Winkler, Jonas Paul (2021). Klassifikation von Anforderungen und Informationen zur Unterstützung von Qualitätssicherungsprozessen. PhD thesis, Universität zu Köln.
|
PDF
dissertation-final-signed-pdfa.pdf Bereitstellung unter der CC-Lizenz: Creative Commons Attribution Non-commercial No Derivatives. Download (5MB) | Preview |
Abstract
Anforderungsdokumente werden im Anforderungsmanagement verwendet, um Eigenschaften und Verhalten von Systemen zu dokumentieren. In der Automobilindustrie werden diese Dokumente verwendet, um die von Zulieferern zu fertigenden Komponenten zu beschreiben und um für die Kommunikation zwischen Zulieferer und Konzern eine rechtliche Grundlage zu schaffen. Daher müssen diese Dokumente diversen Qualitätsstandards und Qualitätsrichtlinien entsprechen. In manuellen Reviews werden Anforderungsdokumente gegen diese Richtlinien geprüft. Eine Richtlinie besagt, dass in Anforderungsdokumenten eine klare Trennung zwischen rechtlich verbindlichen Anforderungen und sogenannten Zusatzinformationen (Abbildungen, Erläuterungen, Beispiele, Verweise, etc.) existieren muss. Dazu wird jedes Objekt entsprechend dem Inhalt mit einem Objekttyp annotiert. Die Überprüfung der Korrektheit des Objekttyps ist ein zeitaufwändiger und fehleranfälliger Prozess, da Anforderungsdokumente in der Regel mehrere tausend Objekte umfassen. In dieser Arbeit wird am Beispiel des Reviews des Objekttyps untersucht, ob und in welcher Art und Weise der Reviewprozess durch den Einsatz von maschinellem Lernen unterstützt werden kann. Dazu wird zuerst ein Klassifikator trainiert, der in der Lage ist, zwischen Anforderungen und Zusatzinformationen zu unterscheiden. Ein darauf basierendes Werkzeug ist in der Lage, Anwender bei der Überprüfung des Objekttyps durch Hinweise und Warnungen zu unterstützten. In empirischen Studien wird untersucht, ob Anwender durch den Einsatz des Werkzeugs das Review von Anforderungsdokumenten besser durchführen können. Die Ergebnisse zeigen, dass Anwender nicht nur mehr falsch klassifizierte Objekte finden, sondern auch durchschnittlich 60% der für das Review verwendeten Zeit einsparen können. Durch die Übertragung des Ansatzes auf ein weiteres Klassifikationsproblem wird zudem gezeigt, dass der Einsatz von Werkzeugen nicht nur auf den Anwendungsfall Objekttypklassifikation beschränkt ist, sondern potenziell auf viele weitere zu überprüfende Richtlinien übertragbar ist.
Item Type: | Thesis (PhD thesis) | ||||||||||||||||||
Translated abstract: |
|
||||||||||||||||||
Creators: |
|
||||||||||||||||||
URN: | urn:nbn:de:hbz:38-461658 | ||||||||||||||||||
Date: | 2021 | ||||||||||||||||||
Language: | German | ||||||||||||||||||
Faculty: | Faculty of Mathematics and Natural Sciences | ||||||||||||||||||
Divisions: | Faculty of Mathematics and Natural Sciences > Department of Mathematics and Computer Science > Institute of Computer Science | ||||||||||||||||||
Subjects: | Data processing Computer science | ||||||||||||||||||
Uncontrolled Keywords: |
|
||||||||||||||||||
Date of oral exam: | 23 April 2021 | ||||||||||||||||||
Referee: |
|
||||||||||||||||||
Refereed: | Yes | ||||||||||||||||||
URI: | http://kups.ub.uni-koeln.de/id/eprint/46165 |
Downloads
Downloads per month over past year
Export
Actions (login required)
View Item |