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.
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. https://doi.org/10.18372/2073-4751.2.6477
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. https://doi.org/10.1109/ITCS.2009.157
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. https://doi.org/10.1109/MEC.2011.6025579
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. https://doi.org/10.1109/IWSPM.2011.6046207
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. https://doi.org/10.1002/(SICI)1096-908X(199911/12)11:6<365::AID-SMR200>3.0.CO;2-W
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. https://doi.org/10.1207/s15427633scc0401_3
11. Guarino, N. (1995). Formal ontology, conceptual analysis and knowledge representation. International journal of human-computer studies, 43(5-6), 625-640. https://doi.org/10.1006/ijhc.1995.1066
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. https://doi.org/10.1109/PerComW.2013.6529452
15. Chen, P. P., & Wong, L. Y. (Eds.). (2007). Active conceptual modeling of learning. Springer Verlag. https://doi.org/10.1007/978-3-540-77503-4
16. Fowler, M., & Scott, K. (1999). UML is a summary. M.: Mir.
17. Butch, G. (2006). UML language. User Manual. 2nd ride: Trans. with English 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. https://doi.org/10.1109/ISPACS.2009.5383759