存储，具体包括：
获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；
获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或
基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或
基于所述结构化数据存储组件获取结构化数据进行存储；和/或
基于所述非结构化数据存储组件获取非结构化数据进行存储。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被处理器执行时，实现如上述任一项所述的一种自动化流程缺陷筛查管理方法的步骤。
本发明公开的一种自动化流程缺陷筛查管理方法、系统和可读存储介质，通过机器人进行缺陷提交、缺陷管理的功能，通过执行大量结构化的、重复的、基于明确规则的任务，不间断的自动执行业务功能流程，节约了企业大量人力成本，极大地提升了测试的速度和效率。其中，自动化测试和缺陷自动提交及管理，带来创新的测试作业方式、重构了测试业务流程，使得融合人工智能技术的新型自动化测试模式拥有独特的优势使得机器可以承担大部分基础测试、问题解析工作，测试不再局限于人工问题检查，而将目标偏重于综合分析、问题预警和优化建议等方向发展。
附图说明
图1示出了本发明一种自动化流程缺陷筛查管理方法的流程图；
图2示出了本发明一种自动化流程缺陷筛查管理系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
自动化测试内容的数字重构，带来创新的测试作业方式、重构了测试业务流程，使得融合人工智能技术的新型自动化测试模式拥有独特的优势使得机器可以承担大部分基础测试、问题解析工作，测试不再局限于人工问题检查，而将目标偏重于综合分析、问题预警和优化建议等方向发展。
以机器辅助或替代人工的方式降低出错风险。借助人工智能技术，实现机器替代人工完成大部分基础工作，使得人工处理存在因经验不足、疲劳、误解造成的风险几乎可以杜绝，同时通过增加样本量来降低检查风险。同时，可以不需要高昂的人力、时间成本来自动化测试过程中的不确定性，从而降低出错风险。人工智能快速发展，流程自动化的需求增加，目前市场上暂无通过OCR技术进行缺陷筛查和缺陷管理的方法配置功能，在研发过程中需要实施人员、测试人员、用户人为查找系统缺陷并跟进缺陷对缺陷进行管理。为了减少实施和测试人员工作量，因此，本申请提出一种通过RPA机器人和OCR技术对缺陷进行筛查管理的方法，其中，RPA（Robotic process automation）是以软件机器人及人工智能（AI）为基础的业务过程自动化科技；OCR（optical character recognition）光学字符识别，是对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程，本申请应用的RPA机器人是基于YG-RPA设计中心设计得到的，即具体是使用OCR技术跟YG-RPA 设计中心流程自动化机器人相结合根据知识图谱预先设置的异常规则自动进行缺陷筛查管理。
图1示出了本申请一种自动化流程缺陷筛查管理方法的流程图。
如图1所示，本申请公开了一种自动化流程缺陷筛查管理方法，包括以下步骤：
S102，基于RPA机器人获取运行数据，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
S104，利用OCR识别组件对所述运行数据进行异常识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；
S106，基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容；
S108，基于所述异常信息进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储。
需要说明的是，于本实施例中，在获取到YG-RPA设计中心输入的所述RPA机器人后，基于所述RPA机器人对当前的运行系统（例如电力系统）上的数据进行获取得到所述运行数据，相应地，获取到的数据包括UI界面信息、日志信息、表格数据以及系统功能参数，从而可以基于COR识别组件对获取到的运行数据进行异常识别，以识别得到对应的图片、文本以及表格或者发票信息，在异常识别时利用设置好的异常识别规则进行识别，并在识别到异常时记录异常信息，从而可以基于所述异常信息进行异常分析，在异常分析的过程中可以通过录屏的方式还原内容缺陷并记录重现步骤内容，最后将所述异常信息进行存储，其中，存储时可以根据用户需要存储对应的结构类型，包括结构化数据存储以及非结构化数据存储，即表明存储时，可以根据需要只存储结构化数据，或者只存储非结构化数据，或者结构化数据和非结构化数据均存储。
根据本发明实施例，所述方法还包括基于知识图谱定义异常识别规则进行异常识别，具体包括：
基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；
根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别；
利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别。
需要说明的是，于本实施例中，在异常识别时运用本实施例中定义的异常识别规则，其中，基于知识图谱定义行业词库，相应地，所述行业词库包括了财务系统专用词库、电力系统专用词库以及自定义系统词库，在应用时，应用于不同的场景时，例如应用于财务系统，或者电力系统时，根据不同的所述行业词库匹配对应的异常识别规则，从而利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别，在RPA机器人执行过程中通过设计中心的调用接口组件调用知识图谱的接口判断能够当前系统是否存在报错和异常。
