I dagens system hanteras fel främst genom API-loggar och manuella supportärenden, vilket gör det tidskrävande att koppla ett användarfel till rätt loggar och identifiera dess bakomliggande orsak.
Examensarbetet går ut på att utveckla och utvärdera en lösning där användaren kan rapportera ett fel direkt från webbapplikationen. Teknisk information från både klient och API samlas då automatiskt in och analyseras tillsammans med loggar.
En central del av arbetet är att undersöka hur AI kan användas för att automatiskt gruppera och klassificera fel, identifiera återkommande problem och föreslå möjliga rotorsaker. AI:n ska även kunna analysera fel mot den källkod och version som är relevant för den aktuella kunden.
Arbetet omfattar utveckling av en prototyp samt en experimentell utvärdering av exempelvis träffsäkerhet, kvalitet på rotorsaksanalysen och hur mycket manuellt felsökningsarbete som kan reduceras.
Kave Silverklippa
Gruppledare
Kontakta oss
