درک دلایل هوش مصنوعی در اولویت بندی با هوش مصنوعی

دلایل هوش مصنوعی توضیح می‌دهند که چرا یک تست‌کیس توصیه شده، اولویت‌بندی شده یا از نتایج اولویت‌بندی فعلی هوش مصنوعی حذف شده است.

این دلایل بر اساس سیگنال هایی مانند سابقه اجرا، فعالیت اخیر، خرابی ها، اشکالات، اولویت، مدت زمان و کامل بودن تست‌کیس‌ها است.

از دلایل هوش مصنوعی به عنوان پشتیبانی تصمیم استفاده کنید. آنها به شما کمک می کنند بفهمید چرا یک آزمایش ممکن است برای هدف آزمایش فعلی مهم باشد، اما آنها باید همراه با دانش محصول، محدوده انتشار و استراتژی تست شما بررسی شوند.

دلایل هوش مصنوعی که ممکن است ببینید #

فعالیت اجرایی #

این دلایل بر اساس تعداد دفعات اجرای یک تست و میزان استفاده اخیر از آن است.

مثال ها:

• “فرکانس اجرای تاریخی پایین”
• “فرکانس بالای اجرای اخیر”
• “تعداد اعدام های اخیر”
• “نظم اجرا”
• “فاصله های اجرای نادر”
• “فاصله طولانی از آخرین اعدام”
• “دوره طولانی مدت عدم فعالیت”
• “میانگین فاصله اجرا ۵ روز یا بیشتر است”
• “فرکانس اجرا کم است”
• “تعداد اجرای اخیر کمتر از سطح مورد انتظار است”
• “فرکانس اجرای اخیر کمتر از سطح مورد انتظار است”

این یعنی چی:

هوش مصنوعی در حال بررسی این است که آیا این آزمایش به طور منظم استفاده می شود، آیا اخیراً اجرا شده است یا خیر، و آیا به نظر می رسد بخشی از فعالیت آزمایشی عادی باشد یا خیر. تست‌های با فعالیت بسیار کم ممکن است برای برخی از اهداف اولویت‌بندی کمتر مرتبط باشند، در حالی که آزمایش‌های مکرر ممکن است نشان‌دهنده رگرسیون مهم یا پوشش حیاتی تجاری باشد.

شکست و ثبات #

این دلایل بر اساس اجرای ناموفق، شکست های اخیر، شکست های مکرر و نتایج ناپایدار است.

مثال ها:

• “رشته شکست فعال”
• “رشته های شکست مکرر”
• “سیگنال های نرخ شکست تاریخی”
• فرکانس شکست تاریخی
• نرخ شکست تاریخی بالا
• “سابقه اجرای ناپایدار”
• “نتایج اجرای ناپایدار”
• “در سی روز گذشته شکست خورده است”
• “در ماه گذشته شکست خورد”
• “آخرین اعدام ناموفق بود”
• “آخرین اجرا شکست خورد”
• “وقوع شکست اخیر”
• “الگوهای شکست اخیر”
• “روند شکست اخیر وزن دار”
• “بازیابی ضعیف پس از شکست”
• “شکست های متوالی به آستانه رسیده یا از آن فراتر می روند”
• “روزهای پس از آخرین شکست بیش از ۱۴ روز است”

این یعنی چی:

هوش مصنوعی در حال شناسایی تست هایی است که ممکن است به حوزه های محصول ناپایدار یا پرخطر اشاره کنند. خرابی‌های اخیر، شکست‌های مکرر و نتایج ناسازگار می‌تواند نشان‌دهنده مناطقی باشد که ممکن است قبل از انتشار نیاز به توجه دقیق‌تری داشته باشند.

اشکالات و سیگنال های خطر #

این دلایل بر اساس اشکالات مرتبط با اجرای قبلی یا منطقه آزمایشی است.

مثال ها:

• “چگالی اشکال بالا”
• “چگالی اشکال بالا در هر اجرا”
• “تراکم اشکال عادی”
• “بیش از ۱۰ اشکال در ۱۰ اعدام گذشته”
• “تعداد کل اشکالات بیش از ۳۰ است”
• “اشکالات در هر اجرا بالاتر از آستانه انتخاب شده است”

این یعنی چی:

هوش مصنوعی در حال بررسی این است که آیا این منطقه آزمایشی یا آزمایشی در طول تاریخ با بسیاری از اشکالات مرتبط بوده است یا خیر. تعداد بالای اشکالات می تواند نشان دهنده ریسک بالاتر محصول باشد و ممکن است آزمایش را برای بررسی یا اجرا مهم تر کند.

اولویت و ارتباط تست دود #

این دلایل بر اساس اولویت تعیین شده برای پرونده آزمایشی است.

مثال ها:

• “بر اساس اولویت بومی”
• “موارد بحرانی و با اولویت بالا را برای دامنه دود اولویت بندی می کند”
• “آزمون متعلق به ۳ سطح اولویت اول است”

این یعنی چی:

هوش مصنوعی اولویت تست‌کیس را در نظر می گیرد. آزمایش‌های بحرانی یا با اولویت بالا ممکن است هنگام ساخت آزمایش‌های متمرکز، آزمایش‌های دود یا محدوده‌های آزمایش مبتنی بر ریسک مرتبط‌تر باشند.

مدت زمان و تلاش آزمون #

این دلایل بر اساس زمان اجرا تخمین زده شده است.

مثال ها:

• “مدت تخمینی کوتاه”
• “جریمه طولانی مدت”
• “روش های پیچیده و زمان بر”
• “مدت زمان تخمینی ۶۰ دقیقه است”
• “آزمون به عنوان کوتاه طبقه بندی می شود”

این یعنی چی:

هوش مصنوعی در حال بررسی میزان تلاش برای انجام این آزمایش است. آزمون‌های کوتاه‌تر ممکن است برای چرخه‌های بازخورد سریع مفید باشند، در حالی که آزمون‌های طولانی‌تر ممکن است بسته به هدف انتخاب‌شده اولویت‌بندی یا حذف شوند.

وضعیت های مشکل ساز #

این دلایل بر اساس وضعیت های اجرایی است که ممکن است نشان دهنده خطر یا نیاز به توجه باشد.

مثال ها:

• “آخرین اجرا با وضعیت مشکل دار مطابقت دارد”
• “سابقه وضعیت مشکل ساز مکرر”

این یعنی چی:

هوش مصنوعی به دنبال این است که آیا آزمایش اخیراً در وضعیتی به پایان رسیده است که ممکن است نیاز به توجه داشته باشد یا اینکه وضعیت های مشکل دار اغلب در تاریخچه اجرای آن ظاهر می شوند.

دلایلی که با “خارج از محدوده به دلیل” شروع می شود #

برخی از دلایل هوش مصنوعی توضیح می دهند که چرا یک آزمایش در مجموعه نتایج فعلی گنجانده نشده است.

مثال ها:

• “خارج از محدوده چون فرکانس اجرا کم است”
• “خارج از محدوده، زیرا تعداد اجرای اخیر کمتر از سطح مورد انتظار است”
• “خارج از محدوده زیرا مدت زمان تخمینی ۶۰ دقیقه است”
• “خارج از محدوده، زیرا تست دارای فیلدهای خالی یا ابرداده ناقص است”
• “خارج از محدوده به دلیل تست نشده است”

این یعنی چی:

آزمون با هدف اولویت‌بندی فعلی یا معیارهای انتخابی مطابقت نداشت. این همیشه به این معنی نیست که آزمون بی اهمیت است. این بدان معناست که این تست برای زمینه توصیه‌های هوش مصنوعی فعلی مناسب نیست.

#