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，對運行條件的要求也愈發(fā)嚴苛，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、準確性和可擴展性。
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)，例如采用機器學習(ML)算法進行預(yù)測性維護或者缺陷檢測等，同時探索現(xiàn)實世界的各種應(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。隨著時間的推移，大多數(shù)的產(chǎn)品開發(fā)流程會因為新市場需求的出現(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)項目。該階段的主要任務(wù)是從客戶、科研機構(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)部和外部的需求進行鑒別，并按照優(yōu)先級進行排序?？蛻粜枨笫菓?yīng)當優(yōu)先考慮的事項，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)致的風險。
測試驗證階段
所謂測試驗證也就是在硬件開發(fā)的最后階段進行詳細的性能測試。不過，大多數(shù)的最終驗證測試通常發(fā)生在最終的產(chǎn)品認證階段，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，從而顯著增強這一階段工作的有效性。完成測試驗證和產(chǎn)品認證之后，需要對數(shù)據(jù)進行分析，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)和維護階段
產(chǎn)品發(fā)布之后，將會進入生產(chǎn)組裝和測試流程，進而完成產(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)測維護需求。這種持續(xù)的反饋閉環(huán)有助于實現(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。快速向市場推出高質(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、力學或者視覺信息。如果機器學習算法能夠解讀這些數(shù)據(jù)，學習并理解預(yù)期的結(jié)果，然后采取行動對數(shù)據(jù)進行完善從而提高檢測的準確性，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。
增強可擴展性
進行產(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，往往會造成信息浪費。AI的強大優(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)用場景進行相應(yīng)的擴展。也就是說，AI可以進行功能擴展，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)督學習算法、無監(jiān)督學習算法和強化學習算法。
監(jiān)督學習算法
顧名思義，該算法是一種有監(jiān)督的機器學習和訓練方法，它能夠接收帶標記的數(shù)據(jù)并對其進行訓練，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)督學習算法包括決策樹算法、樸素貝葉斯算法和支持向量機算法。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)點位分為多個類別。
與線性回歸算法一樣，監(jiān)督學習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)督學習算法
有些算法，如 K-Means 聚類和高斯混合模型，不需要監(jiān)督學習。它們不需要帶標記的數(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，并從中得出有實際價值的洞察和見解。
強化學習算法
強化學習算法是第三種機器學習算法，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。這類機器學習算法是一個循環(huán)往復(fù)的學習過程，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)的學習過程就開始了。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。
強化學習算法適用于自然語言處理，如網(wǎng)絡(luò)互動聊天、聊天機器人、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、準確性、成本效益和可擴展性，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)流程需要并達到安全監(jiān)管標準。
該公司利用AI技術(shù)助力實現(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)的早期階段消除風險最大限度地降低了總成本。
第二：AI在機器視覺測試中的應(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邁出了大膽的一步，將AI運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，利用AI技術(shù)能夠控制細間距的元器件焊接;還包括基于AI技術(shù)的機器視覺檢測，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)品的聲學和振動測試領(lǐng)域中的應(yīng)用
一家擁有重型工業(yè)機械的公司需要確保在其運營過程中出現(xiàn)意外宕機的幾率極低，才能避免損失。近年來，通過將人工智能和機器學習(AI/ML)用于工業(yè)機械的故障預(yù)測，使得聲學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) )可利用機械運行過程中產(chǎn)生的涵蓋整個歷史生命周期的聲學和振動數(shù)據(jù)對算法進行訓練。完成訓練之后，測試系統(tǒng)能夠在沒有人工監(jiān)督的情況下在線進行實時監(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@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、增強準確性、提高成本效益和可擴展性。企業(yè)可以利用監(jiān)督學習算法、無監(jiān)督學習算法和強化學習算法等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，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。
作者：是德科技產(chǎn)品營銷經(jīng)理Bernard Ang
下載文檔
