JP2019148874A - プロジェクト分析装置及びプログラム - Google Patents
プロジェクト分析装置及びプログラム Download PDFInfo
- Publication number
- JP2019148874A JP2019148874A JP2018031863A JP2018031863A JP2019148874A JP 2019148874 A JP2019148874 A JP 2019148874A JP 2018031863 A JP2018031863 A JP 2018031863A JP 2018031863 A JP2018031863 A JP 2018031863A JP 2019148874 A JP2019148874 A JP 2019148874A
- Authority
- JP
- Japan
- Prior art keywords
- value
- project
- prediction
- variable
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000011161 development Methods 0.000 claims description 34
- 230000007423 decrease Effects 0.000 claims description 21
- 238000010276 construction Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 10
- 238000013075 data extraction Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Stored Programmes (AREA)
Abstract
【課題】ソフトウェア開発のリスクに繋がる要因の特定を可能とすること。【解決手段】プロジェクト分析装置は、第1のソフトウェア開発プロジェクトに関する管理データから、各説明変数の値及び目的変数の値を取得する第1の取得部と、前記第1の取得部が取得した前記各説明変数の値及び前記目的変数の値に基づいて、前記各説明変数を根ノード又は内部ノードとし、前記目的変数の値を葉ノードとする木構造を有する予測モデルを生成する生成部と、第2のソフトウェア開発プロジェクトに関する管理データから、前記各説明変数の値を取得する第2の取得部と、前記第2の取得部によって取得された各説明変数を前記予測モデルに当てはめて、前記目的変数の値を予測する予測部と、前記目的変数の値に応じ、前記予測部による予測において前記予測モデルの葉ノードに到達するまでの過程に含まれる説明変数を出力する出力部と、を有する。【選択図】図2
Description
本発明は、プロジェクト分析装置及びプログラムに関する。
ソフトウェア開発プロジェクトに関するプロジェクト管理システムから得られるデータをもとに定量的なメトリクスを取得し、開発チーム内の状況(開発の進み具合)を把握するといった技術がある(例えば、非特許文献1)。非特許文献1では、メトリクスに基づいて開発チーム内でのリスクを見つけ、その改善を促し開発速度の低下を防いでいる。
S. Downey and J. Sutherland, "Scrum metrics for hyperproductive teams: How they fly like fighter aircraft," 2013 46th Hawaii International Conference on System Sciences, pp.4870-4878, Jan. 2013.
しかしながら、従来技術では、リスク発生に繋がる要因(リスクの主要因)を特定することはできず、リスクへの適切な対策を打つのは難しいという問題が有った。
本発明は、上記の点に鑑みてなされたものであって、ソフトウェア開発のリスクに繋がる要因の特定を可能とすることを目的とする。
そこで上記課題を解決するため、プロジェクト分析装置は、第1のソフトウェア開発プロジェクトに関する管理データから、各説明変数の値及び目的変数の値を取得する第1の取得部と、前記第1の取得部が取得した前記各説明変数の値及び前記目的変数の値に基づいて、前記各説明変数を根ノード又は内部ノードとし、前記目的変数の値を葉ノードとする木構造を有する予測モデルを生成する生成部と、第2のソフトウェア開発プロジェクトに関する管理データから、前記各説明変数の値を取得する第2の取得部と、前記第2の取得部によって取得された各説明変数を前記予測モデルに当てはめて、前記目的変数の値を予測する予測部と、前記目的変数の値に応じ、前記予測部による予測において前記予測モデルの葉ノードに到達するまでの過程に含まれる説明変数を出力する出力部と、を有する。
ソフトウェア開発のリスクに繋がる要因の特定を可能とすることができる。
