逐浪AI大潮,以澎拜之力革新產(chǎn)品測試
作者:是德科技產(chǎn)品營銷經(jīng)理 Bernard Ang
產(chǎn)品測試一直都是開發(fā)過程中確保產(chǎn)品在功能和性能方面符合市場預(yù)期的關(guān)鍵一環(huán)。然而,傳統(tǒng)的產(chǎn)品測試流程需要投入大量的時間和資源。另一方面,現(xiàn)代的新產(chǎn)品設(shè)計也變得越來越復(fù)雜,對運(yùn)行條件的要求也愈發(fā)嚴(yán)苛,如要求低功耗、融合更多的傳感器以及添加更多的輸入/輸出接口等。
令人欣慰的是,人工智能(AI)技術(shù)正逐漸被運(yùn)用于現(xiàn)代化的產(chǎn)品測試流程,有望在產(chǎn)品的整個生命周期內(nèi)提高測試的效率、準(zhǔn)確性和可擴(kuò)展性。
此篇是德科技署名文章旨在探討AI技術(shù)革新產(chǎn)品測試的潛能,并詳細(xì)解讀產(chǎn)品生命周期的各個階段,將AI技術(shù)集成到產(chǎn)品測試中所能帶來的積極意義,以及適用于產(chǎn)品測試的各種AI技術(shù),例如采用機(jī)器學(xué)習(xí)(ML)算法進(jìn)行預(yù)測性維護(hù)或者缺陷檢測等,同時探索現(xiàn)實(shí)世界的各種應(yīng)用場景、挑戰(zhàn)和未來發(fā)展趨勢。
產(chǎn)品測試的生命周期
眾所周知,產(chǎn)品開發(fā)生命周期有幾個關(guān)鍵階段。工程師會在各個階段執(zhí)行產(chǎn)品測試工作,以確保整個產(chǎn)品開發(fā)過程符合公司制定的業(yè)務(wù)計劃和目標(biāo)。隨著時間的推移,大多數(shù)的產(chǎn)品開發(fā)流程會因?yàn)樾率袌鲂枨蟮某霈F(xiàn)以及激烈的競爭等因素而變得越來越復(fù)雜。圖 1 顯示了產(chǎn)品開發(fā)生命周期的各個階段。
圖1:產(chǎn)品生命周期的各個階段
創(chuàng)意和規(guī)劃階段
創(chuàng)意階段的導(dǎo)入意味著開啟一個新產(chǎn)品開發(fā)項(xiàng)目。該階段的主要任務(wù)是從客戶、科研機(jī)構(gòu)和外場等各種渠道收集與新產(chǎn)品創(chuàng)意有關(guān)的數(shù)據(jù)。在進(jìn)行規(guī)劃時,需要做相關(guān)調(diào)研,尋找產(chǎn)品的潛在市場,并且盡可能從客戶那里挖掘更多的用例信息。
要對所有內(nèi)部和外部的需求進(jìn)行鑒別,并按照優(yōu)先級進(jìn)行排序。客戶需求是應(yīng)當(dāng)優(yōu)先考慮的事項(xiàng),此外針對技術(shù)可行性的調(diào)研也很重要。這一階段為后續(xù)的測試工作奠定了基礎(chǔ),因而非常關(guān)鍵。在該階段,AI可以通過分析歷史數(shù)據(jù)和市場走向來預(yù)見潛在的問題并對測試計劃進(jìn)行優(yōu)化,從而為工程師提供幫助。
設(shè)計和開發(fā)階段
在設(shè)計和開發(fā)階段,分步驟制作硬件電路原型并執(zhí)行測試驗(yàn)證對于確保產(chǎn)品的有效構(gòu)建而言至關(guān)重要。在該階段,設(shè)計人員將設(shè)計、編碼和開發(fā)固件或者嵌入式軟硬件。
最初的測試驗(yàn)證還將追蹤各個功能的表現(xiàn)情況,以確保其符合客戶的要求。AI技術(shù)可以根據(jù)設(shè)計規(guī)范和用例自動生成各種測試用例和場景,確保測試用例的全面覆蓋并降低人為錯誤導(dǎo)致的風(fēng)險。
測試驗(yàn)證階段
所謂測試驗(yàn)證也就是在硬件開發(fā)的最后階段進(jìn)行詳細(xì)的性能測試。不過,大多數(shù)的最終驗(yàn)證測試通常發(fā)生在最終的產(chǎn)品認(rèn)證階段,以確保硬件和嵌入式軟件符合客戶、公司內(nèi)部、法律法規(guī)以及監(jiān)管部門的要求,并獲得相應(yīng)的認(rèn)證。
