汽车工业中软件模型增长的预测与评估
软件工程
2017-08-10 v1
摘要
软件制品的规模会影响软件质量并冲击开发过程。在工业界，当软件规模超过特定阈值时，内存错误会不断累积，开发工具可能无法再应对，从而导致冗长的程序启动时间、构建失败或在不可预测的时间发生内存问题。因此，预见软件模块中的关键增长在工业实践中有着高度需求。预测规模增长到需要维护水平的时间，可以防止意外的工作量，并有助于在问题制品变得严重之前发现它们。尽管文献中的预测方法数量庞大，但尚不清楚它们在多大程度上符合实践中的先决条件和期望。本文在一家汽车制造商处进行了一项工业案例研究，以探索预测方法在实践中的适用性和可用性。首先，我们从文献中收集了最相关的预测方法，包括使用统计学和机器学习的方法。此外，我们通过问卷调查和利益相关者研讨会，收集了从业者对预测的期望。同时，我们通过挖掘四年的修订历史，测量了 48 个软件制品的软件规模，获得了 4,547 个数据点。最后，我们利用收集的数据评估了最先进的预测方法的适用性，系统地分析了它们在多大程度上满足从业者的期望。我们的主要贡献是在考虑利益相关者期望的同时，比较了真实工业环境中常用的预测方法。我们表明，这些方法在预测精度方面提供了显著不同的结果，并且统计方法最符合我们的数据。
引用
@article{arxiv.1708.02884,
title = {Predicting and Evaluating Software Model Growth in the Automotive Industry},
author = {Jan Schroeder and Christian Berger and Alessia Knauss and Harri Preenja and Mohammad Ali and Miroslaw Staron and Thomas Herpel},
journal= {arXiv preprint arXiv:1708.02884},
year = {2017}
}