如何用量化数据来激励测试工程师?

振弦传感器二次开发实战:从VM301模块到定制化监测终端 振弦传感器作为一种高稳定性、长寿命的工程监测传感器,其核心原理是通过测量钢弦的固有频率变化来感知应变、压力或位移等物理量。在结构健康监测、地质灾害预警等工业物联网场景中,如何实现灵活、可靠的数据采集与边缘处理是关键。传统封闭式采集模块限制了系统集成与功能定制,而基于VM301等开放式模块的二次开发,则提供了从底层硬件驱动到上层应用逻辑的完整控制权。通过深入解析其硬件架构、信号处理链路和软件开发套件(SDK),开发者能够针对特定工况设计采集策略、优化抗干扰算法,并集成自定义通信协议,从而构建出高度适配项目需求 阅读详情
由于软件测试工作需要每个成员都需要有高度的责任感、全身心投入,我们就必须通过良好的管理方法和一系列激励措施,使测试团队保持高昂的士气和高度的责任感。在我写的《软件测试方法和技术》第12章介绍了许多有效的方法,在这里主要想详细讨论具体的量化方法。

 

从度量角度看,量化数据适合团队绩效的考核,而不宜用于个人绩效的考核。但是,有时为了实行一些测试改进方法、实施某些有效的策略,需要设定游戏规则,通过这些规则进行奖励,以促进新的方法、策略的改进。这种奖励,看作是游戏(game)的、临时的奖励,而不是做年终的绩效考核。

 

对于测试,最容易进行量化的有两个数据:测试用例(test case)和所发现的缺陷(Bug)。test case的数量、覆盖程度(功能覆盖率、缺陷覆盖率)等是比较容易量化的,而Bug的度量数据更多x些,如所发现的bug数量、描述不清楚的Bug数量、不是Bug的Bug数量、遗漏的Bug数量(被客户发现——Remedy Tickets、或在下一个版本发现——Late Discovery Bug)等。对于Bug度量的数据,最重要的两项是所发现的bug数量和遗漏的Bug数量,前者是测试效率和设计/代码的 质量度量,后者是测试质量(也包括设计、代码质量,我们坚信质量不是测出来的,而是构建出来的)的度量。遗漏的Bug数量对质量度量的更有效些,但是不能及时获得,必须在产品发布之后才能获得。所以,为了实现测试的效率,有时必须靠“所发现的bug数量”来度量。为了更客观度量,考虑到bug的严重性、技术难度、产品类型、模块稳定性等因素影响,不是用“所发现的bug数量”,而是用“所获得的bug value (缺陷值)”来度量,公式被定义为:

 

Bug_value = (P0_Bug_Number × 1.6 + P1_Bug_Number× 1.4 + P2_Bug_Number× 0.7 + P3_Bug_Number×0.3)× Wd × Ws × Wt

 

其中:P0_Bug_Number:致命的(fatal)缺陷数量  

P1_Bug_Number:严重的(critical)缺陷数量

P2_Bug_Number:一般的(major/normal)缺陷数量

P3_Bug_Number:次要的(minor)缺陷数量

Wd: 技术难度系数,如Database, Enterprise Server, Java难度系数大,发现Bug不容易,Wd可以定在1.5 – 5.0

Ws: 稳定性系数,全新模块,Bug比较多,发现缺陷比较容易;版本越高,越稳定。Ws可以定在0.5 – 1.0, 假如以version 10.0为1.0, Version 1.0 = 1/100, Version 2.0 = 4/10, Version 2.0 = 9/100, …, , Version 8.0 = 64/100, Version 8.0 = 81/100

Wt: 产品类型系数,可根据实际情况和历史数据来判断。Wt也可以和Wd合并为一个系数。

 

欢迎大家献计献策! 



Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=876374


汽车零部件测试全流程解析:从DV、PV到系统集成的可靠性验证 在汽车工程领域,可靠性测试是确保产品质量与安全的核心环节,其原理在于通过模拟产品全生命周期可能遭遇的极端工况,提前暴露潜在缺陷。这一过程的技术价值在于,它不仅是质量控制的必要手段,更是降低产品失效风险、保障用户安全的关键工程实践。从应用场景来看,无论是消费电子、工业设备还是汽车行业,环境可靠性测试(如温度循环、振动测试)与电气安全测试(如EMC)都是验证产品鲁棒性的通用方法。其中,电磁兼容性测试和硬件在环测试作为行业高频技术,分别确保电子部件在复杂电磁环境下的稳定运行,以及在安全受控的台架环境中进行高效的功 阅读详情

相关推荐

SystemVerilog数组和队列:别再死记硬背了,用这5个实战场景帮你彻底搞懂

本文通过5个实战场景深入解析SystemVerilog中数组和队列的高效应用,帮助工程师摆脱死记硬背,灵活运用动态数组、关联数组和队列解决数字芯片设计与验证中的实际问题。内容涵盖智能测试激励生成、高效覆盖率建模、UVM事务流管理等核心应用场景,提升开发效率。

weixin_29163797的博客 175

测试质量的量化指标

在测试质量良好的前提下,该指标可以揭示软件的哪些部分发现了已知的缺陷,哪些部分还存在未知的缺陷。在敏捷团队中,开发和测试是一个统一的任务——一个故事在测试之前是不会完成的——所以燃尽图同时反映了开发和测试活动。度量包括发现的缺陷的分布,每个团队成员返回的缺陷,以及每个团队成员分配的测试用例。根据我们的经验,拥有一个单一的、整体的仪表盘可以对软件测试活动的学习过程和实际性能产生巨大的影响。通常,软件的性能取决于它的源代码是如何编写的,它的软件架构,该架构中的组件(数据库,web服务器等)和它的可伸缩性选项。

m0_75277660的博客 4109

数据资产目录:从元数据管理到数据治理的实践指南

在数据驱动的时代,元数据管理是构建高效数据架构的基础。元数据作为描述数据的数据,记录了数据的结构、定义、血缘关系等关键信息,其核心原理在于通过标准化和中心化的方式,将分散的数据信息进行统一管理和维护。这项技术的价值在于能够显著提升数据的可发现性、可理解性和可信度,从而打破数据孤岛,降低数据使用门槛。在实际应用场景中,元数据管理广泛应用于数据治理、数据血缘分析、数据质量监控等领域,帮助企业实现从“数据沼泽”到“数据绿洲”的转变。本文聚焦于数据资产目录这一具体实践,它作为元数据管理的核心载体,通过整合技术元数据

weixin_30338497的博客 330

我是如何对研发和测试人员进行量化的绩效考核的

我把硬件开发、软件开发和测试人员的绩效考核分成3部分,即重点工作、绩效改进和绩效浮动。下面分别进行说明它们的量化方法。1. 重点工作的绩效量化方法重点工作的量化标准应从数量(包括文档)、时间、质量和难度系数等多个维度来评定。得分为满分的标准:各项系数都为1,则获得满分。......2. “绩效改进”的量化标准绩效改进体现被考核人的某种普遍行为需要改...

weixin_34159110的博客 1423

避坑指南:Verilog中real数据类型的3个常见误区与5个高效使用技巧

本文深入解析Verilog中real数据类型的3个常见误区与5个高效使用技巧,涵盖浮点精度误差、类型转换成本等关键问题,并提供批处理优化、系统函数应用等实战方案,帮助开发者规避陷阱并提升仿真效率。特别针对verilog数据类型中的real类型进行专业剖析。

weixin_42531925的博客 356

软件质量量化标准-测试角度

软件质量量化标准-测试角度 软件质量量化标准-测试角度 软件质量量化标准-测试角度 软件质量量化标准-测试角度

软件测试人员OKR/KPI制定:提升团队绩效的关键

为了提高软件测试团队的绩效和质量,制定明确的目标和关键结果(OKR)以及关键绩效指标(KPI)是至关重要的。本文将深入探讨软件测试人员OKR/KPI制定的基本原则和方法,以及如何通过OKR/KPI制定提升团队的绩效和质量。通过遵循基本原则和方法,克服挑战并采用最佳实践,软件测试团队可以明确工作目标,量化绩效,激励激发动力,并持续改进团队的绩效和质量。通过遵循基本原则和方法,克服挑战并采用最佳实践,软件测试团队可以明确工作目标,量化绩效,激励激发动力,并持续改进团队的绩效和质量。

