2019 Fiscal Year Research-status Report
派生システム開発の品質変化を予測する複雑ネットワーク指標に基づくメトリクスの開発
| Project/Area Number |
17KT0122
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
濱上 知樹 横浜国立大学, 大学院工学研究院, 教授 (30334204)
|
|---|
| Project Period (FY) |
2017-07-18 – 2021-03-31
|
| Keywords | 知能システム / ソフトウェア / ネットワーク指標 / メトリクス / 予測 |
|---|
| Outline of Annual Research Achievements |
近年のシステム開発では新規開発に比べ，動いているシステムを改変する派生開発が増え
ている。派生開発では，機能追加に伴い設計当初の最適性を維持できなくなる。長期に渡る改変がどのような品質上の変化を起こすかの予測は，システムのライフサイクルを考える上で重要であるが，これまで大規模システムの品質時間変化を測るメトリクスは明らかではなかった。この問題に対し，本研究では次の実績をあげてきた。
①システムを構成する論理要素の依存関係を複雑ネットワークとみなし，システムの安定性や将来のバグ予測をネットワークの変化として定量化する手法を提案した。
②論理と物理ネットワークの双方の依存関係を踏まえた品質予測を行うために，人工システムの複雑ネットワーク一般表現（General Network Structure Representation）を開発し，GNSRからの指標分析とシステムの改変に伴う指標と品質の関係を明らかにした
③さらに機械学習によるシステムの品質・寿命を予測を行い，様々な複雑システムを対象にした評価実験によって提案手法の有効性を示した。
特に，令和元年度においては③においていくつかのシステムの実装において本研究成果とそこから派生した技術を用いた課題解決に挑んだ。また，そこからみえてきた大規模システムの発展的ソフトウェア開発について，今後の研究課題の設定をみた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2年目末までに当初想定していた研究の3つの柱，(1)人工システムの複雑ネットワーク一般表現法（General Network Structure Representation） (2) GNSRからの複雑ネットワーク指標（GNSR index）の分析法 (3) 将来の品質・システムの寿命を予見する機械学習技術の検討は一通り完了に至っている。令和元年度ではこれらのまとめた成果と，要素技術をもとにした新たな多次元時系列情報からの変化予測と，最適設計・リファクタリングの手法を確率することをめざした。
これまでのまとめについては，リファクタリングの効果を含めた再実験を行い，リファクタリングとGNSRメトリックスの定性的関係を見出し，リファクタリングの効果を評価できること明らかにした。また，(3)に関しては，時系列のクレジットスコアリングに対する転移学習と，メトリクスをもとに強化学習による予測を行う手法を考案し，ドメイン知識をまたいで品質変化を分析できることを示した。さらに，昨年度課題として挙げていた特徴空間の次元削減と偏りについては，Prioritized Autoencoderの考え方を援用した変化特徴の表現方法によって，特徴予測の精度向上が可能になった。また，構造変化を最適化していくための手段として，BBNN（Block based Neural Network）を利用したシミュレーションを行い，高速で最適化が行えるアルゴリズムと実装方法を明らかにした。
以上のように，令和元年度では当初目標にしていたソフトウェアの構造特徴に基づく品質予測・変化予測の方法をもとに，さらにシステム全体の評価に至る拡張を可能にする手段に発展させたことで，今後の新たな研究指針を得ることができた。
|
| Strategy for Future Research Activity |
本研究は派生開発におけるレガシー資産を生かしながら高い品質のソフトウェアを開発するための定量的指標を得ることをめざしていた。そのタイムスパンは月～年単位であるが，基本的には同一システムに閉じた（クローズド）変化になっている。一方，System of SystemsやCPSに代表される大規模かつ多数要素の相互運用性の維持が求められるシステムにおいてはオープン開発が一般的であり，本研究が対象とした構造的な複雑さをコントロールできるとは限らない。このような問題は，本研究中で扱ったいくつかのアプリケーションでも予見されている。例えばクレジットスコアリングを対象とした研究事例では，ドメイン知識が異なると異なった構造・評価となることがわかっている。この事例では，ベイジアンネットワークによる確率的なネットワーク指標を用いることで予測精度の向上が得られた。これらのことをもとに，今後の研究方策として，構造的メトリクスとは別にドメイン依存の知識をもとに確率的挙動や知識の転移も，SoS/CPS時代の派生開発にとって重要であると予見される
|
| Causes of Carryover |
新型コロナウイルスの影響により、令和元年度（当初最終年度）研究成果の発表のため参加を予定していた学会が中止となり、会議や打ち合わせも全てキャンセルとなったため。また、同影響により、主要な計算機の部品が令和元年度中に調達できなくなったため。これらの理由に基づき、既に補助事業延長の手続きを申請している。延長により生じた未使用分は，調達予定であった実験環境の補充と，未発表の成果公開に充てる予定である。
|
Research Products
(4 results)
