Детальная информация

Работа посвящена разработке и экспериментальной проверке моделей распределения задач тестирования между исполнителями QA-команды при планировании спринта. Рассмотрена ситуация, в которой руководитель тестирования должен учитывать доступное время специалистов, их квалификацию, владение типами тестирования, знание компонентов системы, приоритеты задач и неопределённость оценок трудоёмкости. Для такой постановки предложен подход, объединяющий метод анализа иерархий, целочисленное линейное программирование и стохастическую проверку риска нарушения сроков. Задачи, которые решались в ходе исследования: 1. Анализ предметной области тестирования программного обеспечения и специфики планирования ресурсов QA-команды в условиях спринтовой разработки. 2. Формальная постановка задачи распределения задач тестирования с учётом ресурсных, квалификационных и вероятностных ограничений. 3. Разработка детерминированной математической модели на основе целочисленного линейного программирования и метода анализа иерархий. 4. Разработка стохастического расширения модели, учитывающего неопределённость оценок трудоёмкости. 5. Разработка программного средства на языке Python для работы с исходными данными, расчёта весов критериев, оптимизации распределения и анализа результатов. 6. Проведение вычислительных экспериментов на реалистичном и синтетических наборах тестовых данных. В результате разработана методика поддержки планирования задач тестирования, в которой экспертные предпочтения лица, принимающего решения преобразуются в веса критериев, а распределение задач строится с учётом ограниченной ёмкости команды. Реализовано программное средство с детерминированным и стохастическим режимами расчёта. Эксперименты показали, что при достаточной ёмкости команды модель распределяет все задачи спринта, а при дефиците ресурсов формирует список неназначенных задач без нарушения ограничений по загрузке исполнителей. Для достижения данных результатов использованы язык программирования Python, фреймворк Streamlit, библиотеки PuLP, NumPy, pandas и Plotly.

The work is devoted to the development and experimental evaluation of models for assigning testing tasks to QA team members during sprint planning. The study considers a practical planning situation in which a test lead has to account for available working time, qualification levels, testing skills, component knowledge, task priorities, and uncertainty in effort estimates. The proposed approach combines the Analytic Hierarchy Process, integer linear programming, and stochastic deadline-risk checking. The following tasks were solved in the research: 1. Analysis of the software testing domain and resource planning specifics in QA teams working in sprint-based development. 2. Formal statement of the testing task assignment problem with resource, qualification, and probabilistic constraints. 3. Development of a deterministic mathematical model based on integer linear programming and the Analytic Hierarchy Process. 4. Development of a stochastic extension of the model accounting for uncertainty in effort estimates. 5. Development of a Python software tool for data processing, criteria weighting, optimization, and result analysis. 6. Computational experiments on realistic and synthetic test datasets. As a result, a planning support method for testing tasks was developed. Expert preferences are transformed into criteria weights, and task assignment is built under limited team capacity. A software tool implementing deterministic and stochastic calculation modes was created. The experiments showed that when team capacity is sufficient, the model assigns all sprint tasks, while under resource shortage it leaves infeasible tasks unassigned without violating tester capacity constraints. The implementation uses the Python programming language, Streamlit framework, and PuLP, NumPy, pandas, and Plotly libraries.