姚 奕，劉語嬋，楊 帆

(陸軍工程大學(xué) 指揮控制工程學(xué)院，江蘇 南京 210007)

隨著互聯(lián)網(wǎng)群智技術(shù)的深入研究，測試中人員多樣性和互補(bǔ)性帶來的缺陷發(fā)現(xiàn)效率的提高，使得眾包測試得到了飛速發(fā)展[1]。現(xiàn)有眾包測試平臺(tái)發(fā)布測試任務(wù)后，項(xiàng)目經(jīng)理通常只根據(jù)他們的個(gè)人經(jīng)驗(yàn)來計(jì)劃眾包測試任務(wù)的結(jié)束。例如，他們通常采用基于時(shí)間或基于參與者的條件來結(jié)束眾測試任務(wù)。然而做出合理的決定是很有挑戰(zhàn)性的，眾包測試通常被視為一個(gè)黑箱過程，管理者的決策仍然對其實(shí)際進(jìn)展不敏感，這些基于經(jīng)驗(yàn)的決定可能會(huì)導(dǎo)致無效的眾測過程。這表明了改進(jìn)當(dāng)前眾包測試實(shí)踐的實(shí)際需要和潛在機(jī)會(huì)。因此，眾包測試平臺(tái)希望尋找能夠?qū)崟r(shí)預(yù)測或估計(jì)軟件缺陷數(shù)量和可靠性的軟件可靠性建模技術(shù)。通過比較預(yù)測和檢測的缺陷數(shù)量以及評估軟件測試后的可靠性，以評估測試任務(wù)的進(jìn)度，能夠合理判定任務(wù)結(jié)束，避免浪費(fèi)大量的測試時(shí)間和資源。

關(guān)于眾包測試缺陷數(shù)量預(yù)測的研究很少，Wang等[2]從軟件的可靠性出發(fā)對測試任務(wù)完成度進(jìn)行評估。Wang首先根據(jù)測試報(bào)告中缺陷的重疊性利用捕獲-重捕模型預(yù)測軟件中的缺陷規(guī)模，然后通過分析已檢測缺陷數(shù)量所占缺陷規(guī)模的百分比來衡量軟件的可靠性。然而，眾包測試區(qū)別于傳統(tǒng)的測試手段，以其參與者的隨機(jī)多樣性與測試報(bào)告數(shù)量的龐大性使得軟件產(chǎn)品被更加合理充分地測試。參與測試任務(wù)的人員越多越活躍，那么平臺(tái)接收到的測試報(bào)告也越多，則缺陷被發(fā)現(xiàn)的概率則更大。但是缺陷數(shù)量是恒定的，大量的人力和報(bào)告成本的投入可能會(huì)導(dǎo)致測試的低效益性。因此通過研究測試成本與缺陷發(fā)現(xiàn)數(shù)量的關(guān)系來預(yù)測缺陷數(shù)量。軟件可靠性增長模型(Software Reliability Growth Model,SRGM)[3-4]在度量、預(yù)測、保證可靠性上被廣泛應(yīng)用，同時(shí)也為最優(yōu)發(fā)布時(shí)間抉擇等軟件開發(fā)活動(dòng)提供重要決策支持。SRGM從軟件失效的角度進(jìn)行可靠性建模，采用以微分方程(組)為主的數(shù)學(xué)手段建立軟件測試過程中的若干個(gè)隨機(jī)參量間的定量函數(shù)模型，例如測試時(shí)間、累積檢測的缺陷數(shù)量、測試工作量等參量?；谇蠼獬龅睦鄯e檢測缺陷數(shù)量函數(shù)表達(dá)式，可以獲得測試階段的可靠性[5]。SRGM除了包括完美排錯(cuò)模型[6-8]、不完全排錯(cuò)模型等類型[9-10]，還考慮了測試資源和測試環(huán)境，基于測試工作量(Testing-Effort,TE)和變動(dòng)點(diǎn)(Change-Point,CP)的SRGM相繼被提出[11-15]。各種類型的TE開始廣泛地出現(xiàn)在SRGM中，使得融入測試資源的花銷在建模中成為常態(tài)。