以下、図面に基づいて本発明の実施の形態を説明する。本実施の形態では、開発速度の低下の予兆をソフトウェア開発のリスクの一例とし、斯かるリスクに繋がる要因を特定又は推定する例について説明する。これを達成する上での技術的な要件は、1)速度低下の予測ができること、2)低下と関係のある事象(低下の主要因)を推定することができること、の2つである。これら2つの要件を満たすため、本実施の形態では決定木を利用する。
図1は、本発明の実施の形態におけるプロジェクト分析装置10のハードウェア構成例を示す図である。図1のプロジェクト分析装置10は、それぞれバスBで相互に接続されているドライブ装置100、補助記憶装置102、メモリ装置103、CPU104、インタフェース装置105、表示装置106、及び入力装置107等を有する。
プロジェクト分析装置10での処理を実現するプログラムは、CD−ROM等の記録媒体101によって提供される。プログラムを記憶した記録媒体101がドライブ装置100にセットされると、プログラムが記録媒体101からドライブ装置100を介して補助記憶装置102にインストールされる。但し、プログラムのインストールは必ずしも記録媒体101より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置102は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。
メモリ装置103は、プログラムの起動指示があった場合に、補助記憶装置102からプログラムを読み出して格納する。CPU104は、メモリ装置103に格納されたプログラムに従ってプロジェクト分析装置10に係る機能を実現する。インタフェース装置105は、ネットワークに接続するためのインタフェースとして用いられる。表示装置106はプログラムによるGUI(Graphical User Interface)等を表示する。入力装置107はキーボード及びマウス等で構成され、様々な操作指示を入力させるために用いられる。
図2は、本発明の実施の形態におけるプロジェクト分析装置10の機能構成例を示す図である。図2に示されるように、プロジェクト分析装置10は、市販のプロジェクト管理システムと連携することを想定している。プロジェクト分析装置10は、例えば、1日ごとに現在進行しているソフトウェアの開発プロジェクト(以下、「対象プロジェクト」という。)の管理データであるプロジェクトデータを取得・分析し開発速度が低下する予兆を検知する。その予兆をもとにユーザ(プロジェクト管理者)はプロジェクトの改善を図る。
図2において、プロジェクト分析装置10は、プロジェクトデータ抽出部11、メトリクス測定部12、予測モデル構築部13、予測実行部14及び予測結果出力部15等を有する。これら各部は、プロジェクト分析装置10にインストールされた1以上のプログラムが、CPU104に実行させる処理により実現される。
[プロジェクトデータ抽出部11]
プロジェクトデータ抽出部11は、市販のプロジェクト管理システム(チケット管理システム、バージョン管理システムなど)と連携し、それらのプロジェクトデータを取得する。
プロジェクトデータ抽出部11は、市販のプロジェクト管理システム(チケット管理システム、バージョン管理システムなど)と連携し、それらのプロジェクトデータを取得する。
プロジェクト管理システムの一例であるチケット管理システムとは、作業内容をチケットとして管理するシステムである。チケットは、実行する作業の概要、作業の見積もり時間、優先度、状態などの情報を保持するデータである。また、作業内容についての議論はチケットへのコメントという形で記録することができる。
プロジェクト管理システムの一例であるバージョン管理システムは、ソースコードの変更履歴を管理するシステムである。バージョン管理システムは、コミットログという形式でソースコードへの変更や変更内容の説明(コミットメッセージ)等を保持する。
なお、その他のプロジェクト管理システム(例えば、継続的インテグレーションツール等)が用いられてもよい。
[メトリクス測定部12]
メトリクス測定部12は、予測モデルの構築(生成)に利用する訓練データ(各説明変数の値と目的変数の値)と、予測モデルを用いた予測に利用する予測用データ(各説明変数の値)とをプロジェクトデータに基づいて測定する。但し、訓練データは、過去のソフトウェア開発プロジェクト(以下、「過去プロジェクト」という。)に係るプロジェクト管理システムから取得される。一方、予測用データは、対象プロジェクトに係るプロジェクト管理システムから取得される。過去のソフトウェア開発プロジェクトとは、目的変数が既知であるソフトウェア開発プロジェクトをいう。
