Skip navigation

putin IS MURDERER

Please use this identifier to cite or link to this item: https://oldena.lpnu.ua/handle/ntb/47803
Title: Система ідентифікації проблемних ситуацій тестування програмного забезпечення
Other Titles: Situation identification system in the software testing
Authors: Буров, Є. В.
Микіч, Х. І.
Верес, О. М.
Литвин, В. В.
Burov, Eugene
Mykich, Khrystyna
Veres, Oleh
Lytvyn, Vasyl
Affiliation: Національний університет “Львівська політехніка”
Lviv Polytechnic National University
Bibliographic description (Ukraine): Система ідентифікації проблемних ситуацій тестування програмного забезпечення / Є. В. Буров, Х. І. Микіч, О. М. Верес, В. В. Литвин // Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2019. — № 6. — С. 30–40.
Bibliographic description (International): Situation identification system in the software testing / Eugene Burov, Khrystyna Mykich, Oleh Veres, Vasyl Lytvyn // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2019. — No 6. — P. 30–40.
Is part of: Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі, 6, 2019
Journal/Collection: Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі
Issue: 6
Issue Date: 26-Feb-2019
Publisher: Видавництво Львівської політехніки
Lviv Politechnic Publishing House
Place of the edition/event: Львів
Lviv
UDC: 004.415
Keywords: онтологічне моделювання
проблемна ситуація
тестування програмного забезпечення
логічне міркування
ontological modeling
problematic situation
software testing
logical reasoning
Number of pages: 11
Page range: 30-40
Start page: 30
End page: 40
Abstract: Досліджено та розроблено методи та засоби ідентифікації проблемних ситуацій на базі онтологій із використанням механізмів логічного виведення, які застосовано в інтелектуальних системах підтримки прийняття рішень для завдань тестування програмного забезпечення. Розглянуто актуальну проблему тестування програмного забезпечення із використанням онтологічного моделювання для своєчасного виявлення помилок та поліпшення якості розроблюваного програмного продукту. Використання онтологічного моделювання для подання та ідентифікації ситуацій створює додаткові можливості для розв’язання задачі ідентифікації та обмеження. Перевагою є здатність застосування логічного виведення та використання аксіом під час міркувань про ситуації. Це забезпечує перспективу розроблення методів ідентифікації ситуацій, що ґрунтуються на логічному виведенні на основі інформації про поточний стан предметної області та знань про цю область. Використана модель завдань дає змогу не лише автоматизувати виконання деяких простих завдань, але й на основі наявних знань про ситуації здійснювати логічне міркування у системах тестування. Онтологічне подання знань про предметну область дало змогу формалізувати знання про проблемні ситуації, що виникають у проєкті, а застосування розроблених методів ідентифікації ситуацій у системі забезпечило вчасне виявлення загрозливих ситуацій та формування рекомендацій щодо їх уникнення. Всі ці фактори сприяють поліпшенню якості програмного продукту під час його розроблення. У роботі подано онтологію галузі тестування програмного забезпечення, а також наведено алгоритм роботи системи та здійснено моделювання на базі UML. Розроблено архітектуру системи ідентифікації ситуацій та програмний комплекс для аналізу і моделювання проблемних ситуацій на прикладі систем підтримки прийняття рішень галузі тестування, центральним компонентом яких є інструментальний засіб для онтологічного моделювання – Protégé. Для розширення функціональних можливостей редактора Protégé використано два плагіни, за допомогою яких здійснено моделювання за допомогою мов SWRL, SQWRL. Результати роботи доцільно використовувати для розв’язування задач виявлення критичних ситуацій під час розроблення та тестування програмного забезпечення, повторного використання інформації в базах знань організацій з розроблення програмного забезпечення, що поліпшить якість створюваного програмного забезпечення.
