Journals / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2020 / Cilt: 26 - Sayı: 5

Yazılım projeleri için yapay sinir ağlarına dayalı web tabanlı risk yönetim sisteminin tasarımı ve gerçekleştirilmesi: WEBRISKIT

Pages
993–1014
Publication Date
2020-10-23
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Ayrıca, yapılan çalışma ile yazılım endüstrisi için yapay zeka tabanlı bir risk yönetim süreci sunan uygulamalara ihtiyaç olduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Yazılım sektörü, giderek hayatın her alanında yer almakta ve büyük çapta yazılım projeleri geliştirilmektedir.
📊
Key Findings & Data:Bu form kullanılarak Teknokent’lerde bulunan yazılım firmalarındaki 774 farklı firmadan gerçek proje verisi toplanmıştır.
💡
Conclusion & Impact:Ayrıca, yapılan çalışma ile yazılım endüstrisi için yapay zeka tabanlı bir risk yönetim süreci sunan uygulamalara ihtiyaç olduğu görülmüştür.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Yazılım projesi · Risk faktörleri · Yapay sinir ağları

Özet

Yazılım sektörü, giderek hayatın her alanında yer almakta ve büyük çapta yazılım projeleri geliştirilmektedir. Bu durum, geliştirilen projelerde çok önemli hatalara ve olumsuz sonuçlara sebep olmaktadır. Dolayısıyla, bu durumu önlemek veya minimuma indirmek için özellikle yazılım risk yönetim faaliyetlerinin başarılı bir şekilde uygulanması gerekmektedir. Bu çalışmada, yazılım projelerinde yapay zekâya dayalı ve web tabanlı yeni bir risk yönetim süreci tasarlanmış ve geliştirilmiştir. Çalışmanın amacı, risk faktörlerine göre proje çıktılarında meydana gelebilecek sapmaları yapay sinir ağları (YSA) kullanılarak tahmin etmek, yazılım yaşam döngüsünün ilk evrelerinde karşılaşılabilecek zararları minimize etmek ve böylece kullanıcılar için önleyici bir yaklaşım desteği sunmaktır. Çalışmanın YSA modelini oluşturmak için yazılım mühendisliği alanındaki akademisyenler, uzman ve proje yöneticileriyle öngörüşmeler yapılarak bir kontrol listesi formu oluşturulmuştur. Bu form kullanılarak Teknokent’lerde bulunan yazılım firmalarındaki 774 farklı firmadan gerçek proje verisi toplanmıştır. Oluşturulan YSA modeli, kırkbeş giriş, tek gizli katman (on beş nörona sahip) ve beş çıkışlı (45-15-5) olup; eğitim R oranı 0.9978; test R oranı 0.9935 ve hata oranı ise 0.001’dir. Model, .dll kütüphanesi oluşturularak geliştirilen uygulamaya entegre edilmiştir. Geliştirilen uygulama, farklı alanlardan gerçek proje verileri elde edilerek uzman ve akademisyen (10 kişi) görüşleri alındıktan sonra 4 farklı senaryo üzerinden test edilerek sonuçlar elde edilmiştir. Elde edilen sonuçlar, uygulamanın performansının yüksek olduğunu ve söz konusu uygulamalarda YSA kullanımının proje başarısına olumlu katkılar sağladığını açıkça ortaya koymuştur. Ayrıca, yapılan çalışma ile yazılım endüstrisi için yapay zeka tabanlı bir risk yönetim süreci sunan uygulamalara ihtiyaç olduğu görülmüştür.

🔖

Cite This Article

CALP, M. H., AKCAYOL, M. A. (2020). Yazılım projeleri için yapay sinir ağlarına dayalı web tabanlı risk yönetim sisteminin tasarımı ve gerçekleştirilmesi: WEBRISKIT. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 26 - Sayı: 5, 993–1014. https://ajindex.com/articles/104561

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Gürbüz A. Yazılım Test Mühendisliği
  2. Baskı. Ankara, Türkiye, Papatya Yayıncılık Eğitim, 2010
  3. Calp MH. Yazılım Projeleri İçin Yapay Zekâ Tabanlı Risk Yönetimi. Doktora Tezi, Gazi Üniversitesi, Ankara, Türkiye, 2017
  4. Erdem O.A, Younis A.E. “Yazılım Projelerinde Risk Yönetimi”. International Journal of Informatics Technologies, 5(1), 1-6, 2012
  5. Sommerville I. Software Engineering (International Computer Science Series). 7nd ed. Harlow, UK, Addison Wesley, 2004
  6. Dedolph FM. “The neglected management activity: Software risk management”. Bell Labs Technical Journal, 8(3), 91-95, 2003
  7. Milli Eğitim Bakanlığı, “Risk”. Ulaştırma Hizmetleri, Ankara, Türkiye, 2011
  8. Hu Y, Zhang X, Sun X, Liu M, Du J. “An intelligent model for software project risk prediction”. In 2009 International Conference on Information Management, Innovation Management and Industrial Engineering, Xi'an, China, 26-27 December 2009
  9. Tang AG, Wang RL. “Software project risk assessment model based on fuzzy theory”. In 2010 International Conference on Computer and Communication Technologies in Agriculture Engineering, Chengdu, China, 12-13 June 2010
  10. Elzamly A, Hussin B, “Managing software project risks (Analysis Phase) with proposed fuzzy regression analysis modelling techniques with fuzzy concepts”. Journal of Computing and Information Technology, 22(2), 131-144, 2014
  11. Zavvar M, Yavari A, Mirhassannia SM, Nehi MR, Yanpi A, Zavvar MH. “Classification of risk in software development projects using support vector machine”. Journal of Telecommunication, Electronic and Computer Engineering (JTEC), 9(1), 1-5, 2017
  12. Hu Y, Huang J, Chen J, Liu M, Xie K. “Software project risk management modeling with neural network and support vector machine approaches”. In Third International Conference on Natural Computation (ICNC 2007), Haikou, China, 24-27 August 2007
  13. Zhao H, Li C, Chen T. “A risk evaluation model of dynamic neural network based on TFN-AHP”, Management and Service Science (MASS), 2010 International Conference on, Wuhan, China, 24-26 August 2010
  14. Xu Z, Khoshgoftaar TM, Allen EB. “Application of fuzzy expert systems in assessing operational risk of software”. Information and Software Technology, 45(7), 373-388, 2003
  15. Joseph HR. “Poster: Software development risk management: using machine learning for generating risk prompts”. In 2015 IEEE/ACM 37th IEEE International Conference on Software Engineering, Firenze, Italy, 16-24 May, 2015