メトリクス測定部12は、予測モデルの構築(生成)に利用する訓練データ(各説明変数の値と目的変数の値)と、予測モデルを用いた予測に利用する予測用データ(各説明変数の値)とをプロジェクトデータに基づいて測定する。但し、訓練データは、過去のソフトウェア開発プロジェクト(以下、「過去プロジェクト」という。)に係るプロジェクト管理システムから取得される。一方、予測用データは、対象プロジェクトに係るプロジェクト管理システムから取得される。過去のソフトウェア開発プロジェクトとは、目的変数が既知であるソフトウェア開発プロジェクトをいう。
また、測定とは、プロジェクトデータに含まれているメトリクスに基づいて何らかの計算を行うことや、当該メトリクスの値をそのまま説明変数の値として用いること等をいう。また、訓練データに利用されるプロジェクトデータには、開発速度の低下の予兆の有無を示す情報が含まれているとする。
説明変数は、予測に利用するメトリクス、目的変数は予測結果のメトリクスである。本実施の形態において、目的変数は、開発速度の低下の予兆の有無を表す2値の変数(OK/NG)である。開発速度が閾値を下回る場合に開発速度が低下していると判定される。閾値には、0%〜100%までの任意の値を設定することができ、プロジェクトの特性に応じて適切な値が設定されればよい。
[予測モデル構築部13]
上記したように、本実施の形態では決定木を利用する。決定木による分析を行うには予め訓練データから予測モデルを構築する必要がある。そこで、予測モデル構築部13は、決定木分析に利用する予測モデルを構築する。予測モデル構築部13は、訓練データにCART(Classification and Regression Tree)アルゴリズムを適用して予測モデルを構築する。CARTアルゴリズムは、「O.R.S.C. Breiman L, Friedman JH, "Classification and regression trees," CRC Press, 1984.」に詳しい。
上記したように、本実施の形態では決定木を利用する。決定木による分析を行うには予め訓練データから予測モデルを構築する必要がある。そこで、予測モデル構築部13は、決定木分析に利用する予測モデルを構築する。予測モデル構築部13は、訓練データにCART(Classification and Regression Tree)アルゴリズムを適用して予測モデルを構築する。CARTアルゴリズムは、「O.R.S.C. Breiman L, Friedman JH, "Classification and regression trees," CRC Press, 1984.」に詳しい。
予測モデルは、図3に示されるような、If−Then−Else形式の判別ルールの木構造で表現される。当該木構造は、各説明変数を根ノード又は内部ノードとし、目的変数の値(OK又はNG)を葉ノードとする。
[予測実行部14]
予測実行部14は、対象プロジェクトに関して、開発速度低下の予兆の有無について予測を行う。図4は、予測の概要を説明するための図である。図4に示されるように、予測実行部14は、対象プロジェクトのプロジェクトデータに基づいて測定した説明変数の集合である予測用データを予測モデルに適用し、目的変数の導出(開発速度が低下する予兆が有るか否かの予測)を行う。図3のような予測モデルに対して、木の根ノードから順に当該ノードに対応する説明変数の値を当てはめていくと木の末端(葉ノード)に到達する。到達した葉ノードのラベルが予測結果(開発速度が低下する予兆が有るか否か)である。なお、葉ノードのラベルのうち「OK」は、開発速度の低下の予兆が無いことを示し、「NG」は、開発速度の低下の予兆が有ることを示す。
予測実行部14は、対象プロジェクトに関して、開発速度低下の予兆の有無について予測を行う。図4は、予測の概要を説明するための図である。図4に示されるように、予測実行部14は、対象プロジェクトのプロジェクトデータに基づいて測定した説明変数の集合である予測用データを予測モデルに適用し、目的変数の導出(開発速度が低下する予兆が有るか否かの予測)を行う。図3のような予測モデルに対して、木の根ノードから順に当該ノードに対応する説明変数の値を当てはめていくと木の末端(葉ノード)に到達する。到達した葉ノードのラベルが予測結果(開発速度が低下する予兆が有るか否か)である。なお、葉ノードのラベルのうち「OK」は、開発速度の低下の予兆が無いことを示し、「NG」は、開発速度の低下の予兆が有ることを示す。
[予測結果出力部15]
予測結果出力部15は、ユーザ(プロジェクト管理者)に対して分析結果(開発速度が低下する予兆及び当該予兆の主要因を示す情報)を提示する。予測実行部14が到達した葉ノードのラベルがNG(開発速度の低下の予兆が有る)の場合、予測結果出力部15は、当該葉ノードに到達するまでの過程(当てはめた説明変数)を取得し、取得した過程をユーザに提示する。すなわち、当該過程に含まれる説明変数群が、開発速度の低下の予兆の主要因を示す情報である。ユーザは、当該過程に基づいて改善策を検討する。ユーザへの提示は、表示装置106への表示によって行われてもよいし、他の出力方式によって行われてもよい。
