JP2023516846A - ロボティックプロセスオートメーション（ｒｐａ）のテスト自動化ワークフローを解析するシステムおよびコンピュータ実装方法 - Google Patents

Abstract

ロボティックプロセスオートメーション（ＲＰＡ）アプリケーションに関連するテスト自動化のワークフローを解析するためのシステムおよびコンピュータ実装方法が本明細書に開示される。コンピュータ実装方法は、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを受信することと、ワークフローアナライザーモジュールに関連する人工知能（ＡＩ）モデルを介して、予め定義されたテスト自動化ルールのセットに基づいて、テスト自動化のワークフローを解析することと、を含む。コンピュータ実装方法はさらに、テスト自動化の解析されたワークフローに関連する１または複数の測定基準を決定することと、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて修正アクティビティデータを生成することと、をさらに含む。

Description

（関連出願への相互参照）
本出願は、２０２０年１０月２８日に出願された米国非仮出願第１７／０８２，５６１号の利益を主張し、その一部継続であり、２０１９年１２月２０日に出願されたインド特許出願第２０１９１１０５３１８８号の優先権を主張する「ＳＹＳＴＥＭ ＡＮＤ ＣＯＭＰＵＴＥＲ－ＩＭＰＬＥＭＥＮＴＥＤ ＭＥＴＨＯＤ ＦＯＲ ＡＮＡＬＹＺＩＮＧ Ａ ＲＯＢＯＴＩＣ ＰＲＯＣＥＳＳ ＡＵＴＯＭＡＴＩＯＮ （ＲＰＡ） ＷＯＲＫＦＬＯＷ」と題する２０２０年７月１７日に出願された米国非仮特許出願第１６／９３１，９１７号の優先権を主張し、それらの全内容は、参照により本明細書に組み込まれる。

本発明は概して、ロボティックプロセスオートメーション（ＲＰＡ）に関し、より具体的には、ＲＰＡのためのテスト自動化ワークフローの解析に関する。

一般にＲＰＡは、コンピューティングシステムへのユーザーによる手動入力の単純かつ反復的な作業を自動化することができる。現在、手動によるユーザー入力は、ＲＰＡツールを使用したソフトウェアロボットによって実行されることが多くなっている。ＲＰＡは、企業内に大量に存在する比較的単純で反復可能な作業のその遂行であるため、ソフトウェア自動化の普及を促進する。現在、ＲＰＡツールは、ソフトウェア開発者が企業の単純作業および反復的な作業を設計、遂行、展開、およびテストするのに役立つものが利用されている。例えば、これらの作業は設計ツールを使って設計され、展開ツールを使って展開される。ＲＰＡアプリケーションの単純作業および反復的な作業のワークフローを設計するためのデザイナツール（ソフトウェアツールなど）はいくつかある。さらに、テスト自動化を利用して、このようなＲＰＡアプリケーションをテストするためのソフトウェアツールもいくつかある。

しかし、これらのソフトウェアツールは、テスト自動化における潜在的な欠陥を特定し、除去するためのワークフローの解析に欠けている。例えば、開発者は、ソフトウェアツールでテスト自動化を開発する。開発されたテスト自動化は、特定するためにテストチームに転送される。テストチームは後日、欠陥を指摘されて差し戻される。このため、テスト自動化の手動テストが必要となり、時間と手順にコストがかかる。さらに、テスト自動化ワークフローの欠陥をリアルタイムでデバッグし、実行時に欠陥を回避することは、より困難である。

したがって、開発者がＲＰＡアプリケーションのテスト自動化のワークフローを設計し、設計段階でテスト自動化のワークフローの欠陥をデバッグすることができるソフトウェアツールが必要とされている。

本発明の特定の実施形態は、現在のＲＰＡ技術によってまだ十分に特定されていない、評価されていない、または解決されていない本分野における問題およびニーズのソリューションを提供する。例えば、本発明のいくつかの実施形態は、潜在的な欠陥またはエラーを特定し除去するための、ＲＰＡアプリケーションのテスト自動化のワークフローの解析に関する。

実施形態では、ロボティックプロセスオートメーション（ＲＰＡ）アプリケーションに関連するテスト自動化のワークフローを解析するためのシステムおよびコンピュータ実装方法が開示される。コンピュータ実装方法は、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを受信することを含む。コンピュータ実装方法は、ワークフローアナライザーモジュールに関連するＡＩモデルを介して、予め定義されたテスト自動化ルールのセットに基づいて、テスト自動化のワークフローを解析することを含む。コンピュータ実装方法はまた、テスト自動化の解析されたワークフローに関連する１または複数の測定基準を決定することを含む。コンピュータ実装方法はさらに、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて、修正アクティビティデータを生成することを含む。

別の実施形態では、ロボティックプロセスオートメーション（ＲＰＡ）アプリケーションに関連するテスト自動化のワークフローを解析するためのシステム、が開示される。システムは、少なくとも１つのプロセッサと、命令を格納するメモリとを含む。命令は、少なくとも１つのプロセッサに、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを受信し、ワークフローアナライザーモジュールに関連するＡＩモデルを介して、予め定義されたテスト自動化ルールのセットに基づいてテスト自動化のワークフローを解析するように構成される。コンピュータプログラム命令はさらに、少なくとも１つのプロセッサに、テスト自動化の解析されたワークフローに関連する１または複数の測定基準を決定し、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて修正アクティビティデータを生成するように構成される。

さらに別の実施形態では、コンピュータプログラムは、非一時的なコンピュータ読み取り可能な媒体上に格納される。プログラムは、少なくとも１つ以上のプロセッサに、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを受信し、ワークフローアナライザーモジュールに関連するＡＩモデルを介して、予め定義されたテスト自動化ルールのセットに基づいてテスト自動化のワークフローを解析するように構成される。プログラムはさらに、１または複数のプロセッサに、解析されたテスト自動化に関連する１または複数の測定基準を決定し、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて修正アクティビティデータを生成させるように構成される。

本発明の特定の実施形態の利点が容易に理解されるように、上記で簡単に説明した本発明のより特定の説明は、添付の図面に図示されている特定の実施形態を参照して描写される。これらの図面は、本発明の典型的な実施形態のみを描いており、したがって、その範囲を限定するものとは考えられないことが理解されるべきであるが、本発明は、以下の添付の図面を使用することにより、さらなる特定および詳細をもって描写され、説明されるであろう。

本発明の実施形態による、ＲＰＡシステムを示すアーキテクチャ図である。

本発明の実施形態による、展開したＲＰＡシステムを示すアーキテクチャ図である。

本発明の実施形態による、デザイナ、アクティビティ、およびドライバの間の関係を示すアーキテクチャ図である。

本発明の実施形態による、別のＲＰＡシステムを示すアーキテクチャ図である。

本発明の実施形態による、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するように構成されたコンピューティングシステムを示すアーキテクチャ図である。

本発明の実施形態による、ワークフローアナライザーモジュールを示すアーキテクチャ図である。

本発明の実施形態による、予め定義されたテスト自動化ルールのセットを描写する表現を示すブロック図である。

本発明の実施形態による、テスト自動化のワークフローの解析のための例示的なユーザーインターフェースを示すグラフィカルユーザーインターフェース（ＧＵＩ）である。

本発明の実施形態による、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するためのプロセスを示すフローチャートである。

本発明の実施形態による、デザイナパネルを示すＧＵＩである。

本発明の実施形態による、予め訓練されたルールのセットを含むデータベースを連続的に更新するためのシステムを示すワークフロー図である。

（実施形態の詳細な説明）
いくつかの実施形態は、ＲＰＡのテスト自動化ワークフロー（「テスト自動化のワークフロー」とも呼ばれる）における潜在的な欠陥を特定し除去するために、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するように構成されたシステム（以下「コンピューティングシステム」ともいう）に関する。いくつかの実施形態では、コンピューティングシステムは、設計モジュールからテスト自動化のワークフローを受信し、欠陥を特定し除去するために、受信したワークフローを解析する。例えば、コンピューティングシステムは、人工知能（ＡＩ）モデルを使用して、予め定義されたテスト自動化ルールのセットに基づいてワークフローを解析する。ＡＩモデルは、テスト自動化の標準的なワークフロー、ワークフロー内のすべての可能なエラー、および標準的なロボティックエンタープライズフレームワーク文書で予め訓練される。いくつかの例示的な実施形態では、標準的なＲＰＡワークフローまたは任意のＲＰＡワークフローは、ＡＩモデルを訓練するために、テストケースに変換されるか、またはテスト自動化プロジェクトからテストケースとしてインポートされる。テスト自動化の解析されたワークフローから、修正アクティビティデータを生成するために、１または複数の測定基準が決定される。

いくつかの実施形態では、ＡＩモデルは、１または複数の決定された測定基準に基づいて、修正アクティビティデータを生成する。修正アクティビティデータは、解析されたテスト自動化のワークフローについての修正アクティビティを実行するために使用される。修正アクティビティデータは、解析されたワークフローのために修正アクティビティを実行する方法についてユーザー（例えば、開発者またはテスター）に指示する提案メッセージ（例えば、主張）または詳細を含む。修正されたテスト自動化ファイルは、テスト自動化の受信したワークフローと比較して、遂行時間およびストレージ要件が改善されるように構成される。さらに、遂行時間およびストレージ要件の改善は、コンピューティングシステム上の演算オーバーヘッドを減少させる。このようにして、本明細書に開示されるコンピューティングシステムおよびコンピュータ実装方法を用いて、展開前に欠陥をデバッグするために、テスト自動化のワークフローが解析される。

