مدل کیفیت تطبیقی مبتنی بر هوش مصنوعی برای سیستمهای سازمانی مبتنی بر ابر

با گسترش سریع استفاده از سیستمهای سازمانی مبتنی بر ابر، اطمینان از کیفیت نرم افزار همچنان یک چالش اساسی برای تصمیم گیرندگان است. مدلهای کیفیت موجود، مانند ۲۵۰۱۰ ISO/IEC و Cloud-QM، چارچوب های ارزیابی ساختاریافته ای ارائه می دهند اما فاقد قابلیت تطبیق پذیری با ماهیت پویای محیطهای ابری هستند جایی که نیازهای مربوط به عملکرد، امنیت و مقیاس پذیری به طور مداوم در حال تغییرند. این مطالعه مدل AL-QM را معرفی می کند، یک مدل کیفیت تطبیقی مبتنی بر هوش مصنوعی که برای ارزیابی و مقایسه سیستمهای اطلاعاتی سازمانی مبتنی بر ابر-Cloud-EIS طراحی شده است. AI-QM با ترکیب معیارهای کیفیت سنتی و الگوریتم های یادگیری ماشین، به طور مداوم کیفیت نرم افزار را پایش، پیش بینی و بهینه سازی می کند. این مدل از یک مکانیسم خود یادگیرنده بهره می برد که به طور پویا معیارهای کیفیت را بر اساس عملکرد سیستم، بازخورد کاربران و داده های عملیاتی در زمان واقعی تنظیم می کند. در یک مطالعه موردی آزمایشی که بر روی چندین راهکار Cloud-EIS انجام شد، مدل AL-QM کارایی خود را در بهبود فرآیند تصمیم گیری برای سازمان هایی که به دنبال راه حل های ابری با کیفیت بالا هستند، نشان داد. نوآوری این پژوهش در تطبیق پذیری مبتنی بر هوش مصنوعی آن نهفته است که امکان ارزیابی پیشگیرانه کیفیت و ارائه توصیه های خودکار برای بهبود را فراهم می آورد و از چارچوب های سنتی ارزیابی ایستا فراتر می رود.

کلیدواژه ها:

هوش مصنوعی ، کیفیت نرم افزار ، سیستمهای سازمانی ، محاسبات ابری ، یادگیری ماشین ، مدل تطبیقی ، AI-QM