进一步地，所述异常识别规则包括路径识别、节点属性识别以及归属识别，具体地，对应的所述异常识别规则也包括多种，本实施例中以下列进行说明：
1.路径全等。描述:方法函数描述为routeCompleteEqual(A,B)，该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中都能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，全部查找到即为正确，否则为错误。
2.路径全不等。描述：方法函数描述为routeNoEqual(A,B),该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中都不能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，全部都查找不到即为正确，否则为错误。
3.路径部分等。描述：方法函数描述为routePartEqual(A,B),该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中部分能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，只要有一个能查找到即为正确，否则为错误。
4.节点属性存在。描述：方法函数描述为attributeExist(A)，该方法判断参数A得到的路径的终端节点的某一个属性值是否存在。实现步骤：取出终端节点要查找的某一个属性，若为非空值则为正确，否则为错误。
5.节点属性不存在。描述：方法函数描述为attributeNoExist(A),该方法判断参数A得到的路径的终端节点的某一个属性值是否不存在。实现步骤：取出终端节点要查找的某一个属性，若为空则为正确，否则为错误。
6.路径存在。描述：方法函数描述为relationExist(A)，该方法判断参数A得到的路径存在。实现步骤：依据表达式参数A得到路径结果，若路径结果为非空值则为正确，否则为错误。
7.路径不存在。描述：方法函数描述为relationNoExist(A)，该方法判断参数A得到的路径不存在。实现步骤：依据表达式参数A得到路径结果，若结果为空值则为正确，否则为错误。
8.属性属于。描述：方法函数描述为belongTo(A,B),该方法判断参数A得到的路径的终端节点的某一个属性值属于参数B得到的路径的终端节点的某一个属性值。实现步骤：参数B得到的某一路径的终端节点的某一属性值如果包括参数A得到的路径的终端节点的某一属性值则为正确，否则为错误。
根据本发明实施例，所述基于RPA机器人获取运行数据，具体包括：
获取RPA设计中心输入的所述RPA机器人；
基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；
基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选。
需要说明的是，于本实施例中，获取RPA设计中心输入的所述RPA机器人，相应地，基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统，而本实施例以自动巡检财务系统各模块菜单机器人为例，具体地，RPA机器人需要自动登录对应的财务系统，验证电网管理平台（财务域）所有业务模块的菜单是否能快速打开并且不报错，同时出具测试报告，说明本次对多少个菜单进行了点击测试，用时多少时间，平均每个菜单弹开速度多少秒，成功菜单数以及报错菜单数，如遇报错，需要自动截取报错日志并截图报错信息，并记录到log中，进一步地，RPA机器人进行缺陷筛查的方式有多种，包含筛选界面错、筛选系统性能、筛选日志错误、筛选表格。
根据本发明实施例，所述利用OCR识别组件对所述运行数据进行异常识别，具体包括：
获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；
基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别。
需要说明的是，于本实施例中，所述RPA设计中心也包括了多种OCR识别组件分类供用户选择，例如表格识别组件、文本识别组件、图片识别组件以及发票识别组件，因此，获取所述RPA设计中心输入的OCR识别组件以识别对应的类型，而后基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别，其中，用户在实际操作时，通过使用OCR中组件【表格识别】、【文本识别】以及【图片识别】等组件，可以成功识别出表格、文本以及图片对应的内容。
根据本发明实施例，所述基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括：
基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；
基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；
基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；
基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容。
