机器学习软件工程实践：一项工业案例研究
软件工程
2019-06-18 v1 机器学习
摘要
SAP 是企业软件的市场领导者，提供端到端的应用与服务套件，使其全球客户能够运营业务。尤其是 SAP 的零售客户在日常业务中需处理数百万笔销售交易。交易在零售销售点(POS)终端生成，随后发送至中央服务器进行校验及其他业务操作。由于诸多技术与人为错误，相当比例的零售交易可能存在不一致。SAP 提供自动化的错误检测流程，但仍需专职员工借助工作台软件手动修正。然而，手动纠错耗时费力，且可能因错误修改引发进一步错误。这不仅给客户业务工作流带来性能开销，也招致高昂运营成本。因此，自动检测与修正交易错误对其潜在业务价值与工作流改进至关重要。本文呈现一项工业案例研究，其中我们应用机器学习(ML)自动检测交易错误并提出修正方案。我们从软件工程、机器学习以及产学研协作三个不同视角，识别并讨论了这一协作研发项目中所面临的挑战。我们汇报了项目经验与见解，并针对所识别挑战给出指南。相信我们的发现与建议可助力投身类似工作的研究者和从业者。
引用
@article{arxiv.1906.07154,
title = {Machine Learning Software Engineering in Practice: An Industrial Case Study},
author = {Md Saidur Rahman and Emilio Rivera and Foutse Khomh and Yann-Gaël Guéhéneuc and Bernd Lehnert},
journal= {arXiv preprint arXiv:1906.07154},
year = {2019}
}
备注
21 pages, 5 figures