基于眾包測試人力成本和測試報(bào)告成本數(shù)量龐大的特點(diǎn)，本文對傳統(tǒng)的基于單個(gè)TE的SRGM進(jìn)行了改進(jìn)，將測試人力和提交的測試報(bào)告數(shù)量同時(shí)納入測試工作量考慮范圍，提出了一種針對眾包測試的軟件缺陷數(shù)量估計(jì)模型(Crowdsourced Test Defect Number Estimation Model,CTDNEM)。其中利用相關(guān)函數(shù)對測試人力和測試報(bào)告數(shù)量兩個(gè)測試成本元素進(jìn)行相關(guān)性分析，并基于相關(guān)性程度和測試工作量函數(shù)(Testing-Effort Function,TEF)建立了一個(gè)通用的分段式可靠性建?？蚣埽梢愿鶕?jù)不同元素之間的相關(guān)性程度來選擇合適的微分方程；同時(shí)在成本估計(jì)中，引入3種TEFs估計(jì)測試成本數(shù)據(jù)，以此選擇最優(yōu)參數(shù)代入微分方程求解出測試中累積的檢測缺陷數(shù)量以及潛在缺陷數(shù)量，能夠有效提高缺陷數(shù)量估計(jì)的準(zhǔn)確性。

1 傳統(tǒng)模型

非齊次泊松過程(Non-Homogeneous Poisson Process,NHPP)類模型由于具有易理解與易使用等優(yōu)良特性，已成為目前研究最為廣泛的一類SRGMs[15]。缺陷的檢測與修復(fù)是在TE的消耗下進(jìn)行的，TE可有效地描述軟件開發(fā)過程中的工作剖面，因而SRGM中應(yīng)考慮到其存在,本文模型就是在此類模型框架基礎(chǔ)上進(jìn)行改進(jìn)的。

Zhang等[9]首次針對TE提出了一個(gè)相對統(tǒng)一的SRGM框架(Software Reliability Growth Model Based on Testing-Effort,TE-SRGM)，該模型框架的建立基于下面的假設(shè)條件。

① 缺陷檢測過程隨時(shí)間服從NHPP過程。

② 在(t,t+Δt)時(shí)間內(nèi)檢測到缺陷的平均數(shù)量與當(dāng)前測試工作量消耗率下的軟件中剩余的平均缺陷數(shù)量成正比。這個(gè)比值即為當(dāng)前的缺陷檢測率，它可以是一個(gè)常數(shù)b，也可以是時(shí)間相關(guān)的函數(shù)b(t)。

③ 每次缺陷被檢測出來時(shí)，都會(huì)立即被完美地修復(fù)，而修復(fù)只需要很少的時(shí)間，且不會(huì)引入新的缺陷，因此軟件中的缺陷總數(shù)是一個(gè)常值a。

④ 所有的缺陷都是獨(dú)立的，并且同樣可以檢測到。

根據(jù)上述假設(shè)，即可得到如式(1)所示的考慮TE的NHPP軟件可靠性建?？蚣?。

(1)

式中，m(t)為時(shí)間間隔[0,t]內(nèi)的檢測缺陷數(shù)的期望均值函數(shù)；w(t)為測試工作量消耗速率函數(shù)，它是測試工作量函數(shù)(記為W(t))對測試時(shí)間t的導(dǎo)數(shù)；b(t)為當(dāng)時(shí)的缺陷檢測率；a為軟件中的缺陷總數(shù)。

在邊界條件為m(0)=0，W(0)=0時(shí)，將不同形式的測試工作量函數(shù)W(t)代入上述微分方程并求解，即可得到各種不同的累積檢測缺陷數(shù)量函數(shù)表達(dá)式(記為m(t))。

2 改進(jìn)模型CTDNEM

針對眾包測試人員多樣性和測試報(bào)告互補(bǔ)性的特點(diǎn)，將測試人力數(shù)量和提交測試報(bào)告數(shù)量作為測試成本元素，并基于TE-SRGM建立了眾包測試缺陷數(shù)量估計(jì)模型CTDNEM，模型的流程如圖1所示。

圖1 眾包測試缺陷數(shù)量估計(jì)流程

在模型假設(shè)的前提下，CTDNEM首先利用相關(guān)函數(shù)對測試人力和測試報(bào)告兩個(gè)測試成本元素進(jìn)行相關(guān)性分析，其次根據(jù)不同元素之間的相關(guān)性程度建立了一個(gè)通用的分段式可靠性建?？蚣軄韺z測過程建模，然后利用實(shí)際測試成本數(shù)據(jù)分別估計(jì)3種TEF的參數(shù)并進(jìn)行比較，以此選擇出最優(yōu)的TEF代入微分方程。最終可以估計(jì)軟件潛在缺陷數(shù)量以及各時(shí)刻累積檢測缺陷數(shù)量。