予測結果出力部15は、ユーザ(プロジェクト管理者)に対して分析結果(開発速度が低下する予兆及び当該予兆の主要因を示す情報)を提示する。予測実行部14が到達した葉ノードのラベルがNG(開発速度の低下の予兆が有る)の場合、予測結果出力部15は、当該葉ノードに到達するまでの過程(当てはめた説明変数)を取得し、取得した過程をユーザに提示する。すなわち、当該過程に含まれる説明変数群が、開発速度の低下の予兆の主要因を示す情報である。ユーザは、当該過程に基づいて改善策を検討する。ユーザへの提示は、表示装置106への表示によって行われてもよいし、他の出力方式によって行われてもよい。
以下、プロジェクト分析装置10が実行する処理手順について説明する。図5は、予測モデルの構築に関する処理手順の一例を説明するためのフローチャートである。
ステップS101において、プロジェクトデータ抽出部11は、過去プロジェクトに関するプロジェクトデータを、当該過去プロジェクトにおいて利用されていた複数のプロジェクト開発ツールシステムから抽出する。当該プロジェクトデータは、過去(例えば、既に終了している)開発プロジェクトに関するプロジェクトデータであるため、開発速度の低下の有無は、既知である。したがって、当該プロジェクトデータには、開発速度の低下の予兆の有無を示す情報が含まれる。又は、開発速度の低下の予兆の有無を示す情報は、外部から与えられてもよい。
続いて、メトリクス測定部12は、抽出されたプロジェクトデータに基づいて、モデル構築に利用する説明変数の値及び目的変数の値を測定する(S102、S103)。すなわち、当該説明変数の値及び当該目的変数の値が取得される。説明変数には、例えば、次の(1)〜(7)のようなメトリクスが利用される。
(1)バックログ等へのアクセス頻度
(2)チケットへのコメント数
(3)チケットのコメント量
(4)チケットの状態変化(do→todo)の有無
(5)ソースコードの追加行数
(6)コミット数
(7)テストにおいて失敗(NG)の割合
また、プロジェクトデータの抽出(S101)及びメトリクスの測定(S102)は、例えば、1日分ごとに実行される。したがって、上記の(1)〜(7)のメトリクスは、1日分の値である。例えば、(1)であれば、1日分のアクセス頻度である。(2)であれば、1日分のコメントの総数である。(3)であれば、1日分のコメントの総量である。(4)であれば、当該1日においてチケットの状態の変化が有ったか否かである。(5)であれば、1日分の追加行数である。(6)であれば、1日分のコミット数である。(7)であれば、当該1日における割合である。
(1)バックログ等へのアクセス頻度
(2)チケットへのコメント数
(3)チケットのコメント量
(4)チケットの状態変化(do→todo)の有無
(5)ソースコードの追加行数
(6)コミット数
(7)テストにおいて失敗(NG)の割合
また、プロジェクトデータの抽出(S101)及びメトリクスの測定(S102)は、例えば、1日分ごとに実行される。したがって、上記の(1)〜(7)のメトリクスは、1日分の値である。例えば、(1)であれば、1日分のアクセス頻度である。(2)であれば、1日分のコメントの総数である。(3)であれば、1日分のコメントの総量である。(4)であれば、当該1日においてチケットの状態の変化が有ったか否かである。(5)であれば、1日分の追加行数である。(6)であれば、1日分のコミット数である。(7)であれば、当該1日における割合である。
その結果、例えば、N(N>1)日分の説明変数及び目的変数の組(すなわち、N個の訓練データ)が生成される。なお、N個の訓練データにおいては、目的変数の値が異なる訓練データが混在しているのが望ましい。
続くステップS103は、ステップS101及びS102と非同期に実行されてもよい。すなわち、予測が行われるまでの任意のタイミングで実行されてもよい。
ステップS104において、予測モデル構築部13は、メトリクス測定部12が測定したN個の訓練データ(説明変数と目的変数)に対してCARTアルゴリズムを適用して、予測モデルを構築する。
続いて、予測モデル構築部13は、構築した予測モデルを予測に利用可能とするために、例えば、補助記憶装置102に記憶する(S105)。
図6は、予測に関する処理手順の一例を説明するためのフローチャートである。
ステップS201において、プロジェクトデータ抽出部11は、対象プロジェクトにおいて利用されている複数のプロジェクト管理システムからプロジェクトデータ(以下、「対象プロジェクトデータ」という。)を抽出する。対象プロジェクトデータは、モデル構築時の1つの訓練データに利用されるプロジェクトデータと同じ期間長に対応するプロジェクトデータである。例えば、1つの訓練データが1日分のプロジェクトデータに対応するのであれば、ステップS201では直近の過去1日分のプロジェクトデータが抽出される。