需要说明的是，于本实施例中，基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中，通过【调用接口】组件获取对应的异常识别规则，根据获取的界面截图、文本信息或者表格数据来进行内容匹配，若匹配一致时则说明有异常缺陷，并且所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常，因此可以所述RPA机器人使用【开始录屏】以及【结束录屏】来进行视频录制操作，从而可以配合所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容，将记录的重现内容作为下次进行异常缺陷回归的依据。值得一提的是，记录异常缺陷时应用到了所述RPA设计中心的缺陷管理系统，即在识别到异常缺陷时，将对应的异常缺陷提交给对应的缺陷管理系统以便于后续进行异常缺陷回归。
根据本发明实施例，所述基于所述异常信息进行存储，具体包括：
获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；
获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或
基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或
基于所述结构化数据存储组件获取结构化数据进行存储；和/或
基于所述非结构化数据存储组件获取非结构化数据进行存储。
需要说明的是，于本实施例中，数据进行存储时，在上述实施例中说明，会存储三种类型的数据，具体是只存储结构化数据，或者只存储非结构化数据，或者结构化数据和非结构化数据均存储，其中，在应用时，需要获取RPA设计中心包含的对应的存储组件，即【非结构化数据存储】、【结构化数据存储】、【数据转换】、【数据读取】，进一步地，获取控制数据，其中，所述控制数据包括了需要什么类型的数据以及那些数据需要转化等控制信息，因此可以根据需要对相应的数据进行存储。
值得一提的是，所述方法还包括对异常缺陷进行梳理，具体包括：
获取所述RPA设计中心输入的数据表组件；
基于所述数据表组件将所述异常缺陷通过变量形式进行存储。
需要说明的是，于本实施例中，由于上述实施例中说明了所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常，但是在实际应用时，需要对每种异常缺陷进行细分从而进行存储，其中数据表组件包括例如【功能模块】、【缺陷描述】、【错误截图文件路径】、【缺陷分类】以及【缺陷严重等级】，缺陷分类组件对应不同的异常缺陷，而缺陷描述组件则是用于区分不同的内容缺陷描述，又或者缺陷截图文件路径是用于区分不同的缺陷内容对应的截图存储位置的。
值得一提的是，所述方法还根据不同的缺陷管理系统定义对应的缺陷模板，具体包括：
基于不同的缺陷管理系统定义对应的缺陷模板组件；
获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板。
需要说明的是，于本实施例中，上述实施例中说明了记录异常缺陷时应用到了所述RPA设计中心的缺陷管理系统，相应地，缺陷管理系统例如JIRE系统、Bugfree系统或者Pingcode系统，因此需要基于不同的缺陷管理系统定义对应的缺陷模板组件，以RTC为例，包含【规定依据】、【所属产品】、【系统】、【功能模块】、【缺陷类型】、【缺陷等级】、【缺陷描述】、【重现步骤】、【附件链接】等组件，相应地，在定义缺陷模板时，还需要根据用户实际需要进行定义，即获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板。
值得一提的是，将对应的异常缺陷提交给对应的缺陷管理系统时，包括：
基于所述RPA机器人根据当前异常缺陷进行关键字区分以识别目标缺陷模板；
基于所述目标缺陷模板登录到对应的缺陷管理系统进行异常缺陷提交。
需要说明的是，于本实施例中，上述实施例中说明了不同的缺陷管理系统对应的缺陷模板组件不同，因此在提交时，需要将对应的异常缺陷正确提交到对应的管理系统中，具体是通过关键字区分来识别目标缺陷模板，进而基于所述目标缺陷模板将当前的异常缺陷提交给对应的缺陷管理系统。
值得一提的是，所述方法还包括：
获取设定的时间数据，其中，所述时间数据包括时间范围和设定周期；
基于所述时间数据利用RPA机器人输出缺陷测试报告。
需要说明的是，于本实施例中，以上述应用到财务系统场景为例，需要定期进行缺陷筛查，因此获取设定的时间数据来获取时间范围和设定周期，并且基于所述设定周期对当前财务系统进行周期性筛查缺陷并输出缺陷测试报告以及对应的缺陷处理情况表。
图2示出了本发明一种自动化流程缺陷筛查管理系统的框图。
如图2所示，本发明公开了一种自动化流程缺陷筛查管理系统，包括存储器和处理器，所述存储器中包括自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被所述处理器执行时实现如下步骤：
基于RPA机器人获取运行数据，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
利用OCR识别组件对所述运行数据进行异常识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；
基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容；
基于所述异常信息进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储。