2.1 模型假設(shè)

首先，由于眾包測試過程只涉及缺陷檢測行為，不包含修復(fù)工作，該模型需要設(shè)置一個(gè)虛擬修復(fù)過程。本文中此過程屬于完美修復(fù)，無需結(jié)合實(shí)際討論。其次，眾包測試軟件的規(guī)模通常較小，不適用于系統(tǒng)級的分析，因此需要對時(shí)間進(jìn)行細(xì)化處理。第三，考慮到測試報(bào)告具有高重復(fù)率和高互補(bǔ)率的特點(diǎn)，平臺(tái)需要對報(bào)告進(jìn)行融合，去重等處理。因此CTDNEM對TE-SRGM的假設(shè)進(jìn)行了修改，使其滿足眾包測試行為的特點(diǎn)。模型需要滿足以下假設(shè)條件。

① 測試過程中，缺陷檢測過程隨時(shí)間服從NHPP過程。

② 所有的缺陷都是獨(dú)立的，并且同樣可以檢測到。

③ 所有測試時(shí)間細(xì)化，將日歷時(shí)間轉(zhuǎn)化為時(shí)間戳形式，并保證測試起始時(shí)間為0。

④ 每次測試報(bào)告被提交后，都會(huì)進(jìn)行虛擬修復(fù)，即發(fā)現(xiàn)的缺陷會(huì)立即被完美地修復(fù)，且不會(huì)引入新的缺陷，因此軟件中的缺陷總數(shù)是一個(gè)常數(shù)a。

⑤ 測試報(bào)告中重復(fù)的缺陷只累積首次發(fā)現(xiàn)。缺陷被虛擬修復(fù)后，若測試報(bào)告中還上報(bào)該缺陷，此缺陷將被忽略。

⑥ 在(t,t+Δt)時(shí)間內(nèi)檢測到缺陷的平均數(shù)量與當(dāng)前缺陷檢測率b(t)及兩個(gè)測試成本工作量w1(t)和w2(t)的共同作用消耗率下軟件中剩余的平均缺陷數(shù)量成正比。其中，兩個(gè)測試成本元素的共同作用情況將在后面討論。

2.2 測試成本元素

通常SRGM適用于系統(tǒng)級別的缺陷數(shù)量估計(jì)[5]，而眾包測試中待測軟件規(guī)模較小，TE-SRGM原有測試工作量難以保證模型的準(zhǔn)確性。因此基于眾包測試特點(diǎn)，可以考慮使用多個(gè)測試成本元素，模型將測試人力和提交的測試報(bào)告數(shù)量納入考慮范圍。

在現(xiàn)實(shí)的測試環(huán)境中，測試成本元素并不是完全相互獨(dú)立的，也不是完全一致的，它們或多或少會(huì)有一定的聯(lián)系。因此，模型使用相關(guān)系數(shù)來表示兩個(gè)元素的相關(guān)性。相關(guān)系數(shù)最早是由統(tǒng)計(jì)學(xué)家卡爾·皮爾遜設(shè)計(jì)的統(tǒng)計(jì)指標(biāo)相關(guān)性，其計(jì)算公式為

(2)

式中，P為參與的測試人力變量；R為提交的測試報(bào)告數(shù)量變量；Var代表求方差；E代表求期望值。皮爾遜認(rèn)為相關(guān)系數(shù)ρ的絕對值若在0.7以上，就認(rèn)為P和R有強(qiáng)的相關(guān)性；在0.4～0.7之間，可以認(rèn)為兩者有相關(guān)性；在0.4以下，則認(rèn)為兩者沒有相關(guān)性[17]。

