Software Quality is a key concern for any companies working with software development. This is true due to the fact that the success of any software directly depends on Quality of software. It is expected that the software is of best quality for a long duration of time. With the introduction of Mobile applications the task of maintaining the quality of an application has been difficult and have faced many challenges. Many companies working with mobile application have reformed their process in order to maintain the quality of their application. The introduction of Automation testing in the test process is one such reform that have changed the face of mobile application testing in today’s world. This work deals with the concepts of Automation System testing for the mobile application which is until now a new thing and it has many things yet to be explored. The approach to automation testing is simple yet unique for the department of PT-MT/Quality Management in Robert Bosch GmbH based in Leinfelden, Stuttgart. Over here a selection and implementation of a test framework will be done for Automation testing of the mobile Applications that are being developed. For this a requirement specification document is being created which will form the basis for selecting a framework from the KT Analysis table. Finally, a framework TestComplete will be implemented for the already developed application "PLR measure&go" The implementation will include all the procedure required to set up the test framework as a part of documentation. The framework TestComplete will be used to create System test for iOS and Android operation system. Lastly the execution of test and the Result reporting is being shown as a complete process for Automation testing.

Software Quality is a key concern for any companies working with software development. This is true due to the fact that the success of any software directly depends on Quality of software. It is expected that the software is of best quality for a long duration of time. With the introduction of Mobile applications the task of maintaining the quality of an application has been difficult and have faced many challenges. Many companies working with mobile application have reformed their process in order to maintain the quality of their application. The introduction of Automation testing in the test process is one such reform that have changed the face of mobile application testing in today’s world. This work deals with the concepts of Automation System testing for the mobile application which is until now a new thing and it has many things yet to be explored. The approach to automation testing is simple yet unique for the department of PT-MT/Quality Management in Robert Bosch GmbH based in Leinfelden, Stuttgart. Over here a selection and implementation of a test framework will be done for Automation testing of the mobile Applications that are being developed. For this a requirement specification document is being created which will form the basis for selecting a framework from the KT Analysis table. Finally, a framework TestComplete will be implemented for the already developed application "PLR measure&go" The implementation will include all the procedure required to set up the test framework as a part of documentation. The framework TestComplete will be used to create System test for iOS and Android operation system. Lastly the execution of test and the Result reporting is being shown as a complete process for Automation testing.

The correction of software failures tends to be very cost-intensive because their debugging is an often time-consuming development activity. During this activity, developers largely attempt to understand what causes failures: Starting with a test case that reproduces the observable failure they have to follow failure causes on the infection chain back to the root cause (defect). This idealized procedure requires deep knowledge of the system and its behavior because failures and defects can be far apart from each other. Unfortunately, common debugging tools are inadequate for systematically investigating such infection chains in detail. Thus, developers have to rely primarily on their intuition and the localization of failure causes is not time-efficient. To prevent debugging by disorganized trial and error, experienced developers apply the scientific method and its systematic hypothesis-testing. However, even when using the scientific method, the search for failure causes can still be a laborious task. First, lacking expertise about the system makes it hard to understand incorrect behavior and to create reasonable hypotheses. Second, contemporary debugging approaches provide no or only partial support for the scientific method. In this dissertation, we present test-driven fault navigation as a debugging guide for localizing reproducible failures with the scientific method. Based on the analysis of passing and failing test cases, we reveal anomalies and integrate them into a breadth-first search that leads developers to defects. This systematic search consists of four specific navigation techniques that together support the creation, evaluation, and refinement of failure cause hypotheses for the scientific method. First, structure navigation localizes suspicious system parts and restricts the initial search space. Second, team navigation recommends experienced developers for helping with failures. Third, behavior navigation allows developers to follow emphasized infection chains back to root causes. Fourth, state navigation identifies corrupted state and reveals parts of the infection chain automatically. We implement test-driven fault navigation in our Path Tools framework for the Squeak/Smalltalk development environment and limit its computation cost with the help of our incremental dynamic analysis. This lightweight dynamic analysis ensures an immediate debugging experience with our tools by splitting the run-time overhead over multiple test runs depending on developers’ needs. Hence, our test-driven fault navigation in combination with our incremental dynamic analysis answers important questions in a short time: where to start debugging, who understands failure causes best, what happened before failures, and which state properties are infected. / Die Beseitigung von Softwarefehlern kann sehr kostenintensiv sein, da die Suche nach der Fehlerursache meist sehr lange dauert. Während der Fehlersuche versuchen Entwickler vor allem die Ursache für den Fehler zu verstehen: Angefangen mit einem Testfall, welcher den sichtbaren Fehler reproduziert, folgen sie den Fehlerursachen entlang der Infektionskette bis hin zum ursprünglichen Defekt. Dieses idealisierte Vorgehen benötigt ein grundlegendes Verständnis über das Systemverhalten, da Fehler und Defekt sehr weit auseinander liegen können. Bedauerlicherweise bieten jedoch gebräuchliche Entwicklungswerkzeuge wenig Unterstützung, um solche Infektionsketten detailliert zu untersuchen. Dementsprechend müssen Entwickler primär auf ihr Gespür vertrauen, so dass die Lokalisierung von Fehlerursachen sehr viel Zeit in Anspruch nehmen kann. Um ein willkürliches Vorgehen zu verhindern, verwenden erfahrene Entwickler deshalb die wissenschaftliche Methode, um systematisch Hypothesen über Fehlerursachen zu prüfen. Jedoch kann auch noch mittels der wissenschaftlichen Methode die Suche nach Fehlerursachen sehr mühsam sein, da passende Hypothesen meist manuell und ohne die systematische Hilfe von Werkzeugen aufgestellt werden müssen. Diese Dissertation präsentiert die test-getriebene Fehlernavigation als einen zusammenhängenden Wegweiser zur Beseitigung von reproduzierbaren Fehlern mit Hilfe der wissenschaftlichen Methode. Basierend auf der Analyse von funktionierenden und fehlschlagenden Testfällen werden Anomalien aufgedeckt und in eine Breitensuche integriert, um Entwickler zum Defekt zu führen. Diese systematische Suche besteht aus vier spezifischen Navigationstechniken, welche zusammen die Erstellung, Evaluierung und Verfeinerung von Hypothesen für die wissenschaftliche Methode unterstützen. Erstens grenzt die Strukturnavigation verdächtige Systemteile und den initialen Suchraum ein. Zweitens empfiehlt die Team-Navigation erfahrene Entwickler zur Behebung von Fehlern. Drittens erlaubt es die Verhaltensnavigation Entwicklern, die hervorgehobene Infektionskette eines fehl- schlagenden Testfalls zurückzuverfolgen. Viertens identifiziert die Zustandsnavigation fehlerhafte Zustände, um automatisch Teile der Infektionskette offenzulegen. Alle vier Navigationen wurden innerhalb des Path Tools Framework für die Squeak/Smalltalk Entwicklungsumgebung implementiert. Dabei bauen alle Werkzeuge auf die inkrementelle dynamische Analyse, welche die Berechnungskosten über mehrere Testdurchläufe abhängig von den Bedürfnissen des Nutzers aufteilt und somit schnelle Ergebnisse während der Fehlersuche liefert. Folglich können wichtige Fragen in kurzer Zeit beantwortet werden: Wo wird mit der Fehlersuche begonnen? Wer versteht Fehlerursachen am Besten? Was passierte bevor der Fehler auftrat? Welche Programmzustände sind betroffen?

