6 Möglichkeiten, wie sich AI über die Programmierung hinaus auf den Test auswirkt

Große Testentwicklung beginnt mit einer großartigen Teststrategie und nicht nur mit einer großartigen IP-Entwicklung. Da jedoch die Deckungsanforderungen der getesteten Produkte zunehmen, wird der Zeitaufwand für die Planung und Entwicklung dieser Strategie unverhältnismäßig hoch.  

KI kann bei der Planung helfen, indem sie Produkt- und Komponentendaten aufnimmt und in einen Testplan übersetzt. Dazu sind Fachkenntnisse erforderlich, die ausreichende Kenntnisse über Testmethoden und bewährte Messverfahren vermitteln, um einen leistungsfähigen Plan zu erstellen. Wenn dieser Plan in den Stationsentwurf übergeht, benötigt die KI Fähigkeiten in Bezug auf Optimierungsstrategien wie Parallelität, um Ressourcen effektiv zu nutzen, sowie Schalttopologien, Fehlersuchzugänglichkeit, Rauschquellen und mehr.  

Wie jeder Testingenieur weiß, ist großartiges Testsystemdesign eine Mischung aus Kunst, Wissenschaft, Erfahrung und Kompromissen. Als KI-Tool, das auf Test- und Messanwendungen spezialisiert ist, verfügt NI Nigel™ AI über die Fähigkeiten, eine starke Empfehlung auszusprechen; seine Agentenfähigkeiten werden schnell verbessert und bieten die anwendungsspezifischste Unterstützung. Ingenieure sollten jedoch bei der Validierung von Vorschlägen nicht ihre eigenen praktischen Erfahrungen vergessen.  

Moderne Testingenieure sind gezwungen, anpassungsfähig zu sein, da es immer häufiger vorkommt, dass Mitarbeiter ihre Positionen auf der Suche nach Fortschritten wechseln. Diese Änderungen erfordern ein nahezu kontinuierliches Onboarding neuer Tools und Prozesse. Ständiges Onboarding beeinflusst nicht nur die Produktivität des Trainees, sondern hält auch erfahrene Teammitglieder von ihrer Arbeit ab, da sie als Trainer tätig sind.  

KI-Assistenten können für Ingenieure, die neue Tools nutzen, die erste Supportinstanz bilden. Unsere Produktdaten zeigen, dass mehr als 20 Prozent der LabVIEW Nutzer Nigel AI regelmäßig für solche Anwendungsfälle verwenden. Um es klarzustellen: Diese Instrumente sind kein Ersatz für besser strukturierte Schulungen, die bewährte Verfahren für Produkte behandeln. Diese Art der Schulung ist weiterhin erforderlich, damit Ingenieure wissen, welche Eingabeaufforderungen sie formulieren müssen und wie eine gute Antwort aussieht. KI-Assistenten dienen jedoch als gute Auffrischung und können Ingenieuren helfen, sich in komplexen Softwareumgebungen zurechtzufinden und die gesuchten Funktionen zu finden, ohne ihre Kollegen zu belästigen.  

Test-IP-Entwicklung umfasst fast immer mehr als nur das Schreiben von Messcode, der für einen Testschritt spezifisch ist. Es stehen sehr vollständige Anwendungen zur Verfügung, die Anwendungen wie Datenaufzeichnung, Testsequenzverwaltung und interaktive Signalfehlersuche unterstützen, die jeweils auf Messcode aufbauen oder sich mit diesem verbinden können und Ingenieuren ermöglichen, auf einer schnelleren, abstrakteren Ebene zu arbeiten. Viele davon (wie NI FlexLogger, NI TestStand und NI InstrumentStudio™ Software) sind mit Nigel AI ausgestattet, was die Entwicklung noch beschleunigt. 

TestStand ermöglicht es Nigel beispielsweise, Testsequenzen basierend auf einem kontextualisierten Testplan zu erzeugen. Dieses Tool kann eine enorme Zeitersparnis bedeuten, da es die Integration von Testschritten (möglicherweise in jeder beliebigen Sprache wie LabVIEW, Python oder C# geschrieben) in eine einzelne Sequenz mit minimalem Orchestrierungsaufwand für den Benutzer ermöglicht. Nigel kann dann die Geschwindigkeitsoptimierungsfunktionen innerhalb der TestStand Engine automatisieren, um die Leistung zu verbessern. In diesen Situationen sind die Ingenieure weiterhin für die Sequenz verantwortlich, die an die Fertigungshalle übergeben wird, und sollten den Betrieb überprüfen; KI kann jedoch die Anzahl der Klicks reduzieren und schafft einen Ausgangspunkt, um Stunden zu sparen. 

Einer der beliebtesten Anwendungsfälle für KI ist das Erklären von Programmcode. Ingenieure beginnen selten mit einer leeren Seite; sie übernehmen Programmcode, verwenden Programmcode wieder, überarbeiten Programmcode, stellen Programmcode erneut bereit und vieles mehr. In vielen Fällen kann vererbter Programmcode ein Geschenk sein, aber in anderen kann es Wochen dauern, die Architektur einer skurrilen, schlecht dokumentierten Anwendung zu verstehen, die von einem längst vergangenen Kollegen hinterlassen wurde. 

