SlideShare a Scribd company logo
1 of 12
Download to read offline
N-Switch カバレッジテストの問題点と解決策
――状態遷移パスと,イベントの組合せの分離と統合
■SS2013 経験論文
2013年7月9日(火)
ソリューション・サービス開発本部 秋山 浩一
© 2013 Fuji Xerox Co., Ltd. All rights reserved.
目次
1. 状態遷移テスト
2. N-Switchカバレッジ
3. N-Switchカバレッジの問題点
4. 本手法(PathCombo法)
5. 本手法(PathCombo法)before / after
6. PathCombo法の効果
7. 残課題と今後の取組み
© 2013 Fuji Xerox Co., Ltd. All rights reserved. 2
1. 状態遷移テスト(状態遷移図・状態遷移表)
© Fuji Xerox Co., Ltd. All Rights Reserved. 3
 状態遷移図を描く
 状態遷移表を書く
• 状態×イベント
 セルをテストする
• 遷移すること
• 遷移しないこと(N/A)
状態
イベント      |
スタート 連続再生 リピート再生 エンド
CD挿入 連続再生 N/A N/A N/A
曲送り N/A 連続再生 N/A N/A
Repeat N/A リピート再生 連続再生 N/A
Eject N/A エンド エンド N/A
2. N-Switchカバレッジ(1-Switch,2-Switch,……)
© Fuji Xerox Co., Ltd. All Rights Reserved. 4
N-Switchカバレッジでは
N+1回の状態遷移を網羅す
るパスをテストする
 関係行列を書く
• 遷移元×遷移先
 関係行列をN+1乗する
遷移先
遷移元 |
スタート 連続再生 リピート エンド
スタート CD挿入
連続再生 曲送り Repeat Eject
リピート再生 Repeat Eject
エンド
遷移先
遷移元 |
スタート 連続再生 リピート エンド
スタート CD挿入
*曲送り
CD挿入
*Repeat
CD挿入
*Eject
連続再生 曲送り
*曲送り
+Repeat
*Repeat
曲送り
*Repeat
曲送り
*Eject
+Repeat
*Eject
リピート再生 Repeat
*曲送り
Repeat
*Repeat
Repeat
*Eject
エンド
S0 S1 S2
データ破壊 故障顕在化
状態遷移 1-Switch
3. N-Switchカバレッジの問題点
© Fuji Xerox Co., Ltd. All Rights Reserved. 5
イベントが複数存在する場合に,N-Switchカバレッジを適用しようとすると
パスが非常に複雑になる
例)カーオーディオでは,一つの命令(イベント)を,画面タッチ,
ボタン操作,リモコン操作,後部座席からの4つの操作で実現している
左図の非常に単純な状態遷移であっても,A {a, b, c, d},I{i, j, k,
l},M {m, n, o, p}のイベントが存在する場合,
 S0→S0: (a + b + c + d)2 と(i + j + k + l)×(m + n + o + p)
aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd+im+in+io+ip+jm+jn+jo+j
p+km+kn+ko+kp+lm+ln+lo+lp
 S0→S1:
ai+aj+ak+al+bi+bj+bk+bl+ci+cj+ck+cl+di+dj+dk+dl
 S1→S0:
ma+mb+mc+md+na+nb+nc+nd+oa+ob+oc+od+pa+pb+pc+pd
 S1→S1:
mi+mj+mk+ml+ni+nj+nk+nl+oi+oj+ok+ol+pi+pj+pk+pl
遷移パスは,80通り(イベント数は160イベント)出現する
3. N-Switchカバレッジの問題点(補足)
© Fuji Xerox Co., Ltd. All Rights Reserved. 6
S0
a
b
c
d
a = 画面タッチ
b = ボタン操作
c = リモコン操作
d = 後部座席から
A2 = (a + b + c + d)2
= aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd
A
4. 本手法(PathCombo法)
© Fuji Xerox Co., Ltd. All Rights Reserved. 7
本手法(PathCombo法)は,状態遷移とイベントの組合せを分けて考える.
1. イベントを一つにまとめてN-Switchカバレッジパスを求める
2. パスを連結し一本の長いパスを作成する
3. まとめたイベントを因子、元のイベントを水準として直交表に割り付け組
み合わせる(水準集約法を使用して直交表の大きさは固定する)
1. イベントをA,M,Iのままパスを求める
S0→S0について,AA+IM
