การพัฒนากระบวนการทดสอบสำหรับระบบลางาน กรณีศึกษา บริษัท บิ๊ก ดาต้า เอเจนซี่ จำกัด
คำสำคัญ:
การทดสอบซอฟต์แวร์, การทดสอบภาพรวม, การทดสอบฟังก์ชัน, การทดสอบประสิทธิภาพบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อทดสอบความสามารถในการทำงานและประสิทธิภาพของระบบใบลาที่พัฒนาโดยบริษัท บิ๊กดาต้า เอเจนซี่ จำกัด โดยใช้เทคนิคการทดสอบภาพรวม การทดสอบฟังก์ชัน และการทดสอบประสิทธิภาพ โดยทำการทดสอบในกลุ่มผู้ใช้จำนวน 100 คน และทดสอบ 6 กรณีหลัก ซึ่งครอบคลุมทั้งการทดสอบการทำงานปกติและการทดสอบภายใต้ภาระการใช้งานสูง การเลือกกลุ่มทดสอบและกรณีทดสอบนี้มีวัตถุประสงค์เพื่อประเมินความสามารถของระบบในการรองรับการใช้งานในสถานการณ์ที่หลากหลาย ทั้งในภาวะปกติและเมื่อมีการใช้งานหนัก เพื่อให้มั่นใจว่าระบบสามารถตอบสนองต่อความต้องการของผู้ใช้ได้อย่างมีประสิทธิภาพในทุกสภาวะ กระบวนการทดสอบแบ่งออกเป็นสามส่วนหลัก ได้แก่ 1) การทดสอบความสามารถในการนำเข้าและส่งออกข้อมูลของระบบ 2) การทดสอบกระบวนการทำงานของระบบ และ 3) การทดสอบประสิทธิภาพการตอบสนองหลังจากใช้งานระบบ ผลการทดสอบพบว่าระบบมีประสิทธิภาพในการทำงานโดยรวมอยู่ในเกณฑ์ที่ดี โดยผ่านเกณฑ์การทดสอบด้านความสามารถในการนำเข้าและส่งออกข้อมูล และกระบวนการทำงานของระบบด้วยอัตราความสำเร็จ 100% ส่วนด้านประสิทธิภาพการตอบสนองเวลาเฉลี่ยเท่ากับ 2 วินาที อัตราความสำเร็จเท่ากับ 99.17% แม้ยังมีบางกรณีที่ตอบสนองช้ากว่าเกณฑ์ แต่โดยรวมระบบสามารถตอบสนองความต้องการของผู้ใช้งานได้อย่างมีประสิทธิภาพ
เอกสารอ้างอิง
Aichernig, B. K., Priska Bauerstätter, Jöbstl, E., Kann, S., Korošec, R., Krenn, W., … Schumi, R. (2019). Learning and statistical model checking of system response times. Software Quality Journal, 27(2), 757–795. Form https://doi.org/10.1007/s11219-018-9432-8.
Antonio Gomes Rodrigues, Bruno Demion (Milamber, & Mouawad, P. (2019). Master Apache JMeter - From Load Testing to DevOps. Packt Publishing Ltd.
Bucaille, S., Luis, J., Hamza Ed-douibi, & Cabot, J. (2020). An OpenAPI-Based Testing Framework to Monitor Non-functional Properties of REST APIs. International Conference on Web Engineering, 533–537. Form https://doi.org/10.1007/978-3-030-50578-3_39.
Delgado‐Pérez, P., Sánchez, A. B., Segura, S., & Medina‐Bulo, I. (2020). Performance mutation testing. Software Testing, Verification and Reliability. Form https://doi.org/10.1002/stvr.1728.
Embretson, S. (2021). Response Time Relationships Within Examinees: Implications for Item Response Time Models. Springer Proceedings in Mathematics & Statistics, 47–55. Form https://doi.org/10.1007/978-3-030-74772-5_5.
Ferreira, J. M., Rodriguez, F., Santos, A., Dieste, O., Acuna, S. T., & Juristo, N. (2022). Impact of Usability Mechanisms: A Family of Experiments on Efficiency, Effectiveness and User Satisfaction. IEEE Transactions on Software Engineering, 1–1. Form https://doi.org/10.1109/tse.2022.3149586.
Gardey, J. C., Garrido, A., Firmenich, S., Grigera, J., & Rossi, G. (2020). UX-Painter: An Approach to Explore Interaction Fixes in the Browser. Proceedings of the ACM on Human-Computer Interaction, 4(EICS), 1–21. Form https://doi.org/10.1145/3397877.
Gupta, S., & Gayathri, N. (2022). Study of the Software Development Life Cycle and the Function of Testing. 2022 International Interdisciplinary Humanitarian Conference for Sustainability (IIHC). Form https://doi.org/10.1109/iihc55949.2022.10060231.