図１は、本発明の実施形態による、ＲＰＡシステム１００を示すアーキテクチャ図である。ＲＰＡシステム１００は、開発者またはユーザーがワークフローを設計および実装することを可能にするデザイナ１１０を含む。デザイナ１１０は、アプリケーション統合のためのソリューションを提供するとともに、サードパーティアプリケーション、管理情報技術（ＩＴ）タスク、およびビジネスＩＴプロセスを自動化する。デザイナ１１０は、ビジネスプロセスのグラフィカルな表現である自動化プロジェクトの開発を容易にする。簡単に言えば、デザイナ１１０は、ワークフローおよびロボットの開発および展開を容易にする。

自動化プロジェクトは、本明細書で「アクティビティ」と定義されるワークフローで開発されたカスタムセットのステップ間の遂行順序および関係の制御を開発者に与えることにより、ルールベースのプロセスの自動化を可能にする。デザイナ１１０の実施形態の商業的な一例は、ＵｉＰａｔｈ Ｓｔｕｄｉｏ（商標）である。各アクティビティは、ボタンをクリックする、ファイルを読む、ログパネルに書き込むなどのアクションを含む。いくつかの実施形態では、ワークフローは入れ子になっているか、または埋め込まれる。

ワークフローのいくつかのタイプには、シーケンス、フローチャート、有限状態機械（ＦＳＭ）、および／またはグローバル例外ハンドラなどを含むが、これらに限定されない。シーケンスは、テスト自動化のワークフローを乱雑にすることなく、あるアクティビティから別のアクティビティへのフローを可能にする、線形プロセスに特に適する。フローチャートは、特により複雑なビジネスロジックに適し、複数の分岐ロジックオペレータを介して、より多様な方法で意思決定の統合およびアクティビティの接続を可能にする。ＦＳＭは、大規模なワークフローに特に適する。ＦＳＭは、条件（すなわち、遷移）またはアクティビティによりトリガされる有限の数の状態をそれらの遂行中に使用する。グローバル例外ハンドラは、遂行エラーに遭遇したときのワークフローの挙動を決定したり、プロセスをデバッグしたりするのに特に適する。

ワークフローがデザイナ１１０内で開発されると、ビジネスプロセスの遂行は、コンダクタ１２０により調整され、デザイナ１１０内で開発されたワークフローを遂行する１または複数のロボット１３０を調整する。コンダクタ１２０の実施形態の商業的な一例は、ＵｉＰａｔｈ Ｏｒｃｈｅｓｔｒａｔｏｒ（商標）である。コンダクタ１２０は、環境におけるリソースの生成、監視、および展開の管理を容易にする。コンダクタ１２０は、サードパーティのソリューションおよびアプリケーションとの統合ポイントとして動作する。

コンダクタ１２０は、全てのロボット１３０を管理し、ロボット１３０を集中ポイントから接続して遂行する。管理されるロボット１３０のタイプには、アテンディッドロボット１３２、アンアテンディッドロボット１３４、開発ロボット（アンアテンディッドロボット１３４と同様であるが、開発およびテストの目的で使用される）、および非生産ロボット（アテンディッドロボット１３２と同様であるが、開発およびテストの目的で使用される）が含まれるが、これらに限定されない。アテンディッドロボット１３２は、ユーザーイベントによってトリガされ、同じコンピューティングシステム上で人と並んで動作する。アテンディッドロボット１３２は、集中プロセスデプロイメントおよびロギング媒体のためのコンダクタ１２０とともに使用される。アテンディッドロボット１３２は、人間のユーザーが様々なタスクを達成するのを支援し、ユーザーイベントによってトリガされる。いくつかの実施形態では、プロセスは、このタイプのロボット上でコンダクタ１２０から開始できず、および／またはそれらはロックされた画面の下で実行できない。特定の実施形態では、アテンディッドロボット１３２は、ロボットトレイからまたはコマンドプロンプトから開始される。アテンディッドロボット１３２は、いくつかの実施形態では、人の監督下で動作する。

アンアテンディッドロボット１３４は、仮想環境で無人で動作し、多くのプロセスを自動化する。アンアテンディッドロボット１３４は、リモート遂行、監視、スケジューリング、および作業キューのサポートの提供を担当する。全てのロボットタイプのためのデバッグは、いくつかの実施形態では、デザイナ１１０において実行する。アテンディッドロボット１３２およびアンアテンディッドロボット１３４の両方は、メインフレーム、ウェブアプリケーション、仮想マシン（ＶＭ）、エンタープライズアプリケーション（例えば、ＳＡＰ（登録商標）、ＳａｌｅｓＦｏｒｃｅ（登録商標）、Ｏｒａｃｌｅ（登録商標）などにより生成されたもの）、およびコンピューティングシステムアプリケーション（例えば、デスクトップおよびラップトップアプリケーション、モバイルデバイスアプリケーション、ウェアラブルコンピュータアプリケーションなど）を含むが、これらに限定されない様々なシステムおよびアプリケーションを自動化する。

コンダクタ１２０は、プロビジョニング、展開、構成、キューイング、監視、ロギング、および／または相互接続性の提供を含むがこれらに限定されない様々な能力を有する。プロビジョニングは、ロボット１３０とコンダクタ１２０（例えば、ウェブアプリケーション）との間の接続を作成し、維持することを含む。展開は、遂行のために割り当てられたロボット１３０へのパッケージバージョンの正しい配信を保証することを含む。構成は、ロボット環境およびプロセス構成の維持および配信を含む。キューイングは、キューおよびキュー項目の管理を提供することを含む。監視は、ロボットの特定データを追跡し、ユーザーの権限を維持することを含む。ロギングは、データベース（例えば、ＳＱＬデータベース）および／または別のストレージメカニズム（例えば、大規模なデータセットを格納し、迅速にクエリを実行する能力を提供するＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標））へのログの保存およびインデックス作成を含む。コンダクタ１２０は、サードパーティのソリューションおよび／またはアプリケーションのための通信の集中点として動作することにより、相互接続性を提供する。

ロボット１３０は、デザイナ１１０で構築されたワークフローを実行する遂行エージェントを含む。ロボット（複数可）１３０のいくつかの実施形態の１つの商業的な例は、ＵｉＰａｔｈ Ｒｏｂｏｔｓ（商標）である。いくつかの実施形態では、ロボット１３０は、デフォルトで、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｉｃｅ Ｃｏｎｔｒｏｌ Ｍａｎａｇｅｒ（ＳＣＭ）管理サービスをインストールする。その結果、ロボット１３０は、ローカルシステムアカウントの下でインタラクティブなＷｉｎｄｏｗｓ（登録商標）セッションを開き、Ｗｉｎｄｏｗｓ（登録商標）サービスの権利を有する。

いくつかの実施形態では、ロボット１３０は、ユーザーモードで設置される。このようなロボット１３０については、所定のロボット１３０が設置されているユーザーと同じ権利を有することを意味する。この特色はまた、各マシンを最大限に全活用することを保証する高密度（ＨＤ）ロボットにも利用可能である。いくつかの実施形態では、いずれかのタイプのロボット１３０は、ＨＤ環境で構成される。

いくつかの実施形態におけるロボット１３０は、複数のコンポーネントに分割され、それぞれが特定の自動化タスクに特化されている。いくつかの実施形態におけるロボットコンポーネントは、ＳＣＭ管理ロボットサービス、ユーザーモードロボットサービス、エグゼキュータ、エージェント、およびコマンドラインを含むが、これらに限定されない。ＳＣＭ管理ロボットサービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理および監視し、コンダクタ１２０と遂行ホスト（すなわち、ロボット１３０が遂行されるコンピューティングシステム）との間のプロキシとして動作する。これらのサービスは、ロボット１３０の資格情報を任されて管理する。コンソールアプリケーションは、ローカルシステム下のＳＣＭにより起動される。

いくつかの実施形態におけるユーザーモードロボットサービスは、Ｗｉｎｄｏｗｓ（登録商標）セッションを管理および監視し、コンダクタ１２０と遂行ホストとの間のプロキシとして動作する。ユーザーモードロボットサービスは、ロボット１３０の資格情報を任されて管理する。ＳＣＭ管理ロボットサービスがインストールされていない場合、Ｗｉｎｄｏｗｓ（登録商標）アプリケーションが自動的に起動される。

エグゼキュータは、Ｗｉｎｄｏｗｓ（登録商標）セッションの下で与えられたジョブを遂行する（つまり、ワークフローをする）。エグゼキュータは、モニタ毎のドットパーインチ（ＤＰＩ）設定を意識する。エージェントは、システムトレイウィンドウに利用可能なジョブを表示するＷｉｎｄｏｗｓ（登録商標） Ｐｒｅｓｅｎｔａｔｉｏｎ Ｆｏｕｎｄａｔｉｏｎ（ＷＰＦ）アプリケーションを含む。エージェントは、サービスのクライアントを含む。エージェントは、ジョブの開始または停止、設定の変更の依頼を送信する。コマンドラインはサービスのクライアントである。コマンドラインは、ジョブの開始を要求し、その出力を待つコンソールアプリケーションである。

