Beslutningstabelltesting (eksempel)

⚡ Smart oppsummering

Testing av beslutningstabeller er en svartboksteknikk som fanger opp inputkombinasjoner og deres forventede utganger i tabellform. Denne veiledningen forklarer årsak-virkning-konseptet, går gjennom eksempler på innlogging og opplasting, og viser hvorfor metoden gir god dekning for kompleks forretningslogikk.

🧮 Kjerneide: En beslutningstabell kartlegger forhold (årsaker) til utfall (effekter) for systematisk dekning.
🔢 Kombinasjonsregel: Antall regler er lik 2 opphøyd i antall betingelser (2^n).
🔐 Utarbeidede eksempler: Innloggings- og bildeopplastingsskjermene viser sanne/usanne-betingelser tilordnet utganger.
✅ Beste bruk: Ideelt når systemoppførselen er forskjellig for hver inngangskombinasjon.
🤖 AI-aktivering: AI-verktøy genererer nå beslutningstabeller fra krav og fjerner overflødige regler.

Les mer

Hva er Decision Table Testing?

Testing av beslutningstabeller er en programvaretestteknikk som brukes til å teste systematferd for ulike inngangskombinasjoner. Det er en systematisk tilnærming der de ulike inngangskombinasjonene og deres tilsvarende systematferd (utdata) registreres i tabellform. Derfor kalles det også en Årsak virkning tabell, hvor årsaker og virkninger er registrert for bedre testdekning.

A Beslutningstabell er en tabellformet representasjon av input versus regler, tilfeller eller testbetingelser. Det er et svært effektivt verktøy for både komplekse programvaretesting og kravhåndtering. En beslutningstabell hjelper med å sjekke alle mulige kombinasjoner av betingelser, og testere kan enkelt identifisere manglende betingelser. Betingelser angis ved hjelp av sanne (T) og usanne (F) verdier.

Eksempel 1: Beslutningstabell for en påloggingsskjerm

La oss lage en beslutningstabell for en innloggingsskjerm.

Betingelsen er enkel: Hvis brukeren oppgir riktig brukernavn og passord, blir de omdirigert til hjemmesiden. Hvis noen av inntastingene er feil, vises en feilmelding.

Forhold	Regel 1	Regel 2	Regel 3	Regel 4
Brukernavn (T/F)	F	T	F	T
Passord (T/F)	F	F	T	T
Utgang (E/H)	E	E	E	H

Forklaring:

T – Riktig brukernavn/passord
F – Feil brukernavn/passord
E – Feilmelding vises
H – Hjemmeskjermen vises

Tolkning:

Sak 1 – Både brukernavn og passord er feil. Brukeren får se en feilmelding.
Sak 2 – Brukernavn riktig, passord feil. Brukeren får se en feilmelding.
Sak 3 – Brukernavn feil, passord riktig. Brukeren får se en feilmelding.
Sak 4 – Både brukernavn og passord er riktige. Brukeren navigerer til hjemmesiden.

Når man konverterer dette til en testforsøk, kan du opprette to scenarier, fordi de tre feiltilfellene tester den samme regelen.

Skriv inn riktig brukernavn og riktig passord, og klikk deretter på Logg inn – brukeren skal nå gå til hjemmesiden.
Skriv inn feil brukernavn og/eller feil passord, og klikk deretter på Logg inn – brukeren skal se en feilmelding.

Eksempel 2: Beslutningstabell for en opplastingsskjerm

Tenk deg nå en dialogboks som ber brukeren laste opp et bilde under visse betingelser:

Bare formatet «.jpg» er tillatt.
Filstørrelsen må være mindre enn 32 KB.
Oppløsningen må være 137 × 177.

Hvis en av betingelsene feiler, sender systemet en tilsvarende feilmelding. Hvis alle betingelsene er oppfylt, lastes bildet opp uten problemer.

Beslutningstabellen for denne saken er vist nedenfor.

Forhold	Sak 1	Sak 2	Sak 3	Sak 4	Sak 5	Sak 6	Sak 7	Sak 8
dannet	. Jpg	. Jpg	. Jpg	. Jpg	Ikke .jpg	Ikke .jpg	Ikke .jpg	Ikke .jpg
Størrelse	< 32 KB	< 32 KB	≥ 32 KB	≥ 32 KB	< 32 KB	< 32 KB	≥ 32 KB	≥ 32 KB
oppløsning	137 × 177	Ikke 137×177	137 × 177	Ikke 137×177	137 × 177	Ikke 137×177	137 × 177	Ikke 137×177
Produksjon	Bilde lastet opp	Uoverensstemmelse i oppløsning	Størrelsesavvik	Størrelse og oppløsning avviker	Formatavvik	Format og oppløsning avviker	Format- og størrelsesavvik	Avvik i format, størrelse og oppløsning