本文隨機(jī)對現(xiàn)有數(shù)據(jù)集成本數(shù)據(jù)進(jìn)行相關(guān)性分析，分析結(jié)果如圖2所示，該數(shù)據(jù)集的人員成本和報(bào)告成本的相關(guān)性為0.65，這表明兩個(gè)測試成本元素之間存在一定的正相關(guān)關(guān)系。因此，為了提高缺陷數(shù)量估計(jì)結(jié)果的準(zhǔn)確性，需要最小化兩個(gè)因素對彼此的影響。CTDNEM針對不同的相關(guān)性程度，建立了一個(gè)分段式的可靠性建?？蚣?，可以最小化兩個(gè)成本元素對彼此的影響。

圖2 測試人力與測試報(bào)告相關(guān)性

2.3 通用框架

第一節(jié)中TE-SRGM只考慮了單個(gè)測試成本元素的情況，無法將兩個(gè)或多個(gè)測試成本元素直接代入式(1)。CTDNEM則提出一個(gè)能夠包含兩個(gè)測試成本元素的可靠性建?？蚣?。在式(1)的基礎(chǔ)上，模型引入兩個(gè)測試成本元素來對最終檢測到的缺陷平均數(shù)量進(jìn)行計(jì)算，考慮到測試成本元素之間的相關(guān)性，模型建立如下的可靠性建?？蚣?。

(3)

式中，w1(t)為t時(shí)刻測試人員占用率；w2(t)為t時(shí)刻測試報(bào)告消耗率；a為缺陷總數(shù)；λ和μ為相關(guān)性調(diào)和系數(shù)；b(t)為缺陷檢測率。

整個(gè)測試過程中，總體的缺陷檢測率最終都會(huì)隨著缺陷數(shù)量的檢測和排除而上升并趨于恒定。因此CTDNEM利用現(xiàn)有的b(t)公式[18]：

(4)

式中，r為彎曲因子,表示軟件中不相關(guān)缺陷所占的比例。當(dāng)r=1時(shí)，所得到的m(t)即為凹型模型，其余情況得到的是S型模型。

兩個(gè)測試成本元素的3種相關(guān)性情況具體描述如下。

① 當(dāng)ρ(P,R)≥0.7時(shí)，P和R相關(guān)性極強(qiáng)。此時(shí)兩個(gè)元素的影響可用其中任一元素代替，微分方程與式(1)相同。

② 當(dāng)0.4≤ρ(P,R)<0.7時(shí)，P和R相關(guān)性較弱。此時(shí)認(rèn)定P和R在一定比例上影響缺陷檢測數(shù)量，在(t,t+Δt)時(shí)間內(nèi)檢測到缺陷的平均數(shù)量與一定權(quán)重下的兩個(gè)元素消耗率之和成正比。

③ 當(dāng)ρ(P,R)<0.4時(shí)，P和R基本無關(guān)。此時(shí)認(rèn)定P和R相互完全獨(dú)立，共同影響缺陷檢測數(shù)量，在(t,t+Δt)時(shí)間內(nèi)檢測到缺陷的平均數(shù)量與兩個(gè)元素消耗率皆成正比。

3 TEF分析

文獻(xiàn)[19]中明確指出，軟件中缺陷總數(shù)a、缺陷檢測率b(t)和測試工作量TE是影響SRGM的重要參數(shù)因素。前文已經(jīng)對前兩個(gè)因素進(jìn)行了分析，這里不再贅述。本節(jié)將對第3個(gè)因素TE進(jìn)行概要分析。

在軟件測試階段，會(huì)消耗大量的測試工作，例如測試報(bào)告的數(shù)量、測試人力和CPU時(shí)間等。消耗的測試工作指示了如何在軟件中有效地檢測缺陷，因此，資源消耗或人力資源分配可以通過不同的分布進(jìn)行建模。TE通常用測試工作量函數(shù)TEF來表示，即W(t)，下面列出了3個(gè)常用的TEFs。

① Weibull-Type TEF：在整個(gè)測試階段，單位時(shí)間的TE不為常數(shù)。事實(shí)上，瞬時(shí)TE在測試生命周期中最終會(huì)降低，因此累積TE接近一個(gè)有限的極限。這種分析是合理的，因?yàn)闆]有軟件公司會(huì)在軟件測試上花費(fèi)無限的資源。因此，Yamada等提出了威布爾分布，其在(0,t]中消耗的累積TE公式如下[20]：

W(t)=W(1-e(-βtδ))θ,W>0,β>0,δ>0,θ>0

(5)

在測試時(shí)刻t消耗的瞬時(shí)TE為

(6)