上で説明したように、ロボット１３０のコンポーネントが分割されていることは、開発者、サポートユーザー、およびコンピューティングシステムが、各コンポーネントが何を遂行しているかをより容易に実行し、特定し、および追跡するのに役立つ。この方法では、エグゼキュータとサービスに異なるファイアウォールルールを設定するなど、コンポーネントごとに特別な挙動が構成される。エグゼキュータは常に、いくつかの実施形態では、モニタごとのＤＰＩ設定を認識する。その結果、ワークフローは、ワークフローが作成されたコンピューティングシステムの構成に関係なく、いずれかのＤＰＩで遂行される。また、いくつかの実施形態では、デザイナ１１０からのプロジェクトは、ブラウザのズームレベルに依存しないようにする。ＤＰＩを認識していないまたは意図的に認識していないとマークされているアプリケーションの場合、いくつかの実施形態ではＤＰＩを無効にする。

図２は、本発明の実施形態による、展開したＲＰＡシステム２００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム２００は、図１のＲＰＡシステム１００であるか、またはその一部ではない。クライアント側、サーバー側、またはその両方が、本発明の範囲から逸脱することなく、いずれかの所望の数のコンピューティングシステムを含むことに留意すべきである。クライアント側では、ロボットアプリケーション２１０は、エグゼキュータ２１２、エージェント２１４、およびデザイナ２１６（例えば、デザイナ１１０）を含む。しかし、いくつかの実施形態では、デザイナ２１６は、ロボットアプリケーション２１０上で実行していない。エグゼキュータ２１２はプロセスを実行している。図２に示すように、複数のビジネスプロジェクト（すなわち、エグゼキュータ２１２）が同時に実行する。エージェント２１４（例えば、Ｗｉｎｄｏｗｓ（登録商標）サービス）は、本実施形態では、全てのエグゼキュータ２１２のための単一の接続ポイントである。この実施形態における全てのメッセージは、コンダクタ２３０に記録され、それは、データベースサーバー２４０、インデクササーバー２５０、またはその両方を介して、それらをさらに処理する。図１に関して上述したように、エグゼキュータ２１２は、ロボットコンポーネントである。

いくつかの実施形態では、ロボットは、マシン名とユーザー名との間の関連付けを表す。ロボットは、複数のエグゼキュータを同時に管理する。同時に実行される複数の対話型セッションをサポートするコンピューティングシステム（Ｗｉｎｄｏｗｓ（登録商標）Ｓｅｒｖｅｒ ２０１２など）では、複数のロボットが同時に実行しており、それぞれが一意のユーザー名を使用して別々のＷｉｎｄｏｗｓ（登録商標）セッションで実行している。これは、上記のＨＤロボットと呼ばれる。

エージェント２１４はまた、ロボットの状態を送信し（例えば、ロボットがまだ機能していることを示す「ハートビート」メッセージを定期的に送信する）、遂行されるパッケージの要求されるバージョンをダウンロードすることにも責任を負う。エージェント２１４とコンダクタ２３０との間の通信は、いくつかの実施形態では、常にエージェント２１４によって開始される。通知シナリオでは、エージェント２１４は、後にコンダクタ２３０によってロボットにコマンド（例えば、開始、停止など）を送信するために使用されるＷｅｂＳｏｃｋｅｔチャネルを開く。

サーバー側には、プレゼンテーション層（ウェブアプリケーション２３２、オープンデータプロトコル（ＯＤａｔａ）代表状態転送（ＲＥＳＴ）アプリケーションプログラミングインターフェース（ＡＰＩ）エンドポイント２３４、通知および監視ＡＰＩ２３６）、サービス層（ＡＰＩ実装／ビジネスロジック２３８）、永続層（データベースサーバー２４０、インデクササーバー２５０）が含まれる。コンダクタ２３０は、ウェブアプリケーション２３２、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４、通知および監視ＡＰＩ２３６、ならびにＡＰＩ実装／ビジネスロジック２３８を含む。いくつかの実施形態では、ユーザーがコンダクタ２２０のインターフェース（例えば、ブラウザ２２０を介して）で実行するほとんどのアクションは、様々なＡＰＩを呼び出すことによって実行される。このような動作は、本発明の範囲を逸脱することなく、ロボット上でのジョブの起動、キュー内のデータの追加／削除、無人で実行するジョブのスケジューリングなどを含むが、これらに限定されない。ウェブアプリケーション２３２は、サーバープラットフォームのビジュアル層である。この実施形態では、ウェブアプリケーション２３２は、ハイパーテキストマークアップ言語（ＨＴＭＬ）およびジャバスクリプト（ＪＳ）を使用する。しかし、本発明の範囲を逸脱することなく、いずれかの所望のマークアップ言語、スクリプト言語、または他のいずれかのフォーマットが使用される。ユーザーは、コンダクタ２３０を制御するための様々な動作を実行するために、本実施形態ではブラウザ２２０を介してウェブアプリケーション２３２からのウェブページと対話する。例えば、ユーザーは、ロボットグループを作成し、ロボットへのパッケージの割り当てを行い、ロボット毎および／またはプロセス毎のログを解析し、ロボットを起動しおよび停止などをする。

ウェブアプリケーション２３２に加えて、コンダクタ２３０は、ＯＤａｔａ ＲＥＳＴ ＡＰＩエンドポイント２３４を公開するサービス層も含む。しかし、本発明の範囲を逸脱することなく、他のエンドポイントが含まれる。ＲＥＳＴ ＡＰＩは、ウェブアプリケーション２３２とエージェント２１４の両方により消費される。エージェント２１４は、本実施形態では、クライアントコンピュータ上の１または複数のロボットのスーパーバイザである。

本実施形態のＲＥＳＴ ＡＰＩは、構成、ロギング、監視、およびキューイング機能をカバーする。構成エンドポイントは、いくつかの実施形態では、アプリケーションのユーザー、権限、ロボット、アセット、リリース、および環境を定義し、構成するために使用される。ロギングＲＥＳＴエンドポイントは、例えば、エラー、ロボットによって送信された明示的なメッセージ、およびその他の環境固有の情報など、様々な情報をログに記録するために使用される。デプロイメントＲＥＳＴエンドポイントは、コンダクタ２３０においてジョブ開始コマンドが使用された場合に遂行されるべきパッケージのバージョンを問い合わせるためにロボットにより使用される。キューイングＲＥＳＴエンドポイントは、キューへのデータの追加、キューからのトランザクションの取得、トランザクションのステータスの設定など、キューおよびキューアイテムの管理を担う。

ＲＥＳＴエンドポイントの監視は、ウェブアプリケーション２３２およびエージェント２１４を監視する。通知および監視ＡＰＩ２３６は、エージェント２１４の登録、エージェント２１４への構成設定の配信、ならびにサーバーおよびエージェント２１４からの通知の送受信に使用されるＲＥＳＴエンドポイントに関連する。通知および監視ＡＰＩ２３６は、いくつかの実施形態では、ＷｅｂＳｏｃｋｅｔ通信を使用する。

永続層は、本実施形態では、一対のサーバー－データベースサーバー２４０（例えば、ＳＱＬサーバー）およびインデクササーバー２５０を含む。本実施形態におけるデータベースサーバー２４０は、ロボット、ロボットグループ、関連するプロセス、ユーザー、役割、スケジュールなどの構成を格納する。この情報は、いくつかの実施形態では、ウェブアプリケーション２３２を介して管理される。データベースサーバー２４０は、キューおよびキューアイテムを管理する。いくつかの実施形態では、データベースサーバー２４０は、ロボットにより記録されたメッセージを（インデクササーバー２５０に加えて、またはインデクササーバー２５０に代えて）格納する。

いくつかの実施形態では任意であるが、インデクササーバー２５０は、ロボットにより記録された情報を保存し、インデックスを作成する。特定の実施形態では、インデクササーバー２５０は、構成設定を介して無効化される。いくつかの実施形態では、インデクササーバー２５０は、オープンソースプロジェクトの全文検索エンジンであるＥｌａｓｔｉｃＳｅａｒｃｈ（登録商標）を使用する。ロボットにより記録されたメッセージ（例えば、ログメッセージまたはライン書き込みのようなアクティビティを使用して）は、ロギングＲＥＳＴエンドポイント（複数可）を介してインデクササーバー２５０に送信されて、そこで将来の利用のためにそれらはインデックス化される。

図３は、本発明の実施形態による、デザイナ３１０、ユーザー定義アクティビティ３２０、ユーザーインターフェース（ＵＩ）自動化アクティビティ３３０、およびドライバ３４０間の関係３００を示すアーキテクチャ図である。以上のように、開発者は、デザイナ３１０を用いて、ロボットによって遂行されるワークフローを開発する。いくつかの実施形態によれば、デザイナ３１０は、統合開発環境（ＩＤＥ）の設計モジュールであり、ユーザーまたは開発者がワークフローに関連する１または複数の機能を実行することを可能にする。機能は、ワークフローについての編集、コーディング、デバッグ、ブラウジング、保存、修正などを含む。いくつかの例示的な実施形態では、デザイナ３１０は、ワークフローを解析することを容易にする。さらに、いくつかの実施形態では、デザイナ３１０は、マルチウィンドウユーザーインターフェイスなどにおいて、２つ以上のワークフローを比較するように構成される。ワークフローは、ユーザー定義のアクティビティ３２０およびＵＩ自動化アクティビティ３３０を含む。いくつかの実施形態では、画像中の非テキストの視覚的コンポーネントを特定することができ、これは、本明細書ではコンピュータビジョン（ＣＶ）と呼ばれる。このようなコンポーネントに関連するいくつかのＣＶアクティビティは、クリック、タイプ、テキストを取得、ホバー、要素の有無を検出、スコープの更新、ハイライトなどを含むが、これらに限定されない。いくつかの実施形態では、クリックは、例えば、ＣＶ、光学的文字認識（ＯＣＲ）、ファジーテキストマッチング、およびマルチアンカーを使用して要素を特定し、それをクリックする。タイプは、上記および要素内のタイプを用いて要素を特定する。テキストの取得は、特定のテキストの場所を特定し、ＯＣＲを使用してそれをスキャンする。ホバーは、要素を特定し、その上にホバーする。要素の有無の検出は、上述した技術を用いて、画面上に要素の有無を検出するかどうかを確認する。いくつかの実施形態では、デザイナ３１０に実装される数百または数千でさえのアクティビティが存在する。しかし、本発明の範囲を逸脱することなく、いずれかの数および／またはアクティビティのタイプを利用する。