這一階段的測試必須要全面。由AI驅(qū)動的測試工具可以自動執(zhí)行重復(fù)性的工作、分析海量的測試數(shù)據(jù),并鎖定可能識別出潛在缺陷的模式,從而顯著增強(qiáng)這一階段工作的有效性。完成測試驗(yàn)證和產(chǎn)品認(rèn)證之后,需要對數(shù)據(jù)進(jìn)行分析,以確保新品能夠充分滿足產(chǎn)品發(fā)布所需的各種規(guī)格要求。
開發(fā)和維護(hù)階段
產(chǎn)品發(fā)布之后,將會進(jìn)入生產(chǎn)組裝和測試流程,進(jìn)而完成產(chǎn)品訂單。部署之后的測試和持續(xù)監(jiān)測對于始終確保產(chǎn)品的質(zhì)量水平而言至關(guān)重要。AI技術(shù)能夠?qū)崟r監(jiān)測產(chǎn)品的性能表現(xiàn),檢測異常情況并預(yù)測維護(hù)需求。這種持續(xù)的反饋閉環(huán)有助于實(shí)現(xiàn)產(chǎn)品的迭代更新。
將AI技術(shù)集成到產(chǎn)品測試中,裨益良多
全球許多公司都在諸多應(yīng)用領(lǐng)域中使用AI技術(shù),其中包括產(chǎn)品測試??焖傧蚴袌鐾瞥龈哔|(zhì)量的產(chǎn)品意味著在競爭中脫穎而出,贏得更多市場份額。在整個產(chǎn)品生命周期中,采用AI技術(shù)來執(zhí)行產(chǎn)品測試大有裨益。
更高的效率
產(chǎn)品測試可能會非常繁瑣,特別是對汽車甚至現(xiàn)代洗衣機(jī)等復(fù)雜的產(chǎn)品執(zhí)行測試,情況更是如此。這些產(chǎn)品中通常配備了諸多傳感器、運(yùn)動部件、輸入和輸出接口以及圖形顯示用戶界面等。而這也是AI的用武之地,AI技術(shù)可以搜集數(shù)據(jù)并通過特定的算法來運(yùn)行這些數(shù)據(jù),從而開發(fā)出一整套經(jīng)過優(yōu)化的、適用于任何環(huán)境的測試用例。因此,采用AI技術(shù)可以提高測試流程的效率,顯著縮短測試用時。
更高的精準(zhǔn)度
產(chǎn)品測試可以用來測量數(shù)字或模擬電信號的性能、聲音、振動、力學(xué)或者視覺信息。如果機(jī)器學(xué)習(xí)算法能夠解讀這些數(shù)據(jù),學(xué)習(xí)并理解預(yù)期的結(jié)果,然后采取行動對數(shù)據(jù)進(jìn)行完善從而提高檢測的準(zhǔn)確性,則意味著AI能夠處理這些數(shù)據(jù)。與較為傳統(tǒng)的、由人工操作的視覺檢測測試流程相比,AI技術(shù)能夠顯著增強(qiáng)缺陷檢測能力,減少人為錯誤,優(yōu)勢非常明顯。
降低成本
由AI驅(qū)動的測試工具能夠智能化管理重復(fù)且耗時的工作任務(wù),從而為人類提供幫助。它們可以替工程師執(zhí)行許多離線任務(wù),如測試調(diào)度、批量測試、最大化測試設(shè)備利用率、自動進(jìn)行測試配置和執(zhí)行、數(shù)據(jù)處理等。通過自動執(zhí)行各類任務(wù),AI能夠大量減少原本需要人工執(zhí)行的測試工作,從而降低成本。
增強(qiáng)可擴(kuò)展性
進(jìn)行產(chǎn)品測試通常需要收集大量的測試數(shù)據(jù),而這些數(shù)據(jù)如果使用不當(dāng),往往會造成信息浪費(fèi)。AI的強(qiáng)大優(yōu)勢之一在于,它能夠根據(jù)產(chǎn)品的復(fù)雜性和終端用戶的應(yīng)用場景進(jìn)行相應(yīng)的擴(kuò)展。也就是說,AI可以進(jìn)行功能擴(kuò)展,以便管理大量的測試數(shù)據(jù),并動態(tài)適應(yīng)復(fù)雜的測試場景。由此帶來的成效之一是,通過提供高質(zhì)量的產(chǎn)品為終端用戶創(chuàng)造價值。
將AI技術(shù)用于產(chǎn)品測試
測試工程師可以在產(chǎn)品測試過程中,根據(jù)其具體用例和現(xiàn)有測試數(shù)據(jù)的架構(gòu)而量身打造的各種AI技術(shù)和算法。如果是新項(xiàng)目,測試工程師也可以靈活地從零開始創(chuàng)建模型和數(shù)據(jù)架構(gòu)。這些AI算法通??梢员粍澐譃槿箢悾罕O(jiān)督學(xué)習(xí)算法、無監(jiān)督學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法。
