Research Article

PreventativeTestPro: Um Framework de Testes Híbridos Escalável que utiliza observabilidade e IA generativa para engenharia proativa de qualidade de software

DOI:

10.3791/69316

⸱

March 24th, 2026

 ,  ,  , 
1Vishwakarma University, 2Kasetsart University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

PreventativeTestPro é uma estrutura de testes impulsionada por IA que utiliza dados de observabilidade e grandes modelos de linguagem para automatizar análise de causa raiz, geração de testes e validação contínua, com o objetivo de melhorar a confiabilidade do software e otimizar a garantia de qualidade tanto para sistemas frontend quanto backend, facilitando um gerenciamento de tickets de suporte mais eficiente.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este artigo apresenta um sistema de testes sofisticado e escalável que integra automação orientada por observabilidade com engenharia proativa de qualidade aumentada por IA para enfrentar dificuldades contemporâneas de entrega de software. O sistema sugerido aprimora o PreventativeTestPro, uma plataforma de testes híbrida e de código aberto que combina metodologias black-box e white-box, incorporando uma camada inovadora de orquestração de testes baseada em observabilidade. A plataforma utiliza logs, métricas, eventos e rastreamentos junto com o monitoramento do navegador e do lado do servidor para identificar rapidamente anomalias, aprimorar a seleção de casos de teste e automatizar a criação de suítes de testes funcionais, de desempenho e de segurança. Uma característica distintiva é a incorporação de grandes modelos de linguagem (LLMs) para fornecer insights sobre a causa raiz e construir de forma autônoma novos casos de teste com base em comportamentos de produção e anormalidades identificadas, proporcionando assim cobertura de regressão adaptativa e remediação inteligente.

O sistema facilita a execução simultânea de testes com análise instantânea de logs impulsionada por IA, promovendo um ciclo contínuo de feedback entre operações e testes. Ele foi validado em vários cenários empresariais, incluindo plataformas SaaS baseadas em microsserviços e ecossistemas SAP BTP. Resultados empíricos de quatro implantações em produção e um grupo beta de 49 engenheiros indicam uma diminuição de até 30% no tempo médio até a resolução, mais de 95% de conformidade com SLAs e melhorias substanciais tanto na cobertura de testes quanto na rastreabilidade de defeitos. A conexão fácil com ferramentas padrão da indústria ilustra sua capacidade plug-and-play.

Esta pesquisa apresenta uma metodologia de engenharia de qualidade abrangente, independente de ferramentas e voltada para o futuro, consistente com os princípios ágeis e DevOps. Empreendimentos futuros incluem classificação dinâmica de anomalias por meio de aprendizado de máquina, extensão para sistemas móveis e orientados à experiência do usuário, e ampliação das capacidades de grandes modelos de linguagem para desenvolvimento de testes específicos de domínio e previsão de falhas.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A crescente popularidade do paradigma ágil nos negócios de software levou a um interesse crescente em ambientes de integração contínua. As vantagens desses sistemas incluem a integração perfeita de modificações regulares de programas, resultando em uma evolução acelerada e econômica do software. Consequentemente, gerenciará eficientemente tarefas como procedimentos de construção, execução de testes e relatórios de resultados de testes. Testes de software são implementados desde o início da engenharia de software. A prática de testes de software foi implementada para avaliar a qualidade do software1. Os testes a....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Arquitetura do sistema e resumo do protótipo:

Esta pesquisa apresenta um sistema protótipo aprimorado e adaptável, o PreventivtativeTestPro, que exemplifica uma abordagem proativa de engenharia de qualidade utilizando dados de observabilidade e grandes modelos de linguagem (LLMs) para melhorar ainda mais a resolução de problemas de suporte. O sistema busca enfrentar problemas modernos de entrega de software, automatizando a detecção de anomalias, análise de causa raiz e a execução e desenvolvimento inteligentes de casos de teste para cobertura não abordada, utilizando monitoramento sintético, dados de observa....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Inicialmente, compartilhamos os resultados derivados dos estudos de caso realizados em colaboração com várias indústrias em tempo real. Além disso, fornecemos os resultados derivados dos beta testers que utilizaram esse framework e algoritmo, juntamente com as observações finais sobre os potenciais riscos à validade dos resultados.