AI kann helfen, indem sie den Funktionsumfang eines Codemoduls oder sogar einer ganzen Anwendung zusammenfasst und es dem Benutzer dann ermöglicht, mit Eingabeaufforderungen in natürlicher Sprache zu navigieren, wie zum Beispiel den folgenden Beispielen:

• Wo in dieser Anwendung befindet sich die Datenbankverbindungsfunktion?
• Welche Bibliotheken und Abhängigkeiten sind für die Ausführung dieser Anwendung erforderlich?
• Wie behebe ich den Timeout-Fehler bei der Erfassung für die Schwingungsmessung?

Die Verwendung einer KI auf diese Weise birgt zudem ein geringes Risiko, dass KI-Fehler in die Codebasis gelangen; durch den Dialog wird der Ingenieur dazu veranlasst, Änderungen selbst vorzunehmen. 

Die Erwartung an Datenerkenntnisse wächst in Testteams, da derjenige, der die Daten erstellt, oft am besten in der Lage ist, sie zu bearbeiten und zu untersuchen. Grob gesprochen können Testdatenerkenntnisse in zwei Gruppen unterteilt werden: 

• Produkterkenntnisse – Diese liegen häufig letztlich in der Verantwortung von F&E-Testgruppen und helfen dabei, Trends oder Anomalien zu erkennen, die auf den ersten Blick unauffällig erscheinen, bei denen weitere Details jedoch auf eine anhaltende Verschiebung in Richtung potenzieller Grenzwerte hindeuten. Häufige Ursachen können Komponentenwechsel, Prozesswechsel oder Lieferanten-/Materialwechsel sein.  
• Testerkenntnisse—Identifizieren von Ausreißern aufgrund von Prüfstands-, Bediener- oder Umgebungsvarianzen. Erkenntnisse hier können zu einer schnellen Erkennung von Verfahrensproblemen führen, wodurch Wiederholungstests minimiert werden.  

Die strukturierte und standardisierte Erfassung eines vollständigen Satzes von Umgebungsmetadaten für jeden einzelnen Messdatenpunkt ist für wertvolle Erkenntnisse unerlässlich. Um aussagekräftige Korrelationen zu erstellen, müssen Sie Informationen zum Produkt (Anforderungen, Varianz, Betriebsbereiche), Testsystem (Ressourcen, Standort, Vorrichtungen, Bediener), Test-IP (Softwarestapel, Abhängigkeiten, Revisionen) und Messergebnisse (Skalare, Signalverläufe, Zeitstempel – vollständig synchronisiert für alle verwendeten Geräte) aufzeichnen. Diese Art von Daten kann nicht „wieder hinzugefügt“ werden, wenn sie nicht zum Zeitpunkt der Messung dokumentiert sind. Daher ist eine starke Metadaten-Aufnahmestrategie innerhalb von Messsystemen für erfolgreiche KI-gesteuerte Erkenntnisse zu einem späteren Zeitpunkt unerlässlich.  

Testingenieure verbrachten keine jahrelangen Schulungen durch Wissenschaft und Industrie, um lange Stunden damit zu verbringen, Labore oder Fertigungslinien nach Kalibrieraufklebern, fehlenden Kabeln, Softwareinkonsistenzen und ähnlichen wichtigen, aber mühsamen Aufgaben zu durchsuchen. KI ist fähig, nach Dingen zu suchen und kann Stunden frustrierender Zeit bei der Laborwartung sparen. 

Wenn Sie Nigel beispielsweise in NI SystemLink™ Software verwenden, können Sie Fragen stellen wie: 

• „Wie viele der Digitalmultimeter in meinem Labor werden in den nächsten 3 Monaten nicht mehr kalibriert?“
• „Wie hoch ist die prozentuale Auslastung der RF-Stationen in meinem Labor und dem Labor in Malaysia?“
• „Wann ist der nächste ungeplante 24-Stunden-Zeitraum zwischen den Stationen 1–5, so dass ich ein umfangreiches Software-Update durchführen kann, das von der IT benötigt wird?“

Durch die Automatisierung dieser Art von administrativen Aufgaben können Teams die produktive Zeit ihrer Kernmitarbeiter maximieren. Diese Automatisierung kann helfen, das Engagement und die Motivation des Teams zu steigern, da sie die Zeit für frustrierende, sich wiederholende und wenig wertvolle Aufgaben reduziert. 

Dieses Whitepaper hat die Vorteile und Schwächen der Verwendung von KI zur Unterstützung beim Schreiben von Code weitgehend übergangen – und diese sind zahlreich. Sie hat aber auch hoffentlich dargelegt, wie die Produktivität des Ingenieurs gesteigert werden kann, indem eine umfassendere ganzheitlichere Sicht auf die Rolle der KI bei der Unterstützung der Ingenieure gegeben wird.  

Nigel AI wurde speziell für die Unterstützung von Testingenieuren während ihres Entwicklungsprozesses optimiert – vom ersten Planungstreffen bis zur Besprechung des Abschlussberichts und alles dazwischen. Seine einzigartigen Fähigkeiten und seine enge Integration in viele der bereits für Tests verwendeten Tools bedeuten, dass es als Katalysator fungieren kann, um Ihre wertvollsten und kreativsten Testaufgaben zu beschleunigen und gleichzeitig die administrativen zu abstrahieren und zu automatisieren – alles ohne Ihre bestehenden Prozesse zu unterbrechen.  

• Versuchen Sie Nigel AI selbst als Teil von LabVIEW
• Kommen Sie zu einer physischen Veranstaltung in Ihrer Nähe oder nehmen Sie an einem Webinar teil, um mehr über KI-Tools im Test zu erfahren
• Lesen Sie mehr darüber, wie KI eine neue Ära im Test definiert