كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

بهبود فرآیندهای توسعه نرم‌افزار با ترکیب فرآیندکاوی و الگوریتم‌های یادگیری ماشین: مطالعه موردی

نویسندگان :

محسن فردی‌پور اصل¹

1- دانشگاه صنعتی شریف

کلمات کلیدی :

توسعه نرم‌افزار چابک،مدیریت درخواست تغییر،مدیریت گزارش رخداد،فرآیندکاوی،TF-IDF،سند تحلیل ریشه ای

چکیده :

در دنیای رقابتی توسعه نرم‌افزار، تیم‌های توسعه محصولات فناوری اطلاعات با مشکلات و چالش‌های متعددی در جریان‌های ‌کاری خود روبرو هستند. در سالیان اخیر ترکیب فرآیندکاوی و الگوریتم‌های یادگیری ماشین به‌منظور بهینه‌سازی فرآیندهای توسعه نرم‌افزار مورد استفاده قرار می‌گیرد، اما همچنان خلا یک راهکار کلی به‌منظور شناسایی و تحلیل ریشه‌ای عارضه‌‌ها و ارائه راه‌حل مبتنی بر آن در سیستم‌های توسعه نرم‌افزار مشاهده می‌گردد. در این پژوهش، هدف، یافتن راهکاری برای بهبود فرآیندهای سیستم‌های توسعه نرم‌افزار با تغییرجریان‌کاری درخواست تغییر و بررسی ابعاد مختلف رخداد ها است. به‌منظور دستیابی به این هدف، از فرآیندکاوی در جریان‌کاری درخواست‌های تغییر و از خوشه‌بندی جهت بررسی بهتر گزارش رخدادها در 9667 مورد از گزارشات رویداد ثبت شده، استفاده گردید. کشف فرآیند جریان‌کاری درخواست تغییر، از طریق الگوریتم آلفا و هیوریستیک و تحلیل فرآیند با استفاده از نمودارها و گزارشات آماری انجام شد. عناوین رخدادها با تکنیک TF-IDF امتیازدهی شده‌ و براساس مدت زمان حل رخداد، با استفاده از تکنیک K-میانگین ، خوشه‌بندی انجام شده‌است. در ادامه خروجی حاصل از فرآیندکاوی و خوشه‌بندی، با استفاده از سند تحلیل ریشه‌ای و مصاحبه با خبرگان مورد بررسی قرار گرفته و بنابر شرایط و نتایج تحلیل‌ها راه‌حل "مهندس نرم‌افزار در محیط عملیاتی" و ادغام چارچوب اسکرام شخصی‌سازی‌شده و برنامه‌نویسی افراطی پیشنهاد شد. در مطالعه موردی انجام‌شده، پس از پیاده‌سازی این روش، طبق نظرسنجی از ذی‌نفعان و خبرگان سیستم‌ها و روش‌ها این راه‌حل موجب ایجاد بهبود در فرآیند و افزایش 13.8 درصدی رضایت ذی‌نفعان شده‌است.