なお、対象プロジェクトデータの構成は、モデル構築時におけるプロジェクトデータの構成と同様である。但し、対象プロジェクトデータには、開発速度の低下の予兆の有無を示す情報は含まれない。対象プロジェクトデータは、現在進行中のプロジェクトに関するデータであり、開発速度の低下の予兆の有無は未知だからである。
続いて、メトリクス測定部12は、対象プロジェクトデータに基づいて、各説明変数の値(すなわち予測用データ)を測定する(S202)。すなわち、当該各説明変数の値が取得される。測定対象となる説明変数の種類は、予測モデルの構築時に測定されたもの(例えば、上記の(1)〜(7)と同じある。
続いて、予測実行部14は、補助記憶装置102から予測モデルを読み込む(S203)。続いて、予測実行部14は、ステップS202において測定された説明変数を当該予測モデルに適用して予測を実行する(S204)。
続いて、予測結果出力部15は、予測結果(開発速度の低下の予兆が有るか否か)を出力する(S205)。この際、開発速度の低下の予兆が有る場合には、低下の主要因を示す情報として、ステップS204において、葉ノードに到達するまでの過程に含まれる説明変数を示す情報が出力される。
なお、予測時において利用される予測モデルは、対象プロジェクトとプロジェクトの特性が類似した過去プロジェクトに基づいて構築された予測モデルであるのが望ましい。そのために、例えば、予測モデルの構築時には、当該予測モデルの元となる過去プロジェクトの特定を示す情報が、例えば、図5のステップS104のタイミングでユーザによって入力され、構築された予測モデルが、当該情報に関連付けられて保存(記憶)されるようにしてもよい。予測時には、対象プロジェクトの特性を示す情報が、例えば、図6のステップS201の直前等においてユーザによって入力されてもよいし、予め所定の記憶領域に設定されていてもよい。ステップS203において、予測実行部14は、当該特性を示す情報に最も類似する情報に関連付けられている予測モデルを読み込むようにしてもよい。なお、開発プロジェクトの特性を示す情報は、例えば、開発期間、開発対象の種別又はカテゴリ、プロジェクトの人数、プロジェクトメンバの能力等の項目によって構成されてもよい。
上述したように、本実施の形態によれば、開発速度が低下する予兆を検知することができ、当該予兆が検知される場合に、当該予兆の主要因を示す情報を特定することができる。したがって、プロジェクト管理者等は、斯かる情報に基づいて、開発プロジェクトの改善策を検討することができる。
なお、上記では、ソフトウェアの開発のリスクとして、開発速度の低下の予兆の有無を目的変数とする例を示したが、他のリスクが目的変数とされてもよい。
なお、本実施の形態において、プロジェクトデータは、管理データの一例である。プロジェクトデータ抽出部11及びメトリクス測定部12は、第1の取得部及び第2の取得部の一例である。予測モデル構築部13は、生成部の一例である。予測実行部14は、予測部の一例である。予測結果出力部15は、出力部の一例である。過去プロジェクトは、第1のソフトウェア開発プロジェクトの一例である。対象プロジェクトは、第2のソフトウェア開発プロジェクトの一例である。プロジェクト分析装置10は、コンピュータの一例である。
以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。
10 プロジェクト分析装置
11 プロジェクトデータ抽出部
12 メトリクス測定部
13 予測モデル構築部
14 予測実行部
15 予測結果出力部
100 ドライブ装置
101 記録媒体
102 補助記憶装置
103 メモリ装置
104 CPU
105 インタフェース装置
106 表示装置
107 入力装置
B バス
11 プロジェクトデータ抽出部
12 メトリクス測定部
13 予測モデル構築部
14 予測実行部
15 予測結果出力部
100 ドライブ装置
101 記録媒体
102 補助記憶装置
103 メモリ装置
104 CPU
105 インタフェース装置
106 表示装置
107 入力装置
B バス
Claims (3)
- 第1のソフトウェア開発プロジェクトに関する管理データから、各説明変数の値及び目的変数の値を取得する第1の取得部と、
前記第1の取得部が取得した前記各説明変数の値及び前記目的変数の値に基づいて、前記各説明変数を根ノード又は内部ノードとし、前記目的変数の値を葉ノードとする木構造を有する予測モデルを生成する生成部と、
第2のソフトウェア開発プロジェクトに関する管理データから、前記各説明変数の値を取得する第2の取得部と、
前記第2の取得部によって取得された各説明変数を前記予測モデルに当てはめて、前記目的変数の値を予測する予測部と、
前記目的変数の値に応じ、前記予測部による予測において前記予測モデルの葉ノードに到達するまでの過程に含まれる説明変数を出力する出力部と、
