(CIFRE Renault) Qualité des logiciels : modèle de prédiction de la maturité (Software quality: maturity prediction model) - Application en automobile

Type de l'offre: 
Thèse
Statut de l'offre: 
Validé
Equipe ou Service: 
ISI
Description: 

Thème et problématique de recherche 

  • Etat de l’art scientifique 
  • Question de recherche / verrous scientifiques adressés par la thèse 

Qu’elles soient orientées projet, process ou bien produit, de nombreuses mesures sont réalisées durant les différentes phases du cycle de vie du produit logiciel. Ces mesures sont critiques car elles sont l’élément quantificateur qui permet d’évaluer, contrôler, ou même prédire, par exemple, la maturité et la conformité par rapports aux standards et attentes clients des produits, la performance des processus et des projets, la vélocité des équipes, la création de valeurs.

Or les mesures seules ne sont pas les garantes d’un bon niveau de performance ou de maturité produit, projet ou encore processus. Pour cela, il est nécessaire de les associer à des modèles puis de réaliser différentes analyses (e.g., statistiques, graphe data mining, réseaux neuronaux) dont les résultats permettront d’aider aux prises de décisions stratégiques, aux optimisations de ressources et la production de valeur et aux mesures de la « garantie par mois de fabrication » et des « incidents potentiellement immobilisants par mois de fabrication ».

Actuellement, il n’existe pas de solution couvrant ce besoin que ce soit dans l’entreprise, la littérature ou l’industrie. Il reste néanmoins possible de trouver des études et quelques outils commerciaux spécialisés très parcellaires sur la modélisation et la génération d’indicateurs pour caractériser la qualité d’un produit logiciel générique (e.g., la série de standard ISO/IEC 250nn, l’ISO/IEC 5055, les modèles qualités et des mesures associées), des travaux d’études et outils sur l’intelligence business grâce à la data science et des solutions d’intelligence (e.g., data mining, réseaux de neurones).

Ce que nous proposons est la création d’un nouvel outil couvrant ce besoin : le “Maturity Predictability Model”. Ainsi l’idée du “Maturity Predictability Model” est de pouvoir coacher, accompagner les différentes équipes et sous-traitants impliqués afin notamment de :

  • Dire de façon simple si la maturité projet, processus, produit est bonne (et donc à définir le « bonne » de façon objective),
  • Pointer du doigt les risques et problèmes liés à la qualité,
  • Trouver les axes d’améliorations, les chemins critiques, permettant d’adapter les modèles qualité avec une boucle de rétrofit,
  • Prédire cette qualité suivant des scénarii, par exemple : 
    • “ X semaines avant un jalon véhicule l'inflow a augmenté de y% ; est-ce normal ou bien où faut-il agir ? ”,
    • “Si je veux délivrer mon produit en étant en dessous d'un certain nombre de percentage de K¨°/°° bugs, que dois faire ? quelle prédiction pour les indicateurs de « garantie par mois de fabrication », des « incidents potentiellement immobilisants par mois de fabrication » ? (e.g., incidentologie) ”,
    • Si mon nombre de ressources sont divisées par deux quel sera l’impact sur mon projet ?

Ceci un problème d’optimisation faisant appel, en autre, à la modélisation de la qualité, aux réseaux bayésiens pour la modélisation de l’influence des caractéristiques entre elles et la prise en compte du polymorphisme, aux seuils objectifs, aux processus de management de la qualité, de projet et de développement, agile ou non.

Enfin, le « Maturity Predictability Model » inclura des entrées du règlement européen sur la protection des données, de la sureté de fonctionnement, de la cybersécurité, de la réglementation et également un aspect sur qualité de la donnée.

Les objectifs et contributions sont les suivantes :

  • Faciliter et accélérer l’ingestion les données de mesures dans le domaine de données de l’ingénierie Renault du « sofware defined vehicle » tout en garantissant la bonne qualité de ces données,
  • Rendre l’exploitation des données de mesures systématique pour optimiser la performance et la création de valeur de la direction ingénierie logiciel et systèmes, tout en garantissant le niveau de qualité des produits développé,
  • Diminuer les risques en fournissant des analyses et prédiction autour de la thématique de la maturité et stabilité pour les prises de décisions stratégiques,
  • Outiller (méthode et outils) la direction ingénierie logiciel et systèmes pour les activités de
    • Built-in quality (i.e., qualité produit) dans le framework SAFe, en respectant le processus de management de la qualité du processus de développement interne (i.e., ASWP),
    • Livraison des engagements qualité métiers,
    • Suivi des fournisseurs,
    • La performance des projets versus la création de valeur

