Reading Time: 6 mins

Heeft u productieproblemen? Dan ben je goed bezig.

Heeft u productieproblemen? Dan ben je goed bezig.

Het is goed om te dromen over productiegerelateerde problemen in plaats van productieproblemen.

Het is nogal verwarrend, laat me je helpen het verschil te begrijpen tussen productiegerelateerde problemen en problemen in de productie. Hier zijn kenmerken van productiegerelateerde problemen,

Zwarte zwaan

Productieproblemen zijn een zwarte zwaan . We classificeren ze als onbekende onbekenden omdat we niet kunnen raden wat er is misgegaan totdat het is gebeurd, en ze hebben meestal een extreme impact.

In de nasleep van het incident proberen we een verklaring ervoor te rationaliseren en durven we zelfs de volgende gebeurtenis te plannen en te voorspellen.

Hoge waarde

Of het nu gaat om productie- of productiegerelateerde problemen, beide brengen hoge kosten met zich mee om op te lossen; het verschil zit in de waarde. De waarde die de productieproblemen bieden, is een veelheid aan leren voor de organisatie in zijn geheel, in tegenstelling tot het oplossen van hardware of internetconnectiviteit zoals problemen in de productie.

Haal de doorzetters en achterblijvers naar voren

Productieproblemen zullen de doorzetters/achterblijvers in de engineeringorganisatie naar voren halen. Wanneer een productieprobleem optreedt, zijn het meestal de doorzetters die van het probleem genieten, het onder ogen zien en het oplossen. Ze zijn een aanwinst voor de organisatie en zeker in tijden als deze; ze voegen meer waarde toe aan het team.

Deze verklaren waarom het hebben van productiegerelateerde problemen goed is. Ondanks continu testen en continue integratie zijn deze problemen onvermijdelijk.

De meest gebruikelijke methode die we vandaag volgen om dit aan te pakken, is op risico gebaseerd testen, waarbij prioriteit wordt gegeven aan en de nadruk legt op de geschikte testgevallen voor implementatie op basis van het waargenomen risico. Maar er is een kans van 90% dat de patch opnieuw mislukt als de QA’s de testscenario’s niet correct definiëren.

Hoe voorkom je dat dit gebeurt en bereik je een maximale productiedekking?

Het World Quality Report stelt dat “de belangrijkste oplossing om de toenemende QA- en testuitdagingen te overwinnen de opkomende introductie van op machines gebaseerde intelligentie zal zijn”

Hoe machine-intelligentie de kwaliteitsborging kan verbeteren

Keer op keer hebben we gezien dat het QA-team een goedmaker is geworden bij veel productieproblemen. Het is absoluut noodzakelijk dat ze worden ondersteund door een robuust denksysteem zoals Machine-based Intelligence. Door hun testscenario’s aan te vullen met geautomatiseerde testgevallen met een voldoende goed volume, hebben ze wonderen verricht door een geweldige productiedekking te bieden.

Door de betere gegevens in de vorm van eerdere defectgeschiedenis, defecttrends, enz. naar de machine learning-engine te voeren, wordt de testdekking vergroot door vanuit de testcasesuites optimale testcases voor DevOps en QA te genereren.

En Zuci, met zijn gepatenteerde intellectuele eigendom, bouwt ook een winkelwagentje zoals aanbevelingen aan QA’s uit de pool van testsuites zoals “Testcases die je misschien leuk vindt”, “Meer testcases zoals deze” enz. om de kwaliteit van testen te verbeteren.

Gecombineerde menselijke en machine-intelligentie kan dus een gepersonaliseerde feed van voorspellende en prescriptieve inzichten in softwareprestaties bieden en de kwaliteit in productieomgevingen verbeteren.

Hoewel het voorspellen en vermijden van productieproblemen nooit echt kan gebeuren, kan het integreren van gecombineerde intelligentie helpen om een maximale productiedekking te bereiken en ook defecten vroeg in het systeem te voorspellen en op te sporen.

Keerthi Veerappan

An INFJ personality wielding brevity in speech and writing. Marketer @ Zucisystems.