為什么自動化智能對技術創(chuàng)新者至關重要

為什么自動化智能對技術創(chuàng)新者至關重要

由于不斷發(fā)展的標準、分布在多個云環(huán)境中的應用程序以及新用戶對“一體式”期望的加速，當今的最新產(chǎn)品變得越來越復雜。這種增加的復雜性直接影響新產(chǎn)品的開發(fā)驗證和測試覆蓋率，增加了開發(fā)團隊的壓力。

有這么多潛在的測試向量，人們期望自動化設計和測試程序?qū)⒊蔀橹髁鳌Ｈ欢?，根?jù)Keysight公司最近委托 Forrester 進行的一項研究，如今 89% 的公司仍在使用手動流程，而如今只有 11% 的公司將其測試矩陣完全自動化。雖然完全自動化的采用率仍然很低，但公司確實看到了在自動化，75% 的人報告了一些自動化，近一半的人希望在未來三年內(nèi)實現(xiàn)自動化。

鑒于設計和測試自動化將對創(chuàng)新周期產(chǎn)生巨大影響，我們請Keysight公司產(chǎn)品組合和全球營銷負責人介紹當今行業(yè)的自動化狀況以及自動化將改變開發(fā)生命周期的領域。

Keysight公司為何委托 Forrester 測試和測量自動化思想領導力研究？

2021 年 12 月，Keysight公司委托 Forrester評估數(shù)據(jù)集成、分析、人工智能 (AI) 和機器學習 (ML) 在典型產(chǎn)品開發(fā)周期中的使用。Forrester 調(diào)查了 406 位開發(fā)領導者，并向他們詢問了一系列與他們目前在產(chǎn)品開發(fā)過程中使用 AI 和 ML 的程度相關的問題。該調(diào)查包括北美、歐洲、中東和非洲和亞太地區(qū)的開發(fā)人員。我們真的很想了解測試創(chuàng)新在典型產(chǎn)品開發(fā)過程中的可擴展性。

組織對其當前的測試系統(tǒng)是否滿意？

從表面上看，大多數(shù)組織報告他們對當前的開發(fā)方法感到滿意，其中 86% 的組織表示中等到非常滿意。然而，深入研究時，這些組織報告說 84% 的項目和設計要么是復雜的多層子系統(tǒng)，要么是集成系統(tǒng)，其中大部分都沒有經(jīng)過測試。

盡管最初看起來很滿意，研究中了解到，公司感到需要做得更多，尤其是在被問及未來時。例如，在 3 年內(nèi)，近一半 (45%) 的公司會考慮使用完全自動化的測試方法，其中 72% 的公司預計至少會使用增強型自動化，其中自動化會在他們的發(fā)展過程。

目前，只有十分之一的公司在其開發(fā)過程中使用全自動化，預計 新冠疫情將加速遠程開發(fā)、自動化測試排序的采用。

能否舉例說明公司如何發(fā)展到更自動化的方法？

這是一個很好的例子，說明使用數(shù)字雙胞胎模型可以加速開發(fā)過程并顯著擴大測試范圍。任何優(yōu)秀的軟件開發(fā)人員都可以模擬一系列測試 IP 流量。然而，在不同用戶應用程序的所有庫中模擬各種協(xié)議，并模擬不同用戶同時交換不同類型流量的流量混合，要復雜得多。在一定規(guī)模上，開發(fā)人員更容易使用仿真器，也就是所謂的數(shù)字雙胞胎。Keysight公司提供 140 多個仿真器，為各種通道和第 1 層協(xié)議、第 2-3 層協(xié)議、第 4-7 層流量、安全性、網(wǎng)絡應用程序交付等創(chuàng)建數(shù)字孿生。

自動化正迅速成為一項必備要求。目前，基于人工數(shù)據(jù)輸入、一些 Python 或圖形編程以及 Excel 表格的全手動測試計劃只能涵蓋一小部分可能的用戶故事。每個軟件版本都必須手動更新。