Helali Moghadam, M., Saadatmand, M., Borg, M., Bohlin, M., & Lisper, B. (2019, April 1). Machine Learning to Guide Performance Testing: An Autonomous Test Framework. Form https://doi.org/10.1109/ICSTW.2019.00046.
Huerta-Guevara, O., Ayala-Rivera, V., Murphy, L., & A. Omar Portillo-Dominguez. (2019). DYNAMOJM: A JMeter Tool for Performance Testing Using Dynamic Workload Adaptation. Lecture Notes in Computer Science, 234–241. Form https://doi.org/10.1007/978-3-030-31280-0_14.
Indrianto Indrianto. (2023). Performance Testing on Web Information System Using Apache Jmeter and Blazemeter. Jurnal Ilmiah Ilmu Terapan Universitas Jambi, 7(2), 138–149. Form https://doi.org/10.22437/jiituj.v7i2.28440.
Jabeen, G., Luo, P., & Afzal, W. (2019). An improved software reliability prediction model by using high precision error iterative analysis method. Software Testing, Verification and Reliability, 29(6-7). Form https://doi.org/10.1002/stvr.1710.
Joshi, S., & Kumari, I. (2022, November 1). Analyses of Software Testing Approaches. Form https://doi.org/10.1109/IIHC55949.2022.10060147.
Kołtun, A., & Panczyk, B. (2020). Comparative analysis of web application performance testing tools. Journal of Computer Sciences Institute, 17, 351–357. Form https://doi.org/10.35784/jcsi.2209.
Lima, R., da Cruz, A. M. R., & Ribeiro, J. (2020). Artificial Intelligence Applied to Software Testing: A Literature Review. 2020 15th Iberian Conference on Information Systems and Technologies (CISTI). Form https://doi.org/10.23919/cisti49556.2020.9141124.
Littlewood, B., Salako, K., Strigini, L., & Zhao, X. (2020). On reliability assessment when a software-based system is replaced by a thought-to-be-better one. Reliability Engineering & System Safety, 197, 106752. Form https://doi.org/10.1016/j.ress.2019.106752.
Llerena, L., Rodriguez, N., Castro, J. W., & Acuña, S. T. (2019). Adapting usability techniques for application in open source Software: A multiple case study. Information and Software Technology, 107, 48–64. Form https://doi.org/10.1016/j.infsof.2018.10.011.
Mahshid Helali Moghadam. (2019). Machine learning-assisted performance testing. ESEC/FSE 2019: Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering. Form https://doi.org/10.1145/3338906.3342484.
Naik, K., & Tripathy, P. (2011). Software Testing and Quality Assurance : Theory and Practice. Somerset: Wiley.
Novella, L., Tufo, M., & Fiengo, G. (2019). Automatic Test Set Generation for Event-Driven Systems in the Absence of Specifications Combining Testing with Model Inference. Information Technology and Control, 48(2), 316–334. Form https://doi.org/10.5755/j01.itc.48.2.21725.
Petch, J., Di, S., & Nelson, W. (2021). Opening the black box: the promise and limitations of explainable machine learning in cardiology. Canadian Journal of Cardiology, 38(2). Form https://doi.org/10.1016/j.cjca.2021.09.004.
Pietrantuono, R., Popov, P., & Russo, S. (2020). Reliability assessment of service-based software under operational profile uncertainty. Reliability Engineering & System Safety, 204, 107193. Form https://doi.org/10.1016/j.ress.2020.107193.
Shibl, M. A., Iman, & Mazen, S. A. (2021). System Integration for Large-Scale Software Projects: Models, Approaches, and Challenges. Springer EBooks, 99–113. Form https://doi.org/10.1007/978-3-030-82616-1_10.
Soares, E., Alencar, D., & Kulesza, U. (2023). Continuous Integration and Software Quality: A Causal Explanatory Study. ArXiv (Cornell University). Form https://doi.org/10.48550/arxiv.2309.10205.
Spillner, A., & Linz, T. (2021). Software Testing Foundations, 5th Edition. Rocky Nook, Inc.
Wang, J., & Wu, J. (2019, June 1). Research on Performance Automation Testing Technology Based on JMeter. Form https://doi.org/10.1109/ICRIS.2019.00023.
Wei, Q., & Bai, Y. (2023). A review of research on system integration. Third International Symposium on Computer Engineering and Intelligent Communications (ISCEIC 2022). Form https://doi.org/10.1117/12.2660978.
Zhao, Y., Xiao, L., Bondi, A. B., Chen, B., & Liu, Y. (2022). A Large-Scale Empirical Study of Real-LifePerformance Issues in Open Source Projects. IEEE Transactions on Software Engineering, 1–1. Form https://doi.org/10.1109/tse.2022.3167628.