監(jiān)督學(xué)習(xí)算法
顧名思義,該算法是一種有監(jiān)督的機(jī)器學(xué)習(xí)和訓(xùn)練方法,它能夠接收帶標(biāo)記的數(shù)據(jù)并對其進(jìn)行訓(xùn)練,從而預(yù)測由其他數(shù)據(jù)可以推導(dǎo)出的結(jié)果。在該過程中,需要熟諳原始數(shù)據(jù)、通曉良好結(jié)果的專家?guī)椭鶤I算法捕捉一些錯誤信息。
這些著名的監(jiān)督學(xué)習(xí)算法包括決策樹算法、樸素貝葉斯算法和支持向量機(jī)算法。用戶可以利用這些算法得出分類結(jié)果。分類意味著結(jié)果為是或者否 ,一或者二,通過或者失敗。這些算法還可以將數(shù)據(jù)點(diǎn)位分為多個類別。
與線性回歸算法一樣,監(jiān)督學(xué)習(xí)算法也是通過在圖表上設(shè)置X軸和Y軸得出數(shù)據(jù)序列,從而構(gòu)建一個線性回歸方程,以最好地解釋自變量與因變量之間的關(guān)系。X 軸是自變量,Y 軸是因變量。算法生成的線性回歸方程可以幫助人們推導(dǎo)和預(yù)測未來可能出現(xiàn)的數(shù)據(jù)。
無監(jiān)督學(xué)習(xí)算法
有些算法,如 K-Means 聚類和高斯混合模型,不需要監(jiān)督學(xué)習(xí)。它們不需要帶標(biāo)記的數(shù)據(jù),而是根據(jù)接近程度將數(shù)據(jù)分類放入預(yù)先設(shè)定好的聚類中,從而創(chuàng)建模型、分析數(shù)據(jù)之間的關(guān)系,并從中得出有實(shí)際價值的洞察和見解。
強(qiáng)化學(xué)習(xí)算法
強(qiáng)化學(xué)習(xí)算法是第三種機(jī)器學(xué)習(xí)算法,它將接收到的獎勵信號作為反饋,用于評估自身在環(huán)境中執(zhí)行動作后所帶來的影響。這類機(jī)器學(xué)習(xí)算法是一個循環(huán)往復(fù)的學(xué)習(xí)過程,需要執(zhí)行動作的智能體(agent)以及外圍的執(zhí)行環(huán)境。
當(dāng)環(huán)境向智能體發(fā)送一個狀態(tài)信號,提示它執(zhí)行特定的動作之后,循環(huán)的學(xué)習(xí)過程就開始了。智能體執(zhí)行動作之后,外圍環(huán)境會發(fā)送一個獎勵信號,告訴智能體結(jié)果如何,使其能夠更新和評估之前的動作。有了這些新信息,智能體就可以重新采取新的行動。如此循環(huán)往復(fù),直到環(huán)境發(fā)出停止信號。
強(qiáng)化學(xué)習(xí)算法適用于自然語言處理,如網(wǎng)絡(luò)互動聊天、聊天機(jī)器人、文本或語音翻譯、語言建模等。它們還適用于周圍環(huán)境不斷動態(tài)變化的自動駕駛汽車相關(guān)應(yīng)用、能夠改善疾病診斷和治療的醫(yī)療保健行業(yè)以及工業(yè)自動化等應(yīng)用。
AI在實(shí)際產(chǎn)品測試中的應(yīng)用
世界各個地區(qū)的不同行業(yè)和公司正在利用AI技術(shù)革新復(fù)雜的軟硬件測試方法,利用AI技術(shù)提高測試的效率、準(zhǔn)確性、成本效益和可擴(kuò)展性,從而獲得諸多裨益。以下是三種典型的AI用例:
第一:AI在軟件測試中的應(yīng)用
銀行、金融服務(wù)和保險 (BFSI) 業(yè)的一家軟件公司必須確保其所有銀行軟件應(yīng)用程序,如手機(jī)銀行、信用卡、電子錢包、交易和投資以及保險應(yīng)用程序,都能滿足其所有的性能、功能和系統(tǒng)集成要求。此外,這些軟件應(yīng)用程序還必須符合所有的兼容性要求、滿足業(yè)務(wù)流程需要并達(dá)到安全監(jiān)管標(biāo)準(zhǔn)。