ＵＩ自動化アクティビティ３３０は、低レベルのコード（例えば、ＣＶアクティビティ）で記述され、画面との対話を促進する特別な低レベルのアクティビティのサブセットである。いくつかの実施形態では、ＵＩ自動化アクティビティ３３０は、ワークフローにおける欠陥のデバッグまたは欠陥の修正に関連する、アクティビティを含む。ＵＩ自動化アクティビティ３３０は、ロボットが所望のソフトウェアと対話することを可能にするドライバ３４０を介して、これらの対話を促進する。例えば、ドライバ３４０は、オペレーティングシステム（ＯＳ）ドライバ３４２、ブラウザドライバ３４４、ＶＭドライバ３４６、エンタープライズアプリケーションドライバ３４８などを含む。

ドライバ３４０は、フックを探したり、キーを監視したりするなど、低レベルでＯＳドライバ３４２と対話する。それらは、Ｃｈｒｏｍｅ（登録商標）、ＩＥ（登録商標）、Ｃｉｔｒｉｘ（登録商標）、ＳＡＰ（登録商標）などとの統合を促進してもよい。例えば、「クリック」アクティビティは、ドライバ３４０を介して、これらの異なるアプリケーションにおいて同じ役割を果たす。ドライバ３４０は、ＲＰＡシステムにおけるＲＰＡアプリケーションの遂行を可能にする。

図４は、本発明の実施形態による、ＲＰＡシステム４００を示すアーキテクチャ図である。いくつかの実施形態では、ＲＰＡシステム４００は、図１および／または図２のＲＰＡシステム１００および／または２００を含む。ＲＰＡシステム４００は、複数のクライアントコンピューティングシステム４１０（例えば、ロボットを実行する）を含む。いくつかの実施形態では、複数のクライアントコンピューティングシステム４１０は、ワークフローを解析するように構成される。さらに、解析されたワークフローは、複数のクライアントコンピューティングシステム４１０に展開される。コンピューティングシステム４１０は、その上で実行されるウェブアプリケーションを介してコンダクタコンピューティングシステム４２０と通信する。コンダクタコンピューティングシステム４２０は、順に、データベースサーバー４３０（例えば、データベースサーバー２４０）および任意のインデクササーバー４４０（例えば、任意のインデクササーバー２５０）と通信する。

図１および図３に関して、これらの実施形態ではウェブアプリケーションが使用されているが、本発明の範囲から逸脱することなく、任意の適切なクライアント／サーバーソフトウェアを使用することに留意すべきである。例えば、コンダクタは、クライアントコンピューティングシステム上で、非ウェブベースのクライアントソフトウェアアプリケーションと通信するサーバーサイドアプリケーションを実行する。

図５は、本発明の実施形態による、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するように構成されたコンピューティングシステム５００を示すアーキテクチャ図である。いくつかの実施形態では、コンピューティングシステム５００は、本明細書に描かれたおよび／または記載された１または複数のコンピューティングシステムを含む。コンピューティングシステム５００は、情報を通信するためのバス５１０または他の通信機構と、情報を処理するためのバス５１０に結合されたプロセッサ（複数可）５２０とを含む。プロセッサ（複数可）５２０は、中央処理ユニット（ＣＰＵ）、特定用途集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、グラフィックスプロセッシングユニット（ＧＰＵ）、それらの複数のインスタンス、および／またはそれらのいずれかの組み合わせを含む、いずれかのタイプの一般的または特定用途向けプロセッサを含む。プロセッサ（複数可）５２０また、複数の処理コアを有し、コアの少なくとも一部は、特定の機能を実行するように構成される。いくつかの実施形態では、複数並列処理が使用される。特定の実施形態では、少なくとも１つのプロセッサ（複数可）５２０は、生物学的ニューロンを模倣する処理要素を含むニューロモーフィック回路である。いくつかの実施形態では、ニューロモーフィック回路は、フォンノイマンコンピューティングアーキテクチャの典型的なコンポーネントを必要としない。

コンピューティングシステム５００は、プロセッサ（複数可）５２０によって遂行される情報および命令を格納するためのメモリ５３０をさらに含む。メモリ５３０は、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、キャッシュ、磁気ディスクもしくは光ディスクなどの静的記憶装置、または他のタイプの非一時的なコンピュータ読み取り可能な媒体、あるいはそれらのいずれかの組み合わせで構成される。非一時的なコンピュータ読み取り可能な媒体は、プロセッサ（複数可）５２０によってアクセス可能な任意の利用可能な媒体であり、揮発性媒体、不揮発性媒体、またはその両方を含む。また、媒体は、取り外し可能なもの、取り外し不可能なもの、または両方を含む。

さらに、コンピューティングシステム５００は、無線および／または有線接続を介して通信ネットワークへのアクセスを提供するために、トランシーバなどの通信デバイス５４０を含む。いくつかの実施形態では、通信デバイス５４０は、周波数分割多元接続（ＦＤＭＡ）、シングルキャリアＦＤＭＡ（ＳＣ－ＦＤＭＡ）、時分割多元接続（ＴＤＭＡ）、符号分割多元接続（ＣＤＭＡ）、直交周波数分割多重方式（ＯＦＤＭ）、直交周波数分割多元接続（ＯＦＤＭＡ）、移動体用グローバルシステム（ＧＳＭ：Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ）通信、汎用パケット無線サービス（ＧＰＲＳ：Ｇｅｎｅｒａｌ Ｐａｃｋｅｔ Ｒａｄｉｏ Ｓｅｒｖｉｃｅ）、ユニバーサル移動体通信システム（ＵＭＴＳ：Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ）、ｃｄｍａ２０００、広帯域ＣＤＭＡ（Ｗ－ＣＤＭＡ：Ｗｉｄｅｂａｎｄ ＣＤＭＡ）、高速ダウンリンクパケットアクセス（ＨＳＤＰＡ：Ｈｉｇｈ－Ｓｐｅｅｄ Ｄｏｗｎｌｉｎｋ Ｐａｃｋｅｔ Ａｃｃｅｓｓ）、高速アップリンクパケットアクセス（ＨＳＵＰＡ：Ｈｉｇｈ－Ｓｐｅｅｄ Ｕｐｌｉｎｋ Ｐａｃｋｅｔ Ａｃｃｅｓｓ）、高速パケットアクセス（ＨＳＰＡ：Ｈｉｇｈ－Ｓｐｅｅｄ Ｐａｃｋｅｔ Ａｃｃｅｓｓ）、ロングタームエボリューション（ＬＴＥ：Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＬＴＥアドバンスト（ＬＴＥ－Ａ：ＬＴＥ Ａｄｖａｎｃｅｄ）、８０２．１１ｘ、Ｗｉ－Ｆｉ、Ｚｉｇｂｅｅ、超広帯域無線（ＵＷＢ：Ｕｌｔｒａ－ＷｉｄｅＢａｎｄ）、８０２．１６ｘ、８０２．１５、Ｈｏｍｅ Ｎｏｄｅ－Ｂ（ＨｎＢ）、Ｂｌｕｅｔｏｏｔｈ、無線ＩＤタグ（ＲＦＩＤ：Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、ＩｒＤＡ（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ）、近距離無線通信（ＮＦＣ：Ｎｅａｒ－Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、第５世代（５Ｇ）、Ｎｅｗ Ｒａｄｉｏ（ＮＲ）、それらのいずれかの組み合わせ、および／または本発明の範囲から逸脱することなく、いずれかの他の現在存在するまたは将来実装される通信標準および／またはプロトコルを使用するように構成される。いくつかの実施形態では、通信デバイス５４０は、本発明の範囲から逸脱することなく、単数のアンテナ、アレイ状のアンテナ、フェーズドアンテナ、スイッチドアンテナ、ビームフォーミングアンテナ、ビームステアリングアンテナ、それらの組み合わせ、および／またはいずれかの他のアンテナ構成である１または複数のアンテナを含む。

プロセッサ（複数可）５２０は、バス５１０を介して、プラズマディスプレイ、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、電界放出ディスプレイ（ＦＥＤ）、有機発光ダイオード（ＯＬＥＤ）ディスプレイ、フレキシブルＯＬＥＤディスプレイ、フレキシブル基板ディスプレイ、プロジェクションディスプレイ、４Ｋディスプレイ、高精細ディスプレイ、Ｒｅｔｉｎａ（登録商標）ディスプレイ、ＩＰＳ（Ｉｎ－Ｐｌａｎｅ Ｓｗｉｔｃｈｉｎｇ）ディスプレイ、またはユーザーに情報を表示するためのいずれかの他の適切なディスプレイなどのディスプレイ５５０にさらに結合されている。ディスプレイ５５０は、抵抗方式、静電容量方式、表面弾性波（ＳＡＷ）静電容量方式、赤外線方式、光学イメージング方式、分散信号方式、音響パルス認識方式、フラストレート全内部反射方式などを用いて、タッチ（ハプティック）ディスプレイ、３次元（３Ｄ）タッチディスプレイ、マルチ入力タッチディスプレイ、マルチタッチディスプレイなどとして構成される。本発明の範囲を逸脱することなく、いずれかの好適な表示デバイスおよびハプティックＩ／Ｏを使用する。

