快上网专注成都网站设计 成都网站制作 成都网站建设
成都网站建设公司服务热线:028-86922220

网站建设知识

十年网站开发经验 + 多家企业客户 + 靠谱的建站团队

量身定制 + 运营维护+专业推广+无忧售后,网站问题一站解决

软件项目管理 6.7.参数估算法

【公众号@ “项目管理研究所” 将会第一时间更新文章并分享《行业分析报告》】
归档于软件项目管理初级学习路线
第六章 软件项目成本计划
《初级学习路线合集 》

丽水网站制作公司哪家好,找创新互联建站!从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设公司等网站项目制作,到程序开发,运营维护。创新互联建站2013年开创至今到现在10年的时间,我们拥有了丰富的建站经验和运维经验,来保证我们的工作的顺利进行。专注于网站建设就选创新互联建站


前言

大家好,这节我们学习软件项目管理---参数估算法,重点介绍COCOMO模型。

一、参数估算法——定义

参数估算也称为模型估算,是根据项目数据集合出来的模型,代码行,人数,时间,工时等都是项目数据。

所以参数估算模型是通过统计技术得出的数学模型,然后根据这个模型估算软件项目的规模或者成本,参数模型是基于历史项目数据,项目类型不同,项目环境不同,项目数据也就不同,数据不同得出的模型也就不同。

有很多组织根据自己的研究对象得出不同的估算模型。

例如:这些模型的输入是代码行(LOC)

这些模型的输入是功能点(FP)

尽管模型各不相同,但是有基本相似的公式模式,如图所示:

接下来我们通过研究2个模型来了解参数模型的思路,既 Walston-Felix模型和COCOMO模型。

二、Walston-Felix模型

Walston-Felix模型是1977年,IBM的Walston和Felix根据63套项目数据,回归分析得出的。

其中E = 5.2 * 代码行的0.91次幂,表示代码行与工作量的关系。

其中D = 4.1 * 代码行的0.36次幂, 代表代码行与项目进度的关系。

其中最后一个模型公式,既文档页数 = 49 * 代码行的1.01次幂 。

便知道我们不能随便照抄别人的模型,因为不同的企业团队要求不同,文档页数肯定也不同,所以应该采用适合自己项目的模型。

下面我们举个例子:某项目采用JAVA语言来完成,估计有366个功能点,根据自己定义的该项目 代码行与功能点的关系。

既 L(代码行)等于366 * 46 约等于16.386K代码行,则根据模型估算公式 E(工作量)等于66人月,DOC(文档页数)约等于826页。

三、COCOMO模型

COCOMO模型既结构化成本模型,是目前应用最广泛的参数型软件成本估计模型,最初是由Boehm在1981年提出的,称为COCOMO 81模型。他是通过60多套项目数据分析得出的模型,20世纪90年代中期,随着软件工程技术的发展,又提出了COCOMO II模型。

COCOMO模型基本原理如下图所示:

COCOMO模型分为三个级别:基本COCOMO模型,中等COCOMO模型,高级COCOMO模型。
级别不同,估算的精度也不同。

针对每个级别的模型又分为三个项目类型:既有机型,嵌入式型,半嵌入式型或者叫半有机型。

先介绍COCOMO 81的三个级别模型。

  1. 基本COCOMO模型是静态单变量模型,不考虑任何成本驱动,适合在开发的初始阶段,项目的相关信息很少,只适合粗略的技术估算。
  2. 中等COCOMO模型是在项目的需求确定以后,对项目有所了解之后使用,在基本模型的基础上通过产品,平台,人员,项目等方面的属性影响因素来调整工作量的估算,估算精度提高了。
  3. 高级COCOMO模型是在设计完成后使用,考虑开发不同阶段,影响因素的不同影响,对项目进行精确化的估算,一但软件的各个模块都已经确定,估算者就可以使用高级COOMO模型,所以他的估算精度是最高的。

针对上面的每个模型,将项目分为三种类型,有机型,嵌入式,半嵌入式或者叫半有机型。

  1. 有机型项目是最常规简单的项目类型,例如各种网站项目,信息化系统等等,相对较小,较简单的软件项目,开发人员对开发项目等目标理解比较充分,与软件系统相关的工作经验比较丰富,对软件的使用环境比较熟悉,受硬件的约束比较小,程序的规模不是很大。