       新一代軟件需要反映應用知識、高級分析算法和測量深度，并包裹在 AI 和 ML 框架中以解決復雜問題。

由于復雜性，測試數(shù)量和測試時間如何增加？

       多云環(huán)境的引入、仍在發(fā)展的 5G 標準、高速 I/O 協(xié)議和交織的應用分層增加了公司的測試數(shù)量 (77%) 和測試時間 (67%)。出于說明目的，我們假設一個產(chǎn)品過去需要 1 分鐘進行 30 次測試，而現(xiàn)在需要 1 分 45 秒和 50 多次測試。雖然這些數(shù)字聽起來很小，但當時間和測試數(shù)量同時增加時，開發(fā)人員的驗證矩陣開始呈指數(shù)而非線性擴展。結(jié)果將意味著要么增加驗證和生產(chǎn)測試，要么減少測試矩陣的范圍。一種選擇會顯著增加單位成本，而另一種選擇會顯著增加運營風險。兩者都不是一個好的選擇。

公司如何應對測試時間和測試數(shù)量增加近一倍？

在Keysight公司，我們看到雖然測試自動化軟件是解決方案的一部分并且絕對需要，但這還不夠。自動化與它們產(chǎn)生的分析和洞察力一樣好。在 Forrester 調(diào)查中，受訪者透露，他們的測試例程覆蓋了“超過需要”的時間超過一半。自動化可以幫助減少測試所需的時間，但不能解決測試范圍、質(zhì)量和覆蓋率問題。在分析和洞察力的支持下，自動化智能、范圍更廣的測試序列將同時解決測試速度和測試范圍的問題。

Keysight公司如何解決這些復雜的測試問題？

Keysight公司創(chuàng)建了一個模型來描述我們?nèi)绾螌⑸詈竦臏y量專業(yè)知識與智能分析和洞察力相結(jié)合，以及如何利用這些洞察力實現(xiàn)工作流程自動化的知識。端到端過程被稱為自動化智能。這三個核心要素：測量深度、分析和洞察力以及工作流程自動化，是是德科技提供的每款軟件的核心。

       自動化智能建立在業(yè)界最深入的測量技術和模擬之上，可提供更快的洞察力，開發(fā)人員可以利用這些洞察力以更快的速度和更低的風險進入市場。無論是測量電源和接地、波形信號質(zhì)量、高速數(shù)據(jù) I/O、網(wǎng)絡完整性還是應用程序交付，我們都會考慮如何幫助客戶加快開發(fā)過程。

隨著個別技術變得更加互聯(lián)，產(chǎn)品需要更多接口，是德科技將繼續(xù)提供幫助：

1.在新的工作流程中自動化智能洞察，

2.加快工程開發(fā)方法，以及

3.自動化必要的測試（利用高級分析、人工智能和機器學習）。

       自動化將如何幫助解決這些挑戰(zhàn)？

Keysight公司看到了這一切——新技術引入的復雜性、可靠性、交互性和更快的速度——為希望突破創(chuàng)新界限的公司提供了一種新的發(fā)展范式：需要更廣泛的自動化和數(shù)字孿生開發(fā)加快交貨速度和提高產(chǎn)品質(zhì)量的環(huán)境。

硬件開發(fā)人員長期以來一直依賴仿真環(huán)境作為原型設計之前的布局的一部分。使用仿真器或數(shù)字雙胞胎，通過允許它們測量不同操作環(huán)境、條件和協(xié)議演變對已知良好參考的影響，減少了設計變量的數(shù)量。同樣，軟件開發(fā)人員使用 scrum 方法并在模擬沙箱中進行測試，以在較小的分組中逐步構建和部署新功能，同時限制變量的數(shù)量。

產(chǎn)品交互的日益復雜性——不斷發(fā)展的通信協(xié)議、不斷發(fā)展的云平臺、持續(xù)的軟件和固件更新——給開發(fā)人員帶來了真正的挑戰(zhàn)，因為每一個都代表著一系列新的變量。盡可能使用自動化和不斷更新的數(shù)字雙胞胎，使開發(fā)團隊能夠減少與其特定設計相關的變量。使用“已知良好”的數(shù)字孿生參考減少設計變量會增加在實踐中發(fā)揮作用的創(chuàng)新與開發(fā)人員的設想相同的可能性。