S0→S1について,AI
S1→S0について,MA
S1→S1について,MI
2. パスを1本に連結する
[S0]:A→[S0]:A→[S0]:I→[S1]:M→[S0]:A→[S0]:I→[S1]:
M→[S0]:I
3. まとめたイベントを因子、元のイベントを水準として
直交表に割り付ける
A1{a, b, c, d},A2{a, b, c, d},I1{i, j, k, l},M1{m, n, o, p},
A3{a, b, c, d},I2{i, j, k, l},M2{m, n, o, p}, I2{i, j, k, l}
4. 本手法(PathCombo法の補足:L16水準集約法とは)
© Fuji Xerox Co., Ltd. All Rights Reserved. 8
水準集約法とは直交表を横に複数並べる方法
1. L16は4水準の因子が5列存在する
2. 横に並べると5列ごとに同じ列(同じ水準通しの
組合せしか現れない列)が発生する
3. 逆に言うと,前後4列との水準組合せは出現する
4. そもそも1-Switchカバレッジは前後のイベントの
水準組合せを出せばよい
A A I M A
1 a a i m
2 a b j n
3 a c k o
4 a d l p
…
d c j m
d d l n
I M I 4 5 1 2 3 4 5 1 2 3 4 5
15
16
前後4列との2列間組合せが現れる
5. 本手法(PathCombo法) before / after
© Fuji Xerox Co., Ltd. All Rights Reserved. 9
1. イベントをA,M,Iのままパスを求める
S0→S0について,AA+IM
S0→S1について,AI
S1→S0について,MA
S1→S1について,MI
2. パスを連結する [S0]:A→[S0]:A→[S0]:I→[S1]:M→[S0]:A→[S0]:I→[S1]:M→[S0]:I
3. イベントを因子として直交表に割り付ける
A1{a, b, c, d},A2{a, b, c, d},I1{i, j, k, l},M1{m, n, o, p},A3{a, b, c, d},I2{i, j, k, l},
M2{m, n, o, p}, I2{i, j, k, l}
 S0→S0について
aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd+im+in+io+ip+jm+jn+jo+jp+km+kn+ko+kp+lm
+ln+lo+lp
 S0→S1について
ai+aj+ak+al+bi+bj+bk+bl+ci+cj+ck+cl+di+dj+dk+dl
 S1→S0について
ma+mb+mc+md+na+nb+nc+nd+oa+ob+oc+od+pa+pb+pc+pd
 S1→S1について
mi+mj+mk+ml+ni+nj+nk+nl+oi+oj+ok+ol+pi+pj+pk+pl
N-Switch
面倒!
PathCombo
簡単!
6. PathCombo法の効果
© Fuji Xerox Co., Ltd. All Rights Reserved. 10
No. A1 A2 I1 M1 A3 I2 M2 I3
1 a a i m a i m i
2 b b j n a j n j
3 c c k o a k o k
4 d d l p a l p l
5 c a j p b k m j
6 d b i o b l n i
7 a c l n b i o l
8 b d k m b j p k
9 d a k n c l m k
10 c b l m c k n l
11 b c i p c j o i
12 a d j o c i p j
13 b a l o d j m l
14 a b k p d i n k
15 d c j m d l o j
16 c d i n d k p i
本手法(PathCombo法)は,状態遷移とイベントの組合せを分けて考える.
1. 従来のN-Switchでは160イベントのバラバラなテストを必要とした
2. 本手法では128イベントで16回のテストとなった
(=8個の因子×16回のテスト)
3. 1-Switchカバレッジは満たし,さらにL16水準集約法なので前後4イベン
トの組合せが出現している
4. 実際に医療機器の状態遷移テストへ適用済(状態数20程度)
7. 残課題と今後の取組み
© Fuji Xerox Co., Ltd. All Rights Reserved. 11
1. N-Switchテストでは,Nが増加するごとにテスト数は指数関数的(階乗)
に増加する.
2-Switchであれば,強度3のL125を使って5水準の因子を5列ずつ水準集
約法で割り付ければよいがテスト数がだいぶ多くなる(125回).
テストの効果と効率を考えると, Nにいくつの値を取るのが最適値なのか
に論理的に答えを出したい.
2. また,N-Switchカバレッジのテストを不要とするためのソフトウェアテス
ト設計技術(もしくはレビュー手法)について考えていきたい.
ご清聴ありがとうございました