式中，W為TE支出的總額；β為規(guī)模參數(shù)；δ和θ為形狀參數(shù)。

Weibull-Type曲線有幾種特殊情況：當(dāng)θ=1，δ=1時(shí)，累積TE為指數(shù)曲線；當(dāng)θ=1，δ=2時(shí)，累積TE為Rayleigh曲線；當(dāng)θ=1時(shí)，累積TE為Weibull曲線。

② Logistic TEF：當(dāng)δ>3時(shí)，Weibull-Type曲線有明顯的峰值現(xiàn)象。這種現(xiàn)象不符合實(shí)際的軟件開發(fā)/測試過程。為此，Huang等提出使用Logistic TE函數(shù)來描述測試工作模式。其在(0,t]中消耗的累積TE為[21]

(7)

在測試時(shí)刻t消耗的瞬時(shí)TE為

(8)

③ Log-Logistic TEF：在某些缺陷數(shù)據(jù)集中，隨著測試的進(jìn)行，單位TE損耗的速率也可能呈現(xiàn)遞增或遞減的行為，現(xiàn)有的模型不能捕捉到這種趨勢。因此，Gokhale和Trivedi提出了Log-Logistic TE函數(shù)，來描述出這種趨勢。其在(0,t]中消耗的累積TE為[22]

(9)

在測試時(shí)刻t消耗的瞬時(shí)TE為

(10)

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)概述

① 數(shù)據(jù)集。從MoocTest眾包測試平臺(tái)上選擇4組真實(shí)的且包含測試工作量數(shù)據(jù)信息的缺陷數(shù)據(jù)集DS1～DS4。這4組眾包測試數(shù)據(jù)集覆蓋了不同數(shù)量的缺陷與測試人員，并且參與測試人員的數(shù)量都大于200，報(bào)告數(shù)量都大于1000，其成本數(shù)據(jù)遠(yuǎn)遠(yuǎn)超過傳統(tǒng)測試。這些項(xiàng)目經(jīng)過眾包測試后，根據(jù)其互補(bǔ)性特點(diǎn)進(jìn)行了測試報(bào)告、測試人力以及缺陷信息的統(tǒng)計(jì)與融合，形成了缺陷數(shù)據(jù)集，具體內(nèi)容如表1所示。

表1 眾包測試缺陷數(shù)據(jù)集統(tǒng)計(jì)信息

② 對照組。選取現(xiàn)有的TE-SRGM作為基線方法，基線方法中測試成本工作量使用的TEF根據(jù)實(shí)驗(yàn)比較后選取最優(yōu)分布函數(shù)。

③ 實(shí)驗(yàn)組。應(yīng)用本文提出的CTDNEM分別建立適于真實(shí)數(shù)據(jù)集的缺陷數(shù)量估計(jì)模型，并與基線方法進(jìn)行實(shí)例對比研究，其中測試成本工作量使用的TEF選擇方法與對照組相同。

④ 參數(shù)估計(jì)方法。方法包括最大似然估計(jì)(Maximum Likelihood Estimation,MLE)和最小二乘估計(jì)(Least Squares Estimation,LSE)，其中TEF的參數(shù)估計(jì)僅使用LSE，累積檢測缺陷數(shù)量函數(shù)表達(dá)式m(t)的參數(shù)估計(jì)使用MLE和LSE。

⑤ 任務(wù)結(jié)束判定規(guī)則。累積缺陷檢測數(shù)量函數(shù)m(t)收斂，或者實(shí)際檢測數(shù)量與軟件潛在缺陷數(shù)量估計(jì)值a達(dá)到一定比例(如90%)，即可判定任務(wù)完成。

4.2 評價(jià)指標(biāo)

為了檢查TEF與CTDNEM的性能，更好地評估和比較模型擬合缺陷的力，實(shí)驗(yàn)使用以下3個(gè)評價(jià)指標(biāo)。

(1)估算精度(Accuracy of Estimation,AE)。

AE通過軟件中存在的初始估計(jì)的缺陷數(shù)和最終實(shí)際檢測到的缺陷累積數(shù)進(jìn)行計(jì)算，通過估計(jì)的軟件潛在缺陷數(shù)量與檢測結(jié)果的誤差反映軟件缺陷數(shù)量估計(jì)值的準(zhǔn)確度。

(11)