Resultados de estudos de caso da indústria:

Com base em nossa pesquisa, que foca em a.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Esta pesquisa apresenta o PreventivtativeTestPro, uma plataforma abrangente de testes e observabilidade que integra monitoramento sintético, dados de observabilidade e automação impulsionada por IA generativa para melhorar a garantia de qualidade do software. O sistema consiste em três módulos fundamentais: um coletor e analisador de dados de observabilidade, uma camada de inteligência gerativa impulsionada por IA e um motor de orquestração e execução de testes. Coletivamente, esses comp.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores afirmam que não possuem interesses financeiros concorrentes conhecidos ou relacionamentos pessoais que possam ter influenciado o trabalho relatado neste artigo. Afirmamos que Gêmeos só foi aplicado no polimento gramatical e na reformulação das frases para torná-las mais fáceis de ler. Para estar correto e eticamente correto, os autores revisaram cuidadosamente todas as mudanças sugeridas pela IA para preservar a conotação científica original.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

O autor expressa gratidão pelo apoio significativo e colaboração proporcionados pelas seguintes organizações ao longo desta pesquisa. Os estudos de caso experimentais colaborativos com essas empresas foram cruciais para fundamentar a ferramenta e o método propostos. Agradecimento é estendido à GazonTech, Lopa Engineering, Afour Technologies, QJ Technologies e SecureLayer7 por concederem acesso a ambientes práticos, insights técnicos e contribuições valiosas durante a fase experimental. Seu envolvimento ativo aumentou muito a importância prática e a usabilidade dos achados da pesquisa. O autor expressa profunda gratidão pela disposição....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Apache MavenFundação de Software Apache3.9.6Ferramenta de gerenciamento de dependências e projetos para projetos Java
ChatGPT (API GPT-3.5 Turbo)OpenAIhttps://platform.openai.com/api-keysPara gerar recomendações de teste baseadas em IA a partir de logs, gerar casos de teste manuais, gerar casos de teste automatizados e obter a análise de causa raiz
Computador (Máquina de Desenvolvimento/Teste)Desktop/Laptop Padrão-Usado para desenvolver, executar e testar o PreventivTestPro
Espaço em Disco--Pelo menos 10 GB de espaço livre em disco recomendados para logs, relatórios e artefatos de teste
DockerDocker Inc.27 (https://docs.docker.com/desktop/setup/install/windows-install/) Usado para conteinerização para garantir reprodutibilidade entre ambientes
Vai emboraGit SCMgit versão 2.45.2.windows.1Sistema de controle de versões usado para desenvolvimento e colaboração
Repositório GitHubGitHubhttps://github.com/sohambpatel/PreventativeTestsRepositório público contendo código-fonte, documentação, conjuntos de dados e exemplos
Google ChromeGoogle140.0.7339.128Navegador principal usado para monitoramento e testes sintéticos
JavaOracle / OpenJDK21.0.2Usado para desenvolvimento de software e execução do PreventivtativeTestPro
Sistema OperacionalPlataforma Independente-A ferramenta funciona em qualquer sistema operacional com Java e Maven instalados (Windows, Linux, macOS)
OWASP ZAPFundação OWASP2.14.0Ferramenta de varredura de segurança e detecção de vulnerabilidades
Processador--Intel i5 ou superior (ou equivalente) recomendado para execução paralela e processamento de IA
RAM--Mínimo de 8 GB de RAM recomendado para execução de testes e monitoramento baseado em navegador

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. A novel approach to multiple criteria based test case prioritization. Abid, R., Nadeem, A. 2017 13th International Conference on Emerging Technologies (ICET), Islamabad, Pakistan, , (2017).
  2. Khatibsyarbini, M., Isa, M. A., Jawawi, D. N., Tumeng, R. Test case prioritization approaches in regression testing: A systematic literature review. Inf Softw Technol. 93, 74-93 (2017).
  3. Enhanced weighted method for test case priori....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Hybrid TestingObservability AutomationGenerative AI TestingSoftware Quality EngineeringTest OrchestrationBlack Box TestingWhite Box TestingLog AnalysisRegression CoverageAnomaly Detection

Related Articles