Compétences requises du futur doctorant(e) :

  • Connaissances requises :
    • Développement agile du logiciel,
    • Connaissance en data science,
    • Connaissance en optimisation de système
  • Formation souhaitée :
    • Ecole d’ingénieur ou master 2
  • Aptitudes personnelles souhaitées :
  • Capacité d’abstraction,
  • Capacité à travailler en équipe,
  • Capacité à lire, rédigé et s’exprimé en Anglais,
  • Bonne communication

----------------------------------------------------------------------------
Research theme and issues 
State of the art 
Research question / scientific issues addressed by the thesis 
Whether project-, process- or product-oriented, numerous measurements are made during the various phases of a software product's life cycle. These measurements are critical, as they are the quantifying element that enables us to evaluate, control or even predict, for example, product maturity and compliance with standards and customer expectations, process and project performance, team velocity and value creation.

However, measurements alone are no guarantee of a good level of product, project or process performance or maturity. For this, it is necessary to associate them with models and then carry out various analyses (e.g., statistics, graph data mining, neural networks), the results of which will help in strategic decision-making, resource optimization and value production, as well as in the measurement of "warranty per month of production" and "potentially immobilizing incidents per month of production".

At present, there is no solution covering this need in business, literature or industry. However, it is still possible to find studies and a few specialized commercial tools on the modeling and generation of indicators to characterize the quality of a generic software product (e.g., the ISO/IEC 250nn series of standards, ISO/IEC 5055, quality models and associated measurements), studies and tools on business intelligence thanks to data science and intelligence solutions (e.g., data mining, neural networks).

What we are proposing is the creation of a new tool covering this need: the "Maturity Predictability Model". The idea of the "Maturity Predictability Model" is to be able to coach and support the various teams and subcontractors involved, in order to :

Tell them in simple terms whether the maturity of a project, process or product is good (and thus define "good" objectively),
Point out quality-related risks and problems,
Identify areas for improvement, critical paths, enabling quality models to be adapted with a retrofit loop,
Predict this quality according to scenarios, for example: 
"X weeks before a vehicle milestone, inflow has increased by y%; is this normal, or where should action be taken? ",
"If I want to deliver my product below a certain percentage of K¨°/°° bugs, what should I do? What prediction should I make for the indicators "warranty per manufacturing month", "potentially immobilizing incidents per manufacturing month"? (e.g., incidentology)",
"If my number of resources is halved, what will be the impact on my project?
This is an optimization problem involving, among other things, quality modeling, Bayesian networks for modeling the influence of characteristics on each other and taking polymorphism into account, objective thresholds, quality management, project and development processes, whether agile or not.

Finally, the "Maturity Predictability Model" will include inputs from the European Data Protection Regulation, operational safety, cybersecurity, regulation and also an aspect on data quality.

The objectives and contributions are as follows

Facilitate and accelerate the ingestion of measurement data in the Renault engineering data domain of "sofware defined vehicle", while guaranteeing good data quality,
Make the use of measurement data systematic to optimize the performance and value creation of the software and systems engineering department, while guaranteeing the quality level of the products developed,
Reduce risk by providing analysis and prediction around the theme of maturity and stability for strategic decision-making,
Provide the software and systems engineering department with tools and methods for
Built-in quality (i.e., product quality) within the SAFe framework, respecting the quality management process of the internal development process (i.e., ASWP),
Delivery of business quality commitments,
Supplier follow-up,
Project performance versus value creation
Skills required of the future PhD student :

Required knowledge :
Agile software development,

Knowledge of data science,

Knowledge of system optimization

Preferred training :
Engineering school or Master 2

Desired personal skills :
Ability to think in abstract terms,

Ability to work in a team,

Ability to read, write and express oneself in English,

Good communication skills

Mots clés: 
développement logiciel
qualité
modèle
prédiction
maturité
automobile
Diplôme requis: 
Master
Indemnisation: 
salaire ingénieur
Durée: 
3 ans
 
1 Candidater 2 Fin
Les fichiers doivent peser moins de 2 Mo.
Extensions autorisées : pdf doc docx odt.
Les fichiers doivent peser moins de 2 Mo.
Extensions autorisées : pdf doc docx odt.
Les fichiers doivent peser moins de 2 Mo.
Extensions autorisées : pdf doc docx odt.
Les fichiers doivent peser moins de 2 Mo.
Extensions autorisées : pdf doc docx odt.
CAPTCHA
Afin d'empêcher les robots d'envoyer du spam, merci de répondre à la question