需要说明的是，于本实施例中，在获取到YG-RPA设计中心输入的所述RPA机器人后，基于所述RPA机器人对当前的运行系统（例如电力系统）上的数据进行获取得到所述运行数据，相应地，获取到的数据包括UI界面信息、日志信息、表格数据以及系统功能参数，从而可以基于COR识别组件对获取到的运行数据进行异常识别，以识别得到对应的图片、文本以及表格或者发票信息，在异常识别时利用设置好的异常识别规则进行识别，并在识别到异常时记录异常信息，从而可以基于所述异常信息进行异常分析，在异常分析的过程中可以通过录屏的方式还原内容缺陷并记录重现步骤内容，最后将所述异常信息进行存储，其中，存储时可以根据用户需要存储对应的结构类型，包括结构化数据存储以及非结构化数据存储，即表明存储时，可以根据需要只存储结构化数据，或者只存储非结构化数据，或者结构化数据和非结构化数据均存储。
根据本发明实施例，所述方法还包括基于知识图谱定义异常识别规则进行异常识别，具体包括：
基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；
根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别；
利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别。
需要说明的是，于本实施例中，在异常识别时运用本实施例中定义的异常识别规则，其中，基于知识图谱定义行业词库，相应地，所述行业词库包括了财务系统专用词库、电力系统专用词库以及自定义系统词库，在应用时，应用于不同的场景时，例如应用于财务系统，或者电力系统时，根据不同的所述行业词库匹配对应的异常识别规则，从而利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别，在RPA机器人执行过程中通过设计中心的调用接口组件调用知识图谱的接口判断能够当前系统是否存在报错和异常。
进一步地，所述异常识别规则包括路径识别、节点属性识别以及归属识别，具体地，对应的所述异常识别规则也包括多种，本实施例中以下列进行说明：
1.路径全等。描述:方法函数描述为routeCompleteEqual(A,B)，该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中都能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，全部查找到即为正确，否则为错误。
2.路径全不等。描述：方法函数描述为routeNoEqual(A,B),该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中都不能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，全部都查找不到即为正确，否则为错误。
3.路径部分等。描述：方法函数描述为routePartEqual(A,B),该方法判断参数A得到的路径的终端节点在参数B得到的路径终端节点中部分能找到。实现步骤：用A得到的所有终端节点集合到B得到的所有终端节点集合中去查找，只要有一个能查找到即为正确，否则为错误。
4.节点属性存在。描述：方法函数描述为attributeExist(A)，该方法判断参数A得到的路径的终端节点的某一个属性值是否存在。实现步骤：取出终端节点要查找的某一个属性，若为非空值则为正确，否则为错误。
5.节点属性不存在。描述：方法函数描述为attributeNoExist(A),该方法判断参数A得到的路径的终端节点的某一个属性值是否不存在。实现步骤：取出终端节点要查找的某一个属性，若为空则为正确，否则为错误。
6.路径存在。描述：方法函数描述为relationExist(A)，该方法判断参数A得到的路径存在。实现步骤：依据表达式参数A得到路径结果，若路径结果为非空值则为正确，否则为错误。
7.路径不存在。描述：方法函数描述为relationNoExist(A)，该方法判断参数A得到的路径不存在。实现步骤：依据表达式参数A得到路径结果，若结果为空值则为正确，否则为错误。
8.属性属于。描述：方法函数描述为belongTo(A,B),该方法判断参数A得到的路径的终端节点的某一个属性值属于参数B得到的路径的终端节点的某一个属性值。实现步骤：参数B得到的某一路径的终端节点的某一属性值如果包括参数A得到的路径的终端节点的某一属性值则为正确，否则为错误。
根据本发明实施例，所述基于RPA机器人获取运行数据，具体包括：
获取RPA设计中心输入的所述RPA机器人；
基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；
基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选。
需要说明的是，于本实施例中，获取RPA设计中心输入的所述RPA机器人，相应地，基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统，而本实施例以自动巡检财务系统各模块菜单机器人为例，具体地，RPA机器人需要自动登录对应的财务系统，验证电网管理平台（财务域）所有业务模块的菜单是否能快速打开并且不报错，同时出具测试报告，说明本次对多少个菜单进行了点击测试，用时多少时间，平均每个菜单弹开速度多少秒，成功菜单数以及报错菜单数，如遇报错，需要自动截取报错日志并截图报错信息，并记录到log中，进一步地，RPA机器人进行缺陷筛查的方式有多种，包含筛选界面错、筛选系统性能、筛选日志错误、筛选表格。
根据本发明实施例，所述利用OCR识别组件对所述运行数据进行异常识别，具体包括：
获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；
