On Friday, June 19th, 2020 at 9:30 a.m
Visio-Conference
Florent MOUYSSET
Will defend a thesis for the :
Doctorate in Mathematics, Computer Science and Telecommunications
Specialty: Computer Science and Telecommunications
On the following topic:
Automatic analysis of user activity traces for testability and continuous improvement of complex software systems by adaptive multi-agent systems
Under the direction of: Marie-Pierre GLEIZES
and the supervision of : Frédéric MIGEON
Jury
| Marie-Pierre GLEIZES | Professeur titulaire à l’Université Paul Sabatier de Toulouse et chercheur à l’IRIT | Directrice |
| Frédéric MIGEON | Maître de conférences à l’Université Paul Sabatier Toulouse III | Co-directeur |
| Olivier BOISSIER | Professeur titulaire en informatique, PhD, Département Informatique et Systèmes Intelligents Institut Henri Fayol | Rapporteur |
| Abderrafiaa KOUKAM | Professeur Titulaire chez UTBM – Université de Technologie de Belfort-Montbéliard | Rapporteur |
| Philippe MATHIEU | Enseignant-chercheur et responsable de l’équipe SMAC au sein du Centre de Recherche en Informatique, Signal et Automatique de Lille | Examinateur |
| Christophe BORTOLASO | Responsable de la Recherche Appliquée, Berger-Levrault | Invité |
English summary
Automatic analysis of user activity traces for testability and continuous improvement of complex software systems by adaptive multi-agent systems
Software is becoming increasingly complex as regulations change and as user requirements evolve. As a result, it is sometimes difficult to maintain or use these applications.
In order to ensure an acceptable level of quality, this thesis explores the possibilities offered by the exploitation of user activity traces. A user trace is a fingerprint left when a user uses a software application. In the short term, the objective is to provide feedback to production teams. For example, by comparing acceptance tests with actual use. In the longer term, an intelligent assistant could be designed to help the user in delicate or repetitive uses. To achieve this, it is essential to model the operation of the application based on observations.
Our experiments with existing methods show that they have limitations. In particular, the hypotheses usually necessary for the discovery of business process models are invalidated because of the numerous errors in the logs and the complexity of the business processes.
Adaptive Multi Agent Systems (AMAS) demonstrate their ability to analyze data describing complex and dynamic systems and are therefore relevant to our problem. As such, a multi-agent system, named SAMOTRACE, is designed, developed and evaluated. In this thesis, this AMAS focuses on the detection and correction of trace errors. Various types of errors are addressed and treated, each induced by the refinement of the agents’ behaviors. Also, tests are gradually added to validate the new behaviors and to verify the absence of regressions in existing behaviors.
Résumé français
Analyse automatique des traces d’activité des utilisateurs pour la testabilité et l’amélioration continue de systèmes logiciels complexes par des systèmes multi-agents adaptatifs
Les logiciels deviennent de plus en plus complexes à mesure que la réglementation change et à mesure que les exigences des utilisateurs évoluent. Ainsi, il est parfois difficile de maintenir ou d’utiliser ces applications.
Afin de garantir un niveau de qualité acceptable, nous explorons, dans cette thèse, les possibilités qu’offre l’exploitation des traces d’activité utilisateurs. Une trace utilisateur est une empreinte laissée lorsqu’un utilisateur emploie un logiciel. À court terme, l’objectif est de fournir un feedback aux équipes de production. Par exemple, en confrontant les tests de recette à l’utilisation effective. À plus long terme, un assistant intelligent pourrait être conçu pour aider l’utilisateur dans des usages délicats ou répétitifs. Pour y parvenir, il est indispensable de modéliser le fonctionnement de l’application à partir des observations.
Nos expérimentations des méthodes existantes montrent qu’elles ont des limites. En particulier, les hypothèses habituellement nécessaires pour la découverte de modèles de processus métiers sont invalidées à cause des nombreuses erreurs dans les journaux et de la complexité des processus métiers.
Les systèmes multi-agents adaptatifs (Adaptative Multi Agent Systems – AMAS) démontrent leurs capacités à analyser des données décrivant des systèmes complexes et dynamiques ; ils sont donc pertinents pour notre problème. À ce titre, un système multi-agent, nommé SAMOTRACE, est conçu, développé et évalué. Dans cette thèse, cet AMAS s’intéresse à la détection et à la correction d’erreur dans les traces. Divers types d’erreurs sont abordés et traités, chacun induit par le raffinement des comportements des agents. Également, des tests sont graduellement ajoutés afin de valider les nouveaux comportements et de vérifier l’absence de régressions dans les comportements existants.