Ziel der Arbeit war es, die Systemtestautomatisierung zu vereinfachen. Gerade in Hinblick auf Stabilität und Wiederverwendbarkeit konnten die in der Praxis eingesetzten Möglichkeiten nicht vollständig überzeugen. Der in der Abhandlung erarbeitet Zielzustand, die „strukturierte Automatisierung des SystemTests“ (SAST) integriert den Systemtest in „MOdel Compiler for generating Complete Applications“ (MOCCA), ein modelgetriebenes Anwendungsgenerierungsframework. MOCCA generiert aus Struktur- und Verhaltensmodellen voll-ständige Softwaresysteme. Er wurde an der TU Bergakademie Freiberg entwickelt. Zur leichtgewichtigen Modellierung des Anwendungsverhaltens wurde es durch die Dissertation von Dr. Liang (vgl. [Lian2013]) u. a. um eine Action Language eXtended Object Constraint Language (XOCL) erweitert. Diese Verhaltensbeschreibungsmöglichkeit wurde in SAST ebenso für die Verhaltensabbildung des Systemtests genutzt und bildet einen Pfeiler in dem erstellten Prototyp zur Systemtestgenerierung. SAST bezieht sich auf GUI-basierte Softwaresysteme. Sie bildet, wie es für den Systemtest charakteristisch ist, Fachprozesse anhand der Oberfläche ab. Zur Lösung wurden, neben dem Testverhalten, Artefakte zur Teststrukturierung, Schlüsselwortbildung und eine Ausführungs-Engine erstellt und in den bestehenden Generierungspro-zess von MOCCA eingefügt. Mit den grundlegenden Charakteristika der Lösung – modellgetrieben, schlüssel-wort-orientiert und in Testfällen strukturiert – unterstützt die Arbeit die angestrebten Verbesserungen: Wiederverwendbarkeit, Wartungsarmut und frühzeitige Testfallentwicklung. Eine Ausgestaltung für konkrete Testfälle ermöglicht schnelle Testschwerpunkte und -reduzierungen im Rahmen des risikobasierten Tests.:1 Einleitung 2 Theoretisches Fundament 3 Analyse bekannter Methoden für den Systemtest 4 Strukturierte Automatisierung des SystemTests 5 Prototypische Systemtestmodellierung 6 Proof of Concept: Anwendung ,TranscriptGenerator' 7 Abschließende Bewertung und weitere Möglichkeiten