コンピュータマウス、タッチパッドなどのようなキーボード５６０およびカーソル制御デバイス５７０は、ユーザーがコンピューティングシステムとインターフェースすることを可能にするために、バス５１０にさらに結合されている。しかしながら、特定の実施形態では、物理的なキーボードおよびマウスが存在せず、ユーザーは、ディスプレイ５５０および／またはタッチパッド（図示せず）のみを介してデバイスと対話する。任意の入力デバイスの種類および組み合わせは、設計の選択の問題として使用される。特定の実施形態では、物理的な入力デバイスおよび／またはディスプレイは存在しない。例えば、ユーザーは、コンピューティングシステム５００と通信している別のコンピューティングシステムを介してリモートでコンピューティングシステム５００と対話し、コンピューティングシステム５００は自律的に動作する。

メモリ５３０は、プロセッサ（複数可）５２０により遂行されたときに機能を提供するソフトウェアモジュールを格納する。モジュールは、コンピューティングシステム５００のためのオペレーティングシステム５３２を含む。モジュールはさらに、本明細書に記載されたプロセスの全部もしくは一部またはその派生物を実行するように構成されたワークフローアナライザーモジュール５３４を含む。コンピューティングシステム５００はまた、付加的な機能を含む１または複数の付加的な機能モジュール５３６を含む。いくつかの実施形態では、ワークフローアナライザーモジュール５３４は、ソフトウェアアプリケーションのために作成されたテスト自動化を解析するように構成される。ワークフローアナライザーモジュール５３４はまた、すべてのアクティビティの構成を検証し、データの欠落、不正確なデータ、および／または同様のものをチェックするように構成される。

当業者であれば、「システム」は、本発明の範囲から逸脱することなく、サーバー、組み込みコンピューティングシステム、パーソナルコンピュータ、コンソール、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、タブレットコンピューティングデバイス、量子コンピューティングシステム、または他のいずれかの適切なコンピューティングデバイス、またはデバイスの組み合わせとして具現化され得ることを理解するであろう。上述した機能を「システム」により実行されるものとして提示することは、何ら本発明の範囲を限定することを意図するものではなく、本発明の多くの実施形態の一例を提供することを意図するものである。実際、本明細書に開示された方法、システム、および装置は、クラウドコンピューティングシステムを含むコンピューティング技術と整合性のあるローカライズされた形態および分配された形態で実装される。

本明細書で説明するシステム特色のいくつかは、実装の独立性をより強調するために、モジュールとして提示されていることに留意すべきである。例えば、モジュールは、カスタムの非常に大規模な集積（ＶＬＳＩ）回路またはゲートアレイ、ロジックチップ、トランジスタ、または他の個別部品のような既製の半導体を含むハードウェア回路として実装される。また、モジュールは、フィールドプログラマブルゲートアレイ、プログラマブルアレイロジック、プログラマブルロジックデバイス、グラフィックス処理ユニットなどのプログラマブルハードウェアデバイスに実装される。

モジュールはまた、様々なタイプのプロセッサにより遂行されるためのソフトウェアに少なくとも部分的に実装される。例えば、遂行可能コードの特定された単位は、例えば、オブジェクト、プロシージャ、または関数として編成されるコンピュータ命令の１または複数の物理的または論理的なブロックを含む。それにもかかわらず、遂行可能な特定されたモジュールは、物理的に一緒に配置されている必要はなく、論理的に結合されたときにモジュールを含み、モジュールのために述べられた目的を達成するために、異なる場所に格納された別々の命令を含む。さらに、モジュールは、例えば、ハードディスクドライブ、フラッシュデバイス、ＲＡＭ、テープのようなコンピュータ読み取り可能な媒体、および／または本発明の範囲から逸脱することなくデータを格納するために使用される他のいずれかの非一時的なコンピュータ読み取り可能な媒体に格納される。

実際、遂行可能コードのモジュールは、単一の命令であってもよいし、多数の命令であってもよいし、さらには、複数の異なるコードセグメント、異なるプログラム間、および複数のメモリデバイス間に分散される。同様に、動作データは、モジュール内で特定され、ここで示され、いずれかの適切なタイプのデータ構造体内でいずれかの適切な形態で具現化され、組織化される。動作データは、単一のデータセットとして収集され、または異なる記憶デバイスにわたり異なる場所に分散され、少なくとも部分的には、単にシステムまたはネットワーク上の電子信号として存在する。

図６は、本発明の実施形態による、ワークフローアナライザーモジュール６００を示すアーキテクチャ図である。いくつかの実施形態では、ワークフローアナライザーモジュール６００は、図５に図示されたワークフローアナライザーモジュール５３４と同様であるか、または同じである。また、いくつかの実施形態では、ワークフローアナライザーモジュール６００は、デザイナ１１０内に具現化される。ワークフローアナライザーモジュール６００は、データ収集サブモジュール６１０、アナライザーサブモジュール６２０、および測定基準決定モジュール６３０を含み、これらはプロセッサ（複数可）５２０によって実行されて、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するためにそれらの特定の機能を実行する。

データ収集サブモジュール６１０は、デザイナ１１０からテスト自動化のワークフローをデータファイルとして受信する。データファイルは、ソリューション設計文書（ＳＤＤ）、プロセス設計命令（ＰＤＩ）、オブジェクト設計命令（ＯＤＩ）、またはビジネスプロセス（ＢＰ）コードを含むが、これらに限定されない。例えば、ユーザーまたは開発者は、デザイナ１１０を使用して、テスト自動化のワークフローのデータファイルを開発する。いくつかの実施形態では、データ収集サブモジュール６１０は、テストケースのセットの組み合わせとして、テスト自動化のワークフローを受信する。テストケースは、特定のプログラムパスを行使する、または特定の要件への準拠を検証するなどの特定のソフトウェアテスト目的を達成するために遂行される単一のテストを定義する、入力、遂行条件、テスト手順、および期待される結果の仕様を含む。

特定の実施形態では、データ収集サブモジュール６１０は、ユーザーにイネーブルオプションを提供する。例えば、ユーザーがイネーブルオプションを有効にすると、データ収集サブモジュール６１０は、ＲＰＡアプリケーション（例えば、ユーザーからのライブデータなど）のテスト自動化ワークフローの１または複数のテストアクティビティ（すなわち、シーケンス）を取得する。さらに、データ収集サブモジュール６１０によって取得されたテスト自動化ワークフローまたはテスト自動化ワークフローのシーケンスは、アナライザーサブモジュール６２０によっても使用される。

いくつかの実施形態では、アナライザーサブモジュール６２０は、訓練サブモジュール６２２、人工知能（ＡＩ）モデル（以下「ＡＩモデル」という）６２４、およびテスト自動化ルールサブモジュール６２６を含む。アナライザーサブモジュール６２０は、テスト自動化の解析されたワークフローを出力するために、テスト自動化のワークフローを解析する。いくつかの実施形態では、アナライザーサブモジュール６２０は、テスト自動化の受信したワークフローを解析するために、ＡＩモデル６２４を使用する。

いくつかの実施形態では、ＡＩモデル６２４は、テスト自動化の受信したワークフローを解析する、予め訓練されたＡＩモデルに対応する。いくつかの実施形態では、ＡＩモデル６２４は、訓練データに基づいて予め訓練される。いくつかの例示的な実施形態では、訓練データは、訓練サブモジュール６２２に格納される。訓練データは、標準的なテスト自動化ワークフロー、テスト自動化ワークフローにおけるエラー、および標準的なフレームワーク文書のうちの少なくとも１つを含む。訓練データはまた、テスト自動化ワークフロー内のシーケンス、およびテスト自動化ワークフローに関連するすべての可能な欠陥（欠陥に取り組むためのソリューションも）を含む。いくつかの例示的な実施形態では、訓練データは、ウェブおよびモバイルアプリケーションの以前の機能テスト、ユーザーインターフェースの視覚テスト、ならびにＵＩ要素の位置および自動修正要素セレクタに基づく。いくつかの実施形態では、欠陥は、テスト自動化についての誤ったデータ入力、またはテスト自動化におけるデータ入力の欠落などのヒューマンエラーを含む。別の例では、ＡＩモデル６２４は、訓練データの知識を用いてテスト自動化ワークフローに関連する欠陥を予測し、テスト自動化の解析されたワークフロー（「解析されたテスト自動化ワークフロー」とも呼ばれる）を出力する。解析されたテスト自動化ワークフローは、テスト自動化のワークフローと、予測されたそれぞれの欠陥情報とを含む。

ある実施形態では、ＡＩモデル６２４は、リカレントニューラルネットワークモデル（例えば、長短期記憶（ＬＳＴＭ）モデル）などのようなＭＬモデルを含む。また、特定の実施形態では、ＭＬモデルは、自己訓練される。例えば、ＭＬモデルは、テスト自動化のワークフローにおける１または複数のパターンを学習するように訓練される。１または複数のパターンは、テスト自動化の以前のワークフローにおいて繰り返されるテストに対応する。ＭＬモデルは、ＲＰＡアプリケーションに関連するテスト自動化のワークフローの解析のために、１または複数のパターンをＡＩモデル６２４に提供する。いくつかの例示的な実施形態では、ＭＬモデルは、メモリ５３０に格納された予め構築されたＭＬモデルである。いくつかの代替的な実施形態では、ＭＬモデルは、ユーザーによってカスタマイズされるか、またはオープンプラットフォーム（例えば、オープンソースコミュニティ）、第三者機関などからアクセスされる。例えば、実行時にテスト自動化のワークフローに欠陥が発生した場合、ＭＬモデルは、その欠陥を学習し、その欠陥に取り組む方法を学習する。