基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别。
需要说明的是，于本实施例中，所述RPA设计中心也包括了多种OCR识别组件分类供用户选择，例如表格识别组件、文本识别组件、图片识别组件以及发票识别组件，因此，获取所述RPA设计中心输入的OCR识别组件以识别对应的类型，而后基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别，其中，用户在实际操作时，通过使用OCR中组件【表格识别】、【文本识别】以及【图片识别】等组件，可以成功识别出表格、文本以及图片对应的内容。
根据本发明实施例，所述基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括：
基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；
基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；
基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；
基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容。
需要说明的是，于本实施例中，基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中，通过【调用接口】组件获取对应的异常识别规则，根据获取的界面截图、文本信息或者表格数据来进行内容匹配，若匹配一致时则说明有异常缺陷，并且所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常，因此可以所述RPA机器人使用【开始录屏】以及【结束录屏】来进行视频录制操作，从而可以配合所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容，将记录的重现内容作为下次进行异常缺陷回归的依据。值得一提的是，记录异常缺陷时应用到了所述RPA设计中心的缺陷管理系统，即在识别到异常缺陷时，将对应的异常缺陷提交给对应的缺陷管理系统以便于后续进行异常缺陷回归。
根据本发明实施例，所述基于所述异常信息进行存储，具体包括：
获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；
获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或
基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或
基于所述结构化数据存储组件获取结构化数据进行存储；和/或
基于所述非结构化数据存储组件获取非结构化数据进行存储。
需要说明的是，于本实施例中，数据进行存储时，在上述实施例中说明，会存储三种类型的数据，具体是只存储结构化数据，或者只存储非结构化数据，或者结构化数据和非结构化数据均存储，其中，在应用时，需要获取RPA设计中心包含的对应的存储组件，即【非结构化数据存储】、【结构化数据存储】、【数据转换】、【数据读取】，进一步地，获取控制数据，其中，所述控制数据包括了需要什么类型的数据以及那些数据需要转化等控制信息，因此可以根据需要对相应的数据进行存储。
值得一提的是，所述方法还包括对异常缺陷进行梳理，具体包括：
获取所述RPA设计中心输入的数据表组件；
基于所述数据表组件将所述异常缺陷通过变量形式进行存储。
需要说明的是，于本实施例中，由于上述实施例中说明了所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常，但是在实际应用时，需要对每种异常缺陷进行细分从而进行存储，其中数据表组件包括例如【功能模块】、【缺陷描述】、【错误截图文件路径】、【缺陷分类】以及【缺陷严重等级】，缺陷分类组件对应不同的异常缺陷，而缺陷描述组件则是用于区分不同的内容缺陷描述，又或者缺陷截图文件路径是用于区分不同的缺陷内容对应的截图存储位置的。
值得一提的是，所述方法还根据不同的缺陷管理系统定义对应的缺陷模板，具体包括：
基于不同的缺陷管理系统定义对应的缺陷模板组件；
获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板。
需要说明的是，于本实施例中，上述实施例中说明了记录异常缺陷时应用到了所述RPA设计中心的缺陷管理系统，相应地，缺陷管理系统例如JIRE系统、Bugfree系统或者Pingcode系统，因此需要基于不同的缺陷管理系统定义对应的缺陷模板组件，以RTC为例，包含【规定依据】、【所属产品】、【系统】、【功能模块】、【缺陷类型】、【缺陷等级】、【缺陷描述】、【重现步骤】、【附件链接】等组件，相应地，在定义缺陷模板时，还需要根据用户实际需要进行定义，即获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板。
值得一提的是，将对应的异常缺陷提交给对应的缺陷管理系统时，包括：
基于所述RPA机器人根据当前异常缺陷进行关键字区分以识别目标缺陷模板；
基于所述目标缺陷模板登录到对应的缺陷管理系统进行异常缺陷提交。
需要说明的是，于本实施例中，上述实施例中说明了不同的缺陷管理系统对应的缺陷模板组件不同，因此在提交时，需要将对应的异常缺陷正确提交到对应的管理系统中，具体是通过关键字区分来识别目标缺陷模板，进而基于所述目标缺陷模板将当前的异常缺陷提交给对应的缺陷管理系统。
值得一提的是，所述方法还包括：
获取设定的时间数据，其中，所述时间数据包括时间范围和设定周期；