The automotive industry is continuously innovating and adapting new technologies. Along with that, the companies work towards maintaining the quality of a hardware product and meeting the customer demands. Before delivering the product to the customer, it is essential to test and approve it for the safe use. The concept remains the same when it comes to a software. Adapting modern technologies will further improve the efficiency of testing a software. The thesis aims to build a machine learning algorithm for the implementation during the software testing. In general, the evaluation of a generated test report after the testing consumes more time. The built algorithm should be able to reduce the time spent and the manual effort during the evaluation. Basically, the machine learning algorithms will analyze and learn the data available in the old test reports. Based on the learnt data pattern, it will suggest the possible root causes for the failed test cases in the future. The thesis report has the literature survey that helped in understanding the machine learning concepts in different industries for similar problems. The tasks involved while building the model are data loading, data pre-processing, selecting the best conditions for each algorithm and comparison of the performance among them. It also suggest the possible future work towards improving the performance of the models. The entire work is implemented in Jupyter notebook using pandas and scikit-learn libraries.

Mobile applications are developed to run on fast-evolving platforms, such as Android or iOS. Respective mobile devices are heterogeneous concerning hardware (e.g., sensors, displays, communication interfaces) and software, especially operating system functions. Software vendors cope with platform evolution and various hardware configurations by abstracting from these variable assets. However, they cannot be sure about their assumptions on the inner conformance of all device parts and that the application runs reliably on each of them—in consequence, comprehensive testing is required. Thereby, in testing, variability becomes tedious due to the large number of test cases required to validate behavior on all possible device configurations. In this paper, we provide remedy to this problem by combining model-based testing with variability concepts from Software Product Line engineering. For this purpose, we use feature-based test modeling to generate test cases from variable operational models for individual application configurations and versions. Furthermore, we illustrate our concepts using the commercial mobile application “runtastic” as example application.

Mobile applications are developed to run on fast-evolving platforms, such as Android or iOS. Respective mobile devices are heterogeneous concerning hardware (e.g., sensors, displays, communication interfaces) and software, especially operating system functions. Software vendors cope with platform evolution and various hardware configurations by abstracting from these variable assets. However, they cannot be sure about their assumptions on the inner conformance of all device parts and that the application runs reliably on each of them—in consequence, comprehensive testing is required. Thereby, in testing, variability becomes tedious due to the large number of test cases required to validate behavior on all possible device configurations. In this paper, we provide remedy to this problem by combining model-based testing with variability concepts from Software Product Line engineering. For this purpose, we use feature-based test modeling to generate test cases from variable operational models for individual application configurations and versions. Furthermore, we illustrate our concepts using the commercial mobile application “runtastic” as example application.

Die Einführung des AUTOSAR Standards in der Softwareentwicklung für Steuergeräte ermöglicht die Entwicklung von Kundenfunktionalitäten unabhängig von der Zielplattform. Eine AUTOSAR konforme Applikation wird anschließend für eine konkrete Zielplattform konfiguriert. Diese Flexibilität bringt auch neue Herausforderungen für den Test eines Steuergerätes mit sich. Diese Arbeit präsentiert einen Ansatz, der sowohl durch statische Analysen von Konfigurationen und Quellcode, als auch durch dynamische Tests den Entwicklungsprozess von AUTOSAR Systemen unterstützt. Der dynamische Test überprüft auf der Zielplattform die Schichten der Basissoftware und der RTE und unterstützt bei der Fehlerlokalisierung. Der präsentierte Ansatz ist für alle Versionen der AUTOSAR Classic Plattform anwendbar und nutzt nur Methoden, die durch den AUTOSAR Standard erlaubt sind. Für diese Arbeit wurde eine Wissensbasis entworfen und umgesetzt, die das Architekturwissen des AUTOSAR Standards vorhält. In der Wissensbasis sind Schichten, Stacks und Basissoftwaremodule mit ihren Eigenschaften abgelegt. Durch die Arbeit konnten verschiedenen Projekte mit AUTOSAR Architektur überprüft, verglichen und optimiert werden.:1. Einleitung 2. Grundlagen 3. Stand der Technik 4. Konzept 5. Implementierung 6. Ergebnisse 7. Zusammenfassung und Ausblick A. AUTOSAR Basissoftwaremodule in Wissensbasis / The introduction of the AUTOSAR standard in software development for electronic control units enables the development of customer functionalities independent of the target platform. An AUTOSAR-compliant application is configured for a specific target platform. This flexibility leads to new challenges for testing of electronic control units. This work presents an approach for supporting the development and test process of AUTOSAR systems by static analysis and dynamic tests. The dynamic test checks the different layers of the basic software and RTE on the target platform. Moreover, error localization is supported. The presented approach can be used for all versions of the AUTOSAR Classic platform and only uses methods that are permitted by the AUTOSAR standard. A knowledge base was designed and implemented for this work, which contains the architecture knowledge of the AUTOSAR standard. Layers, stacks and basic software modules with their properties are stored in the knowledge base. The work enabled various projects with AUTOSAR architecture to be checked, compared and optimized.:1. Einleitung 2. Grundlagen 3. Stand der Technik 4. Konzept 5. Implementierung 6. Ergebnisse 7. Zusammenfassung und Ausblick A. AUTOSAR Basissoftwaremodule in Wissensbasis