The paper is devoted to the research and development of methods and tools for identifying problematic situations on the basis of ontologies using the mechanisms of logical inference that are used in intellectual decision support systems for software testing problems. The important problem of software testing using ontological modeling for timely detection of errors and improvement of quality of the developed software is considered. Using ontological modeling to represent and identify situations creates additional opportunities and constraints to solving the identification problem. The advantage is the ability to use logical inference and use axioms in the process of reasoning about situations. This opens up the prospect of developing methods for identifying situations based on logical inference based on information about the current state of the subject area and knowledge about the subject area. The used situation models allows not only automate the execution of some simple tasks, but as well as to make logical reasoning in the testing systems based on your existing knowledge of situations. The ontological knowledge presentation of domain made possible to formalize knowledge about the problematic situations that arise on the project. Application of the developed methods of situation identification in the system ensured timely identification of threatening situations and formation of recommendations for their elimination. All these factors help to increase the quality of the software product during its development. The ontology of the software testing industry is presented in the paper, as well as the algorithm of the system operation and modeling based on UML. The architecture of the situation identification system was developed, as well as the software for the analysis and modeling of problem situations on the example of decision support systems of the field of software testing. The central component of software is the ontological modeling tool – Protégé. The plugins SWRL and SQWRL were used to extend the functionality of the Protégé, and provide necessary modeling functionality. It is advisable to use the results of the work to solve the problems of identifying critical situations during the development and testing of software, reuse the software quality control information in knowledge bases and thus increase the quality of created software.
URI: https://ena.lpnu.ua/handle/ntb/47803
Copyright owner: © Національний університет “Львівська політехніка”, 2019
© Буров Є. В., Микіч Х. І., Верес О. М., Литвин В. В., 2019
URL for reference material: http://www.nist.gov/director/prog-ofc/report02-3.pdf
https://www.w3.org/TR/owl-guide/
References (Ukraine): 1. RTI Study Finds. (n.d.). Software Bugs Cost U. S. Economy $59.6 Billion Annually. Retrieved from http://www.nist.gov/director/prog-ofc/report02-3.pdf.
2. Руда, О. А., & Моденов, Ю. Б. (2013). Методи та моделі тестування програмного забезпечення. Проблеми iнформатизацiї та управлiння, 2(42), 93–98.
3. Liu, Y., Wu, J., Liu, X., & Gu, G. (2009, July). Investigation of knowledge management methods in software testing process. International Conference on Information Technology and Computer Science , 2, 90–94.
4. Литвин, В. В. (2009). Мультиагентні системи підтримки прийняття рішень, що базуються на прецедентах та використовують адаптивні онтології. Радіоелектроніка, інформатика, управління, 2 (21), 120–126.
5. Guo, S., Zhang, J., Tong, W., & Liu, Z. (2011, August). An application of ontology to test case reuse. International Conference on Mechatronic Science, Electric Engineering and Computer (MEC), 775–778.
6. Botzenhardt, A., Maedche, A., & Wiesner, J. (2011, August). Developing a domain ontology for software product management. Fifth International Workshop on Software Product Management (IWSPM), 7–16.
7. OWL Web Ontology Language. (n.d.). Retrieved from https://www.w3.org/TR/owl-guide/
8. Kitchenham, B. A., Travassos, G. H., Von Mayrhauser, A., Niessink, F., Schneidewind, N. F., Singer, J., ... & Yang, H. (1999). Towards an ontology of software maintenance. Journal of Software Maintenance: Research and Practice, 11(6), 365–389.
9. Ikeda, M., Seta, K., Kakusho, O., & Mizoguchi, R. (1998). Task ontology: Ontology for building conceptual problem solving models. Environment, 126–133.
10. Raubal, M., & Kuhn, W. (2004). Ontology-based task simulation. Spatial Cognition and Computation, 4(1), 15–37.
11. Guarino, N. (1995). Formal ontology, conceptual analysis and knowledge representation. International journal of human-computer studies, 43(5–6), 625–640.
12. Johnson, P., Johnson, H., Waddington, R., & Shouls, A. (1988, October). Task-related knowledge structures: analysis, modelling and application. In BCS HCI , 35–62.
13. Буров, Є. В. (2009). Опрацювання знань у когнітивній інформаційній системі, керованій моделями. Східно-Європейський журнал передових технологій, 6(7 (42)), 40–49.
14. Dargie, W., Mendez, J., Möbius, C., Rybina, K., Thost, V., & Turhan, A. Y. (2013, March). Situation recognition for service management systems using OWL 2 reasoners. IEEE International Conference on Pervasive Computing and Communications Workshops (PERCOM Workshops), 31–36.
15. Chen, P. P., & Wong, L. Y. (Eds.). (2007). Active conceptual modeling of learning. Springer Verlag.
16. Фаулер, М., & Скотт, К. (1999). UML в кратком изложении. М.: Мир.
17. Буч, Г. (2006). Язык UML. Руководство пользователя. 2-е изд.: пер. с англ. Мухин Н. М.: ДМК Пресс.