式中，Ma為測試后實(shí)際檢測到的缺陷累積數(shù);a為估計(jì)的軟件中的缺陷總數(shù)。估計(jì)值a最終可以用來與缺陷檢測數(shù)量比較，衡量測試任務(wù)進(jìn)度。

在黨中央遷往當(dāng)時(shí)北平的路上，毛澤東意味深長地說：這是“進(jìn)京趕考”。“我們決不當(dāng)李自成，我們都希望考個(gè)好成績！”這考官自然是以工農(nóng)為主體的人民大眾。

(2)平方誤差的均值(Mean Square Error,MSE)。

(12)

式中，mi為ti時(shí)刻的實(shí)際檢測缺陷數(shù)；m(ti)為ti時(shí)刻模型估計(jì)的期望缺陷數(shù)。MSE越小，擬合誤差越小，性能越好。

(3)預(yù)測效度(Predictive Validity,PV)。

(13)

取不同的預(yù)計(jì)點(diǎn)te(te≤tq)，并重復(fù)上述過程，即可獲得不同的RE(Relative Error)值。通常情況下，可以將不同的RE值制成RE圖，以直觀地檢驗(yàn)?zāi)Ｐ偷念A(yù)計(jì)能力。RE圖中接近于橫軸(即RE值接近于0)的點(diǎn)越多，表明模型預(yù)計(jì)能力越好。

(4)缺陷覆蓋率(Defect Coverage,DC)。

DC通過實(shí)時(shí)計(jì)算檢測到的缺陷累積數(shù)和初始估計(jì)的軟件缺陷數(shù)的比例，可以反映出缺陷被檢測的覆蓋程度。

(14)

式中，Ma為測試后實(shí)際檢測到的缺陷累積數(shù)；a為估計(jì)的軟件中的缺陷總數(shù)。理想狀態(tài)下，當(dāng)DC=100%時(shí)，缺陷全部被檢測到。但是在實(shí)際測試中，DC總是小于理想值的，因此可以設(shè)定當(dāng)DC達(dá)到某比例時(shí)，即可判定任務(wù)完成。

4.3 結(jié)果分析

為了驗(yàn)證所提出的模型CTDNEM，并與基線方法TE-SRGM進(jìn)行性能比較，本文對4個(gè)實(shí)際的眾包測試軟件缺陷數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，各個(gè)數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果如下。

(1)DS1。

為了估計(jì)工作量，實(shí)驗(yàn)利用LSE方法對3種工作量函數(shù)進(jìn)行參數(shù)估計(jì)。圖3顯示了通過使用上述3種TEFs來擬合估計(jì)的人力和測試報(bào)告的測試工作量，擬合曲線和實(shí)際軟件數(shù)據(jù)分別用實(shí)線和虛線表示。

在圖3(a)中，Logistic TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=391.70，A=7.870，α=0.107，k=3.5×10-3；在圖3(b)中，Weibull-Type TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=1221.31，β=9.48×10-12，δ=2.564，θ=1.915。

通過相關(guān)系數(shù)計(jì)算公式得到測試人力和測試報(bào)告的相關(guān)性系數(shù)ρ=0.65，依據(jù)相關(guān)性系數(shù)實(shí)驗(yàn)選取可靠性模型框架中第2個(gè)微分方程求解。對已知的W(t)擬合曲線求導(dǎo)并代入方程，求解出m(t)公式。式中的其他參數(shù)可以通過MLE和LSE方法進(jìn)行數(shù)值求解。然后將模型CTDNEM與基線方法進(jìn)行對比，其參數(shù)估計(jì)和比較結(jié)果如表2所示。

表2 DS1的缺陷數(shù)量估計(jì)和性能比較結(jié)果

表2中，CTDNEM在MLE方法上估計(jì)結(jié)果的AE值為4.30%，MSE值為22.73，使用LSE方法估計(jì)結(jié)果的AE值為8.56%，MSE值為49.62。與基線方法相比，CTDNEM估計(jì)性能提升很大。根據(jù)上述結(jié)果，估計(jì)的累積缺陷數(shù)量如圖4所示，最終預(yù)測缺陷數(shù)值開始收斂，且表2中的DC值已經(jīng)超過了100%，說明該測試已經(jīng)完成，符合實(shí)際情況。