特定の実施形態では、ＡＩモデル６２４は、受信したワークフローを解析するために、テスト自動化ルールサブモジュール６２６を使用する。いくつかの実施形態では、テスト自動化ルールサブモジュール６２６は、ワークフローを解析するための予め定義されたテスト自動化命令のセット（「予め定義されたテスト自動化ルールのセット」と呼ばれる）を含む。これらの予め定義されたテスト自動化ルールのセットは、予め定義された数のループ、予め定義された数の条件、構造化された設計、少なくとも１つの検証ポイント、１または複数の注釈、グローバル例外ハンドラ、および１または以上の条件を含む。グローバル例外ハンドラは、予期しない環境問題に関連する。予め定義されたテスト自動化ルールのセットの各々は、テスト自動化のワークフローのテストケースのセットの各々と関連付けられる。

いくつかの実施形態では、予めに定義された数のループおよび予め定義された数の条件は、テストケースのセットの各々のテスト結果が経時的に比較され得ることを検証するために利用される。ループの例としては、「ｗｈｉｌｅループ」、「ｄｏ ｗｈｉｌｅ」、「Ｆｏｒ ｅａｃｈループ」などを含む。さらに、条件としては、「ｉｆ条件」、「ｓｗｉｔｃｈ条件」などが対応する。いくつかの実施形態では、構造設計は、「Ｇｉｖｅｎ」、「Ｗｈｅｎ ａｎｄ Ｔｈｅｎ」セクションを有するビヘイビア駆動開発（ＢＤＤ：Ｂｅｈａｖｉｏｒ Ｄｒｉｖｅｎ Ｄｅｖｅｌｏｐｍｅｎｔ）テスト設計構造を含む。いくつかの実施形態では、テストケースのセットの各テストケースは、少なくとも１つの検証ポイントを含む。

いくつかの実施形態では、予め定義されたテスト自動化ルールのセットの１または複数の条件は、テストケースを通して数回にわたって同様のシーケンスの使用のチェックと関連する。そのようなシーケンスは、別の再利用可能なワークフローまたはライブラリに抽出される。そのために、アナライザーサブモジュール６２０は、この条件を利用して、テスト自動化のワークフローの解析のために、テストケースのセットの１または複数のうちの１または複数の冗長なシーケンスを、別の再利用可能なライブラリに抽出する。例えば、テスト自動化のワークフローのモジュールの機能をチェックするために冗長に使用されるテストケースの２つのシーケンスは、テスト自動化のワークフローの解析のための再利用可能なライブラリとして抽出される。この再利用性により、テスト自動化のワークフローを解析するためのテストケースの保守性が向上する。したがって、ＲＰＡアプリケーション（デスクトップアプリケーションなど）についてのテスト自動化のワークフローが、効率的かつ実現可能な方法で解析される。

理解されるべきであるが、テスト自動化ルールサブモジュール６２６は、テスト自動化のワークフローに対して、予め定義されたテスト自動化ルールのセットの各ルールを遂行し、テスト自動化の解析されたワークフローを出力する。前記ルールは、実施形態の範囲から逸脱することなく、それぞれ１または複数の追加ルールおよび１または複数の追加カテゴリをさらに含む。解析されたワークフローは、テスト自動化のワークフローと、前記ルールの妥当性を含むレポートとを含む。いくつかの実施形態では、テスト自動化ルールサブモジュール６２６は、予め定義されたテスト自動化ルールのセットから１または複数のルールを選択するための選択オプションをユーザーに提供する。さらに、テスト自動化ルールサブモジュール６２６は、テスト自動化のワークフローに対して選択された１または複数のルールを遂行し、テスト自動化の解析されたワークフローを出力する。

いくつかの実施形態では、テスト自動化の解析されたワークフローは、ワークフローアナライザーモジュール６００の測定基準決定論的サブモジュール６３０に提供される。測定基準決定論的サブモジュール６３０は、修正アクティビティデータを生成するために、テスト自動化の解析されたワークフローに関連する１または複数の測定基準を決定する。いくつかの例示的な実施形態では、修正アクティビティデータは、修正モジュール（図６に示されていない）に格納される。修正アクティビティデータは、解析されたテスト自動化のワークフローの修正アクティビティを実行するために使用される。

いくつかの実施形態によれば、ワークフローアナライザーモジュール６００はさらに、１または複数の追加モジュール、例えば、修正モジュール（図示せず）を含む。修正モジュールは、測定基準決定モジュール６３０によって決定された１または複数の測定基準を使用して、１または複数の修正アクティビティを実行する。いくつかの例示的な実施形態において、修正アクティビティは、テスト自動化のワークフローまたはアクティビティのより良い可能性に関するフィードバックをユーザーに提供すること、テスト自動化のワークフローに関連する１または複数の測定基準に関するレポートを生成すること、発行時間またはコンパイル時間にテスト自動化のワークフローに関連する警告メッセージまたはエラーメッセージを生成すること、あるいはテスト自動化のワークフロー内のエラーアクティビティに対応するアクティビティ番号およびアクティビティ名を出力すること、を含む。さらに、フィードバックはまた、ユーザーが例外を処理し、データを検証し、そしてＡＩモデル（例えば、ＡＩモデル６２４）を再訓練のためにルーティングすることを可能にし、それはＡＩモデル６２４に継続的な改善を提供する。

いくつかの実施形態では、修正モジュールは、テスト自動化のワークフローのより良い可能性に関して、ユーザーにフィードバックを提供する。いくつかの例示的な実施形態によれば、フィードバックは、テスト自動化の修正されたワークフローまたはテスト自動化の解析されたワークフローを修正するための提案メッセージを含む。提案メッセージは、テスト自動化のワークフローを修正するための主張または任意の他の情報を含む。

いくつかの実施形態によれば、フィードバックは、ＡＩモデル６２４によって提供される。例えば、ＡＩモデルは、ＲＰＡアプリケーションのための高品質のテスト自動化ワークフローを構築するために、ベストプラクティス文書およびフレームワーク（例えば、Ｒｏｂｏｔｉｃ Ｅｎｔｅｒｐｒｉｓｅフレームワーク）を使用して訓練される。いくつかの実施形態では、修正モジュールは、テスト自動化の解析されたワークフローに関連する測定基準に関するレポートを生成する。いくつかの実施形態では、生成された測定基準についてのレポートは、パーセントで示される。特定の実施形態では、修正モジュールは、テスト自動化の解析されたワークフローに関連する警告メッセージまたはエラーメッセージを生成する。警告メッセージまたはエラーメッセージは、テスト自動化の解析されたワークフローの欠陥に関連する詳細または情報を含む要約を含む。

いくつかの実施形態では、ＡＩモデル６２４は、決定された１または複数の測定基準に基づいて、テスト自動化のワークフローにおける、１または複数の欠陥（例えば、誤った入力データ）を予測する。１または複数の測定基準は、解析されたワークフローに関連する拡張性値、解析されたワークフローに関連する保守性値、解析されたワークフローに関連する可読性値、解析されたワークフローに関連する明確性値、解析されたワークフローに関連する効率値、解析されたワークフローに関連する循環複雑性値、解析されたワークフローに関連する再利用性値、解析されたワークフローに関連する信頼性値、または解析されたワークフローに関連する精度値のうちの１または複数を含む。いくつかの実施形態では、１または複数の測定基準は、（ディスプレイ５５０を介して）パーセント形式で表示される。さらに、ＡＩモデル６２４は、１または複数欠陥を除去するために、テスト自動化のワークフローを修正する。

このようにして、ワークフローアナライザーモジュール６００は、プロセッサ（複数可）５２０によって遂行されるとき、ＲＰＡアプリケーションのためのテスト自動化の解析されたワークフローの展開の前にテスト自動化のワークフローをデバッグするために、前述した動作を実行する。いくつかの実施形態では、展開は、欠陥の除去の後に実行される。ＲＰＡアプリケーションは、欠陥の除去の後に展開される。この結果、設計段階で、ＲＰＡアプリケーションのための正確なテスト自動化のワークフローを設計または開発することになる。テスト自動化の正確なワークフローは、ユーザー定義プロセスを遂行するための限りなく少ない命令（すなわち、より少ないストレージ要件およびより少ない遂行時間のワークフロー）を含む。例えば、ワークフローアナライザーモジュール６００は、ＲＰＡアプリケーションのテスト自動化の正確なワークフローを設計するために、ワークフローに関連する欠陥（ルール検証のセットに失敗するアクティビティも含む）を特定し、欠陥を除去するためにワークフローを修正する。

いくつかの実施形態では、ワークフローアナライザーモジュール６００は、インターリーブ技術（例えば、インターリーブコード開発）の使用によって欠陥を除去する。さらに、正確なワークフローは、欠陥を有するワークフローと比較して、改善された測定基準を提供する（例えば、信頼性値、再利用性値、正確性値などの改善）。いくつかのさらなる実施形態では、ワークフローアナライザー６００は、タイミング解析を提供するために、様々なＣＩ／ＣＤ（継続的インテグレーションおよび継続的デリバリー）ツールならびに他のアプリケーションおよびサービスと統合する。