18. O'Connor, M. J., & Das, A. K. (2009, October). SQWRL: A Query Language for OWL. Proceedings of the 6th International Conference on OWL: Experiences and Directions (OWLED’09), 529, 208–215.
19. Fudholi, D. H., Maneerat, N., Varakulsiripunth, R., & Kato, Y. (2009, January). Application of Protégé, SWRL and SQWRL in fuzzy ontology-based menu recommendation. International Symposium on Intelligent Signal Processing and Communication Systems (ISPACS 2009), 631–634.
References (International): 1. RTI Study Finds. (n.d.). Software Bugs Cost U. S. Economy $59.6 Billion Annually. Retrieved from http://www.nist.gov/director/prog-ofc/report02-3.pdf.
2. Ruda, O. A., & Modenov, Y. B. (2013). Software Testing Methods and Models. Problems of informatization and management, 2(42), 93–98.
3. Liu, Y., Wu, J., Liu, X., & Gu, G. (2009, July). Investigation of knowledge management methods in software testing process. International Conference on Information Technology and Computer Science , 2, 90–94.
4. Lytvyn, V. V. (2009). Multi-agent case-based decision support systems that use adaptive ontologies. Radio electronics, computer science, management, 2 (21), 120–126.
5. Guo, S., Zhang, J., Tong, W., & Liu, Z. (2011, August). An application of ontology to test case reuse. International Conference on Mechatronic Science, Electric Engineering and Computer (MEC), 775–778.
6. Botzenhardt, A., Maedche, A., & Wiesner, J. (2011, August). Developing a domain ontology for software product management. Fifth International Workshop on Software Product Management (IWSPM), 7–16.
7. OWL Web Ontology Language. (n.d.). Retrieved from https://www.w3.org/TR/owl-guide/
8. Kitchenham, B. A., Travassos, G. H., Von Mayrhauser, A., Niessink, F., Schneidewind, N. F., Singer, J., ... & Yang, H. (1999). Towards an ontology of software maintenance. Journal of Software Maintenance: Research and Practice, 11(6), 365–389.
9. Ikeda, M., Seta, K., Kakusho, O., & Mizoguchi, R. (1998). Task ontology: Ontology for building conceptual problem solving models. Environment, 126–133.
10. Raubal, M., & Kuhn, W. (2004). Ontology-based task simulation. Spatial Cognition and Computation, 4(1), 15–37.
11. Guarino, N. (1995). Formal ontology, conceptual analysis and knowledge representation. International journal of human-computer studies, 43(5–6), 625–640.
12. Johnson, P., Johnson, H., Waddington, R., & Shouls, A. (1988, October). Task-related knowledge structures: analysis, modelling and application. In BCS HCI , 35–62.
13. Burov, EV (2009). Knowledge development in a model-driven cognitive information system. Eastern European Journal of Advanced Technology, 6(7 (42)), 40–49.
14. Dargie, W., Mendez, J., Möbius, C., Rybina, K., Thost, V., & Turhan, A. Y. (2013, March). Situation recognition for service management systems using OWL 2 reasoners. IEEE International Conference on Pervasive Computing and Communications Workshops (PERCOM Workshops), 31–36.
15. Chen, P. P., & Wong, L. Y. (Eds.). (2007). Active conceptual modeling of learning. Springer Verlag.
16. Fowler, M., & Scott, K. (1999). UML is a summary. M.: Mir.
17. Butch, G. (2006). UML language. User Manual. 2nd ride: Trans. with еnglish N. Mukhin. M.: DMK Press.
18. O'Connor, M. J., & Das, A. K. (2009, October). SQWRL: A Query Language for OWL. Proceedings of the 6th International Conference on OWL: Experiences and Directions (OWLED’09), 529, 208–215.
19. Fudholi, D. H., Maneerat, N., Varakulsiripunth, R., & Kato, Y. (2009, January). Application of Protégé, SWRL and SQWRL in fuzzy ontology-based menu recommendation. International Symposium on Intelligent Signal Processing and Communication Systems (ISPACS 2009), 631–634.
Content type: Article
Appears in Collections:Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2019. – Випуск 6

Files in This Item:
File Description SizeFormat 
2019n6_Burov_E-Situation_identification_system_30-40.pdf1.21 MBAdobe PDFView/Open
2019n6_Burov_E-Situation_identification_system_30-40__COVER.png384.83 kBimage/pngView/Open
Show full item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.