基于所述时间数据利用RPA机器人输出缺陷测试报告。
需要说明的是，于本实施例中，以上述应用到财务系统场景为例，需要定期进行缺陷筛查，因此获取设定的时间数据来获取时间范围和设定周期，并且基于所述设定周期对当前财务系统进行周期性筛查缺陷并输出缺陷测试报告以及对应的缺陷处理情况表。
本发明第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被处理器执行时，实现如上述任一项所述的一种自动化流程缺陷筛查管理方法的步骤。
本发明公开的一种自动化流程缺陷筛查管理方法、系统和可读存储介质，通过机器人进行缺陷提交、缺陷管理的功能，通过执行大量结构化的、重复的、基于明确规则的任务，不间断的自动执行业务功能流程，节约了企业大量人力成本，极大地提升了测试的速度和效率。其中，自动化测试和缺陷自动提交及管理，带来创新的测试作业方式、重构了测试业务流程，使得融合人工智能技术的新型自动化测试模式拥有独特的优势使得机器可以承担大部分基础测试、问题解析工作，测试不再局限于人工问题检查，而将目标偏重于综合分析、问题预警和优化建议等方向发展。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (3)

1.一种自动化流程缺陷筛查管理方法，其特征在于，包括以下步骤：
基于RPA机器人获取运行数据，具体包括：获取RPA设计中心输入的所述RPA机器人；基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
利用OCR识别组件对所述运行数据进行异常识别，具体包括：获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；或者基于知识图谱定义异常识别规则进行异常识别，具体包括基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别，所述路径识别结果包括路径全等、路径全不等、路径存在、路径不存在，节点属性识别结果包括节点属性存在、节点属性不存在，归属识别结果包括属性属于；利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别；
基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容；
基于所述异常信息进行存储，具体包括：获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或基于所述结构化数据存储组件获取结构化数据进行存储；和/或基于所述非结构化数据存储组件获取非结构化数据进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储；
对所述异常缺陷进行梳理，具体包括：获取所述RPA设计中心输入的数据表组件；基于所述数据表组件将所述异常缺陷通过变量形式进行存储；
根据不同的缺陷管理系统定义对应的缺陷模板，具体包括：基于不同的缺陷管理系统定义对应的缺陷模板组件；获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板，其中，将对应的异常缺陷提交给对应的缺陷管理系统时，基于所述RPA机器人根据当前异常缺陷进行关键字区分以识别目标缺陷模板；从而基于所述目标缺陷模板登录到对应的缺陷管理系统进行异常缺陷提交；
获取设定的时间数据，其中，所述时间数据包括时间范围和设定周期；基于所述时间数据利用RPA机器人输出缺陷测试报告。
2.一种自动化流程缺陷筛查管理系统，其特征在于，包括存储器和处理器，所述存储器中包括自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被所述处理器执行时实现如下步骤：
基于RPA机器人获取运行数据，具体包括：获取RPA设计中心输入的所述RPA机器人；基于所述RPA机器人登录对应的待识别系统，其中，所述待识别系统包括财务系统、电力系统以及自定义系统；基于RPA机器人对当前待识别系统中的各类数据进行筛选以获取所述运行数据，筛选方式包括界面筛选、日志筛选、表格筛选以及系统功能参数筛选，其中，所述运行数据包括UI界面信息、日志信息、表格数据以及系统功能参数；
利用OCR识别组件对所述运行数据进行异常识别，具体包括：获取所述RPA设计中心输入的OCR识别组件，所述OCR识别组件包括表格识别组件、文本识别组件、图片识别组件以及发票识别组件；基于所述RPA机器人利用所述OCR识别组件对所述运行数据中的图片、文本以及表格进异常行识别，其中，识别对象包括图片、文本以及表格，并识别到异常时记录异常信息；或者基于知识图谱定义异常识别规则进行异常识别，具体包括基于知识图谱定义行业词库，其中，所述行业词库包括财务系统专用词库、电力系统专用词库以及自定义系统词库；根据不同的所述行业词库匹配对应的异常识别规则，其中，所述异常识别规则包括路径识别、节点属性识别以及归属识别；利用OCR识别组件利用所述异常识别规则以及所述行业词库进行数据识别；
基于所述异常信息进行异常分析，其中，分析方式包括通过录屏还原对应的内容缺陷并记录重现内容，具体包括基于所述RPA机器人利用OCR识别组件将识别到的图片、文本、表格以及发票信息存储到变量暂存或者预设的文件夹中；基于所述异常识别规则与识别内容进行匹配，其中，当存在匹配一致时表明有异常缺陷，所述异常缺陷包括表格异常、文本异常、图片异常、以及系统功能参数异常；基于所述RPA机器人使用开始录屏组件以及结束录屏组件来进行视频录制操作；基于所述OCR识别组件对视频录制中的截图进行图片识别，以识别图片、文本表格以及发票信息，以记录重现内容；
