AI 在測試與量測領域的應用

擁抱 AI：在測試新時代的必要條件

由於 LLM 可從大型非結構化資料集中汲取價值,因此在測試與量測作業中使用 AI 已逐漸改變。由於 AI 工具也加速了產品設計週期,因此測試團隊必須面對更多專案、更複雜且更短的時程,因此,這項功能有助於建立高效率的新測試方法與開發流程。然而,這樣的機會也帶來了風險,因為技術變革已超越業界正式定義最佳實務與標準的能力。 

我們的職務是協助工程師運用 NI 軟體、其他付費產業工具與開放原始碼技術,找出適當的 AI 採用步調與地點,以在不影響產品品質的情況下,大幅提高工程生產力。 

我們以領先業界的 AI 技術為基礎,在軟體定義測試領域累積超過 50 年的測試專業經驗,協助測試團隊充分發揮 AI。NI NigelTM AI 可透過商用大型語言模型迅速發展的強大功能,以專心因應特殊測試挑戰並加強其輸出效能。Nigel 等測試最佳化的 AI 可協助您規劃測試策略、開發 IP、分配工作、取得切實可行的深入分析 (包括 DUT 故障點、量測完整性與測試站作業),以及產生產品報告。具備在更多工作流程中有效運用 AI 的團隊,比不使用 AI 或容量有限的團隊更有效。

適用於測試工程師的 3 種 AI 作業模式

測試工程師可以運用這三種不同的作業模式提升生產力與效率:

內容建議—相較於人類,AI 能在大型資料集中找到特定資訊。測試工程師若使用 AI 來協助執行作業,例如尋找硬體規格或接線圖、建立顯示目前系統使用率或效能的表格,或是在程式碼庫中找出功能或錯誤來源,都可享有立即的價值與最低風險。由於像 Nigel 這樣的測試最佳化的 AI 可存取結構化網路資料、資料表與其他產品說明文件,因此,使用測試最佳化的 AI 的工程師可獲得更精確的答案,並且降低發生幻覺的機率。Nigel 也針對連接的軟硬體模組提供相關背景,也就是說,針對實用的可實作解決方案,答案的理論答案較少,且回應更準確且更為目標性。 

程式碼產生與 AI 製作—使用 AI 產生程式碼,讓工程師能更快地工作,只要使用方式正確,即便是對品質有意識的測試團隊,也能從其抽象的工作流程中受益。工程師仍要負責應用程式的正常運作;因此,產生可輕鬆讀取、理解、除錯與驗證的程式碼,將成為關鍵所在。在 AI 輔助測試軟體開發的新紀元中,準確的高階呈現複雜系統、標準化值得信賴的程式碼模組、編碼最佳實務與設計審查變得越來越重要。

通用軟體工具可讓工程師更快工作,但缺乏防護導軌、缺乏特定測試環境,以及無法整合至現有流程,都會帶來風險與干擾。測試最佳化的工具 (例如在 NI LabVIEW+ Suite 中使用 Nigel) 可透過值得信賴的 IP 與方法,讓工程師在每個步驟都能清楚掌握開發作業,進而將此風險降到最低。 

隨著代碼成本上升,測試團隊也應該盡可能根據現有應用程式來建立所需的專屬程式碼。舉例來說,當要求 AI 產生測試程式時,若要讓 AI 以現有的強大序列引擎為基礎,而在 NI TestStand 中建立序列程式,就比從頭開始產生新的應用程式更快、更便宜、更易於維護,而且更可靠。 

運用代理 AI 推動成果導向自動化—測試工程的領域遠遠超過 IP 開發。藉由迴圈提供給 LLM 的提示,並提供技能、資訊與工具的存取權限,工程師即可以高度的水準工作,並大幅提高生產力。使用敏捷 AI 提示不再構成指令問題,而是描述結果或需求,例如:透過這種方式與 AI 互動時,使用者會開始從指定特定作業轉換為定義理想結果。例如：

