6 formas en que la IA impactará las pruebas más allá de la codificación

Una gran ingeniería de pruebas comienza con una gran estrategia de pruebas en lugar de solo con un gran desarrollo de IP. Sin embargo, a medida que crecen los requisitos de cobertura de los productos que probamos, la inversión de tiempo en la planificación y el diseño de esta estrategia se vuelve desproporcionadamente pesada.  

La IA puede ayudar con la planificación al ingerir el espacio de productos y componentes y traducirlos en un plan de pruebas. Para realizar esta tarea, se requieren habilidades especializadas que proporcionen un conocimiento suficiente de metodologías de prueba y mejores prácticas de medición para entregar un plan de alto rendimiento. A medida que este plan avanza hacia el diseño de estaciones, la IA necesita habilidades en estrategias de optimización como el paralelismo para utilizar los recursos de manera efectiva, así como topologías de conmutación, accesibilidad de depuración, fuentes de ruido y más.  

Como todo ingeniero de pruebas sabe, un gran diseño de sistema de pruebas es una mezcla de arte, ciencia, experiencia y compromiso. Como herramienta de IA especializada en aplicaciones de prueba y medición, NI Nigel™ AI tiene las habilidades para hacer una recomendación sólida; sus capacidades agenticas están mejorando rápidamente y brindan el soporte más específico para la aplicación. Pero los ingenieros no deben olvidar su propia experiencia práctica al validar sugerencias.  

Los ingenieros de pruebas modernos se ven obligados a ser adaptables ya que es cada vez más común que los trabajadores cambien de puesto en busca de ascensos. Estos cambios crean una necesidad de incorporación casi continua a nuevas herramientas y procesos. La incorporación constante no solo afecta la productividad del aprendiz, sino que también aleja a los miembros experimentados del equipo de su trabajo ya que actúan como instructores.  

Los asistentes de IA pueden crear la primera línea de soporte para ingenieros utilizando nuevas herramientas. Nuestros datos de producto muestran que más del 20 por ciento de los usuarios de LabVIEW utilizan regularmente Nigel AI para casos de uso como este. Para ser claros, estas herramientas no son un reemplazo de cursos de formación más estructurados que cubran las mejores prácticas del producto. Este tipo de educación todavía es necesaria, para que los ingenieros sepan qué preguntas hacer y cómo se ve una buena respuesta. Pero los asistentes de IA sí actúan como un buen recordatorio y pueden ayudar a los ingenieros a navegar entornos de software complejos para encontrar las funciones que están buscando sin molestar a sus colegas.  

El desarrollo de IP de prueba casi siempre implica más que solo escribir código de medición específico para un paso de prueba. Hay aplicaciones muy completas disponibles que soportan aplicaciones como registro de datos, gestión de secuencias de prueba y depuración interactiva de señales, cada una de las cuales se basa en o puede conectarse al código de medición y permite a los ingenieros trabajar a un nivel más rápido y más abstracto. Muchos de estos (como NI FlexLogger, NI TestStand y NI InstrumentStudio™ software) tienen integrado Nigel AI, lo que acelera aún más el desarrollo. 

TestStand, por ejemplo, permite a Nigel generar secuencias de prueba basadas en un plan de prueba contextualizado. Esta herramienta puede ahorrar mucho tiempo, ya que permite la integración de pasos de prueba (potencialmente escritos en cualquier lenguaje como LabVIEW, Python o C#) en una única secuencia con una mínima sobrecarga de orquestación para el usuario. Nigel puede automatizar entonces las funciones de optimización de velocidad dentro del motor de TestStand para mejorar el rendimiento. En estas situaciones, los ingenieros siguen siendo responsables de la secuencia entregada a la planta de fabricación y deben verificar la operación, pero la IA puede reducir el número de clics y crea un punto de partida a partir del cual trabajar para ahorrar horas. 

Uno de los casos de uso más populares de la IA es explicar código al usuario. Los ingenieros rara vez comienzan desde una página en blanco; heredan código, reutilizan código, refactorizan código, reimplementan código y más. En muchos casos, el código heredado puede ser un regalo, pero en otros puede llevar semanas entender la arquitectura de alguna aplicación peculiar y mal documentada dejada por un colega desaparecido hace mucho tiempo. 