AI 爪客,专注 AI 智能体与 Skill 研发落地,斩获腾讯云、讯飞、小米等多场 AI 赛事奖项,分享 Agent 实战干货与工程化经验。 3443

研发和测试人员的绩效考核量化方法.pdf

研发和测试人员的绩效考核量化方法.pdf

测试KPI考核指标

测试KPI考核指标 一、工作内容和质量(60%): 1、需求熟悉程度(6%):完整理解需求,出现疑问能及时与产品经理确认,完成测试时不能出现对主要功能点的需求存在误差的问题。 9-10分:需求理解无误,并能提出需求疑点 7-8分:完整理解需求 4-6分:理解需求,上线后无重大BUG 0-3分:上线后有重大问题 2、测试用例覆盖度(18%): 9-10分:平均覆盖率达到95%  7-8分:平均覆盖率达到90%  4-6分:平均覆盖率达到80%  0-3分:平均覆盖率未达到80% 3、测试用例完成质量(6%):

zhaochongsi的博客 1万+

STM32CUBEMX 使用教程5 — DMA配置 & 串口结合DMA实现数据搬运

DMA(Direct Memory Access),直接存储器访问(或数据搬运),是STM32中很实用的一个外设。DMA 传输数据方式不需要 CPU 参与控制传输,也不用中断处理的方式进行数据搬运处理,纯粹通过硬件为 RAM 与 I/O 设备之间开辟一条直接传送数据的通路,使 CPU 的效率大大提高。

weixin_43866583的博客 1501

3D点云修复实战:用PCN网络快速补全缺失的激光雷达数据(附代码)

本文详细介绍了PCN(Point Completion Network)网络在3D点云修复领域的实战应用。针对激光雷达数据常见的缺失问题,PCN通过端到端的深度学习架构,直接处理原始点云,实现由粗到精的快速补全。文章深入解析了其核心思想与编码器-解码器架构,并提供了完整的环境搭建、数据准备、模型实现、训练评估及在真实场景下的优化策略与代码示例,为自动驾驶、机器人等领域的开发者提供了高效的数据修复解决方案。

weixin_29041195的博客 393

连微软都开始心疼token了,硅谷的“AI用量竞赛“正在收场

凌晨两点,微软雷德蒙德园区的一间办公室里,资深工程师Tom还在盯着屏幕。他刚提交了一份GitHub Copilot加速的代码review,顺手又让Agent把他上周写的单元测试全部重构了一遍。屏幕右上角,一个过去从未出现的数字在跳动——那是他这半年在AI工具上花费的token金额,折算下来,比他一台顶配工作站的价钱还高。他没有想到,这个数字很快就不再只是提醒,而成为约束。三周后,微软HR系统里多了一份新的内部指南,标题里反复强调一个词:预算。

老猿AI洞察的专栏 182

实战指南:如何用Elasticsearch+Milvus搭建十亿级多模态搜索系统(含性能调优)

本文详细介绍了如何利用Elasticsearch和Milvus构建十亿级多模态搜索系统,包括架构设计、性能调优和实战部署。通过混合架构实现高效文本检索与向量相似度计算,显著提升查询性能与扩展能力,适用于大规模多模态数据处理场景。

x8y9z0的博客 1174

微软员工AI使用量调查:AI落地不在于使用量,而在于工作流重构

在人工智能快速渗透职场的过程中,如何衡量AI工具的真实价值成为企业普遍关注的焦点。许多团队将AI使用频率视为转型指标,然而员工自报的AI使用量往往受定义模糊、记忆偏差和社会期望影响,并不能客观反映业务成效。AI技术的价值实现,核心在于将工具嵌入具体的工作流,使其像文档系统、代码仓库一样成为默认基础设施。从个人开发者到技术团队,真正拉开差距的不是每天使用AI的次数,而是能否围绕重复性任务沉淀提示词模板、设置输出验证门槛、建立场景案例库。这种以业务结果为导向的评估方式,比单纯统计调用量更能指导企业AI落地。微软

weixin_30598225的博客 415

使用 pip 安装 pygame 遇到的问题

今天尝试学习使用 pygame 时,按照我的习惯一发 pip install 下去,本以为很简单的事情,没想到遇到了不少问题,顺手记录一下。 0x01. 无法找到 “SDL.h” 文件 pygame 是使用 SDL 库写就的游戏框架,自然强依赖于 SDL,我的 python@3 是使用 macOS 的 brew 管理器直接安装的,可能由于不是编译安装的问题,缺少了这个库,继续使用 brew 安...

