A Framework for Adoption of Machine Learning in Industry for Software Defect Prediction

Rana, Rakesh; Staron, Miroslaw; Hansson, Jörgen; Nilsson, Martin; Meding, Wilhelm

doi:10.5220/0005099303830392

Cited by 25 publications

(17 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In our study, the considered software systems not only incorporate ML techniques to real world problems but are in operational use in commercial settings. This is in contrast to application of ML techniques to activities of software development process in field of SE [23], such as fault prediction and localization in software testing, which also gives numerous benefits in practice [16].…”

Section: Background and Related Workmentioning

confidence: 99%

A Taxonomy of Software Engineering Challenges for Machine Learning Systems: An Empirical Investigation

Lwakatare

Raj

Bosch

et al. 2019

Lecture Notes in Business Information Processing

155

View full text Add to dashboard Cite

Artificial intelligence enabled systems have been an inevitable part of everyday life. However, efficient software engineering principles and processes need to be considered and extended when developing AI-enabled systems. The objective of this study is to identify and classify software engineering challenges that are faced by different companies when developing software-intensive systems that incorporate machine learning components. Using case study approach, we explored the development of machine learning systems from six different companies across various domains and identified main software engineering challenges. The challenges are mapped into a proposed taxonomy that depicts the evolution of use of ML components in software-intensive system in industrial settings. Our study provides insights to software engineering community and research to guide discussions and future research into applied machine learning.

show abstract

Section: Background and Related Workmentioning

confidence: 99%

A Taxonomy of Software Engineering Challenges for Machine Learning Systems: An Empirical Investigation

Lwakatare

Raj

Bosch

et al. 2019

Lecture Notes in Business Information Processing

155

View full text Add to dashboard Cite

show abstract

“…La fabricación digital implica que las plataformas integradas de planificación y ejecución conectan todas las partes de la cadena de valor [43,44], lo que consigue que en cualquier punto de la cadena de suministro se obtuviera información al instante para ser usada en la toma de decisiones acertadas [45,46].…”

Section: Integraciónunclassified

“…Se usaron transportes inteligentes con seguimiento en tiempo real del producto, utilizando sistemas de georreferenciación conectados a la nube [4]. Adicionalmente, se instalaron sensores en los vehículos para detectar daños y averías, y un sistema de transformación de datos de tráfico para la distribución correcta de los elementos a través de la cadena de suministro [45], [48].…”

Section: Canales De Distribuciónunclassified

“…El uso de la tecnología en algunos procesos hace que se pueda prescindir de empleados que realizaban estas labores, por lo que se recomienda que estos sean capacitados en temas de la i4 para que brinden nuevos conocimientos a la organización. [45] recomienda determinar y documentar el impacto sobre el trabajo y el empleo (oportunidades y riesgos) junto con las acciones necesarias para lograr políticas laborales y de formación orientadas hacia los trabajadores.…”

Section: Impacto Socialunclassified

See 1 more Smart Citation

Propuesta de una arquitectura de la industria 4.0 en la cadena de suministro desde la perspectiva de la ingeniería industrial

Rojas

Molano

2017

ing. Solidar

View full text Add to dashboard Cite

Introducción: este artículo es producto de la investigación sobre aplicaciones del big data, desarrollada en la Universidad Distrital Francisco José de Caldas en el 2017, la cual busca solucionar el problema de compatibilidad entre la información generada por sensores en equipos y máquinas con las plataformas que soportan la información. Se muestra una propuesta de arquitectura que pueden adoptar las cadenas de suministro inmersas en la industria 4.0. Se identificaron los elementos, autores y partes interesadas que interactúan en la arquitectura. Metodología: a) se argumenta la importancia de la industria 4.0; b) se expone que las organizaciones deben adaptarse a la nueva revolución industrial; c) se realiza la revisión de la literatura de investigaciones. A estos hallazgos se les realiza un análisis metódico de las propuestas, avances, metodología, investigaciones futuras, resultados y conclusiones. d) Se plantea una arquitectura; e) se crea una aplicación móvil para evaluar la interconexión de la capa de sensores con la capa de aplicación planteada en la arquitectura; f) se comprueba la usabilidad de la aplicación, y g) se exponen las ventajas y limitaciones de la arquitectura. Resultados: la aplicación tiene una usabilidad del 91%, permitiendo que haya conexión en tiempo real entre la capa de sensores con la capa de aplicación. Conclusiones: la presente investigación expone herramientas que brindan a la cadena de suministro directrices para incluirse en la industria 4.0 y obtener ventajas competitivas.

show abstract

“…In this paper, the authors Youvrajsinh Chauhan & Jignesh Vania [7] presented to improve crop production and identify crop disease with helps soil systems, used throughout a large amount of crop fields or areas in the environment of agriculture. In this concept a J48 classification to make true decision making on agriculture.…”

Section: Decision Tree Approach To Detect Characteristic Of Bt Cotmentioning

confidence: 99%

An Implementation of RCA to Find High Accuracy & Least Error Rate Using Weka Tool over the Various Data Sets

Umasundari¹,

M²

2017

IJET

View full text Add to dashboard Cite

Abstract-Data mining is the approaching inquiries range to solve a number of difficulties and classify datasets is one of the main in the applied of data mining. Data mining denotes to mining knowledge as of big size of records. In this implementation, many datasets are paralleled with RCA (Reliability Classification Algorithm). This classification is used to sort each in set of data in to one of the established in advance set of classes. The data sets are arranged and collected from the Educational Sector, Health care & Agriculture etc., The current study designed to do the great performance result of decision tree Reliability Classification Algorithm using freely available data mining WEKA tool over the different data sets. A reliability classification algorithm for a several data sets are chosen based on excessive classification accuracy and minimum fault rate. This work has been carried out to make a performance evaluation of RCA. The results in this paper demonstrate that the efficiency of RCA is good to perform over various datasets better than other classifiers.

show abstract

A Framework for Adoption of Machine Learning in Industry for Software Defect Prediction

Cited by 25 publications

References 11 publications

A Taxonomy of Software Engineering Challenges for Machine Learning Systems: An Empirical Investigation

A Taxonomy of Software Engineering Challenges for Machine Learning Systems: An Empirical Investigation

Propuesta de una arquitectura de la industria 4.0 en la cadena de suministro desde la perspectiva de la ingeniería industrial

An Implementation of RCA to Find High Accuracy & Least Error Rate Using Weka Tool over the Various Data Sets

Contact Info

Product

Resources

About