More Related Content

What's hot

強化学習その1
強化学習その1強化学習その1
強化学習その1nishio
 
例外設計における大罪
例外設計における大罪例外設計における大罪
例外設計における大罪Takuto Wada
 
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健Preferred Networks
 
Kaggle Avito Demand Prediction Challenge 9th Place Solution
Kaggle Avito Demand Prediction Challenge 9th Place SolutionKaggle Avito Demand Prediction Challenge 9th Place Solution
Kaggle Avito Demand Prediction Challenge 9th Place SolutionJin Zhan
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門Norishige Fukushima
 
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門Kimikazu Kato
 
Minecraft による強化学習の実践 (MineRL)
Minecraft による強化学習の実践 (MineRL)Minecraft による強化学習の実践 (MineRL)
Minecraft による強化学習の実践 (MineRL)Tusyoshi Matsuzaki
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理信之 岩永
 
MineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRLMineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRLPreferred Networks
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-Takuya Akiba
 
逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎ShoutoYonekura
 
強化学習入門
強化学習入門強化学習入門
強化学習入門Shunta Saito
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)Takashi J OZAKI
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門joisino
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)Kazuyuki Wakasugi
 
強化学習その2
強化学習その2強化学習その2
強化学習その2nishio
 
敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)cvpaper. challenge
 

What's hot (20)

強化学習その1
強化学習その1強化学習その1
強化学習その1
 
Goとテスト
GoとテストGoとテスト
Goとテスト
 
例外設計における大罪
例外設計における大罪例外設計における大罪
例外設計における大罪
 
Rの高速化
Rの高速化Rの高速化
Rの高速化
 
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
 
Kaggle Avito Demand Prediction Challenge 9th Place Solution
Kaggle Avito Demand Prediction Challenge 9th Place SolutionKaggle Avito Demand Prediction Challenge 9th Place Solution
Kaggle Avito Demand Prediction Challenge 9th Place Solution
 
組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門組み込み関数(intrinsic)によるSIMD入門
組み込み関数(intrinsic)によるSIMD入門
 
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
 
Minecraft による強化学習の実践 (MineRL)
Minecraft による強化学習の実践 (MineRL)Minecraft による強化学習の実践 (MineRL)
Minecraft による強化学習の実践 (MineRL)
 
Unicode文字列処理
Unicode文字列処理Unicode文字列処理
Unicode文字列処理
 
MineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRLMineRL Competition Tutorial with ChainerRL
MineRL Competition Tutorial with ChainerRL
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
 
逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎
 
強化学習入門
強化学習入門強化学習入門
強化学習入門
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
 
最適輸送入門
最適輸送入門最適輸送入門
最適輸送入門
 
SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)SHAP値の考え方を理解する(木構造編)
SHAP値の考え方を理解する(木構造編)
 
強化学習その2
強化学習その2強化学習その2
強化学習その2
 
敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)敵対的生成ネットワーク(GAN)
敵対的生成ネットワーク(GAN)
 