要約すると、ワークフローアナライザーモジュール６００は、既存のワークフローの静的コードレビューのためのツールを表す。例えば、ワークフローアナライザーモジュール６００は、テスト自動化ワークフローがどのように見えるべきかについてハードコードされた予め定義されたルールを使用し、ユーザーが予め定義されたルールに基づいて彼または彼女のルールを定義することを可能にする。これらの予め定義されたルールは、例えば、会社のポリシーを含んでもよい。さらに、ワークフローアナライザーモジュール６００のＡＩモデル６２４（またはＡＩコンポーネント）は、例えば、大規模な顧客データのセットに基づくテスト自動化ワークフローについて予め訓練される。

一例では、ワークフローの設計時間中に、ワークフローアナライザーモジュール６００は、ワークフローの構造を解析し、潜在的な問題、警告、および改善に関する通知を送信する。定義されたルールまたはポリシーに基づき、これらの通知は、ワークフローが定義されたルールまたはポリシーを満たさない場合、提案であってもよいし、またはユーザーがワークフローを公開することを防止してもよい。

例えば、本発明の実施形態によるデザイナパネルを示すＧＵＩ１０００である図１０を参照する。本実施形態では、ワークフローアナライザーモジュールがトリガされると、ワークフローアナライザーモジュールは、ワークフロー全体をスキャンし、ワークフローが準拠しているかどうかを解析する。予め定義されたルールまたはポリシーに基づいて、ワークフローアナライザーモジュールは、ルールまたはポリシーに対してワークフローを比較し、非適合であるルールまたはポリシーに対して通知（例えば、警告）を生成する。

予め定義されたルールまたはポリシーは、テスト自動化顧客プロジェクトにおける過去の経験の事例データに基づいて、１または複数のユーザー（例えば、テスト専門家）によって前もって定義されていることを理解されたい。いくつかの実施形態におけるテストケースは、テスト結果を経時的に確実に比較できることを確実にするために、少なくとも１つの主張と、限られた数のループおよび条件とを含む。また、いくつかの実施形態では、テストケースは、追加の前提条件なしにアトミックで遂行可能であり、複製されず、むしろオブジェクトブラウザに抽出されるセレクタを含み得る。

顧客はまた、テスト自動化ワークフローアナライザーモジュールのための顧客固有のルールを提供してもよいことに留意されたい。いくつかの実施形態では、顧客は、彼らの会社特有の標準およびガイドラインを強制するために、彼ら自身のコードルールを定義する。この実施形態では、それぞれのテストケースは、ＧｉｔＨｕｂ（商標）内の各ステップおよびバージョンのログエントリを有するべきである。

特定の実施形態は、テスト自動化ワークフローアナライザーについての潜在的なＡＩの予め訓練されたルールを含むことにさらに留意されたい。そのような実施形態では、ＡＩアルゴリズムは、ルールの予め訓練されたセットを含み得る。これらの予め訓練されたルールのセットは、既存の顧客プロジェクトからの大規模なデータセットから収集される。例えば、図１１は、本発明の実施形態による、予め訓練されたルールのセットを含むデータベースを連続的に更新するためのシステム１１００を示すワークフロー図である。

図１１に示すように、顧客１１０５は、ＵｉＰａｔｈ Ｓｔｕｄｉｏ（商標）をホストする様々なコンピューティングシステム１１１０_１ ．．． １１１０_Ｎ上で複数のワークフローを実行することができる。いくつかの実施形態では、各コンピューティングシステム１１１０_１ ．．． １１１０_Ｎは、ＵｉＰａｔｈクラウド１１５にデータを連続的に送信してもよい。ＵｉＰａｔｈクラウド１１１５は、データコレクター１１２０および機械学習（ＭＬ）アルゴリズム１１２５を含み得る。データコレクター１１２０は、各コンピューティングシステム１１０_１～１１１０_Ｎから受信されているデータを収集してもよい。このデータは、そのテスト自動化ワークフローに関する情報を含み、ワークフローがどのように作成されたか、ワークフローがどのくらいの頻度で遂行されるか、などに関する情報を含む。例えば、ＭＬアルゴリズム１１２５は、保存されたテスト自動化ワークフローが良好であり、ルールを導出するために使用され得るか否かを決定する。一例では、ＭＬアルゴリズムは、以下のことをチェックする：任意の例外なく顧客の実行頻度でテストケースを実行したか、時間の経過とともにテストケースがどの程度安定していたかなど。この解析に基づいて、ＭＬアルゴリズムは予め定義されたルールのセットを作成し、予め定義されたルールのセットをテスト自動化ワークフローアナライザーモジュールにフィードバックできるようにし、これはコンピューティングシステム１１１０_１…１１１０_Ｎで遂行される。

図７は、本発明の実施形態による、予め定義されたテスト自動化ルールのセットを描写する表現７００を示すブロック図である。例示的な実施形態では、予め定義されたテスト自動化ルールのセットは、テスト設計構造７０２などの構造化された設計、予め定義された数のループ７０４、予め定義された数の条件７０６、注釈７０８、１つの検証ポイント７１０、および予期しない環境問題に関連するグローバル例外ハンドラ７１２を含む。

図８は、本発明の実施形態による、テスト自動化のワークフロー８０２の解析のためのユーザーインターフェース８００を示すＧＵＩである。ワークフロー８０２は、例えばテストケース８０４のようなテストケースまたは１または複数のテストケースの組み合わせを含む。いくつかの実施形態では、ワークフロー８０２は、コンピューティングシステム５００への入力（すなわち、ユーザーからのワークフロー）として提供される。コンピューティングシステム５００は、ワークフローアナライザーモジュール５３４を遂行して、ＡＩモデル６２４を使用してワークフロー７００を解析する。いくつかの例示的な実施形態では、ＡＩモデル６２４は、ＵＩ８００においてドラッグアンドドロップ機能（図８には示されていない）を使用して展開される。

図９は、本発明の実施形態による、ＲＰＡアプリケーションに関連するテスト自動化のワークフローを解析するための方法９００を示すフローチャートである。いくつかの実施形態では、方法９００は、ステップ９１０で開始する。

ステップ９１０で、方法９００は、ＲＰＡアプリケーションのテスト自動化のワークフローを受信することを含む。いくつかの実施形態では、テスト自動化についてのワークフローは、ワークフローファイルとして取得される。ワークフローファイルは、ソリューション設計文書（ＳＤＤ）、プロセス設計命令（ＰＤＩ）、オブジェクト設計命令（ＯＤＩ）、またはビジネスプロセス（ＢＰ）コードを含むが、これらに限定されない。いくつかの他の実施形態では、ワークフローは、デスクトップレコーダーから１または複数のアクティビティとして取得される。

ステップ９２０で、方法９００は、予め定義されたテスト自動化ルールのセット（例えば、テスト自動化ルールのセット７００）に基づいて、ワークフローアナライザーモジュール６００のＡＩモデル（例えば、ＡＩモデル６２４）を用いてテスト自動化のワークフローを解析することを含む。いくつかの例示的な実施形態では、ＡＩモデル６２４は、訓練データを含む予め訓練されたＡＩモデルに対応する。訓練データは、標準的なテスト自動化ワークフロー、テスト自動化ワークフローにおけるエラー、および標準的なフレームワーク文書のうちの少なくとも１つを含む。いくつかの実施形態では、予め定義されたテスト自動化ルールのセットは、予め訓練されたＡＩモデルに基づいて遂行される。

ステップ９３０で、方法９００は、テスト自動化の解析されたワークフローに関連する１または複数の測定基準を決定することを含む。例えば、１または複数の測定基準は、解析されたワークフローに関連する拡張性値、解析されたワークフローに関連する保守性値、解析されたワークフローに関連する可読性値、解析されたワークフローに関連する効率値、解析されたワークフローに関連する循環複雑性値、または解析されたワークフローに関連する精度値のうちの１または複数を含む。

ステップ９４０で、方法９００は、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて、修正アクティビティデータを生成することを含む。いくつかの実施形態では、修正アクティビティデータは、テスト自動化のワークフローについての修正アクティビティを実行するために使用される。修正アクティビティは、ＡＩモデルを介して、決定された１または複数の測定基準に基づいて、テスト自動化のワークフローにおける１または複数の欠陥を予測することと、ＡＩモデルを介して、１または複数の欠陥を除去するためにワークフローを修正することと、を含む。

図９で実行されるプロセスステップは、本発明の実施形態に従って、図９で説明したプロセス（複数可）の少なくとも一部を実行するようにプロセッサ（複数可）への命令をエンコードするコンピュータプログラムによって実行される。コンピュータプログラムは、非一時的なコンピュータ読み取り可能な媒体に格納される。コンピュータ読み取り可能な媒体は、ハードディスクドライブ、フラッシュデバイス、ＲＡＭ、テープ、および／またはデータを格納するために使用される他のそのような媒体または媒体の組み合わせであるが、これらに限定されるものではない。コンピュータプログラムは、図９に記載されたプロセスステップの全部または一部を実装するために、コンピューティングシステム（例えば、図５のコンピューティングシステム５００のプロセッサ（複数可）５２０）のプロセッサ（複数可）を制御するためのコード化された命令を含み、これはまた、コンピュータ読み取り可能な媒体に格納される。

