Bruk av maskinlæring i modellreparasjon

I modelldrevet programvareutvikling brukes det modeller i alle faser av utviklingsprosessen. De programvaresystemene som utvikles på basis av modellene er helt avhengige av av kvaliteten til modellene. Det kan oppstå feil og mangler i modellene, ofte på grunn av uunngåelige endringer som må gjennomføres som del av utviklingsprosessen.

Det finnes flere verktøy som reduserer den byrden som er knyttet til manuell håndtering og reparasjon av feil i modeller. Men automatisering alene er ikke tilstrekkelig, siden de samme feilene kan ha forskjellige løsninger i ulike sammenhenger avhengig av brukerpreferanser.

Brukervennligheten til de automatiske reparasjonsprosessene blir dermed forbedret gjennom personalisering. Samtidig er det viktig å gjenbruke erfaringer fra tidligere reparasjoner for å unngå duplisering av beregninger spesielt når man står overfor lignende feil. I tillegg er fleksible og utvidbare modellreparasjonsverktøy meget viktige for å løse feil i forskjellige modelltyper.

For å oppnå personalisering, automatisering, utvidbarhet og fleksibilitet i modellreparasjon, anvendes i denne avhandlingen «maskinlæring». Avhandlingen inneholder teoretiske og praktiske bidrag vedrørende anvendelse av maskinlæring i modellreparasjon og utforming av et personlig tilpasset og utvidbart modellreparasjonsrammeverk.