「Nigel,請協助我使用現有的測試硬體測試此 PMIC。以下是研發部門提供給我說明所需行為的資料表。」

要讓敏捷 AI 發揮成效,AI 必須具備更深入的特定領域知識,相較於擔任顧問或作者。此外,工程師也必須具備定義所需結果的強大能力,並且了解是否成功或失敗。Nigel AI 在整個 NI 軟體工具鏈中具備專屬技能與情境連線能力,因此能提供更優質的結果,並且更輕鬆地整合至現有流程中。它具備開放連線能力,可與其他代理商合作,將測試方法技能運用在其他開發工作流程中。

測試工程需要開放的軟體方法,包括 AI

成功的測試團隊大多會在團隊中使用多種軟體工具。團隊很難透過「空白斜線」重新建立測試平台。繼承程式碼、工具專屬團隊成員與專家 IP 皆有可能導致工具的使用,但測試主管不應感到受限於標準化,因為使用針對手邊作業最佳化的軟體工具,將可提供最佳結果。 

如果應用需要採用傳統測試需求,例如硬體連線、訊號處理、平行執行、即時部署以及系統規劃/設計,測試最佳化的 AI 工作流程就能發揮最高的生產力。這些工作流程不盡相同,因為應用會轉移至網路或資料庫開發、序列演算法開發,或是產生報告。許多測試團隊正著手採用混合式方法做為最佳實務,而測試最佳化的工具則用於調度主要應用程式,而其他工具或程式碼則會整合到其中,以根據個人優勢或偏好提供特定功能。 

表 1 針對 Nigel AI 等測試最佳化工具的最大影響,提供相關考量。

資料品質決定了 AI 的影響 

過去多數時間以來,測試系統所取得的資料都會遭到丟棄或使用率低落,以做為作業附屬產品而非策略資產。現今多數測試組織都在競相更新資料管理功能,以支援 AI 導向的轉型,這項轉型可提供豐富的新產品與操作深入分析。制定 AI 策略時,請考慮下列 2 項最佳實務:

中繼資料是不可或缺的—為了充分發揮 AI 的優點,良好的量測資料不能只包含儀器量測資料。要執行異常偵測或其他根本原因分析，量測方式和地點等情境脈絡就與訊號資料本身同樣重要。透過彙整環境條件、資產狀況資訊、程式碼版本以及操作人員等資訊，建立對應特定 DUT 的完整數位執行緒，就能全面理解任何一筆測量結果。使用如 TestStand 等 NI 軟體搭配 NI SystemLink 後,即可提供必要的內容,以利迅速採取適當動作,因為這類情境的手動說明文件會從使用者身上抽取出來。 

硬體選擇至關重要—許多傳統測試系統架構已針對邊緣處理進行最佳化處理,以將通訊網路的頻寬降至最低。當 GPIB 位元率成為限制因素時,此架構就相當有意義。但在新的測試時代,我們必須讓雲端代管模型存取完整的波形資料,以及量測時的完整環境情況背景。這項功能可供集中化硬體架構使用,讓多個儀器可透過高頻寬 PCI Express 匯流排將時間同步資料串流至單一處理器,進而為使用者提供資訊,並儲存完整的資料集,以利日後進行 AI 分析。NI PXI 平台可簡化系統內所有儀器的串流與同步化作業,讓您更深入了解測試與操作。

測試的未來發展與 AI 息息相關

運用適用於測試與量測領域的 AI 技術，將徹底改變工程師開發測試系統的方式。 從第一份需求文件到最終發表的報告,AI 能夠將開發過程化繁為簡,提供您需要的資訊,協助您做出明智的決策,同時也能免去耗時的作業,讓您能夠專注於自己的專業領域。

 最後，AI 會協助您設計出完整的測試系統。身為測試與量測領域的專家，我們現在就在為迎向這樣的未來做準備。通用 AI 工具將推動投資開發基礎模型,而根據這些技術的發展,Nigel AI 將繼承智慧與功率的增長;僅供通用模型無法滿足測試與量測使用者的複雜需求。

我們擁有數十年的測試經驗，掌握井然有序且脈絡完整的量測資料，Nigel 將在這樣的基礎之上繼續發展，成為專為測試打造的強大智慧助理。