تیستن جامعه مهندسین تست نرم‌افزار ایران
نوشته های مرتبط
در دنیای امروز، ما واقعا قادر به تصور نیروی کاری که هم توانمند باشد و هم بتواند بدون IT به پیش رود، نیستیم. به عنوان نمونه، IT Practice آثار خودش را در هر بخش از کار دارد. این مقاله به منظور ارائه اهمیت IT و نقش آن بخصوص در صنعت تولید(و اینکه چگونه متریک‌ها و سنجش‌های خاص در تعیین منافع برای حصول بهره‌وریِ عملیاتیِ لازم، مفید هستند) در نظر گرفته شده است.
در حال حاضر هر صنعتی در بخش تولید باید آمادگی مورد نیاز خود را برای سوالات و/یا چالش‌هایی که از ابعاد مختلف با آنها مواجه است، پیشبینی کرده و به دست آورد. از این دست چالش‌ها می‌توان به: مشتریان، کیفیت، بهره‌وریِ، تحویل و غیره اشاره نمود. با این حال، برای تقابل با موارد مذکور سازمان‌ها استراتژی‌های گوناگونی از قبیل: بهبود مداوم عملکردهای کاری، Quality Circleها و غیره پیاده‌سازی می‌کنند. اما بدست آوردن بهره‌وریِ عملیاتی تنها با داشتن یک فرآیند یا سیستم توانمند خوش‌تعریفِ IT، ممکن است.
زمانیکه در مورد IT Practice صحبت می‌کنیم، طیف بسیار گسترده‌ای را مد نظر داریم، که مشتمل است بر: هر چیزی که با تولید یکپارچه کامپیوتری شروع می‌شود، سیستم‌های پایگاه داده، سیستم‌های ERP، ابزارهای طراحی و شبیه‌سازی و … تا اپلیکیشن‌های Big Data امروزی و Analytic مرتبط به آنها. اما در این طیف گسترده موضوع حائز اهمیت، این است که، برای تعیین ارزش افزوده ارائه شده توسط طیف فناوری اطلاعات، باید متریک‌ها و سنجش‌هایی را در این راستا پیاده‌سازی و اجرا نمود.
روند اجرای IT- یک سفر کلاسیک
ایده مربوط به ادغام IT با تکنولوژیِ تولید برای بهبود عملیات تولید و/یا عملکردهای پشتیبانی آن چیز جدیدی نیست. موضوع ترکیب IT و اتوماسیون تولید در اوایل ۱۹۴۰ و ۱۹۵۰ از اهمیت برخوردار شد. پس از آن نوبت به دوران CNC-Computer Numerical Control رسید که فرآیند ماشینکاری از طریق اتوماسیون ابزارهای ماشینی، به یک مجموعه واحد تبدیل شد.
در حالیکه تحقیقات و پیشرفت‌ها ادامه می‌یافت، هر شرکت تولیدی تمایل به ارائه راهکاری جامع برای استفاده حداکثری از عملکردها و بهبود بهره‌وریِ عملیاتی توسط ساده‌سازی فرآیندهای پشتیبانیِ مربوط به تهیه، لوجستیک، تولید و غیره داشت. در این زمان نامیده شد.
امروزه علاوه بر ERPها یا دیگر روندهایی که در دنیای IT دنبال می‌شوند، Big Data و Analytic مرتبط به آن است که نقشی غالب را در انقلاب بخش تولید ایفا می‌کند.
| ردیف | متریک | توضیح |
|---|---|---|
| 1 | شاخص رضایت مشتری | 1. تعداد درخواست‌های بهبود سیستم در سال |
| 2 | نوسانات محصول | نسبت تعمیرات نگهداشت(جهت تعمیر سیستم و تطابق آن با مشخصات) در مقابل درخواست‌های بهبود(درخواست‌های صورت گرفته توسط کاربران برای بهبود یا تغییر در Functionality) |
| 3 | پیچیدگیِ محصولِ تحویلی | 1. پیچیدگیِ سیکلوماتیک McCabe، کل Measure (سنجه‌هایِ) Halstead سیستم را حساب می‌کند |
| 4 | پاسخگویی به کاربران | 1. زمان ممکن Turnaround Time-TAT برای رفع نقص، بواسطه سطح شدت(Level Of Severity) |
| 5 | مقدار نواقص تحویلی | آنها نرمال شده‌ی هر Function Point(یا هر LOC-Line Of Code) در تحویل محصول یا محصول تحت تولید/پشتیبانی(هر سال از کار) بواسطه سطح شدت و دسته‌بندی یا عللی مانند نقص طراحی، نقص کد، و یا نواقص ناشی از تعمیرات صورت گرفته هستند |
| 6 | هزینه فعالیت‌های کیفی | 1. هزینه‌های بازبینی، سنجه‌های پیشگیرانه یا بازرسی |
| 7 | قابلیت اطمینان(Reliability) | دسترس‌پذیری(درصد زمانی که یک سیستم در دسترس است، در مقابل مدت زمانی که سیستم باید در دسترس قرار گیرد) |
| 8 | دوباره‌کاری | 1. تلاش برای دوباره‌کاری(ساعت‌ها، به عنوان درصدی از ساعات اصلیِ کد‌نویسی) |
جدول ۱- معیارهای سطح بالا و مورد استفاده برای ارزیابی کیفیت محصول هر نوع Business Function
برای اثبات بالا دو نمونه به عنوان Reference ذکر می‌کنیم. این دو نمونه تعیین می‌کنند که چگونه پیاده‌سازی Big Data کیفیت را بهبود بخشیده، بهره‌وریِ را افزایش داده، و در زمان و هزینه صرفه‌جویی می‌کند. در قسمت اول، اینتل داستان موفقیت خود در رابطه با چگونگی کاهش قابل توجه تست‌های مورد نیاز برای تضمین کیفیت را با استفاده از Big Data تشریح می‌کند، که در غیر آن صورت سازنده چیپ باید هر چیپی که تولید آن صورت می‌گرفت را ارزیابی می‌کرد، و این یعنی برای هر چیپ باید بیش از ۱۵۰۰۰ تست صورت می‌گرفت.