該公司利用AI技術(shù)助力實(shí)現(xiàn)測試自動化,將測試覆蓋率提高了 90%,從而提高了產(chǎn)品質(zhì)量,并將新產(chǎn)品的上市時間縮短了 40%,同時在保證產(chǎn)品質(zhì)量的前提下將效率提高了 40%以上,并通過在產(chǎn)品開發(fā)的早期階段消除風(fēng)險最大限度地降低了總成本。
第二:AI在機(jī)器視覺測試中的應(yīng)用
一家PCB組裝(PCBA)公司需要簡化其制造流程,以便為全球客戶提供具有競爭力的 PCBA 制造服務(wù)。該公司向著這個目標(biāo)邁出了大膽的一步,將AI運(yùn)用到了其制造流程的各個階段,包括PCB 設(shè)計階段,在該階段,AI的性能仿真有助于更精確地設(shè)計集成電路;也包括焊接機(jī),利用AI技術(shù)能夠控制細(xì)間距的元器件焊接;還包括基于AI技術(shù)的機(jī)器視覺檢測,能夠有效捕捉到產(chǎn)品缺陷。
因此,該公司利用更好的設(shè)計和更有效的、自動化的機(jī)器視覺檢測方法,提高了 PCBA 產(chǎn)品的質(zhì)量,并降低了制造成本。
第三:AI在產(chǎn)品的聲學(xué)和振動測試領(lǐng)域中的應(yīng)用
一家擁有重型工業(yè)機(jī)械的公司需要確保在其運(yùn)營過程中出現(xiàn)意外宕機(jī)的幾率極低,才能避免損失。近年來,通過將人工智能和機(jī)器學(xué)習(xí)(AI/ML)用于工業(yè)機(jī)械的故障預(yù)測,使得聲學(xué)和振動分析在早期故障檢測和診斷方面的應(yīng)用取得了長足的進(jìn)步。
AI/ML 方法(如無監(jiān)督的、用于圖像分割的卷積神經(jīng)網(wǎng)絡(luò) )可利用機(jī)械運(yùn)行過程中產(chǎn)生的涵蓋整個歷史生命周期的聲學(xué)和振動數(shù)據(jù)對算法進(jìn)行訓(xùn)練。完成訓(xùn)練之后,測試系統(tǒng)能夠在沒有人工監(jiān)督的情況下在線進(jìn)行實(shí)時監(jiān)測,預(yù)測早期故障,并提供診斷以查明可能引發(fā)故障的根源??傊?,這款集成了AI技術(shù)的早期故障檢測和診斷系統(tǒng)為公司節(jié)省了數(shù)百萬美元的成本,并避免了昂貴設(shè)備的意外宕機(jī)和損壞。
AI驅(qū)動下,產(chǎn)品測試的未來發(fā)展趨勢
AI時代已經(jīng)來臨,各行各業(yè)對它的應(yīng)用也將持續(xù)加深。采用AI技術(shù)的解決方案創(chuàng)新,也必然會讓產(chǎn)品的測試和開發(fā)流程變得更加容易,從而為大眾市場創(chuàng)造福音。測試和測量公司也將針對特定的行業(yè)應(yīng)用推出更多易于使用的、基于AI技術(shù)的測試軟件。將AI用于產(chǎn)品測試能夠帶來諸多裨益,包括提高測試效率、增強(qiáng)準(zhǔn)確性、提高成本效益和可擴(kuò)展性。企業(yè)可以利用監(jiān)督學(xué)習(xí)算法、無監(jiān)督學(xué)習(xí)算法和強(qiáng)化學(xué)習(xí)算法等AI技術(shù)革新其測試流程,并確保更高的產(chǎn)品質(zhì)量。
AI技術(shù)將繼續(xù)向前演進(jìn),基于AI技術(shù)的、全新的產(chǎn)品測試解決方案也將更加易于部署。許多公司抓住這一點(diǎn)在產(chǎn)品的全生命周期管理方面獲得了超越競爭對手的領(lǐng)先優(yōu)勢。
關(guān)于是德科技
是德科技(NYSE:KEYS)啟迪并賦能創(chuàng)新者,助力他們將改變世界的技術(shù)帶入生活。作為一家標(biāo)準(zhǔn)普爾 500 指數(shù)公司,我們提供先進(jìn)的設(shè)計、仿真和測試解決方案,旨在幫助工程師在整個產(chǎn)品生命周期中更快地完成開發(fā)和部署,同時控制好風(fēng)險。我們的客戶遍及全球通信、工業(yè)自動化、航空航天與國防、汽車、半導(dǎo)體和通用電子等市場。我們與客戶攜手,加速創(chuàng)新,創(chuàng)造一個安全互聯(lián)的世界。了解更多信息,請訪問是德科技官網(wǎng) www.keysight.com
評論