圖4 DS1累積檢測缺陷估計(jì)與實(shí)際數(shù)量

最后，計(jì)算該數(shù)據(jù)集預(yù)測效度，結(jié)果如圖5所示。從結(jié)果觀察到，相對誤差隨著時(shí)間增加逐漸接近于0，即最終預(yù)測值越來越準(zhǔn)確。te/tq為50%時(shí)，準(zhǔn)確性就已經(jīng)在10%以內(nèi)，te接近tq時(shí)，誤差曲線通常也集中于10%以內(nèi)，可以看出CTDNEM可以利用較少的實(shí)際數(shù)據(jù)預(yù)測出未來的缺陷檢測數(shù)量，具有很高的估計(jì)準(zhǔn)確性。

圖5 DS1的RE曲線

(2)DS2。

DS2通過使用LSE來擬合估計(jì)的測試人力和測試報(bào)告的測試工作量如圖6所示。

圖6 DS2測試人力與測試報(bào)告的測試成本估計(jì)和實(shí)際數(shù)據(jù)

在圖6(a)中，Logistic TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=233.99，A=4.719，α=1.38×10-2，k=2.72×10-2；在圖6(b)中，Logistic TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=1253.88，A=7673.40，α=6.27×10-2，k=6.34×10-3。

依據(jù)計(jì)算得到測試人力和測試報(bào)告的相關(guān)性系數(shù)ρ=0.59，選取模型框架中第2個(gè)微分方程求解。模型CTDNEM與基線方法進(jìn)行對比結(jié)果如表3所示。

表3 DS2的缺陷數(shù)量估計(jì)和性能比較結(jié)果

表3中，CTDNEM在MLE方法上估計(jì)結(jié)果的AE值為3.16%，MSE值為28.58，在相同方法下，基線方法估計(jì)結(jié)果的AE值僅為3.02%，MSE值為22.10。由此可見CTDNEM在該數(shù)據(jù)集中，沒有很好地發(fā)揮出優(yōu)勢。根據(jù)參數(shù)結(jié)果，估計(jì)的累積缺陷數(shù)量如圖7所示，與實(shí)際提交數(shù)據(jù)相符合。此時(shí)檢測缺陷數(shù)量基本收斂，基線方法中DC值超過了90%，也可以判定測試任務(wù)完成，與實(shí)際情況相符。

圖7 DS2累積檢測缺陷估計(jì)/實(shí)際數(shù)量

最后，預(yù)測效度的結(jié)果如圖8所示，相對誤差隨著時(shí)間增加逐漸接近于0，在te/tq為60%時(shí)誤差就已經(jīng)在10%以內(nèi)，可以看出CTDNEM具有很好的預(yù)測性，但是略遜于基線方法。

圖8 DS2的RE曲線

(3)DS3。

DS3通過使用LSE來擬合估計(jì)的測試人力和測試報(bào)告的測試工作量如圖9所示。

在圖9(a)中，Logistic TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=636.74，A=2.060，α=3.05×10-2，k=1.05×10-3；在圖9(b)中，Weibull-Type TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=4001.44，β=9.73×10-7，δ=1.397，θ=0.276。

圖9 DS3測試人力與測試報(bào)告的測試成本估計(jì)和實(shí)際數(shù)據(jù)

依據(jù)計(jì)算得到測試人力和測試報(bào)告的相關(guān)性系數(shù)ρ=0.72，選取模型框架中第1個(gè)微分方程求解。CTDNEM得到的微分方程與基線方法一致，其結(jié)果如表4所示。

表4 DS3的缺陷數(shù)量估計(jì)和性能比較結(jié)果

表4中，CTDNEM使用MLE方法效果較好，估計(jì)結(jié)果的AE值為8.31%，MSE值為37.62，使用LSE方法的AE值為12.24%，MSE值為87.61。根據(jù)參數(shù)，估計(jì)的累積缺陷數(shù)量如圖10所示，此時(shí)檢測數(shù)量剛剛開始趨于平穩(wěn)，而DC值在90%左右，由此判定測試關(guān)閉過早。

圖10 DS3累積檢測缺陷估計(jì)和實(shí)際數(shù)據(jù)

最后，預(yù)測效度的結(jié)果如圖11所示，te/tq為50%時(shí)，準(zhǔn)確性就已經(jīng)在10%以內(nèi)，可以看出CTDNEM能較好地對DS3缺陷數(shù)量進(jìn)行估計(jì)。