Binary indexed tree
Binary indexed treeBinary indexed tree
Binary indexed tree
 

Viewers also liked

テスト分析・設計について、釈然としないところ
テスト分析・設計について、釈然としないところテスト分析・設計について、釈然としないところ
テスト分析・設計について、釈然としないところKosuke Fujisawa
 
20170203 test analysisdesign
20170203 test analysisdesign20170203 test analysisdesign
20170203 test analysisdesignKouichi Akiyama
 
KDDI Business ID におけるアジャイル開発と検証フロー
KDDI Business ID におけるアジャイル開発と検証フローKDDI Business ID におけるアジャイル開発と検証フロー
KDDI Business ID におけるアジャイル開発と検証フローques_staff
 
テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用Tetsuya Kouno
 
マインドマップを使った 仕様分析&テスト設計
マインドマップを使った 仕様分析&テスト設計マインドマップを使った 仕様分析&テスト設計
マインドマップを使った 仕様分析&テスト設計Akira Ikeda
 
テスト分析入門 -「ゆもつよメソッド」を例に- #wacate
テスト分析入門 -「ゆもつよメソッド」を例に- #wacateテスト分析入門 -「ゆもつよメソッド」を例に- #wacate
テスト分析入門 -「ゆもつよメソッド」を例に- #wacateKinji Akemine
 
WebサービスのソフトウェアQAと自動テスト戦略
WebサービスのソフトウェアQAと自動テスト戦略WebサービスのソフトウェアQAと自動テスト戦略
WebサービスのソフトウェアQAと自動テスト戦略Masaki Nakagawa
 
概説 テスト分析
概説 テスト分析概説 テスト分析
概説 テスト分析崇 山﨑
 
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudy
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudyなんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudy
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudyPOStudy
 
WACATE 2010夏 ゆもつよ講演スライド
WACATE 2010夏 ゆもつよ講演スライドWACATE 2010夏 ゆもつよ講演スライド
WACATE 2010夏 ゆもつよ講演スライドTsuyoshi Yumoto
 
テスト分析についての説明資料公開用
テスト分析についての説明資料公開用テスト分析についての説明資料公開用
テスト分析についての説明資料公開用Tsuyoshi Yumoto
 

Viewers also liked (15)

20160607 SS2016 FP
20160607 SS2016 FP20160607 SS2016 FP
20160607 SS2016 FP
 
20160619 wacate 解答
20160619 wacate   解答20160619 wacate   解答
20160619 wacate 解答
 
20160619 wacate
20160619 wacate20160619 wacate
20160619 wacate
 
テスト分析・設計について、釈然としないところ
テスト分析・設計について、釈然としないところテスト分析・設計について、釈然としないところ
テスト分析・設計について、釈然としないところ
 
Wacate2015summer_report
Wacate2015summer_reportWacate2015summer_report
Wacate2015summer_report
 
20170203 test analysisdesign
20170203 test analysisdesign20170203 test analysisdesign
20170203 test analysisdesign
 
KDDI Business ID におけるアジャイル開発と検証フロー
KDDI Business ID におけるアジャイル開発と検証フローKDDI Business ID におけるアジャイル開発と検証フロー
KDDI Business ID におけるアジャイル開発と検証フロー
 
テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用テスコン優勝事例におけるテスト分析公開用
テスコン優勝事例におけるテスト分析公開用
 
マインドマップを使った 仕様分析&テスト設計
マインドマップを使った 仕様分析&テスト設計マインドマップを使った 仕様分析&テスト設計
マインドマップを使った 仕様分析&テスト設計
 
テスト分析入門 -「ゆもつよメソッド」を例に- #wacate
テスト分析入門 -「ゆもつよメソッド」を例に- #wacateテスト分析入門 -「ゆもつよメソッド」を例に- #wacate
テスト分析入門 -「ゆもつよメソッド」を例に- #wacate
 