を有することを特徴とするプロジェクト分析装置。 - 前記出力部は、前記目的変数が開発速度の低下の予兆が有ることを示す場合に、前記過程に含まれる説明変数を出力する、
ことを特徴とする請求項1記載のプロジェクト分析装置。 - 第1のソフトウェア開発プロジェクトに関する管理データから、各説明変数の値及び目的変数の値を取得する第1の取得手順と、
前記第1の取得手順が取得した前記各説明変数の値及び前記目的変数の値に基づいて、前記各説明変数を根ノード又は内部ノードとし、前記目的変数の値を葉ノードとする木構造を有する予測モデルを生成する生成手順と、
第2のソフトウェア開発プロジェクトに関する管理データから、前記各説明変数の値を取得する第2の取得手順と、
前記第2の取得手順において取得された各説明変数を前記予測モデルに当てはめて、前記目的変数の値を予測する予測手順と、
前記目的変数の値に応じ、前記予測手順による予測において前記予測モデルの葉ノードに到達するまでの過程に含まれる説明変数を出力する出力手順と、
をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018031863A JP2019148874A (ja) | 2018-02-26 | 2018-02-26 | プロジェクト分析装置及びプログラム |
PCT/JP2019/006626 WO2019163915A1 (ja) | 2018-02-26 | 2019-02-21 | プロジェクト分析装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018031863A JP2019148874A (ja) | 2018-02-26 | 2018-02-26 | プロジェクト分析装置及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019148874A true JP2019148874A (ja) | 2019-09-05 |
Family
ID=67688516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018031863A Pending JP2019148874A (ja) | 2018-02-26 | 2018-02-26 | プロジェクト分析装置及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2019148874A (ja) |
WO (1) | WO2019163915A1 (ja) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5798950A (en) * | 1996-10-31 | 1998-08-25 | International Business Machines Corporation | Method and apparatus for estimating durations of activities in forming a current system, based on past durations of activities in forming past systems |
US20030074291A1 (en) * | 2001-09-19 | 2003-04-17 | Christine Hartung | Integrated program for team-based project evaluation |
JP2012113537A (ja) * | 2010-11-25 | 2012-06-14 | Hitachi Ltd | 潜在リスク抽出方法およびシステム |
JP2014235654A (ja) * | 2013-06-04 | 2014-12-15 | 株式会社東芝 | リスク評価装置 |
JP6333160B2 (ja) * | 2014-12-02 | 2018-05-30 | 三菱電機株式会社 | プロジェクト評価装置及びプロジェクト評価方法及びプロジェクト評価プログラム |
JP6663779B2 (ja) * | 2016-04-13 | 2020-03-13 | 株式会社日立製作所 | リスク評価装置およびリスク評価システム |
-
2018
- 2018-02-26 JP JP2018031863A patent/JP2019148874A/ja active Pending
-
2019
- 2019-02-21 WO PCT/JP2019/006626 patent/WO2019163915A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019163915A1 (ja) | 2019-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10248541B2 (en) | Extraction of problem diagnostic knowledge from test cases | |
