เปรียบเทียบวิธี

	แบบจำลองการทำนายข้อบกพร่อง	การติดตามความเร็วแบบ Agile
สาขาวิชา	วิศวกรรมซอฟต์แวร์	วิศวกรรมซอฟต์แวร์
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2005	2002
ผู้ริเริ่ม	Thomas Ostrand, Elaine Weyuker, Robert Bell	Ken Schwaber and Mike Cohn
ประเภท	machine learning model	measurement metric
แหล่งต้นตำรับ	Ostrand, T. J., Weyuker, E. J., & Bell, R. M. (2005). Predicting the location and number of faults in large software systems. IEEE Transactions on Software Engineering, 31(4), 340–355.	Schwaber, K., & Beedle, M. (2002). Agile Software Development with Scrum. Prentice Hall.
ชื่อเรียกอื่น	fault prediction, bug prediction, defect classification	sprint velocity, team capacity planning, burndown analysis
ที่เกี่ยวข้อง	4	4
สรุป	Defect prediction models forecast the likelihood of software faults in code modules using statistical or machine learning approaches. Pioneered by Ostrand, Weyuker, and Bell (2005), these models correlate code metrics (complexity, churn, coupling) with historical defect data to identify high-risk components. Organizations use predictions to allocate testing resources, guide code review, and prioritize refactoring.	Velocity tracking measures the amount of work (typically story points or tasks) a team completes in a sprint, enabling capacity planning, release forecasting, and identification of process improvements. Introduced in Scrum methodology by Schwaber (2002), velocity provides empirical data for realistic sprint planning and project timeline prediction. Teams use velocity trends to identify bottlenecks and validate process improvements.