コンピュータプログラムは、ハードウェア、ソフトウェア、またはハイブリッド実装で実装され得る。コンピュータプログラムは、互いに動作可能な通信を行うモジュールで構成され得、情報または指示をディスプレイに送るように設計されている。コンピュータプログラムは、汎用コンピュータ、ＡＳＩＣ、またはいずれかの他の好適なデバイスで動作するように構成され得る。

本発明の様々な実施形態のコンポーネントは、本明細書に一般的に記載され、図示されているように、様々な異なる構成で配置され、設計されることが、容易に理解されるであろう。したがって、添付の図に表されるような本発明の実施形態の詳細な説明は、特許請求されるような本発明の範囲を限定することを意図するものではなく、本発明の選択された実施形態を代表するものにすぎない。

本明細書を通して記載された本発明の特色、構造、または特徴は、１または複数の実施形態では、いずれかの好適な方法で組み合わせられる。例えば、本明細書全体を通して「特定の実施形態」、「いくつかの実施形態」、または類似の言語を参照することは、実施形態に関連して記載された特定の特色、構造、または特徴が、本発明の少なくとも１つの実施形態に含まれていることを意味する。したがって、本明細書全体を通して「特定の実施形態では」、「いくつかの実施形態では」、「他の実施形態では」、または類似の言語の出現は、必ずしも全ての実施形態の同じグループを指すものではなく、記載された特色、構造、または特徴は、１または複数の実施形態ではいずれかの好適な方法で組み合わせられる。

本明細書全体を通して特色、利点、または類似の言語への参照は、本発明で実現される特色および利点の全てが、本発明のいずれかの単一の実施形態にあるべきであること、または本発明のいずれかの実施形態にあることを意味するものではないことに留意すべきである。むしろ、特色および利点に言及する言語は、実施形態に関連して記載された特定の特色、利点、または特徴が、本発明の少なくとも１つの実施形態に含まれることを意味すると理解される。したがって、本明細書全体での特色および利点の議論、ならびに類似の言語は、同じ実施形態を参照するが、必ずしもその必要性はない。

さらに、本発明の記載された特色、利点、および特徴は、１または複数の実施形態では、いずれかの好適な方法で組み合わせられる。関連する技術の当業者は、本発明が、１または複数の特定の実施形態の特定の特徴または利点なしに実施され得ることを認識するであろう。他の例では、追加の特徴および利点は、本発明の全ての実施形態には存在しない特定の実施形態では認識される。

本分野における通常の技術を有する者は、上述したような本発明を、異なる順序でのステップを用いて、および／または開示されているものとは異なる構成のハードウェア要素を用いて実施されることを容易に理解するであろう。したがって、本発明は、これらの好ましい実施形態に基づいて説明されてきたが、本発明の精神および範囲内にとどまりながら、特定の変更、変形、および代替的な構成が明らかになることは、当業者には明らかであろう。したがって、本発明の範囲を決定するためには、添付の特許請求の範囲を参照すべきである。

Claims (20)

1. ロボティックプロセスオートメーション（ＲＰＡ）アプリケーションに関連するテスト自動化のワークフローを解析するためのコンピュータ実装方法であって、前記方法は、
   前記ＲＰＡアプリケーションに関連する前記テスト自動化の前記ワークフローを受信することと、
   ワークフローアナライザーモジュールに関連する人工知能（ＡＩ）モデルを介して、予め定義されたテスト自動化ルールのセットに基づいて、前記テスト自動化の前記ワークフローを解析することと、
   前記テスト自動化の解析された前記ワークフローに関連する１または複数の測定基準を決定することと、
   前記ＡＩモデルを介して、決定された前記１または複数の測定基準に基づいて、修正アクティビティデータを生成することと、を含む、方法。
2. 予め定義されたテスト自動化ルールの前記セットが、予め定義されたループの数、予め定義された条件の数、予め定義された構造化された設計、または少なくとも１つの検証ポイントのうちの少なくとも１つを含む、請求項１に記載の方法。
3. 前記修正アクティビティデータに基づいて、前記テスト自動化の前記解析されたワークフローのために、修正アクティビティを実行することをさらに含む、請求項１に記載の方法。
4. 前記修正アクティビティを実行することはさらに、
   前記ＡＩモデルを介して、前記決定された１または複数の測定基準に基づいて、前記テスト自動化の前記ワークフローにおける１または複数の欠陥を予測することと、
   前記ＡＩモデルを介して、前記テスト自動化の前記ワークフローを修正して、前記１または複数の欠陥を除去することと、を含む、請求項３に記載の方法。
5. 前記テスト自動化の前記ワークフローは、テストケースのセットの組み合わせを含む、請求項１に記載の方法。
6. 前記テスト自動化の前記ワークフローの解析のために、前記テストケースの前記セットの少なくとも１つのテストケースの１または複数の冗長なシーケンスを、別の再利用可能なライブラリに抽出することをさらに含む、請求項５に記載の方法。
7. 前記テストケースの前記セットのデータ処理中に、前記テストケースの前記セットの第１のテストケースと前記テストケースの前記セットの第２のテストケースとの間の差分に基づき、データ駆動型テスト自動化を作成することをさらに含む、請求項５に記載の方法。
8. ＡＩモデルは、訓練データを含む予め訓練されたＡＩモデルに対応する、請求項１に記載の方法。
9. 前記テスト自動化の前記ワークフローを解析することはさらに、前記予め訓練されたＡＩモデルに基づいて、予め定義されたテスト自動化ルールの前記セットを遂行することを含む、請求項８に記載の方法。
10. 前訓練データは、標準的なテスト自動化ワークフロー、テスト自動化ワークフローにおけるエラー、および標準的なフレームワーク文書のうちの少なくとも１つを含む、請求項８に記載の方法。
11. ロボティックプロセスオートメーション（ＲＰＡ）アプリケーションに関連するテスト自動化のワークフローを解析するためのシステムであって、前記システムは、
    命令を格納するように構成されたメモリと、
    少なくとも１つのプロセッサと、を含み、
    前記命令は、前記少なくとも１つのプロセッサに以下を行わせるように構成される、システム。
    前記ＲＰＡアプリケーションに関連する前記テスト自動化の前記ワークフローを受信すること、
    ワークフローアナライザーモジュールに関連する人工知能（ＡＩ）モデルを介して、予め定義されたセットに基づいて、前記テスト自動化の前記ワークフローを解析すること、
    前記テスト自動化の解析された前記ワークフローに関連する１または複数の測定基準を決定すること、および
    前記ＡＩモデルを介して、決定された前記１または複数の測定基準に基づいて、修正アクティビティデータを生成すること。
12. 予め定義されたテスト自動化ルールのセットが、予め定義されたループの数、予め定義された条件の数、予め定義された構造化された設計、または少なくとも１つの検証ポイントのうちの少なくとも１つを含む、請求項１１に記載のシステム。
13. 前記少なくとも１つのプロセッサはさらに、
    前記修正アクティビティデータに基づいて、前記テスト自動化の前記解析されたワークフローのために、修正アクティビティを実行する前記命令を遂行するように構成される、請求項１１に記載のシステム。
14. 前記修正アクティビティを実行するために、前記少なくとも１つのプロセッサはさらに、
    前記ＡＩモデルを介して、前記決定された１または複数の測定基準に基づいて、前記テスト自動化の前記ワークフローにおける１または複数の欠陥を予測し、
    前記ＡＩモデルを介して、前記テスト自動化の前記ワークフローを修正して、前記１または複数の欠陥を除去する前記命令を遂行するように構成される、請求項１３に記載のシステム。
15. 前記テスト自動化の前記ワークフローは、テストケースのセットの組み合わせを含む、請求項１１に記載のシステム。
16. 前記少なくとも１つのプロセッサはさらに、前記テスト自動化の前記ワークフローの解析のために、前記テストケースの前記セットの少なくとも１つのテストケースの１または複数の冗長なシーケンスを、別の再利用可能なライブラリに抽出する前記命令を遂行するように構成される、請求項１５に記載のシステム。
17. 前記少なくとも１つのプロセッサはさらに、前記テストケースの前記セットのデータ処理中に、前記テストケースの前記セットの第１のテストケースと前記テストケースの前記セットの第２のテストケースとの間の差分に基づき、データ駆動型テスト自動化を作成するように構成される、請求項１５に記載のシステム。
18. ＡＩモデルは、訓練データを含む予め訓練されたＡＩモデルに対応し、前記訓練データは、標準的なテスト自動化ワークフロー、テスト自動化ワークフローにおけるエラー、および標準的なフレームワーク文書のうちの少なくとも１つを含む、請求項１１に記載のシステム。
19. 前記テスト自動化の前記ワークフローを解析するために、前記少なくとも１つのプロセッサはさらに、前記予め訓練されたＡＩモデルに基づいて、予め定義されたテスト自動化ルールのセットを遂行するように構成される、請求項１８に記載のシステム。
20. 非一時的なコンピュータ読み取り可能な媒体上に格納されたコンピュータプログラムであって、前記コンピュータプログラムは、少なくとも１つのプロセッサが、
    ＲＰＡアプリケーションに関連するテスト自動化のワークフローを受信することと、
    ワークフローアナライザーモジュールに関連するＡＩモデルを介して、予め定義されたテスト自動化ルールのセットに基づいて、前記テスト自動化の前記ワークフローを解析することと、
    解析された前記テスト自動化に関連する１または複数の測定基準を決定することと、
    前記ＡＩモデルを介して、決定された前記１または複数の測定基準に基づいて、修正アクティビティデータを生成することと、を行うように構成される、コンピュータプログラム。

Images