US11915104B2 (en) | Normalizing text attributes for machine learning models | |
US20170168885A1 (en) | System and Method for Testing Internet of Things Network | |
US9459989B2 (en) | Method and apparatus for reverse debugging source code using causal analysis | |
US20170192882A1 (en) | Method and system for automatically generating a plurality of test cases for an it enabled application | |
US10311404B1 (en) | Software product development defect and issue prediction and diagnosis | |
JP2015043198A (ja) | 解析システム、解析方法および解析プログラム | |
US8918762B2 (en) | Generating test plans and test cases from service-oriented architecture and process models | |
US9542298B2 (en) | Reducing resource overhead in verbose trace using recursive object pruning prior to string serialization | |
WO2019055378A1 (en) | METHOD AND APPARATUS FOR FINDING LONG PROCESSES IN A CODE | |
US10884892B2 (en) | Non-transitory computer-readable storage medium, display control method and display control device for observing anomolies within data | |
US10365995B2 (en) | Composing future application tests including test action data | |
JP2019219848A (ja) | ソースコード解析方法およびソースコード解析装置 | |
US20150220733A1 (en) | Apparatus and method for detecting a malicious code based on collecting event information | |
US11507447B1 (en) | Supervised graph-based model for program failure cause prediction using program log files | |
US10657298B2 (en) | Release cycle optimization based on significant features values simulation | |
US11106563B2 (en) | Log analysis device, log analysis method, and recording medium storing program | |
US20180137036A1 (en) | Determining potential test actions | |
JP7211228B2 (ja) | 解析装置、解析方法、及びプログラム | |
WO2019163915A1 (ja) | プロジェクト分析装置及びプログラム | |
JP6665576B2 (ja) | 支援装置、支援方法及びプログラム | |
Fernández-Ropero et al. | Repairing business process models as retrieved from source code | |
US11182265B2 (en) | Method and apparatus for test generation | |
WO2015045091A1 (ja) | ベイジアンネットワークの構造学習におけるスーパーストラクチャ抽出のための方法及びプログラム | |
WO2017104571A1 (ja) | 情報処理装置、情報処理方法、及び、記録媒体 |