به همبن ترتیب، یک شرکت پیشرو در صنعت بیودارو به لطف اجرای Big Data و Analyticهای پیشرفته روی آن، موفق به افزایش عملکرد واکسن به بیش از ۵۰% شد.
| ردیف | متریک | توضیح |
|---|---|---|
| 1 | تعداد تست‌ها در هر اندازه واحد | تعداد Test Caseهای هر KLOC(یک کیلو LOC-Line Of Code) تقسیم برFP |
| 2 | نواقص در هر اندازه(اندازه واحد مذکور در بالا) | نواقص مکشوف تقسیم بر اندازه سیستم‌ها |
| 3 | هزینه تست | هزینه تست تقسیم بر کل هزینه * 100 |
| 4 | تست متریک پذیرش | متریک‌های تست شده‌ی پذیرش(Acceptance) تقسیم بر کل متریک‌های پذیرش |
| 5 | کیفیت تست | تعداد نواقص مکشوف در طول تست تقسیم بر(تعداد نواقص مکشوف در طول تست+ تعداد نواقص پذیرش کشف شده‌ی بعد از تحویل)*100 |
| 6 | اثربخشی تست(با توجه به Business) | گم(Loss) شدن به علت مشکلات تقسیم بر مجموع منابع پردازش شده بوسیله سیستم |
| 7 | بهره‌وری اجرای تست | تعداد سیکل‌های اجرا شده‌ی تست تقسیم بر تلاش واقعی برای تست |
جدول ۲- از نقطه نظر تست محصول/اپلیکیشن، معیارهای زیر اهمیت زیادی دارد
| ردیف | متریک | توضیح |
|---|---|---|
| 1 | هزینه یافتن یک نقص در تست Cost of finding a defect in testing-CFDT | مجموع کار انجام شده روی تست تقسیم بر نواقص مکشوف در تست |
| 2 | کفایت تست(Test Adequacy) | تعداد Test Caseهای واقعی تقسیم بر تعداد Test Caseهای تخمینی |
| 3 | واریانس تلاش | ((کار انجام شده واقعی منهای کار برآورد شده) تقسیم بر کار برآورد شده) * 100 |
| 4 | واریانس زمانبندی | ((مدت واقعی منهای مدت برآورد شده) تقسیم بر مدت برآورد شده) * 100 |
| 5 | نسبت تلاش برای دوباره‌کاری(Rework) | (تلاش‌های صورت گرفته برای دوباره‌کاری در فاز مربوطه تقسیم بر کل تلاش صورت گرفته واقعی در فاز مربوطه) * 100 |
| 6 | نسبت تلاش برای بازبینی(Review) | (تلاش صرف شده واقعی برای بازبینی در فاز مربوطه تقسیم بر کل تلاش صورت گرفته واقعی در فاز مربوطه) * 100 |
جدول ۳- فهرستی از مجموعه متریک‌های تست استاندارد نرم افزاری که هر بخش فعال در IT باید آنرا در نظر گیرد
سنجش صحت، اثربخشی و بهره‌وری
واضح است که نقش IT در تولید، تنها تقلید یا پشتیبانی از فرآیندهای اساسی یا پشتیبانی از Functionهای یک زمینه‌چینی معمول برای تولید نیست، بلکه به عنوان یک کاتالیزور برای پیشبرد محصول و/یا تغییرات فرآیندی وارد عمل می‌شود. در حال حاضر صرف نظر از اپلیکیشن، محصول، بسته یا ابزار نرم‌افزاری‌ای که برای ساده‌سازی و/یا بهبود عملیات‌های تولید و تغییرات فرآیندی مربوطه استفاده می‌شود، باید آنها را برای صحت و اثربخشی به طور کامل مورد تائید(Verify) قرار داد.
اما به منظور تحقق صحت، اثربخشی، و بهره‌وریِ تغییرات فرآیندی، باید سنجش و اندازه‌گیریِ کمّی صورت گیرد، که البته چنین سنجشی تنها بواسطه متریک‌های مناسب ممکن می‌باشد. این متریک‌ها نه تنها ما را برای سنجش ویژگی‌های Functional و Non-Functional فعلیِ مربوط به هر فرآیند توانمند می‌کنند، بلکه به ما قدرت استفاده از Data برای پیشبینی و مهیا شدن برای آینده را نیز اعطا می‌کنند. از نقطه نظر تضمین کیفیت، متریک‌ها اساسی را برای برآورد و شناسایی سریع مهیا کرده، مشکلات بالقوه را حل کرده و Areaهای بهبود را شناسایی می‌کنند.
جداول ۱، ۲ و ۳ برخی از مجموع متریک‌های استانداردی(توجه کنید که، می‌توان متریک‌ها را برای برآورده کردن نیازهای Business سفارشی‌سازی کرده و/یا تعرفی نمود) را نشان می‌دهد که برای سنجش دسته‌بندی‌های زیر مورد استفاده واقع می‌شود:
- کیفیت محصول
- تست محصولات و اپلیکیشن‌های IT
جمع‌بندی
متریک‌ها، اساس هر سازمانی برای رسیدن به اطلاعات لازم به منظور ساده‌سازی، بهبود و کنترل فرآیندها، محصولات، و سرویس‌های در حال انجام را شکل داده و این موضوع که کدام یک به حصول نتایج مورد نظر کمک می‌کند را می‌سنجد.
