論文の概要: Simulating the Software Development Lifecycle: The Waterfall Model
- arxiv url: http://arxiv.org/abs/2308.03940v3
- Date: Fri, 10 Nov 2023 19:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-14 20:50:25.834321
- Title: Simulating the Software Development Lifecycle: The Waterfall Model
- Title（参考訳）: ソフトウェア開発ライフサイクルのシミュレーション:ウォーターフォールモデル
- Authors: Antonios Saravanos (1), Matthew X. Curinga (2) ((1) New York
University, (2) MIXI Institute for STEM and the Imagination, Adelphi
University)
- Abstract要約: 本研究は、ウォーターフォールモデルを適用したシミュレーションに基づく手法を用いて、ソフトウェアプロジェクトと個々のフェーズ完了時間に対する見積もりを提供する。
我々はPythonの離散イベントシミュレーションフレームワークであるSimPyを用いて,ソフトウェア開発ライフサイクルシミュレーションを実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study employs a simulation-based approach, adapting the waterfall model,
to provide estimates for software project and individual phase completion
times. Additionally, it pinpoints potential efficiency issues stemming from
suboptimal resource levels. We implement our software development lifecycle
simulation using SimPy, a Python discrete-event simulation framework. Our model
is executed within the context of a software house on 100 projects of varying
sizes examining two scenarios. The first provides insight based on an initial
set of resources, which reveals the presence of resource bottlenecks,
particularly a shortage of programmers for the implementation phase. The second
scenario uses a level of resources that would achieve zero-wait time,
identified using a stepwise algorithm. The findings illustrate the advantage of
using simulations as a safe and effective way to experiment and plan for
software development projects. Such simulations allow those managing software
development projects to make accurate, evidence-based projections as to phase
and project completion times as well as explore the interplay with resources.
- Abstract（参考訳）: 本研究は,ウォーターフォールモデルを適用したシミュレーションベースの手法を用いて,ソフトウェアプロジェクトや個々のフェーズ完了時間の見積を行う。
さらに、最適なリソースレベルから生じる潜在的な効率の問題も指摘します。
我々はPythonの離散イベントシミュレーションフレームワークであるSimPyを用いて,ソフトウェア開発ライフサイクルシミュレーションを実装した。
私たちのモデルは、ソフトウェアハウスのコンテキスト内で、異なるサイズの100のプロジェクトで実行されます。
ひとつは、リソースの初期セットに基づく洞察を提供し、リソースボトルネックの存在、特に実装フェーズでプログラマが不足していることを明らかにする。
2つ目のシナリオは、ステップワイズアルゴリズムを用いて識別されたゼロウェイト時間を達成するリソースのレベルを使用する。
この結果は、シミュレーションをソフトウェア開発プロジェクトの実験と計画のための安全で効果的な方法として使う利点を示している。
このようなシミュレーションによって、ソフトウェア開発プロジェクトの管理担当者は、フェーズやプロジェクトの完了時間に関する正確な証拠ベースの予測や、リソースとの相互作用の探求が可能になる。
関連論文リスト
- GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。
我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。
我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文 参考訳（メタデータ） (2024-10-06T05:02:23Z) - Semantic Capability Model for the Simulation of Manufacturing Processes [38.69817856379812]
シミュレーションは製造工程の検査の機会を提供する。
異なるシミュレーションの組み合わせは、あるシミュレーションの出力が別のシミュレーションの入力パラメータとして機能し、結果として一連のシミュレーションとなるときに必要である。
シミュレーション、特定の知識を生成する能力、それぞれの品質基準を表現した情報モデルが導入された。
論文 参考訳（メタデータ） (2024-08-15T09:28:08Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - Optimising Highly-Parallel Simulation-Based Verification of
Cyber-Physical Systems [0.0]
サイバー物理システム(CPS)は多くの産業関連領域で発生し、しばしばミッションクリティカルまたは安全クリティカルである。
CPSのシステムレベル検証(SLV)は、与えられた(例えば、安全か生きか)仕様が満たされているか、あるいはある価値を推定することを保証することを目的としている。
論文 参考訳（メタデータ） (2023-07-28T08:08:27Z) - Towards predicting Pedestrian Evacuation Time and Density from
Floorplans using a Vision Transformer [0.0]
本研究では,視覚変換器をベースとした深層学習手法を提案する。
具体的には、公開データセットの可用性が限られているため、従来のシミュレータを含むパラメトリックデータ生成パイプラインを実装している。
これにより、アーキテクチャのトレーニングに使用する大規模な合成データセットを構築することができます。
論文 参考訳（メタデータ） (2023-06-27T09:15:52Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳（メタデータ） (2022-06-22T19:33:21Z) - Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。
能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。
その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
論文 参考訳（メタデータ） (2021-06-05T01:31:51Z) - Simulation-efficient marginal posterior estimation with swyft: stop
wasting your precious time [5.533353383316288]
本研究では,ネスト型ニューラル・サイエンス・ツー・エビデンス比推定とシミュレーションの再利用のためのアルゴリズムを提案する。
これらのアルゴリズムが組み合わさって、縁部および関節後部の自動的および極端にシミュレーターによる効率的な推定を可能にする。
論文 参考訳（メタデータ） (2020-11-27T19:00:07Z) - A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。
我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。
我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文 参考訳（メタデータ） (2020-11-17T22:24:26Z) - PipeSim: Trace-driven Simulation of Large-Scale AI Operations Platforms [4.060731229044571]
大規模AIシステムのためのトレース駆動シミュレーションに基づく実験・分析環境を提案する。
IBMが開発したプロダクショングレードAIプラットフォームの分析データは、包括的なシミュレーションモデルを構築するために使用される。
独立して独立したイベントシミュレーターでモデルを実装し、実験を行うためのツールキットを提供する。
論文 参考訳（メタデータ） (2020-06-22T19:55:37Z) - Quantitatively Assessing the Benefits of Model-driven Development in
Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。
その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文 参考訳（メタデータ） (2020-06-15T23:29:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。