La IA puede ayudar resumiendo la funcionalidad de un módulo de código o incluso de una aplicación completa y luego permitiendo al usuario navegar a través de él con indicaciones en lenguaje natural como los siguientes ejemplos:

• ¿Dónde está la funcionalidad de conectividad a la base de datos en esta aplicación?
• ¿Qué bibliotecas y dependencias se requieren para ejecutar esta aplicación?
• ¿Cómo arreglo el error de tiempo de espera de adquisición para la medición de vibración?

Usar una IA de esta manera también crea un perfil de bajo riesgo para que los errores de IA se propaguen a la base de código; al hacer preguntas y respuestas, obliga al ingeniero a realizar cambios. 

La expectativa de obtener información a partir de los datos está creciendo dentro de los equipos de pruebas, ya que quien crea los datos a menudo está mejor posicionado para manipularlos y profundizar en ellos. En términos generales, los conocimientos sobre datos de prueba se pueden clasificar en dos grupos: 

• Perspectivas del producto: los grupos de prueba de I+D que suelen asumir la responsabilidad final desempeñan un papel en la identificación de tendencias o anomalías que pasan desapercibidas a primera vista, pero cuyos detalles adicionales sugieren una desviación sostenida hacia posibles límites. Las causas comunes podrían ser un cambio de componente, un cambio de proceso o un cambio de proveedor/material.  
• Perspectivas de pruebas: identificación de valores atípicos debido a la variación de la estación de prueba, el operador o el entorno. La perspectiva aquí puede llevar a una identificación rápida de problemas de procedimiento, minimizando la repetición de pruebas.  

Registrar un conjunto completo de metadatos ambientales para cada dato de medición individual de una manera estructurada y estandarizada es esencial para obtener información valiosa. Para establecer correlaciones significativas, debe registrar información sobre el producto (requisitos, varianza, rangos operativos), el sistema de prueba (activos, ubicación, utillaje, operador), el IP de prueba (pila de software, dependencias, revisiones) y los resultados de las mediciones (escalares, formas de onda, marcas de tiempo, completos y sincronizados para todos los instrumentos en uso). Este tipo de datos no se puede "añadir más tarde" si no se documenta en el punto de medición, por lo que una sólida estrategia de registro de metadatos dentro de los sistemas de medición se vuelve esencial para obtener conocimientos exitosos impulsados por IA en un momento posterior.  

Los ingenieros de pruebas no pasaron años formándose en el ámbito académico y la industria para pasar largas horas buscando etiquetas de calibración en laboratorios o líneas, cables extraviados, inconsistencias de software y otras tareas similares que, aunque importantes, resultan arduas. La IA es competente en la búsqueda de cosas y puede ahorrar horas de tiempo frustrante en el mantenimiento de laboratorios. 

Por ejemplo, usando Nigel en NI SystemLink™ software, puedes hacer preguntas como: 

• "¿Cuántos de los DMM en mi laboratorio estarán fuera de calibración en los próximos 3 meses?"
• "¿Cuál es el % de utilización de las estaciones de RF en mi laboratorio y en el laboratorio de Malasia?"
• "¿Cuándo es el próximo período no programado de 24 horas en las estaciones 1 a 5 para que pueda hacer una actualización de software grande requerida por TI?"

Al automatizar este tipo de tareas administrativas, los equipos pueden maximizar el tiempo productivo de su personal de ingeniería principal. Esta automatización puede ayudar a aumentar la participación y la motivación del equipo, ya que reduce el tiempo dedicado a lo que se percibe como tareas frustrantes, repetitivas y de poco valor. 

Este libro blanco ha tratado de manera superficial las ventajas y desventajas de usar IA para ayudarle a escribir código, y hay muchas. Sin embargo, también ha expuesto con esperanza cómo se puede mejorar la productividad del ingeniero adoptando una visión más amplia y holística del papel que la IA puede desempeñar para asistirlo.  

Nigel AI está optimizado específicamente para ayudar a los ingenieros de pruebas a lo largo de todo su proceso de desarrollo, desde la primera reunión de planificación hasta la reunión del informe final y todo lo que hay en medio. Su conjunto único de habilidades, junto con su estrecha integración en muchas de las herramientas que ya utiliza para realizar pruebas, significa que puede actuar como un catalizador, acelerando sus tareas de prueba más valiosas y creativas mientras abstrae y automatiza las administrativas, todo sin interrumpir sus procesos existentes.  

• Prueba Nigel AI por ti mismo como parte de LabVIEW
• Asiste a un evento físico cerca de ti o únete a un seminario web para aprender más sobre herramientas de IA en pruebas
• Lea más información sobre cómo la IA está definiendo una nueva era en las pruebas