WebサービスのソフトウェアQAと自動テスト戦略
WebサービスのソフトウェアQAと自動テスト戦略WebサービスのソフトウェアQAと自動テスト戦略
WebサービスのソフトウェアQAと自動テスト戦略
 
概説 テスト分析
概説 テスト分析概説 テスト分析
概説 テスト分析
 
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudy
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudyなんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudy
なんたって”DevQA” アジャイル開発とQAの合体が改善を生む - 永田 敦 氏 #postudy
 
WACATE 2010夏 ゆもつよ講演スライド
WACATE 2010夏 ゆもつよ講演スライドWACATE 2010夏 ゆもつよ講演スライド
WACATE 2010夏 ゆもつよ講演スライド
 
テスト分析についての説明資料公開用
テスト分析についての説明資料公開用テスト分析についての説明資料公開用
テスト分析についての説明資料公開用
 

More from Kouichi Akiyama

業務状態遷移テストを語る夕べ
業務状態遷移テストを語る夕べ業務状態遷移テストを語る夕べ
業務状態遷移テストを語る夕べKouichi Akiyama
 
20180421 Issueの書き方と伝えかた勉強会
20180421 Issueの書き方と伝えかた勉強会20180421 Issueの書き方と伝えかた勉強会
20180421 Issueの書き方と伝えかた勉強会Kouichi Akiyama
 
よいアーキテクチャ、よいライブラリ、よいテスター
よいアーキテクチャ、よいライブラリ、よいテスターよいアーキテクチャ、よいライブラリ、よいテスター
よいアーキテクチャ、よいライブラリ、よいテスターKouichi Akiyama
 
20150424 jasst新潟基調講演
20150424 jasst新潟基調講演20150424 jasst新潟基調講演
20150424 jasst新潟基調講演Kouichi Akiyama
 

More from Kouichi Akiyama (12)

業務状態遷移テストを語る夕べ
業務状態遷移テストを語る夕べ業務状態遷移テストを語る夕べ
業務状態遷移テストを語る夕べ
 
Ralph's Chart連結
Ralph's Chart連結Ralph's Chart連結
Ralph's Chart連結
 
20180421 Issueの書き方と伝えかた勉強会
20180421 Issueの書き方と伝えかた勉強会20180421 Issueの書き方と伝えかた勉強会
20180421 Issueの書き方と伝えかた勉強会
 
Oa mat
Oa matOa mat
Oa mat
 
SS2016 Workshop
SS2016 WorkshopSS2016 Workshop
SS2016 Workshop
 
よいアーキテクチャ、よいライブラリ、よいテスター
よいアーキテクチャ、よいライブラリ、よいテスターよいアーキテクチャ、よいライブラリ、よいテスター
よいアーキテクチャ、よいライブラリ、よいテスター
 
20150424 jasst新潟基調講演
20150424 jasst新潟基調講演20150424 jasst新潟基調講演
20150424 jasst新潟基調講演
 
20080615 wacate
20080615 wacate20080615 wacate
20080615 wacate
 
20140610 秋山-ss2014
20140610 秋山-ss201420140610 秋山-ss2014
20140610 秋山-ss2014
 
Answer
AnswerAnswer
Answer
 
20081024 ja sst-sapporo
20081024 ja sst-sapporo20081024 ja sst-sapporo
20081024 ja sst-sapporo
 