圖11 DS3的RE曲線

(4)DS4。

DS4通過使用LSE來擬合估計(jì)的測試人力和測試報(bào)告的測試工作量，如圖12所示。

在圖12(a)中，Logistic TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=616.41，A=6.810，α=7.28×10-3，k=5.16×10-2；在圖12(b)中，Weibull-Type TE函數(shù)曲線與實(shí)際數(shù)據(jù)最為接近，其參數(shù)為W=4395.53，β=2.815，δ=1.990，θ=0.357。

圖12 DS4測試人力與測試報(bào)告的測試成本估計(jì)和實(shí)際數(shù)據(jù)

依據(jù)計(jì)算得到測試人力和測試報(bào)告的相關(guān)性系數(shù)ρ=0.66，選取模型框架中第2個(gè)微分方程求解。模型CTDNEM與基線方法進(jìn)行對比結(jié)果如表5所示。

表5 DS4的缺陷數(shù)量估計(jì)和性能比較結(jié)果

表5中，CTDNEM使用MLE方法效果較好，估計(jì)結(jié)果的AE值為3.61%，MSE值為29.72;使用LSE方法的AE值為8.56%，MSE值為51.55。兩種方法的結(jié)果皆優(yōu)于基線方法性能。根據(jù)參數(shù)，估計(jì)的累積缺陷數(shù)量如圖13所示，累積檢測缺陷數(shù)量已經(jīng)開始收斂，且DC值皆高于90%，測試完成程度較高。

圖13 DS4累積檢測缺陷估計(jì)和實(shí)際數(shù)據(jù)

最后，預(yù)測效度的結(jié)果如圖14所示，te/tq為50%時(shí)，準(zhǔn)確性就已經(jīng)在10%以內(nèi)，當(dāng)te接近tq時(shí)，誤差曲線主要集中于5%以內(nèi)，可以看出CTDNEM估計(jì)結(jié)果的準(zhǔn)確性高。

圖14 DS4的RE曲線

綜上所述，CTDNEM在4個(gè)眾包測試數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)，所有測試人力數(shù)量滿足Logistic TE函數(shù)曲線，大部分測試報(bào)告數(shù)量滿足Weibull-Type TE函數(shù)曲線。累積檢測缺陷數(shù)量在3個(gè)數(shù)據(jù)集上的估計(jì)效果皆表現(xiàn)出良好的性能，在DS2數(shù)據(jù)集上遜色于基線方法。4個(gè)實(shí)驗(yàn)的誤差曲線在te/tq為50%時(shí)，誤差都小于10%，表明模型能用較少的數(shù)據(jù)準(zhǔn)確評估任務(wù)完成度，由此可見CTDNEM能夠很好地對眾包測試數(shù)據(jù)集的缺陷進(jìn)行預(yù)估。

5 結(jié)束語

眾包測試中，測試人力和測試報(bào)告提交數(shù)量是衡量測試成本的兩個(gè)重要元素。為了能夠通過完成缺陷數(shù)量的實(shí)時(shí)預(yù)估以監(jiān)控眾包測試任務(wù)的過程，本文提出了一個(gè)同時(shí)考慮兩個(gè)測試成本元素的眾包測試缺陷數(shù)量估計(jì)模型。在此基礎(chǔ)上，結(jié)合已有的3種測試工作函數(shù)，對如何利用新的可靠性建?？蚣茉诒姲鼫y試數(shù)據(jù)集建模的過程進(jìn)行了分析。在4組真實(shí)的眾包測試數(shù)據(jù)集上，利用CTDNEM進(jìn)行了缺陷數(shù)量估計(jì)實(shí)驗(yàn)，并將典型的TE-SRGM模型作為基線方法對估計(jì)性能進(jìn)行了對比。由對比結(jié)果可知，CTDNEM的擬合與估計(jì)結(jié)果在3組數(shù)據(jù)集上均表現(xiàn)良好，對4組測試任務(wù)關(guān)閉時(shí)間評估符合實(shí)際情況。由此可知，CTDNEM有更好的缺陷預(yù)估能力，在實(shí)際的眾包測試中對監(jiān)控測試任務(wù)過程、決策任務(wù)結(jié)束時(shí)間具有重要的指導(dǎo)意義。