Efficient Test Data Generation for MC/DC with OCL and Search

要約

アビオニクス・ソフトウェア・システムのシステムレベル試験では、DO-178Cのようなさまざまな国際安全規格に準拠する必要があります。アビオニクス業界の重要な検討事項は、安全規格が提案する基準に従ってテストデータを自動生成することです。DO-178Cで推奨されている基準の1つは、修正条件/決定カバレッジ（MC/DC）基準です。現在のモデルベースのテストデータ生成アプローチは、オブジェクト制約言語（OCL）で記述された制約を使用し、テストデータを生成するために検索技術を適用します。これらのアプローチは、MC/DC基準をサポートしていないか、または大規模な航空電子システムのテストデータを生成する際の性能の問題に悩まされています。本論文では、モデルベースのテストにおいてMC/DCテストデータ生成を自動化する効果的な方法を提案する。我々は、MC/DCに合わせたOCL制約を解くために設計されたケースベース推論（CBR）と範囲削減ヒューリスティックを利用する戦略を開発する。我々は、CBR、範囲削減、CBRと範囲削減の両方を用いたMC/DCテストデータ生成のための我々の提案戦略を、独自の探索アルゴリズム、およびランダム探索と比較するための実証研究を行った。また、既存の制約解決アプローチとの比較も行った。その結果、MC/DCテストデータ生成のためのCBRと範囲削減の両方が、ベースラインアプローチを上回ることが示された。さらに、MC/DCテストデータ生成のためのCBRとレンジリダクションの両方の組み合わせは、既存の制約ソルバと比較して効果的なアプローチである。

要約(オリジナル)

System-level testing of avionics software systems requires compliance with different international safety standards such as DO-178C. An important consideration of the avionics industry is automated test data generation according to the criteria suggested by safety standards. One of the recommended criteria by DO-178C is the modified condition/decision coverage (MC/DC) criterion. The current model-based test data generation approaches use constraints written in Object Constraint Language (OCL), and apply search techniques to generate test data. These approaches either do not support MC/DC criterion or suffer from performance issues while generating test data for large-scale avionics systems. In this paper, we propose an effective way to automate MC/DC test data generation during model-based testing. We develop a strategy that utilizes case-based reasoning (CBR) and range reduction heuristics designed to solve MC/DC-tailored OCL constraints. We performed an empirical study to compare our proposed strategy for MC/DC test data generation using CBR, range reduction, both CBR and range reduction, with an original search algorithm, and random search. We also empirically compared our strategy with existing constraint-solving approaches. The results show that both CBR and range reduction for MC/DC test data generation outperform the baseline approach. Moreover, the combination of both CBR and range reduction for MC/DC test data generation is an effective approach compared to existing constraint solvers.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL