Incidentes de software são normalmente descritos em linguagem natural (como inglês ou português), pois a descrição de um problema na forma de texto torna a representação do mesmo mais natural e completa, e os usuários ficam livres para se expressar sobre o incidente. Por outro lado, relatos textuais...

Incidentes de software são normalmente descritos em linguagem natural (como inglês ou português), pois a descrição de um problema na forma de texto torna a representação do mesmo mais natural e completa, e os usuários ficam livres para se expressar sobre o incidente. Por outro lado, relatos textuais são uma fonte de conhecimento não estruturada, dificultando o processo de extração de informações sobre o incidente. No contexto de sistemas de TIC, diversas pesquisas propuseram a reutilização de experiências em Gerenciamento de Incidentes. No entanto, Sistemas Computacionais de Gestão de Manutenção (em inglês, Computerized Maintenance Management Systems ¿ CMMS) usam a forma de descrição de experiências de manutenção de software utilizando campos estruturados que precisam ser informados manualmente pelos usuários ou técnicos de suporte de TIC. Neste trabalho de pesquisa, propomos o XMILE (eXpert MaIntenance LEarning) - um sistema especialista baseado em PLN (Processamento de Linguagem Natural) e técnicas de aprendizado de máquina, que é capaz de inferir os principais atributos de um incidente a partir de relatos de manutenção de software otimizando o processo de geração de conhecimento sobre os problemas e manutenções de software. O sistema XMILE pode ser integrado a qualquer CMMS para extrair automaticamente informações sobre os incidentes, automatizando as fases de pré-processamento e de capitalização dos processos de feedback de experiência. O diferencial do XMILE é a possibilidade de tornar explícitas as informações sobre casos de manutenção (problemas e soluções) descritos em linguagem natural, por exemplo, em língua portuguesa, em tempo real e sem intervenção humana. XMILE foi usado em um conjunto real de relatos de incidentes de manutenção ocorridos nos sistemas de TIC de uma empresa automobilística brasileira, com bons resultados em termos de precisão e cobertura na categorização dos incidentes.
Palavras-chave: Gestão de Incidentes, Reuso de Experiências. Extracão de Informação

Software incidents are usually described in natural language (such as English or Portuguese), as the description of a problem in the form of text makes the representation of the text more natural and complete, and users are free to express themselves about the incident. On the other hand, textual...

Software incidents are usually described in natural language (such as English or Portuguese), as the description of a problem in the form of text makes the representation of the text more natural and complete, and users are free to express themselves about the incident. On the other hand, textual reports are a source of unstructured knowledge, hindering the process of extracting information about the incident. In the context of ITC systems, several researches have proposed the reuse of experiences in Incident Management. However, Computerized Maintenance Management Systems (CMMS) use the way of describing software maintenance experiences using structured fields that need to be manually informed by users or ITC support technicians. In this research, we propose the XMILE (eXpert MaIntenance LEarning) - an expert system based on PLN (Natural Language Processing) and machine learning techniques, which is able to infer the main attributes of an incident from maintenance reports of software optimizing the process of generating knowledge about problems and maintenance of software. The XMILE system can be integrated with any CMMS to automatically extract incident information, automating the pre-processing and capitalization phases of the experience feedback processes. The differential of the XMILE is the possibility to make explicit the information on cases of maintenance (problems and solutions) described in natural language, for example, in Portuguese language, in real time and without human intervention. XMILE was used in a real set of reports of maintenance incidents in the ITC systems of a Brazilian automobile company, with good results in terms of accuracy and coverage in the categorization of incidents.
Keywords: Incident Management, Reuse of Experiences. Information Extraction