La quête de la qualité : tests logiciels automatisés et continus pour l'industrie automobile

L'industrie automobile est une industrie technologique. Si vous en doutez, prenez l'exemple de Tesla, qui propose des voitures équipées d'un supercalculateur à 50 000 $. Au plus haut niveau, le logiciel gère tout, des performances du moteur aux… safeLe système est associé au divertissement et à la navigation. Les logiciels et applications embarqués fournissent des données de diagnostic en temps réel et s'intègrent parfaitement (du moins, l'espère le conducteur) aux smartphones et autres appareils.

Les mises à jour logicielles à distance, qui permettent aux voitures de bénéficier des dernières applications et améliorations de performances, se généralisent. Nous avons vu cette technique employée par VinFast, un constructeur vietnamien de véhicules électriques qui, face aux critiques concernant les performances et les capacités de ses véhicules, a promis d'apporter des modifications dans les futures mises à jour logicielles.

L'industrie évolue avec la technologie

Deux facteurs principaux entrent en jeu lorsqu'on aborde les tests logiciels pour l'industrie automobile :

1. Avec des dizaines de millions de lignes de code en moyenne par véhicule, les constructeurs automobiles doivent écrire, intégrer, tester et déployer ce code rapidement et efficacement. Ils utilisent des techniques avancées pour accélérer le processus (nous y reviendrons).
2. Parallèlement, le logiciel en développement a évolué, passant de l'assistance aux fonctionnalités du moteur et du système d'infodivertissement aux systèmes d'aide à la conduite et à la conduite autonome, ce qui accroît la complexité des tests.

Dans le même temps, les cycles de développement se raccourcissent et la demande d'applications parfaitement fonctionnelles pousse les équipementiers à intégrer leurs nouvelles fonctionnalités au plus près du début de la production. Les développeurs et les testeurs ont besoin de cycles de retour d'information plus courts (rendus possibles par test continu) pour mettre à jour le code en continu.

Ces changements se manifestent de manières familières.

Comme de nombreux autres secteurs dans les années 2020, l'industrie automobile adopte Développement agile, ce qui ouvre la voie à l'accélération d'autres processus, comme DevOps Livraison axée sur les tests continus.

Ce passage au développement itératif, où les équipes écrivent, intègrent et testent continuellement leur code, convient parfaitement aux équipementiers. Les API intègrent les applications et les fonctionnalités dans un intégration continue/livraison continue (CICD) environnement, qui permet aux équipes de développement de mettre à jour le code tout au long du cycle de vie d'un véhicule, en reprenant le code le plus performant et en le réutilisant ailleurs afin de minimiser les erreurs et de réduire les coûts.

Se préparer à l'impact

Grâce à la transformation numérique croissante dans tous les secteurs d'activité, les voitures évoluent vers des machines interconnectées qui dépendent de systèmes logiciels pour fonctionner à leur plein potentiel.

Le premier exemple qui vient à l'esprit concerne les moteurs et les transmissions. Les calculateurs de gestion moteur (ECU) contribuent à optimiser les performances et la consommation de carburant. Ces calculateurs utilisent des algorithmes pour gérer l'injection de carburant, l'avance à l'allumage et d'autres paramètres, ce qui permet de réduire la consommation et les émissions. Sur certaines supercars haut de gamme, ces paramètres sont personnalisables, offrant ainsi au conducteur une expérience de conduite unique et adaptée à ses préférences.

Il y a plus que la performance. Dans un monde obsédé par safeAujourd'hui, l'industrie automobile intègre les logiciels à ses principales innovations. Les systèmes avancés d'aide à la conduite (ADAS), tels que l'assistance au maintien de voie, le régulateur de vitesse adaptatif et le freinage d'urgence automatique, reposent largement sur des algorithmes logiciels. Capables de freiner ou de tourner en cas de collision, ces logiciels contribuent à réduire les accidents et à sauver des vies.

Le cas d'usage le plus pertinent pour notre discussion est la connectivité fluide offerte par les systèmes d'infodivertissement. Ces systèmes proposent de nombreuses fonctionnalités, de l'intégration des smartphones à la navigation, en passant par la reconnaissance vocale et de nombreuses autres applications embarquées. Le système d'infodivertissement de Tesla propose même une option « coussin péteur » pour rendre la conduite plus agréable et, osons le dire, amusante. Cette complexité accrue justifie la nécessité de tests automatisés et continus pour garantir la fiabilité.

Les défis du développement et des tests de logiciels automobiles

Pour analyser les difficultés rencontrées, il est nécessaire de distinguer deux niveaux : d’une part les défis liés aux tests de logiciels automobiles en général, et d’autre part ceux liés aux systèmes d’infodivertissement. Examinons ces deux aspects plus en détail.