とてか2
とてか2とてか2
とてか2
 

N-Switchカバレッジテストの問題点と解決策

  • 2. 目次 1. 状態遷移テスト 2. N-Switchカバレッジ 3. N-Switchカバレッジの問題点 4. 本手法(PathCombo法) 5. 本手法(PathCombo法)before / after 6. PathCombo法の効果 7. 残課題と今後の取組み © 2013 Fuji Xerox Co., Ltd. All rights reserved. 2
  • 3. 1. 状態遷移テスト(状態遷移図・状態遷移表) © Fuji Xerox Co., Ltd. All Rights Reserved. 3  状態遷移図を描く  状態遷移表を書く • 状態×イベント  セルをテストする • 遷移すること • 遷移しないこと(N/A) 状態 イベント      | スタート 連続再生 リピート再生 エンド CD挿入 連続再生 N/A N/A N/A 曲送り N/A 連続再生 N/A N/A Repeat N/A リピート再生 連続再生 N/A Eject N/A エンド エンド N/A
  • 4. 2. N-Switchカバレッジ(1-Switch,2-Switch,……) © Fuji Xerox Co., Ltd. All Rights Reserved. 4 N-Switchカバレッジでは N+1回の状態遷移を網羅す るパスをテストする  関係行列を書く • 遷移元×遷移先  関係行列をN+1乗する 遷移先 遷移元 | スタート 連続再生 リピート エンド スタート CD挿入 連続再生 曲送り Repeat Eject リピート再生 Repeat Eject エンド 遷移先 遷移元 | スタート 連続再生 リピート エンド スタート CD挿入 *曲送り CD挿入 *Repeat CD挿入 *Eject 連続再生 曲送り *曲送り +Repeat *Repeat 曲送り *Repeat 曲送り *Eject +Repeat *Eject リピート再生 Repeat *曲送り Repeat *Repeat Repeat *Eject エンド S0 S1 S2 データ破壊 故障顕在化 状態遷移 1-Switch
  • 5. 3. N-Switchカバレッジの問題点 © Fuji Xerox Co., Ltd. All Rights Reserved. 5 イベントが複数存在する場合に,N-Switchカバレッジを適用しようとすると パスが非常に複雑になる 例)カーオーディオでは,一つの命令(イベント)を,画面タッチ, ボタン操作,リモコン操作,後部座席からの4つの操作で実現している 左図の非常に単純な状態遷移であっても,A {a, b, c, d},I{i, j, k, l},M {m, n, o, p}のイベントが存在する場合,  S0→S0: (a + b + c + d)2 と(i + j + k + l)×(m + n + o + p) aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd+im+in+io+ip+jm+jn+jo+j p+km+kn+ko+kp+lm+ln+lo+lp  S0→S1: ai+aj+ak+al+bi+bj+bk+bl+ci+cj+ck+cl+di+dj+dk+dl  S1→S0: ma+mb+mc+md+na+nb+nc+nd+oa+ob+oc+od+pa+pb+pc+pd  S1→S1: mi+mj+mk+ml+ni+nj+nk+nl+oi+oj+ok+ol+pi+pj+pk+pl 遷移パスは,80通り(イベント数は160イベント)出現する
  • 6. 3. N-Switchカバレッジの問題点(補足) © Fuji Xerox Co., Ltd. All Rights Reserved. 6 S0 a b c d a = 画面タッチ b = ボタン操作 c = リモコン操作 d = 後部座席から A2 = (a + b + c + d)2 = aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd A
  • 7. 4. 本手法(PathCombo法) © Fuji Xerox Co., Ltd. All Rights Reserved. 7 本手法(PathCombo法)は,状態遷移とイベントの組合せを分けて考える. 1. イベントを一つにまとめてN-Switchカバレッジパスを求める 2. パスを連結し一本の長いパスを作成する 3. まとめたイベントを因子、元のイベントを水準として直交表に割り付け組 み合わせる(水準集約法を使用して直交表の大きさは固定する) 1. イベントをA,M,Iのままパスを求める S0→S0について,AA+IM S0→S1について,AI S1→S0について,MA S1→S1について,MI 2. パスを1本に連結する [S0]:A→[S0]:A→[S0]:I→[S1]:M→[S0]:A→[S0]:I→[S1]: M→[S0]:I 3. まとめたイベントを因子、元のイベントを水準として 直交表に割り付ける A1{a, b, c, d},A2{a, b, c, d},I1{i, j, k, l},M1{m, n, o, p}, A3{a, b, c, d},I2{i, j, k, l},M2{m, n, o, p}, I2{i, j, k, l}
