17 ноября 2018г.
*Исследования поддержаны грантом РФФИ №16-08-00575 «Интеллектуальные методы многокритериальной диагностики состояний сложных технических систем и технологических процессов»
Повсеместное использование средств вычислительной техники требует повышенного внимания к вопросам повышения качества программного обеспечения (ПО), которое достигается за счет применения инструментальных средств разработки и тестирования ПО, а также систем поддержки принятия решений, имеющих в своей структуре базу знаний (БЗ) [3]. Для повышения эффективности использования базы знаний необходимо провести онтологический анализ прецедентов принятия решения, которые возникали в случае обнаружения ошибок в программном обеспечении в ходе тестирования. Онтологический анализ позволяет выявить наиболее существенные признаки проблемных ситуаций, классифицировать прецеденты по различным основаниям, обобщить и уточнить разрозненную, противоречивую и неполную информацию.
Одной из причин пропуска ошибок в программном обеспечении является отсутствие взаимодействия между различными участниками процесса разработки. Поэтому для создания базы знаний также необходима разработка динамической модели процесса тестирования программного обеспечения, с помощью которой становится возможным проектирование механизма взаимодействия участников процесса [1]. Одним из результатов динамического моделирования является матрица ответственности, отражающая распределение прав и обязанностей лиц, принимающих решения (ЛПР).
С помощью разработанной онтологии возможно описание прецедентов, которое содержит не только исчерпывающие сведения о них, но и способы успешного разрешения проблемных ситуаций. На практике данная онтология должна обеспечить обмен знаниями и их эффективное использование. Для этого необходимо разработать регламент использования представленной онтологической модели и её поддержание в актуальном состоянии. Динамическая модель, служащая основой для подобного регламента, представлена на рис. 1.
Участники процесса тестирования ПО должны обращаться к базе знаний при возникновении проблемной ситуации. Команда тестирования может получать информацию из базы знаний о текущем проекте, а лицо, принимающее решение (как правило, это руководитель направления разработки ПО) - по всем проектам организации. При отсутствии решения в базе знаний будет происходить её обновление путем добавления прецедента, что со временем сократит вероятность
попадания участником процесса в ситуацию, для которой нет решения. Обновление базы знаний должно происходить при завершении этапов тестирования для её актуализации и сопровождения.
На основе разработанной динамической модели предложен контур управления (рис. 2), который содержит в себе три уровня управления: контур регулирования, контур адаптации и контур обучения.
Контур регулирования необходим для решения проблемных ситуаций силами команды разработки в силу достаточности компетенции и не критической важности принятия решения.
Контур адаптации необходим для решения существенных проблемных ситуаций, которые необходимо решать вместе с лицом, принимающим решения. На этом уровне ЛПР
обращается к базе знаний для получения необходимых инструкций.
Контур обучения необходим в ситуациях, когда ЛПР не может решить проблему собственными силами и необходима консультация у эксперта данной области. В данном контуре происходит обучение базы знаний и архивация неактуальных правил и прецедентов.
Результаты онтологического анализа используются при формализации знаний об управлении деловыми процессами в базе знаний, в частности для определения терминологии суждений экспертов, описания прецедентов принятия решений и разработки правил диагностирования [3].
Одним из возможных направлений применения онтологии является поиск информации с использованием следующих видов запросов: реализация запросов для поиска
информации на языке OWL на основе логической модели онтологии и реализация запросов на языке запросов SPARQL. Например, правило на естественном языке «Если ошибка имеет вид «Ошибка требований», компетенция «Заказчик», статус «Реализован», то решение «Новый функционал»» преобразуется в запрос вида «Заказчик(?c), Ошибка(?y), Проблемная_ситуация(?x), имеетРешение(?x, ?d), вид(?y, «Ошибка требований»)-> исполняет(?c, ?d), значение(?d, «Новый функционал»)».
В результате проведения эксперимента по оценке эффективности использования базы знаний был сделан вывод о том, что её использование в процессе диагностирования программного обеспечения уменьшит время поиска решений приблизительно
на
15%. Максимальное сокращение времени поиска составило 28%. Сокращение времени на поиск решений приведет к ускорению процесса диагностирования программного обеспечения, что, в свою очередь, приведет к ускорению процесса разработки ПО без потери его качества.
При наполнении базы знаний информацией обо всех проектах, ведущихся в организации, и её сопровождении инженером знаний прогнозируется усиление достигнутого эффекта, что свидетельствует о целесообразности использование систем поддержки принятий решений в процессе тестирования программного обеспечения. Однако эффект будет проявляться не сразу, так как в ходе эксперимента было выявлено, что опыт использования поисковых запросов имеет существенное влияние на скорость работы с базой знаний.
В будущем возможно расширение базы знаний, введение в неё новых метрик и показателей (например: эффективность тестировщика по количеству заведенных актуальных дефектов), что позволит с её помощью
осуществлять не только управление проектом разработки ПО, но и управление предприятием
в целом [2].
Список источников
1.
Никулина Н.О., Гайткулов Р.Т., Старцева Е.Б. Информационная поддержка процесса тестирования программного обеспечения на основе онтологической базы знаний // Новые технологии в научных исследованиях, проектировании, управлении, производстве: труды XV Междунар. науч.-техн. конф. (Воронеж, 9-10 ноября 2017 г.). Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2017. Т. 1. C. 334-339.
2.
Поддержка принятия решений при стратегическом управлении предприятием на основе инженерии знаний / Под ред. Л.Р. Черняховской. Уфа: АН РБ, Гилем, 2010. 128 с.
3.
Черняховская Л.Р., Никулина Н.О., Малахова А.И., Гайткулов Р.Т. Моделирование технологического процесса тестирования программного обеспечения для представления и обработки знаний в области диагностики ошибок // Информационные и математические технологии в науке и управлении: труды XXIII Байкальской Всеросс. конф. 29 июня-8 июля, Иркутск, Россия, 2018. Т. 2. С. 52-60.
