論文の概要: An Exploration of Agile Methods in the Automotive Industry: Benefits, Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2409.12676v1
• Date: Thu, 19 Sep 2024 11:43:38 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 13:56:59.012274
• Title: An Exploration of Agile Methods in the Automotive Industry: Benefits, Challenges and Opportunities
• Title（参考訳）: 自動車産業におけるアジャイルメソッドの探索 - メリット、課題、機会
• Authors: Mehrnoosh Askarpour, Sahar Kokaly, Ramesh S,
• Abstract要約: 本稿では,自動車産業におけるアジャイル手法導入のメリットと課題について考察する。 私たちの調査結果は、コラボレーションの改善や市場投入までの時間短縮など、アジャイルアプローチの潜在的なメリットを浮き彫りにしています。 本稿では,既存の研究と実践的な洞察を合成することによって,自動車ソフトウェア開発の将来を形作る上でのアジャイル手法の役割を理解することを目的とする。
• 参考スコア（独自算出の注目度）: 0.589889361990138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agile methodologies have gained significant traction in the software development industry, promising increased flexibility and responsiveness to changing requirements. However, their applicability to safety-critical systems, particularly in the automotive sector, remains a topic of debate. This paper examines the benefits and challenges of implementing agile methods in the automotive industry through a comprehensive review of relevant literature and case studies. Our findings highlight the potential advantages of agile approaches, such as improved collaboration and faster time-to-market, as well as the inherent challenges, including safety compliance and cultural resistance. By synthesizing existing research and practical insights, this paper aims to provide an understanding of the role of agile methods in shaping the future of automotive software development.
• Abstract（参考訳）: アジャイルの方法論はソフトウェア開発業界において大きな牽引力を獲得し、要求の変更に対する柔軟性と応答性の向上を約束している。 しかし、特に自動車部門における安全クリティカルシステムへの適用性は議論の的となっている。 本稿では,関連する文献やケーススタディの包括的なレビューを通じて,自動車業界におけるアジャイル手法導入のメリットと課題について考察する。 私たちの調査結果は、コラボレーションの改善や市場投入までの時間短縮など、アジャイルアプローチの潜在的なメリットと、安全性のコンプライアンスや文化的な抵抗といった固有の課題を強調しています。 本稿では,既存の研究と実践的な洞察を合成することによって,自動車ソフトウェア開発の将来を形作る上でのアジャイル手法の役割を理解することを目的とする。

関連論文リスト

• Bridging the Gap: A Study of AI-based Vulnerability Management between Industry and Academia [4.4037442949276455]
  人工知能(AI)の最近の研究進歩は、自動化されたソフトウェア脆弱性管理に有望な結果をもたらした。 業界は、AIベースのテクニックをセキュリティ脆弱性管理ワークフローに統合することに関して、非常に慎重で選択的だ。 我々は、産業の期待をよりよく理解し、AIベースのセキュリティ脆弱性研究の実践的ユーザビリティを改善し、産業とアカデミックの相乗効果を推し進めるための将来の方向性を提案する。
  論文  参考訳（メタデータ） (2024-05-03T19:00:50Z)
• Application-Driven Innovation in Machine Learning [56.85396167616353]
  機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。 このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。 このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
  論文  参考訳（メタデータ） (2024-03-26T04:59:27Z)
• On STPA for Distributed Development of Safe Autonomous Driving: An Interview Study [0.7851536646859475]
  System-Theoretic Process Analysis (STPA)は、防衛や航空宇宙といった安全関連分野に適用される新しい手法である。 STPAは、分散システム開発とマルチアトラクション設計レベルを備えた自動車システム工学において、完全には有効でない前提条件を前提としている。 これは継続的開発とデプロイメントにおける保守性の問題と見なすことができる。
  論文  参考訳（メタデータ） (2024-03-14T15:56:02Z)
• Industrial Challenges in Secure Continuous Development [0.7734726150561089]
  セキュリティと継続的ソフトウェアエンジニアリングの交わりは、アジャイル開発運動の初期から大きな関心を集めています。 本稿では,異なる役割の実践者との課題を検証した,我々の取り組みの関連部分を要約する。 課題の集合を浮き彫りにするよりも、実践者や研究者が今後の作業を説明する上で、私たちが特定した4つの重要な研究指針を提示することで、結論付けます。
  論文  参考訳（メタデータ） (2024-01-12T12:02:16Z)
• Framework for continuous transition to Agile Systems Engineering in the Automotive Industry [0.0]
  我々は、新しいアジリティ要求を満たすために、自動車産業のためのアジャイルシステムエンジニアリング(SE)フレームワークを提案します。 方法論的背景に加えて,ドイツの自動車メーカーのシャシー開発部門におけるパイロットプロジェクトの結果も提示する。
  論文  参考訳（メタデータ） (2023-11-21T10:21:47Z)
• Industry Practices for Challenging Autonomous Driving Systems with Critical Scenarios [2.42477526148542]
  安全と信頼性のために自律走行システムのテストは非常に複雑である。 重要なシナリオを特定するための方法やツールがいくつか提案されている。 アプローチの選択、実装、制限といった業界のプラクティスはよく理解されていません。
  論文  参考訳（メタデータ） (2023-05-23T15:13:11Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• The Technological Emergence of AutoML: A Survey of Performant Software and Applications in the Context of Industry [72.10607978091492]
  Automated/Autonomous Machine Learning (AutoML/AutonoML)は比較的若い分野である。 このレビューは、このトピックに関する知識に2つの主要な貢献をしている。 オープンソースと商用両方の既存のAutoMLツールについて、最新かつ包括的な調査を提供する。
  論文  参考訳（メタデータ） (2022-11-08T10:42:08Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• Constraint Programming Algorithms for Route Planning Exploiting Geometrical Information [91.3755431537592]
  本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。 これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。 目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
  論文  参考訳（メタデータ） (2020-09-22T00:51:45Z)

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。