基于所述异常信息进行存储，具体包括：获取所述RPA设计中心输入的存储组件，基于所述存储组件进行类型区分得到结构化数据存储组件、非结构化数据存储组件、数据转换组件以及数据读取组件；获取输入的控制数据，以基于所述数据读取组件获取结构化数据以及非结构化数据；和/或基于所述数据转换组件将结构化数据转化为非结构化数据，或者将非结构化数据转化为结构化数据；和/或基于所述结构化数据存储组件获取结构化数据进行存储；和/或基于所述非结构化数据存储组件获取非结构化数据进行存储，其中，存储的方式包括结构化数据存储和/或非结构化数据存储；
对所述异常缺陷进行梳理，具体包括：获取所述RPA设计中心输入的数据表组件；基于所述数据表组件将所述异常缺陷通过变量形式进行存储；
根据不同的缺陷管理系统定义对应的缺陷模板，具体包括：基于不同的缺陷管理系统定义对应的缺陷模板组件；获取用户输入的缺陷模板字段数据结合所述缺陷模板组件生成对应的缺陷模板，其中，将对应的异常缺陷提交给对应的缺陷管理系统时，基于所述RPA机器人根据当前异常缺陷进行关键字区分以识别目标缺陷模板；从而基于所述目标缺陷模板登录到对应的缺陷管理系统进行异常缺陷提交；
获取设定的时间数据，其中，所述时间数据包括时间范围和设定周期；基于所述时间数据利用RPA机器人输出缺陷测试报告。
3.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种自动化流程缺陷筛查管理方法程序，所述自动化流程缺陷筛查管理方法程序被处理器执行时，实现如权利要求1所述的一种自动化流程缺陷筛查管理方法的步骤。
CN202310568462.2A 2023-05-19 2023-05-19 自动化流程缺陷筛查管理方法、系统和可读存储介质 Active CN116303104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310568462.2A CN116303104B (zh) 2023-05-19 2023-05-19 自动化流程缺陷筛查管理方法、系统和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310568462.2A CN116303104B (zh) 2023-05-19 2023-05-19 自动化流程缺陷筛查管理方法、系统和可读存储介质

Publications (2)

Publication Number Publication Date
CN116303104A CN116303104A (zh) 2023-06-23
CN116303104B true CN116303104B (zh) 2023-09-26

Family

ID=86798208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310568462.2A Active CN116303104B (zh) 2023-05-19 2023-05-19 自动化流程缺陷筛查管理方法、系统和可读存储介质

Country Status (1)

Country Link
CN (1) CN116303104B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325734A (zh) * 2018-09-05 2019-02-12 江苏鸿信系统集成有限公司 一种财务机器人系统
CN111709361A (zh) * 2020-06-16 2020-09-25 广东电网有限责任公司 一种输电线路无人机巡检数据处理方法
CN112214609A (zh) * 2020-09-24 2021-01-12 远光软件股份有限公司 一种基于知识图谱的审计方法和系统
CN112347271A (zh) * 2020-12-04 2021-02-09 国网天津市电力公司电力科学研究院 基于文字语义识别的配电物联网设备缺陷辅助录入方法
CN113011959A (zh) * 2021-05-24 2021-06-22 国能大渡河大数据服务有限公司 一种“七项费用”智慧审计系统及其使用方法
WO2022078345A1 (zh) * 2020-10-13 2022-04-21 深圳壹账通智能科技有限公司 多设备间的数据交互方法及相关设备
CN114419631A (zh) * 2021-12-23 2022-04-29 广东电网有限责任公司 一种基于rpa的网管虚拟系统
CN114448693A (zh) * 2022-01-24 2022-05-06 来也科技(北京)有限公司 结合rpa和ai的安全控制方法、装置、电子设备和介质
CN114744769A (zh) * 2022-05-18 2022-07-12 国网智能电网研究院有限公司 一种电网调度系统业务处理方法及系统
CN115309913A (zh) * 2022-08-10 2022-11-08 国网汇通金财（北京）信息科技有限公司 一种基于深度学习的财务数据风险识别方法及系统
CN115657890A (zh) * 2022-10-31 2023-01-31 贵州电网有限责任公司 一种pra机器人可定制方法
CN115686906A (zh) * 2022-10-28 2023-02-03 壹沓科技(上海)有限公司 Rpa异常处理方法、装置、服务器和可读存储介质
CN115935035A (zh) * 2023-02-02 2023-04-07 北京神州光大科技有限公司 Rpa流程可视化管理方法、装置、设备及可读存储介质