智能如何影響？

如果你正在建造一座新的辦公樓，你會想要一個頂級的建筑師和承包商。你可以依靠他們的智慧來衡量各個方面并為您提供深思熟慮的設計選擇。電子產(chǎn)品也不例外。測量系統(tǒng)越精確，構建測試系統(tǒng)的團隊越了解，您就越信任他們的結(jié)果。隨著復雜性和碎片化的指數(shù)級增長，有必要從簡單的“收集數(shù)據(jù)”轉(zhuǎn)變?yōu)榇_保您的測量系統(tǒng)具有您可以依賴的智能，以便做出更好的決策和洞察力。下一代軟件通過使用基于對真實應用程序和人工智能算法的理解的高級分析來支持這種變化，這些算法不斷處理數(shù)據(jù)、學習和發(fā)展以提高決策質(zhì)量。

人工智能提供的高級分析使組織能夠?qū)Ｗ⒂趯τ脩糁匾氖虑?，而不是試圖了解數(shù)據(jù)的各個方面。是德科技的智能自動化可以發(fā)現(xiàn)任何可能存在的錯誤或缺陷。它主動發(fā)現(xiàn)系統(tǒng)中的任何弱點，并從用戶的角度確定測試的關鍵。所有這些都提供了競爭優(yōu)勢。

自動化智能方法能否縮短上市時間？

在委托進行的研究中，F(xiàn)orrester 確定了影響上市時間的三個最重要因素是跨團隊共享數(shù)據(jù)、對當前測試和測量數(shù)據(jù)進行更好的分析，以及跨產(chǎn)品開發(fā)生命周期的軟件工具?？傊@些因素可以加快開發(fā)和驗證時間，從而縮短上市時間。組織需要了解并解決所有三個問題：

1.數(shù)據(jù)——是德科技認為，下一代軟件將需要在各個方面改進數(shù)據(jù)集成和共享：

2.物理——更好的測量數(shù)據(jù)和對行業(yè)標準的理解

3.數(shù)字——模擬和仿真，以及將來自數(shù)字孿生的物理和數(shù)字數(shù)據(jù)結(jié)合到混合模型中，并融合來自多個來源的數(shù)據(jù)

4.更好的分析——自動化是未來的要求，但分析有可能通過人工智能和機器學習的進步與深入的應用知識相結(jié)合，徹底改變測試組織，從而揭示真正的洞察力。隨著復雜參數(shù)的排列繼續(xù)以前所未有的速度增長，“測量什么”現(xiàn)在是許多人的關鍵絆腳石。

5.貫穿產(chǎn)品開發(fā)生命周期的軟件工具——需要更高級別的工具來跟蹤產(chǎn)品，消除設計和測試之間的人為障礙，并使工作流程自動化。

自動化智能和人工智能有什么區(qū)別？

人工智能只是自動化智能所需的一個組成部分。如何進行測量、如何分析以及了解設計的不相交部分如何連接對于智能自動化任何設計、構建或操作至關重要。雖然人工智能可以成功地識別模式、群體、關系和結(jié)果，但它在理解行業(yè)標準、頻段、立法、測量限制、客戶使用條件等變化的影響方面只有它的設計者一樣好。這就是為什么更完整的自動化智能方法至關重要。

今天有多少公司在使用人工智能，人工智能的采用率是多少？

我們很高興地看到，人工智能作為自動化智能的組成部分的采用率正在急劇增加。Forrester 研究發(fā)現(xiàn)，目前有 16% 的受訪者使用 AI 來集成復雜的測試套件。在接下來的 3 年中，52% 的受訪公司（增加 325%）表示考慮使用 AI 來集成復雜的測試套件。

在Keysight公司，我們也是希望開發(fā)更快、更智能、更安全產(chǎn)品的工程師。無論產(chǎn)品開發(fā)涉及新興的電子或無線通信標準、高速數(shù)據(jù)傳輸、復雜的云網(wǎng)絡還是分布式應用程序交付，我們都專注于構建實驗室自動化解決方案，以提供由 AI 和 ML 提供支持的深入分析，以及針對目標的測試自動化技術在最小化開發(fā)時間和最大化性能方面。

深圳市晶光華電子有限公司  26年專注提供一站式晶振產(chǎn)品解決方案，產(chǎn)品主要有SMD石英晶振、  車規(guī)晶振 、  SMD振蕩器等。晶光華始終堅持以品質(zhì)為基石，品質(zhì)符合國際IEC和美國ANSI標準。為了滿足客戶的高標準需求，我司積極整合供應鏈，真正服務每一位品質(zhì)客戶。