Aplicação de redes neurais recorrentes na predição de demandas corretivas sobre produtos de uma fábrica de software

Abstract

Resumo: Esse trabalho apresenta uma aplicação das Redes Neurais Recorrentes (RNN) capaz de prever as demandas corretivas sobre os produtos de uma fábrica de software. Sendo que, a demanda corretiva tem como objetivo evidenciar defeitos e erros encontrados sobre o software. A previsão de demandas corretivas em um determinado produto pode contribuir com informações importantes para a gestão de produto ou projeto na tomada de decisões. O foco do trabalho está em uma das classes de redes neurais artificiais (RNA), as redes neurais recorrentes. São utilizados três tipos de arquitetura dessa área: o modelo de redes neurais recorrentes Simples RNN, o Long Short-Term Memory (LSTM) e o Gated Recurrent Unit (GRU). Foram aplicados o método de aprendizado supervisionado para treinamento e validação dessas redes. Ao longo do trabalho foi criado um modelo de cada uma dessas arquiteturas para três produtos diferentes da fábrica de software, mais especificamente das áreas de Nota Fiscal Eletrônica de Serviço (NFS-e), da Administração de Receitas (AR) e de Prestação de Contas (PC). Com o resultado foi possível constatar a viabilidade no uso de sistemas de previsão que utilizam técnicas de Inteligência Artificial (IA) para a implementação de modelos de previsão de demandas corretivas sobre o portfólio de uma fábrica de software.