CN116010066A (zh) * 2023-03-21 2023-04-25 山东小数点信息技术有限公司 一种rpa机器人及实现方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325734A (zh) * 2018-09-05 2019-02-12 江苏鸿信系统集成有限公司 一种财务机器人系统
CN111709361A (zh) * 2020-06-16 2020-09-25 广东电网有限责任公司 一种输电线路无人机巡检数据处理方法
CN112214609A (zh) * 2020-09-24 2021-01-12 远光软件股份有限公司 一种基于知识图谱的审计方法和系统
WO2022078345A1 (zh) * 2020-10-13 2022-04-21 深圳壹账通智能科技有限公司 多设备间的数据交互方法及相关设备
CN112347271A (zh) * 2020-12-04 2021-02-09 国网天津市电力公司电力科学研究院 基于文字语义识别的配电物联网设备缺陷辅助录入方法
CN113011959A (zh) * 2021-05-24 2021-06-22 国能大渡河大数据服务有限公司 一种“七项费用”智慧审计系统及其使用方法
CN114419631A (zh) * 2021-12-23 2022-04-29 广东电网有限责任公司 一种基于rpa的网管虚拟系统
CN114448693A (zh) * 2022-01-24 2022-05-06 来也科技(北京)有限公司 结合rpa和ai的安全控制方法、装置、电子设备和介质
CN114744769A (zh) * 2022-05-18 2022-07-12 国网智能电网研究院有限公司 一种电网调度系统业务处理方法及系统
CN115309913A (zh) * 2022-08-10 2022-11-08 国网汇通金财（北京）信息科技有限公司 一种基于深度学习的财务数据风险识别方法及系统
CN115686906A (zh) * 2022-10-28 2023-02-03 壹沓科技(上海)有限公司 Rpa异常处理方法、装置、服务器和可读存储介质
CN115657890A (zh) * 2022-10-31 2023-01-31 贵州电网有限责任公司 一种pra机器人可定制方法
CN115935035A (zh) * 2023-02-02 2023-04-07 北京神州光大科技有限公司 Rpa流程可视化管理方法、装置、设备及可读存储介质
CN116010066A (zh) * 2023-03-21 2023-04-25 山东小数点信息技术有限公司 一种rpa机器人及实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
试析电力系统信息化发展中存在的问题及对策;郑灶贤;科技与创新(第23期);第120-121页 *

Also Published As

Publication number Publication date
CN116303104A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN109002391B (zh) 自动检测嵌入式软件接口测试数据的方法
CN103631713B (zh) Erp软件自动化测试系统及方法
CN113434485B (zh) 一种基于多维分析技术的数据质量健康度分析方法及系统
CN111258881B (zh) 一种用于工作流程测试的智能测试系统
CN111309609B (zh) 软件处理系统
CN108985187A (zh) 一种数字化档案自我校验实现自动质检的方法
CN111859047A (zh) 一种故障解决方法及装置
CN115328784A (zh) 一种面向敏捷接口的自动化测试方法及系统
CN111552632A (zh) 一种接口测试方法及装置
CN113010413A (zh) 一种接口自动化测试方法和装置
CN115438984A (zh) 一种基于ai的大数据处理方法及服务器
CN113742227B (zh) 一种软件测试过程的控制方法、装置、设备和介质
CN116303104B (zh) 自动化流程缺陷筛查管理方法、系统和可读存储介质
JP6907508B2 (ja) 検査システム、検査装置の制御方法及びプログラム
CN116431522A (zh) 一种低代码对象存储网关自动化测试方法及系统
CN115269444B (zh) 代码静态检测方法、装置及服务器
CN116578499A (zh) 公共组件功能变更影响的智能化分析测试方法及其系统
CN115309661A (zh) 一种应用测试方法、装置、电子设备及可读存储介质
Aktaş et al. A learning-based bug predicition method for object-oriented systems
CN111045915A (zh) 一种基于产品功能测试用例的安全测试的方法和装置
CN112464237B (zh) 一种静态代码安全诊断方法及装置
CN113886262A (zh) 软件自动化测试方法、装置、计算机设备和存储介质
CN113791980A (zh) 测试用例的转化分析方法、装置、设备及存储介质
Motta et al. Characterizing architectural information in commit messages: an exploratory study
CN113434946B (zh) 一种基于bim的建筑模型检查系统及方法

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