Pada intinya, ini adalah pertanyaan tentang persyaratan yang tidak ditentukan dengan baik — dan ini adalah masalah yang sama besarnya dalam pengembangan perangkat lunak seperti halnya di dapur.
Dalam perangkat lunak, banyak persyaratan yang berbeda terjadi selama fase yang berbeda dari siklus hidup produk — dari fase perencanaan hingga pengembangan atau konstruksi, hingga operasi dan dekomisioning. Untuk melacak semua persyaratan pemangku kepentingan ini, rekayasa persyaratan adalah bagian penting dari siklus hidup aplikasi.
Rekayasa persyaratan yang baik dapat mencegah perubahan yang mahal, menandai persyaratan yang salah atau berbahaya sebelum dibuat ke produksi, dan memastikan bahwa perangkat lunak dikirimkan dengan fungsionalitas yang diinginkan.
Tantangan kualitas persyaratan
Terlepas dari manfaat rekayasa persyaratan, sulit untuk melacak kualitas persyaratan tanpa memeriksa masing-masing secara individual. Persyaratan yang baik memiliki berbagai karakteristik. Itu harus jelas, dapat diuji, tepat, dapat dimengerti, layak dan independen — semuanya perlu ditinjau oleh spesialis yang berpengalaman (dan mahal). Jika insinyur itu menemukan kesalahan, orang yang menulis persyaratan harus diberi tahu, yang dapat menyebabkan putaran umpan balik yang rumit dan memakan waktu.
Juga, jarang ada proses pelatihan untuk penulis persyaratan, yang menyebabkan kesalahan yang dibuat lagi dan lagi. Pengalaman menunjukkan bahwa sekitar 60% dari semua kesalahan muncul dalam fase analisis proses pengembangan, dan sekitar 80% persyaratan harus diproses lebih dari sekali.
Memeriksa setiap persyaratan tertulis secara individual sangat memakan waktu dan hambatan untuk pengembangan. Akibatnya, pengembang harus bekerja dengan persyaratan berkualitas rendah yang mungkin disalahpahami. Ini mengarah pada pengembangan fungsionalitas yang berbeda dari yang dimaksudkan — yang memicu pengerjaan ulang yang mahal.
Manajemen siklus hidup aplikasi
Manajemen siklus hidup aplikasi (ALM) dapat melacak persyaratan dan memungkinkan rilis yang lebih cepat dan lebih sering sambil mempertahankan keterlacakan dan visibilitas ujung ke ujung. Dengan jenis alat ini, tim dari berbagai ukuran dapat mendefinisikan, mengembangkan, menguji, dan mengelola sistem perangkat lunak yang kompleks.
Perangkat lunak ALM seperti Polarion juga mempercepat pengembangan, meningkatkan kualitas produk akhir, dan membantu tim pengembangan meningkatkan koordinasi dan kerja sama. Namun, itu tidak secara inheren memecahkan masalah persyaratan yang ditulis dengan buruk — dengan kata lain, teka-teki lama “sampah masuk, sampah keluar” masih berlaku.
Pembelajaran mesin untuk menyelamatkan
Salah satu cara yang baik untuk memecahkan masalah kualitas persyaratan adalah dengan mengintegrasikan pembelajaran mesin untuk meningkatkan seluruh proses. Algoritma pembelajaran mesin yang cerdas dapat mencegah kesalahan dengan memeriksa setiap persyaratan yang tertulis, seperti yang tertulis.
Dalam satu proyek pengembangan, Atos mengintegrasikan algoritme pembelajaran mesin bernama reQlab, yang dikembangkan sebagai layanan jaringan tambahan untuk sistem manajemen siklus hidup aplikasi seperti Polarion oleh IT-Designers GmbH. Atos mengintegrasikan algoritme ke dalam lanskap Polarion klien dan menyesuaikannya agar sesuai dengan pendekatan mereka terhadap persyaratan penulisan.
Setelah persyaratan ditulis, persyaratan tersebut secara otomatis diperiksa oleh algoritme, yang menilainya dalam skala satu hingga lima — dari buruk (1) hingga ambigu (2-4) hingga baik (5). Persyaratan yang baik secara otomatis diteruskan ke tim pengembangan tanpa intervensi lebih lanjut. Yang lain ditendang kembali ke penulis atau ditandai untuk tim rekayasa persyaratan.
Setiap karyawan yang menulis persyaratan mendapatkan umpan balik langsung atas pengajuan mereka dan mengetahui apakah pengembang dapat menafsirkan dan menerapkan persyaratan dengan benar atau tidak. Kesalahan dan kelemahan diberikan langsung kepada pengguna, bersama dengan perbaikan yang disarankan. Di bawah ini adalah beberapa contoh persyaratan yang ditulis dengan buruk dan umpan balik yang diberikan oleh algoritme.
Manfaat rekayasa persyaratan cerdas
Dengan solusi pembelajaran mesin seperti ini, jumlah kesalahan yang terjadi pada fase awal proyek pengembangan dapat dikurangi secara drastis. Ini penting, karena siapa pun yang akrab dengan siklus hidup pengembangan perangkat lunak tahu bahwa semakin lama Anda membuat perubahan, semakin tinggi biayanya.
Pengguna bisnis tidak memerlukan pengetahuan atau pelatihan ekstensif tentang standar, aturan, dan jargon teknis khusus untuk persyaratan perangkat lunak, karena algoritme memeriksanya secara otomatis. Pengguna diberikan umpan balik langsung — memungkinkan proses peningkatan berkelanjutan yang tidak hanya memperbaiki persyaratan yang buruk dengan cepat, tetapi juga meningkatkan kualitas di masa mendatang.
Dengan membantu pengguna bisnis memperbaiki persyaratan batas dan menghemat insinyur spesialis yang mahal hanya untuk yang terburuk dari yang terburuk, ini mengurangi biaya pengembangan secara keseluruhan. Ini juga meningkatkan komunikasi antara pengembang dan pengguna bisnis, dan mencegah kesalahpahaman dalam proses pengembangan.
Pada akhirnya, ini adalah contoh yang bagus tentang bagaimana solusi cerdas yang didukung oleh AI dan pembelajaran mesin dapat menambah nilai pada setiap aspek rantai nilai digital Anda — menghemat waktu, uang, dan energi, serta memastikan bahwa Anda memberikan fungsionalitas yang tepat pada waktu yang tepat. .
Di Atos, kami berkomitmen untuk membantu klien kami bertransformasi untuk masa depan, dan kami mendedikasikan diri untuk menemukan solusi inovatif bahkan untuk tantangan paling rutin sehari-hari yang mereka hadapi.
Posted By : pengeluaran hk 2021
