జర్నల్ ఆఫ్ న్యూక్లియర్ ఎనర్జీ సైన్స్ & పవర్ జనరేషన్ టెక్నాలజీ

సాఫ్ట్‌వేర్ టెస్టింగ్ కోసం డిఫెక్ట్ ప్రిడిక్షన్ మోడల్‌కి ప్రాక్టికల్ అప్రోచ్

సుజాత దండు, కిరణ్మయి రాగే, ఎం. సుందర్ రాజ్, నీలమాధబ్ మిశ్రా ,  డి. శివకుమార్, మరియు ఎస్. మోహన్

సాఫ్ట్‌వేర్ దుర్బలత్వాల సూచన డిఫాల్ట్ ఎంటర్‌ప్రైజ్ సాఫ్ట్‌వేర్ వర్గీకరణకు దారితీసే వినియోగదారుల ద్వారా పరీక్ష ఆటోమేషన్ వ్యయాలను తగ్గించడానికి ప్రయత్నిస్తుంది. చాలా వ్యాపారాలలో, సమయాన్ని ఆదా చేయడానికి, నాణ్యతను మెరుగుపరచడానికి, పరీక్షించడానికి మరియు షెడ్యూల్‌లకు అనుగుణంగా వనరుల కేటాయింపును మెరుగుపరచడానికి సాఫ్ట్‌వేర్ లోపాలను నివారించడానికి తరచుగా డిఫెక్ట్ ప్రిడిక్టర్‌లను ఉపయోగిస్తారు. దైనందిన జీవితంలో గణాంక ప్యాకేజీ లోపం అంచనా నమూనాల అమలు చాలా సవాలుగా ఉంది, దీని ఫలితంగా ఈ క్రింది విడుదల లేదా మరింత విభిన్న డేటా మరియు కొలతలు మరియు మునుపటి తప్పు సమాచారంతో సరికొత్త మెరుగైన రకాల ప్రాజెక్ట్‌లను ఊహించడం అవసరం. ఈ అధ్యయనంలో, మా పరిమాణాత్మక సాంకేతికత ఇటీవలి సాఫ్ట్‌వేర్ సంస్కరణలు లేదా సంస్థలకు సంబంధించిన లోపాలు ఎలా సరిగ్గా అంచనా వేయబడతాయో చూపిస్తుంది. మేము 20 సాఫ్ట్‌వేర్ డెవలప్‌మెంట్ విడుదలల డేటాసెట్‌లు, 5 వేరియబుల్స్‌ని ఉపయోగించాము మరియు 95% (CI) విశ్వాస స్థాయితో సారాంశ విశ్లేషణ, సహసంబంధాలు మరియు వివిధ లీనియర్ మోడల్‌లను ఉపయోగించి మోడల్‌ను రూపొందించాము. R- స్క్వేర్ విలువ 0.91 మరియు ఈ తగిన బహుళ లీనియర్ రిగ్రెషన్ విశ్లేషణలో దాని ప్రామాణిక విచలనం 5.90 శాతం. సాఫ్ట్‌వేర్ పరీక్షల కోసం డెఫిషియెన్సీ మోడల్ అనేక టెస్ట్ ప్రోగ్రామ్‌లు మరియు వాణిజ్య విస్తరణలలో సమస్యలను అంచనా వేయడానికి ఉపయోగించబడుతోంది. వాస్తవ మరియు ఊహించిన లోపాలను పోల్చి చూస్తే, మేము 90.76% ఖచ్చితత్వాన్ని కనుగొన్నాము.