Dataohjattu prosessin parantaminen ketterässä ohjelmistokehityksessä

Väitöstilaisuuden tiedot

Väitöstilaisuuden päivämäärä ja aika

Väitöstilaisuuden paikka

TS101, Linnanmaa

Väitöksen aihe

Dataohjattu prosessin parantaminen ketterässä ohjelmistokehityksessä

Väittelijä

Master of Science Prabhat Ram

Tiedekunta ja yksikkö

Oulun yliopiston tutkijakoulu, Tieto- ja sähkötekniikan tiedekunta, Empiirinen ohjelmistotuotanto ohjelmistoissa, järjestelmissä ja palveluissa (M3S)

Oppiaine

Tietojenkäsittelytiede

Vastaväittäjä

Professori Martin Höst, Lundin yliopisto

Kustos

Professori Markku Oivo, Oulun yliopisto

Vieraile väitöstilaisuudessa

Lisää tapahtuma kalenteriin

Dataohjattu prosessin parantaminen ketterässä ohjelmistokehityksessä – Teollinen monitapaustutkimus

Ohjelmistotuotannon harjoittajat ovat yrittäneet hyötyä modernien ohjelmistotuotantomenetelmien, kuten ketterän ohjelmistotuotannon (ASD), synnyttämästä ohjelmistotuotantodatasta.
Jäsenneltyä ohjelmistotuotantodataa on käytetty metriikkaohjelmissa, joiden tarkoitus on parantaa tuotantoprosessia, mutta tarvitaan lisäselvitystä siitä, mitä metriikoita ohjelmistotuotannon
harjoittajat suosivat ja miksi, eteenkin laajamittaisessa ohjelmistotuotannossa. Metriikkaohjelmien menestystekijät eivät myöskään ole yhtä hyvin tunnettuja ASD:ssä kuin perinteisissä ohjelmistotuotantomenetelmissä. Lisäksi on vain vähän tietoa siitä, miten jäsentämätöntä dataa, jota
syntyy paljon enemmän kuin jäsenneltyä, voidaan hyödyntää.

Euroopan unionin Horizon 2020 Q-Rapids projektissa toteutettiin monitapaustutkimus, jonka avulla täydennettiin tutkimustietoa edellä mainittujen puutteiden osalta kahdessa vaiheessa.
Ensimmäisessä vaiheessa koottiin tietoa vallalla olevista käytänteistä sekä ohjelmistotuotannon
harjoittajien näkökulmista, jotka vaikuttavat metriikkaohjelmien määrittelyyn, täytäntöönpanoon ja käyttöön. Toisessa vaiheessa nostettiin esiin empiiristä näyttöä jäsennellyn datan käytöstä prosessinparannusmetriikkaohjelmissa. Lopuksi etsittiin empiiristä näyttöä jäsentämättömän
datan hyödyntämisestä.

Datan käytössä tietoisuuden lisäämiseksi ja hallinnan mahdollistamiseksi ohjelmistotuotannon harjoittajat suosivat metriikoita suunnittelu-, implementaatio- ja testausprosessin mittaamiseen. Ohjelmistotuotannon kontekstuaaliset tekijät, kuten ohjelmistoyhtiön koko ja projektin
luonne, vaikuttavat siihen käynnistääkö tietty metriikka prosessinparannuksen vai onko se prosessinparannuksen pääasiallinen viitoittaja. Edellytykset, jotka mahdollistavat tällaiset metriikkaohjelmat liittyvät datan, prosessien ja metriikoiden toteuttamiskelpoisuuteen. Tekstinlouhintamenetelmät, kuten Latent Dirichlet Allocation, voi mahdollistaa jäsentämättömän data syvemmän ymmärtämisen. Nämä tulokset valaisevat kahden erillisen menetelmän käyttökelpoisuutta, joita ohjelmistotuotannon harjoittajat voivat käyttää ohjelmistodatan hyödyntämisessä myös laajamittaisessa ohjelmistotuotannossa.
Viimeksi päivitetty: 1.3.2023