Mitscherlich的博客 8622

【示波器专题】无源探头的常用附件

使用探头进行测试,我们不仅要知道探头的原理,还需要了解探头的常用附件及其使用方式,这样才能在尽可能在测试中提高效率且减少出错的概率

一点硬件 695

落霞归雁思维框架 ·「孟子」价值拆解——把「性善-仁义-民本」写成可度量、可激励、可治理的现代伦理操作系统

落霞归雁思维框架告诉我们:伦理不是古董,而是可度量、可演化、可商业化的系统资产。下一次你调用。

debuk的博客 534

【即插即用模块】注意力篇 | TGRS 2025 | SCPP:独家复现!三特征多尺度注意力融合,涨点必备!

摘要:SCPP(Scale-aware Pyramid Pooling)是一种创新的多尺度特征融合模块,专为U型网络瓶颈设计。它通过局部特征提取(1×1卷积)、多尺度膨胀卷积(1/3/5膨胀率分支)和全局特征聚合(全局平均池化)三重结构,结合SE通道注意力机制和自适应加权融合,显著提升特征表达能力。实验表明,SCPP能有效解决边缘模糊和错误检测问题,在遥感图像分割等任务中表现优异。该模块支持即插即用,适用于各类需要多尺度特征增强的视觉任务。

主要更新底层视觉(去噪、超分等)相关的科研内容,形式为【论文精读】+【论文复现】 948

创业团队如何利用Taotoken管理多模型成本与用量

创业团队如何利用Taotoken管理多模型成本与用量 对于初创公司或小型技术团队而言,在拥抱大模型能力的同时,成本控制是项目能否持续健康发展的关键。直接对接多家模型厂商不仅带来技术集成的复杂性,更让成本变得难以预测和追踪。Taotoken作为一个大模型售卖与聚合分发平台,通过提供统一的OpenAI兼容API,简化了接入流程,而其内置的用量监控与成本管理工具,则为创业团队提供了清晰的财务视图和控制手段。 1. 统一接入与集中计费:成本可视化的第一步 成本管理的前提是成本可见。当团队需要同时使用多个不同厂商的大

weixin_35019679的博客 364

自抗扰控制(ADRC)理论与工程实践:8.1 自适应ADRC与参数在线整定

自适应自抗扰控制(AADRC)针对传统固定参数ADRC在动态变化系统中的局限性,提出通过在线调整关键参数(如观测器带宽ω₀、控制器带宽ω_c)以适应对象动态变化。主要方法包括基于稳定性理论的自适应律设计和基于性能指标的优化调节,前者保证闭环稳定但设计复杂,后者通过梯度搜索或模糊规则实现性能优化但缺乏严格稳定性证明。当前挑战在于非线性时变系统的稳定性分析、参数变化速率限制及工程实现的计算负担。AADRC拓展了ADRC在变参数系统(如无人机、软体机器人)中的应用,是迈向自主智能控制的关键技术。

技术工作者 217

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Meta AI 管理实验翻车:指标化正在伤害工程组织

Meta 的 AI 转型争议提醒:粗糙指标和强制转向,可能比模型落后更伤工程组织

AI 小老六的博客 167

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

工程师如何撰写高质量年终总结:从技术复盘到职业成长

在技术领域,系统性复盘与知识沉淀是工程师持续成长的核心环节。其原理在于通过结构化梳理,将碎片化项目经验转化为可复用知识资产,实现隐性知识的显性化。这一过程不仅有助于个人技术脉络的清晰化,更能提升问题解决与系统设计能力,具有重要的技术价值。在实际应用场景中,工程师可借助**年终总结**这一形式,结合具体项目案例,对嵌入式开发、硬件设计、低功耗优化等关键技术点进行深度剖析。例如,通过复盘**物联网设备**开发中遇到的低功耗设计挑战,详细记录从软件配置到硬件测量的完整排查流程,能形成宝贵的“错题本”与设计准则。这

weixin_30767945的博客 297

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 测试执行中非常有效的策略
下一篇: 测试自动化普遍存在的问题
techweb
博客等级 码龄19年 226粉丝 3842原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值