پیش بینی شکست در توسعه نرم افزاری چابک از طریق تحلیل های داده
چکیده
پارادایم های توسعه نرم افزاری مبتنی بر هوش مصنوعی، توجه زیادی را در دانشگاه ها، صنعت و دولت به خود معطوف کرده اند. بخصوص اینکه در طی 5 سال گذشته، موجی از تحلیل داده ها بر کسب و کارهای همه حوزه ها تاثیر گذاشته و شیوه های مدیریت مهندسی را در بسیاری از صنایع تحت تاثیر قرار داده و تحقیقات دانشگاهی متفاوتی را ایجاد کرده است. چندین نفر از فروشندگان عمده نرم افزار، یک شکل از توسعه "هوشمند" را در یک یا چند مرحله از فرایندهای توسعه نرم افزاری خود اتخاذ کرده اند. برای مثال، چابک یکی از نمونه های شناخته شده از چرخه حیات مورد استفاده برای ساخت سیستمهای هوشمند و تحلیلی است. فرایند چابک متشکل از چندین اسپرینت است که در هر یک از آنها یک ویژگی نرم افزاری خاص طراحی شده، و آزموده، پالایش و اثبات شده اند. با این حال، از آنجاییکه توسعه نرم افزاری به زمینه پروژه بستگی دارد، آزمودن آن نیز به گونه متفاوتی در هر اسپرینت انجام می شود. این مقاله با استفاده از روشهای تحلیلی و آماری (مانند استفاده از زمان میانگین بین شکستها و مدلسازی رگرسیونی)، روشی را برای پیش بینی شکستهای نرم افزاری در اسپرینهای بعدی چابک معرفی می کند. این روش جدید، تست تحلیل محور (ADT) نامیده می شود. ADT خطاها و محل آنها را (با یک سطح اطمینان آماری معین) پیش بینی می کند. این امر با اندازه گیری مداوم MTBF برای قطعات نرم افزاری و استفاده از یک مدل رگرسیونی پیش بینی کننده برای برآورد احتمال وقوع انواع خطاهای سیستم نرم افزاری و همچنین محل وقوع آنها انجام می شود. ADT ارائه شده و مورد ارزیابی قرار می گیرد.
1. مقدمه
چرخه حیات توسعه نرم افزاری چابک بر مبنای مفهوم توسعه افزایشی، تحویل تکراری، و تست زمینه-محور است (Sommerville، 2007). توسعه چابک بهترین شیوه ها را تبلیغ نمی کند، بلکه در مورد برنامه ریزی انطباقی و توسعه تکاملی می باشد. پس از اینکه بیانیه توسعه نرم افزار چابک 1 معرفی شد، بر موارد متعددی از چرخه های حیات مانند برنامه نویسی سریع (xp)، توسعه کاملا شفاف و مشخصه محور، و اسکرام تاثیر گذاشت (Sommerville، 2007) ( چرخه حیات انتخابی در این مقاله). فرآیند اسکرام شامل هویتهای زیر می باشد: وظایف، اسپرینتها، ذینفعان و یک مدیر اسکرام. چابک و اسکرام در بخش بعد بطور دقیقتری مورد بحث قرار می گیرند.
Abstract
Artificial intelligence-driven software development paradigms have been attracting much attention in academia, industry and the government. More specifically, within the last 5 years, a wave of data analytics is affecting businesses from all domains, influencing engineering management practices in many industries and making a difference in academic research. Several major software vendors have been adopting a form of ‘‘intelligent’’ development in one or more phases of their software development processes. Agile for example, is a well-known example of a lifecycle used to build intelligent and analytical systems. The agile process consists of multiple sprints; in each sprint a specific software feature is developed, tested, refined and documented. However, because agile development depends on the context of the project, testing is performed differently in every sprint. This paper introduces a method to predict software failures in the subsequent agile sprints. That is achieved by utilizing analytical and statistical methods (such as using Mean Time between Failures and modelling regression). The novel method is called: analytics-driven testing (ADT). ADT predicts errors and their locations (with a certain statistical confidence level). That is done by continuously measuring MTBF for software components, and using a forecasting regression model for estimating where and what types of software system failures are likely to occur. ADT is presented and evaluated.
1 Introduction
The agile software development lifecycle is based on the concept of incremental development, iterative deliveries, and context-driven testing (Sommerville 2007). Agile development does not promote best practices; rather, agile it is about adaptive planning and evolutionary development. After the agile manifesto1 was introduced, multiple forms of lifecycles were influenced by it, such as extreme programming, crystal clear, feature-driven development, and scrum (Sommerville 2007) (the lifecycle of choice in this paper). The scrum process consists of the following entities: roles, sprints, stakeholders and a scrum master. Agile and scrum are discussed in more detail in the next section.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
1. مقدمه
2. سابقۀ چابک و زمینۀ آن
2.1. چرخه حیات نرم افزار چابک
2.2. فرایند توسعه اسکرام
2.3. تست زمینه-محور
2.4. کارهای مرتبط در تست نرم افزار
3. پیش بینی شکستهای نرم افزاری
3.1. مقدمه ای مختصر برای تحلیلهای داده
3.2. اندازه گیری زمان سپری شده بین شکستهای نرم افزاری (MTBF)
3.3. تست تحلیل-محور (ADT)
4. ارزیابی آزمایشی
5. سابقه آزمایشی
5.1. فرایند آزمایشی
5.2. نتایج آزمایشی
6. نتیجه گیری
6.1. خلاصه
6.2. کارهای آینده و نوآوریها
منابع
Abstract
1 Introduction
2 Background—agile and context
2.1 Agile software lifecycle
2.2 Scrum development process
2.3 Context-driven testing
2.4 Related work in software testing
3 Software failures prediction
3.1 Brief introduction to data analytics
3.2 Measuring elapsed time between software failures (MTBF)
3.3 Analytics-driven testing (ADT)
4 Experimental evaluation
5 Experimental background
5.1 Experimental process
5.2 Experimental results
6 Conclusions
6.1 Summary
6.2 Future work and contributions
References
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه