НЕЙРОМЕРЕЖНА МОДЕЛЬ ПРОГНОЗУВАННЯ ЯКОСТІ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ НА ОСНОВІ АТРИБУТІВ ЯКОСТІ
DOI:
https://doi.org/10.31891/CSIT-2022-1-9Ключові слова:
програмне забезпечення (ПЗ), якість ПЗ, атрибути якості ПЗ, характеристики якості ПЗ, штучна нейронна мережа (ШНМ)Анотація
Якість програмного забезпечення (ПЗ) стає все більш важливою темою протягом останнього десятиліття в зв’язку
із стрімким зростанням ринку програмного забезпечення, із збільшенням конкуренції в індустрії ПЗ, а також із зростанням
складності програмного забезпечення та покладеної відповідальності на нього. Актуальність проблем підвищення якості ПЗ
обумовлює необхідність прогнозування якості програмного забезпечення на ранніх етапах життєвого циклу та розроблення
моделей, методів та засобів прогнозування якості ПЗ на основі атрибутів.
Універсальними структурами, що дозволяють узагальнити інформацію та виявити залежності між вхідними і
результуючими даними, є штучні нейронні мережі (ШНМ), тому для реалізації функцій, які враховуватимуть взаємовпливи
характеристик та атрибутів якості запропоновано використовувати саме ШНМ. Авторами запропоновано концепцію
прогнозування якості ПЗ на основі ШНМ, в якій враховуються взаємовпливи атрибутів якості при визначенні характеристик
якості ПЗ.
Вперше запропонована нейромережна модель прогнозування якості програмного забезпечення на основі атрибутів
якості відрізняється від відомих тим, що дає можливість враховувати важливість кожного атрибуту якості, а також взаємний
вплив атрибутів в межах кожної характеристики якості програмного забезпечення. Вихідні функціонали ШНМ, що
відповідають значенням характеристик якості ПЗ (функційна придатність, ефективність, зручність використання, надійність,
сумісність, захищеність, супроводжуваність, можливість переносу), дають можливість оцінити сумарний вплив атрибутів
якості на характеристики якості програмного забезпечення.
Враховуючи запропоновану концепцію, перспективними завданнями для подальших досліджень є: розроблення
нейромережного методу прогнозування рівня якості програмного забезпечення на основі атрибутів якості; реалізація та
навчання нейромережної складової запропонованого методу; проєктування та реалізація технології прогнозування рівня
якості програмного забезпечення на основі атрибутів якості на ранніх етапах життєвого циклу.
