スモールデータ群を利用した機械学習に基づくソフトウェアフォールトの修正時間予測

• Project/Area Number: 24K07948
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 25010:Social systems engineering-related
• Research Institution: Tottori University
• Principal Investigator: 南野 友香 鳥取大学, 工学研究科, 准教授 (30778014)
• Co-Investigator(Kenkyū-buntansha): 桑野 将司 鳥取大学, 工学研究科, 教授 (70432680)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000); Fiscal Year 2026: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
• Keywords: ソフトウェア開発管理 / 機械学習

Outline of Research at the Start

高信頼化・短納期化が求められる現在のソフトウェア開発プロジェクトでは開発管理者によりテスト工程で必要となる時間と人員数（工数）が見積もられる．しかし実際はフォールト（バグ）の修正時間が予測できず，プロジェクトの遅延を招いている．本研究では，開発管理者の意思決定を支援するため，機械学習に基づきフォールト修正時間の予測を行う．ただし，開発時に得られるデータの収集期間が短く，修正時間予測のための学習データが少量（スモールデータ）という課題がある．そのため，クラスタリングで過去の類似プロジェクトデータを定量的に選定し，学習データのように利用することで，進行中のプロジェクトのための予測モデルを開発する．