  • 8. 4. 本手法(PathCombo法の補足:L16水準集約法とは) © Fuji Xerox Co., Ltd. All Rights Reserved. 8 水準集約法とは直交表を横に複数並べる方法 1. L16は4水準の因子が5列存在する 2. 横に並べると5列ごとに同じ列(同じ水準通しの 組合せしか現れない列)が発生する 3. 逆に言うと,前後4列との水準組合せは出現する 4. そもそも1-Switchカバレッジは前後のイベントの 水準組合せを出せばよい A A I M A 1 a a i m 2 a b j n 3 a c k o 4 a d l p … d c j m d d l n I M I 4 5 1 2 3 4 5 1 2 3 4 5 15 16 前後4列との2列間組合せが現れる
  • 9. 5. 本手法(PathCombo法) before / after © Fuji Xerox Co., Ltd. All Rights Reserved. 9 1. イベントをA,M,Iのままパスを求める S0→S0について,AA+IM S0→S1について,AI S1→S0について,MA S1→S1について,MI 2. パスを連結する [S0]:A→[S0]:A→[S0]:I→[S1]:M→[S0]:A→[S0]:I→[S1]:M→[S0]:I 3. イベントを因子として直交表に割り付ける A1{a, b, c, d},A2{a, b, c, d},I1{i, j, k, l},M1{m, n, o, p},A3{a, b, c, d},I2{i, j, k, l}, M2{m, n, o, p}, I2{i, j, k, l}  S0→S0について aa+ab+ac+ad+ba+bb+bc+bd+ca+cb+cc+cd+da+db+dc+dd+im+in+io+ip+jm+jn+jo+jp+km+kn+ko+kp+lm +ln+lo+lp  S0→S1について ai+aj+ak+al+bi+bj+bk+bl+ci+cj+ck+cl+di+dj+dk+dl  S1→S0について ma+mb+mc+md+na+nb+nc+nd+oa+ob+oc+od+pa+pb+pc+pd  S1→S1について mi+mj+mk+ml+ni+nj+nk+nl+oi+oj+ok+ol+pi+pj+pk+pl N-Switch 面倒! PathCombo 簡単!
  • 10. 6. PathCombo法の効果 © Fuji Xerox Co., Ltd. All Rights Reserved. 10 No. A1 A2 I1 M1 A3 I2 M2 I3 1 a a i m a i m i 2 b b j n a j n j 3 c c k o a k o k 4 d d l p a l p l 5 c a j p b k m j 6 d b i o b l n i 7 a c l n b i o l 8 b d k m b j p k 9 d a k n c l m k 10 c b l m c k n l 11 b c i p c j o i 12 a d j o c i p j 13 b a l o d j m l 14 a b k p d i n k 15 d c j m d l o j 16 c d i n d k p i 本手法(PathCombo法)は,状態遷移とイベントの組合せを分けて考える. 1. 従来のN-Switchでは160イベントのバラバラなテストを必要とした 2. 本手法では128イベントで16回のテストとなった (=8個の因子×16回のテスト) 3. 1-Switchカバレッジは満たし,さらにL16水準集約法なので前後4イベン トの組合せが出現している 4. 実際に医療機器の状態遷移テストへ適用済(状態数20程度)
  • 11. 7. 残課題と今後の取組み © Fuji Xerox Co., Ltd. All Rights Reserved. 11 1. N-Switchテストでは,Nが増加するごとにテスト数は指数関数的(階乗) に増加する. 2-Switchであれば,強度3のL125を使って5水準の因子を5列ずつ水準集 約法で割り付ければよいがテスト数がだいぶ多くなる(125回). テストの効果と効率を考えると, Nにいくつの値を取るのが最適値なのか に論理的に答えを出したい. 2. また,N-Switchカバレッジのテストを不要とするためのソフトウェアテス ト設計技術(もしくはレビュー手法)について考えていきたい.