Framtidens testmetodik: behov och krav

Viktiga resultat som projektet gav

FramTEST har inriktats mot att identifiera mekanismer som möjliggör att ny testmetodik baserat på AI, machine learning och automatisering kan implementeras för validering och verifiering av ny mjukvara i fordonssystem. Slutsatsen är verifiering och validering av framtida fordonssystem kräver att testning genomförs på delvis andra sätt som kräver nya komponenter baserade på ML, AI och automatisering. För att lyckas med det blir antagandet från FramTEST att en ny logik kräver en socio-teknisk omvälvning av det sätt som testning bedrivs.

Långsiktiga effekter som förväntas

Projektet har tagit fram ett förslag på forskningsmodell för att förklara och förstå hur olika faktorer samspelar när ny datadriven testmetodik för mjukvaruutveckling implementeras i fordonsindustrin. Förstudien har därmed skapat förutsättningar för fortsatt forskning att ta fram kunskap och strategi för hur datadrivna testmetoder införs och anammas av etablerad industri.

Upplägg och genomförande

Studien har genomförts under 2018 och innefattat 1) en genomgång av 23 projekt inom FFI programmet EMK som klassats som verifiering och valideringsprojekt 2) en litteraturanalys av 73 artiklar inom området 3) en explorativ intervjuserie med 12 respondenter inom fordonsindustrin och närliggande branscher för att fånga hur de som experter inom testning ser hur ny testmetodik ska implementeras.