بهبود فرآیندهای توسعه نرم افزار با ترکیب فرآیندکاوی و الگوریتم های یادگیری ماشین: مطالعه موردی

در دنیای رقابتی توسعه نرم افزار، تیم های توسعه محصولات فناوری اطلاعات با مشکلات و چالش های متعددی در جریان های کاری خودروبرو هستند. در سالیان اخیر ترکیب فرآیندکاوی و الگوریتم های یادگیری ماشین به منظور بهینه سازی فرآیندهای توسعه نرم افزار مورداستفاده قرار می گیرد، اما همچنان خلا یک راهکار کلی به منظور شناسایی و تحلیل ریشه ای عارضه ها و ارائه راه حل مبتنی بر آن درسیستم های توسعه نرم افزار مشاهده می گردد. در این پژوهش، هدف، یافتن راهکاری برای بهبود فرآیندهای سیستم های توسعه نرم افزار باتغییرجریان کاری درخواست تغییر و بررسی ابعاد مختلف رخداد ها است. به منظور دستیابی به این هدف، از فرآیندکاوی در جریان کاریدرخواست های تغییر و از خوشه بندی جهت بررسی بهتر گزارش رخدادها در ۹۶۶۷ 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 آماریانجام شد. عناوین رخدادها با تکنیک TF-IDF امتیازدهی شده و براساس مدت زمان حل رخداد، با استفاده از تکنیک K- میانگین، خوشه بندی انجام شده است. در ادامه خروجی حاصل از فرآیندکاوی و خوشه بندی، با استفاده از سند تحلیل ریشه ای و مصاحبه با خبرگانمورد بررسی قرار گرفته و بنابر شرایط و نتایج تحلیل ها راه حل "مهندس نرم افزار در محیط عملیاتی" و ادغام چارچوب اسکرامشخصی سازی شده و برنامه نویسی افراطی پیشنهاد شد. در مطالعه موردی انجام شده، پس از پیاده سازی این روش، طبق نظرسنجی ازذینفعان و خبرگان سیستم ها و روش ها این راه حل موجب ایجاد بهبود در فرآیند و افزایش ۱۳.۸ درصدی رضایت ذینفعان شده است.

کلیدواژه ها:

توسعه نرم افزار چابک ، مدیریت درخواست تغییر ، مدیریت گزارش های رخداد ، فرآیندکاوی ، TF ، IDF ، سند تحلیل ریشه ای