L'automatisation des tests continus dans l'ensemble du secteur présente les défis suivants :

• SafeSystèmes critiques : Il est essentiel de garantir le bon fonctionnement des systèmes avancés d'aide à la conduite (ADAS). Le principal défi consiste à créer des tests automatisés capables de simuler rigoureusement des scénarios réels afin de tester ces capacités.
• Intégrations complexes : Ces systèmes sont tous interconnectés, depuis les systèmes ADAS jusqu'à la gestion du moteur et l'infodivertissement. La difficulté réside dans la complexité de ces systèmes et la nécessité de garantir leur compatibilité entre les différents modèles de véhicules.
• Conformité : Dans ce secteur hautement réglementé, les efforts de test doivent être conformes à la réglementation en vigueur afin de garantir et de démontrer la conformité.
• Volume et analyse des données : Nous connaissons tous l'immense quantité de données générées par les processus de tests continus. Ajoutez à cela la complexité des systèmes automobiles, et vous comprendrez à quel point il est important et difficile d'analyser ces données pour identifier les problèmes et apporter des améliorations.
• Systèmes hérités : Les véhicules plus anciens utilisent encore des systèmes logiciels et matériels obsolètes. Toutefois, ces systèmes doivent continuer d'être pris en charge et maintenus, tandis que le reste de la gamme de produits migre vers des systèmes et des processus de test plus récents afin de garantir leur compatibilité.

Examinons plus en détail la nature de l'infodivertissement et analysons certains des défis liés aux tests de ces systèmes :

• Tests centrés sur l'utilisateur : Les tests automatisés doivent reproduire les interactions réelles des utilisateurs, car les systèmes d'infodivertissement sont au service de l'utilisateur final. Les tests doivent se concentrer sur l'ergonomie de l'expérience utilisateur et la conception de l'interface utilisateur.
• Intégrations: Ces systèmes s'intègrent à d'autres systèmes du véhicule comme safety et navigation. Les tests doivent garantir ces intégrations elles sont parfaitement intégrées et ne compromettent pas les performances du véhicule.
• Interfaces multimodales : Avec la prise en charge des commandes vocales, des écrans tactiles, des boutons physiques et des gestes, chaque interface doit être testée afin de garantir un comportement cohérent sur l'ensemble des interfaces.
• Contenu et connectivité : Les systèmes d'infodivertissement utilisent différentes sources de contenu, comme les services de streaming, la connectivité smartphone et les mises à jour sans fil. Les tests doivent prendre en compte tous ces formats de contenu, les conditions du réseau et la compatibilité.
• Performances et utilisation des ressources : Ces systèmes doivent fonctionner efficacement afin de ne pas impacter les performances globales du véhicule. Test de performance Il est nécessaire d'analyser la consommation du processeur et de la mémoire afin de garantir la réactivité du système.

L'IA et le ML s'intègrent de plus en plus à la chaîne de production.

Quand on parle de tests automatisés Dans l'industrie automobile, constamment à la recherche des développements les plus innovants, nous devons définir comment utiliser l'IA et le ML pour tester ces systèmes.

• Création de tests assistée par l'IA : L'utilisation d'algorithmes d'IA, tels que les logiciels de traitement automatique du langage naturel, permet d'analyser les exigences afin de générer des cas de test. Cela réduit le temps et les efforts nécessaires à la création manuelle des tests.
• Analyse intelligente : Les tests automatisés génèrent une grande quantité de données grâce à l'apprentissage automatique, permettant d'analyser les résultats des tests et d'identifier les schémas de défauts, ce qui aidera les testeurs à prioriser et à se concentrer sur les problèmes critiques.
• Intelligence prédictive: L'entraînement de modèles d'apprentissage automatique sur des données historiques permet d'identifier des schémas corrélés aux défauts logiciels. Ces modèles peuvent ensuite utiliser cet entraînement pour prédire la probabilité de défauts dans le nouveau code, éliminant ainsi les problèmes de manière proactive avant qu'ils ne surviennent.
• Auto-guérison: Les cas de test défectueux peuvent être corrigés automatiquement lors de l'exécution des tests, ce qui contribue à alléger la charge de maintenance. Cela garantit la continuité des suites de tests malgré l'évolution et la croissance du logiciel.

L'IA et le ML révolutionnent les tests automatisés pour les constructeurs automobiles en automatisant les tâches répétitives et chronophages. Ils contribuent à améliorer la fiabilité, l'efficacité et la productivité du processus de test, permettant ainsi de livrer des logiciels de meilleure qualité à grande échelle et plus rapidement.

Certains grands fabricants utilisent déjà ces techniques :

• Tesla Utilise l'IA pour analyser les données de la flotte et identifier les défauts potentiels. Ces données servent à améliorer les logiciels embarqués.
• GM Ils utilisent l'apprentissage automatique pour l'intelligence prédictive afin de corriger les défauts dans le nouveau code. Ils utilisent ces données pour prioriser les efforts de test.
• Ford L'entreprise génère des cas de test pour son système d'infodivertissement grâce à l'IA, ce qui lui permet de réduire le temps et les efforts nécessaires à la création manuelle de ces cas de test.

L'industrie automobile étant de plus en plus dépendante des logiciels, les tests continus émergent pour garantir la qualité et la fiabilité. Cette approche n'est pas sans défis, car les systèmes ADAS, les composants interconnectés et l'analyse des données exigent un processus de test rigoureux.

Les techniques d'IA et d'apprentissage automatique continuent d'émerger et de révolutionner les tests continus automatisés en automatisant les tâches répétitives et en améliorant l'efficacité des tests, ce qui facilite la prédiction et l'identification des défauts.

L'adoption des tests continus automatisés et l'exploitation de l'IA et du ML aideront les constructeurs automobiles à fournir rapidement et de manière fiable des logiciels de haute qualité à leurs véhicules. Cela garantira un avenir innovant pour l'industrie automobile. safeet interconnectés.

 

Révolutionnez vos tests de logiciels automobiles avec Digital.ai's Continuous Testing Des solutions – où l'innovation rencontre la fiabilité à toute vitesse !