Redes bayesianas: AADSP - gerência de teste

Abstract

O aumento da presença de softwares no cotidiano faz com que cada vez mais a interação entre usuários e dispositivos computacionais se expanda. A interação também faz com que sejam descobertas novas necessidades de sistemas [7]. A demanda por novos softwares faz com que o mercado de desenvolvimento de sistemas eleve o grau de competitividade. Além disso, é um dos diferenciais na hora de se destacar da concorrência seja através da entrega de produtos de maior grau de qualidade possível [8]. Diante desse mercado competitivo, as indústrias de software estão em busca de métodos e processos que façam com que a produtividade dos seus projetos aumente [7]. Dentro de um projeto é importante que seja entregue o que o cliente pediu, mas, tão importante quanto, é entregar um software confiável e com a menor quantidade de erros possível [9]. A verificação da qualidade de um software desenvolvido é medida através de testes. Existem variados tipos de testes que visam verificar a confiabilidade do sistema como um todo, não somente a parte funcional do produto [10]. Por exemplo, há testes que tem como objetivo verificar o quanto de estresse o sistema pode receber, ou o quanto de carga que ele suporta [10]. Só que testar um software é um processo custoso, demorado. As vezes os testes selecionados não conseguem cobrir totalmente a funcionalidade, resultando em erros que chegam ao cliente final. Esses erros podem causar consequências desastrosas, como prejuízos financeiros ou de reputação, podendo até chegar a danos a integridade física das pessoas [7]. Para tentar minimizar este problema, a abordagem AADSP, que é uma abordagem para implantação de processo de software adaptativa criada pelo grupo de pesquisa do IFBA LABRASOFT, permite o gerenciamento do módulo de teste dos projetos de softwares de uma empresa usando as redes bayesianas e um sistema de representação do conhecimento. [11]. O AADSP possibilita que partes dos requisitos sejam entregues em sprints com os respectivos desenvolvedores que atuaram nesse requisito. Uma Sprint delimita os requisitos que foram alterados e os casos de testes executados em um momento de tempo. A abordagem considera os desenvolvedores e os seus níveis de maturidade, 2 juntamente com uma nota atrelada ao seu desempenho com o passar das entregas de funcionalidades. Para realizar a priorização dos casos de teste, a abordagem faz uso de um algoritmo de Redes Bayesianas para calcular o risco de bugs de um módulo. A AADSP usa dados reais de projetos em andamento e concluídos, de diferentes portes e em diferentes fases de desenvolvimento, para o treinamento do algoritmo de Rede Bayesiana, em um modelo estocástico. O resultado da predição com um alto índice de acerto nas escolhas dos casos de teste faz com que na sua aplicação em projetos de desenvolvimento reais auxilie a equipe de testes a reduzir o tempo gasto na escolha dos casos de testes mais prioritários. Isto é, escolhendo os casos de testes que têm mais chances de capturarem erros, reduzindo, consequentemente, o custo da etapa de testes [12].