Ottimizzazione AI-driven della selezione e strutturazione di test case per ambienti di test automatizzati

La crescente complessità dei moderni sistemi elettronici automobilistici richiede un approccio più efficiente al testing software e all’integrazione, con l’obiettivo di ridurre il time-to-market e i costi di sviluppo. Con questo lavoro di tesi si introduce un framework di intelligenza artificiale per valutare i test case e determinarne la conformità al framework definito, nonché la loro esecuzione automatizzata.

Il sistema analizzerà sia le capacità dell’ambiente di test sia le proprietà intrinseche di ciascun test case per decidere se un test è “pronto per l’automazione” o meno. Per i test case considerati pronti, l’IA genererà automaticamente un’interfaccia strutturata con Automation Desk, integrando funzioni personalizzate per supportare l’esecuzione, a partire da un modello già definito per gruppi di test case. Per quelli non ancora in uno stato adeguato, il sistema adatterà e modificherà i test case per allinearli ai requisiti dell’automazione oppure richiederà l’intervento dell’utente per raggiungere lo stato desiderato.

Guardando al futuro, il framework mira ad andare oltre i test case esistenti, partendo direttamente dai requisiti di sistema e generando test case intrinsecamente conformi alla struttura di automazione del cliente. Questa visione supporta una transizione fluida dall’ingegneria dei requisiti a test automatizzati, eseguibili e ottimizzati tramite intelligenza artificiale.

Argomento principale: intelligenza artificiale e apprendimento automatico

Corso di studio e requisiti candidato:

• Laurea magistrale (o all’ultimo anno di laurea triennale) in Informatica, Ingegneria del software, Ingegneria elettrica o in un campo correlato.
• Competenza di Python, inclusa l’elaborazione dei dati e la scrittura di script.

Sede: Il tirocinio si può svolgere nella sede di Napoli.