Fra denne tabellen kan du opprette åtte testtilfeller for fullstendig dekning:

.jpg, < 32 KB, 137×177 → bildeopplastinger vellykket.
.jpg, < 32 KB, ikke 137×177 → feil med avvik i oppløsning.
.jpg, ≥ 32 KB, 137×177 → feil ved størrelsesavvik.
.jpg, ≥ 32 KB, ikke 137×177 → feil med avvik i størrelse og oppløsning.
Ikke .jpg, < 32 KB, 137×177 → formatavviksfeil.
Ikke .jpg, < 32 KB, ikke 137×177 → feil ved avvik i format og oppløsning.
Ikke .jpg, ≥ 32 KB, 137×177 → feil med format- og størrelsesavvik.
Ikke .jpg, ≥ 32 KB, ikke 137×177 → feil med avvik i format, størrelse og oppløsning.

Hvorfor testing av beslutningstabeller er viktig

Testing av beslutningstabeller er viktig fordi den tester mange kombinasjoner av betingelser og gir god dekning for kompleks forretningslogikk. Når systemoppførselen er forskjellig for hvert sett med inndata, gir teknikken god dekning i en enkel og lettlest representasjon.

In software engineering, grenseverdianalyse og ekvivalenspartisjonering er lignende teknikker, men de er mest effektive når systemet viser samme oppførsel på tvers av et stort sett med inndata. Når oppførselen er forskjellig For hver inngangskombinasjon kan ikke disse teknikkene sikre god dekning – og testing av beslutningstabeller blir det bedre alternativet.

Denne tabellen fungerer også som en referanse for krav- og funksjonsutvikling fordi den er lett å forstå og dekker alle kombinasjoner. Betydningen øker etter hvert som input øker: antallet mulige kombinasjoner er 2^n, der n er antall input. For n = 10, som er vanlig i nettskjemaer, er det 1,024 kombinasjoner. Du kan ikke teste alle, men du kan velge et rikt delsett ved hjelp av beslutningsbasert testing.

Fordeler med Decision Table Testing

Fungerer når systemoppførselen er forskjellig på tvers av innganger, der ekvivalenspartisjonering og grenseverdianalyse kommer til kort.
Representasjonen er enkel, så den er lett å tolke og nyttig for både utviklings- og forretningsteam.
Bidrar til å bygge effektive kombinasjoner og sikrer bedre testdekning.
Enhver kompleks forretningstilstand kan gjøres om til en beslutningstabell.
Kan sikre 100 % dekning når antallet inngangskombinasjoner er lavt.

Ulemper med Decision Table Testing

Den største ulempen er at tabellen blir mer kompleks og vanskeligere å administrere etter hvert som antallet inndata øker.

Spørsmål og svar

Testing av beslutningstabeller er en svartboksteknikk som fanger opp kombinasjoner av inngangsbetingelser og deres forventede utganger i en tabell. Den sikrer systematisk dekning av komplekse forretningsregler.

Den kartlegger årsaker (inndatabetingelser) til effekter (systemutganger). Å fange begge sider i én tabell gjør forholdet eksplisitt, og det er derfor den også er kjent som en årsak-virkningstabell.

Antall regler er lik 2^n, der n er antall binære betingelser. For eksempel gir 4 betingelser 16 regler, og 10 betingelser gir 1,024 mulige kombinasjoner.

Grenseverdianalyse passer for inndata der oppførselen er den samme over et område. Beslutningstabeller passer for tilfeller der hver inngangskombinasjon produserer en annen utgang, noe som gir dekning som de andre teknikkene går glipp av.

Bruk den når en funksjon har flere inndatabetingelser som samhandler for å produsere forskjellige utdata, for eksempel påloggingsvalidering, skjemaopplastinger eller pris- og rabattregler med flere avhengigheter.

Etter hvert som antallet betingelser øker, utvides tabellen eksponentielt (2^n) og blir vanskelig å administrere. Testere velger vanligvis et representativt delsett av regler i stedet for å teste hver kombinasjon.

AI-verktøy leser krav og genererer beslutningstabeller automatisk, identifiserer manglende eller overflødige regler og skjuler tilsvarende regler. Dette reduserer manuell innsats samtidig som det forbedrer kombinasjonsdekningen.

Ja. AI kan konvertere hver regel i en beslutningstabell til et konkret testtilfelle med inndata og forventede resultater, og deretter prioritere dem etter risiko, slik at kombinasjoner med høy effekt testes først.