  2. 嵌入式项目类型,他主要是各类系统程序,例如实时处理。控制系统等等。通常与某种硬件设备紧密结合在一起,对接口,数据结构,算法的要求比较高,软件规模任意,例如航天用的控制系统,大型指挥系统等等。

  3. 半嵌入式项目类型,他是介于上述两种软件之间,规模和复杂度都属于中等或者更高,例如编译器,连接器,分析器等等。

这是基本COCOMO-81模型公式:E=a * (KLOC)的b次幂。

a和b的取值与项目类型有关,如下图是不同项目类型的系数表:

下面举一个33.3k代码行的软件开发项目例子:最后得出的结果也就是项目规模是152人月。

我们再看中等COCOMO-81模型,他是对基本模型的调整,在基本模型的基础上再乘以 乘法因子,乘法因子是根据成本驱动属性得来的,其中a,b才是根据不同项目类型有不同取值。

中等COOCMO-81模型关键是乘法因子,它来自于成本驱动属性,分4个大类,分别是产品属性,平台属性,人员属性,过程属性。

这四个大类又细分为15个驱动因子,例如产品属性有3个因子,可靠性,信息量,复杂性。每个驱动因子的取值范围有很低,低,正常,高,非常高,极高级别。

例如产品复杂性驱动因子很低的取值为0.7,非常高的取值为1.30,既复杂性越高取值越大。

我们再看分析员能力这个驱动因子,非常低是为1.46,非常高是为0.71,既能力越高取值越低 。

乘法因子等于这15个驱动因子取值后相乘,如果大于1说明工作量往高调整,小于1说明工作量往低调整。

我们继续看一个33.3k代码行的软件开发项目例子:采用中等CoCoMo模型计算项目规模,乘法因子根据15个驱动因子取值相乘后得出1.09,代入公式得出项目规模成本为166人月。


对比前面的基本模型,估算值有了一定的调整,因为我们对项目的产品,人员,平台,过程有了更细的了解。

我们再看高级COCOMO模型,他比前面两个模型的精度又提高了,主要体现在两个方面。第一个方面是针对不同的子系统采用的不同的模型估算,另外一方面是针对模型属性进行更加细化的调整。

15个因子,每个因子在不同的阶段影响不同,取值不同。例如应用经验AEXP这个驱动因子,在开发的不同阶段,其作用是不同的,影响最大的阶段是需求阶段,设计阶段弱化了。

那么针对每个等级,这个驱动因子在不同阶段取值是不同的,例如对于非常低的级别,需求和产品设计阶段的取值为1.40,在详细设计阶段的取值为1.30,编码和测试阶段的取值为1.25,因此提高了估算的精度,但是实践中实施起来会比较麻烦。

四、COCOMO II

COCOMO II是95年左右,Boehm在81模型的基础上,结合了软件工程技术的发展提出来的。

COCOMO II模型也分为3个等级,应用组装模型,早期设计模型,后体系结构模型。他们分别适合规划阶段,设计阶段,开发阶段使用。

应用组装模型适合原型构造或者复用构件组合项目时采用。他基于应用点或者称为对象点 除以一个标准的应用点的生产率,应用点数量的估算可以是显示的屏幕数、网页数、报表数量、程序模块数量等等。

如下图所示 公式为:工作量 = NAP * (1-复用代码量的百分比)/ PROD

早期设计模型适用于项目的初期,需求已经确定,在系统设计的初始阶段只设计了基本的软件结构,还没有对体系结构进行详细的设计,这一阶段的主要任务是简单、快速的完成一个大概的成本估算。

那么公式如下图所示:其中PM是工作量,A是常数,S是代码行的规模,E是指数比例因子,B可以校准(目前暂定为B=0.91),SF是指数驱动因子。

指数比例因子的效果是对规模较大的项目,预计的工作量将增加,那么EM是工作量系数。

因此软件开发工作量需要代码量行数的非线性函数,既基于可用代码行以及5个规模指数因子,7个工作量乘数因子。

计算指数比例因子最重要的依据是驱动因子和工作量系数,5个指数驱动因子属性和取值如表所示:

事实上对于一个项目而言,这些属性的缺乏将不成比例的增加更多的工作量,它分为很低、低、正常、高、很高、极高等级别。

早期设计的工作量系数有7个,这些系数可以评定为非常低、很低、低、正常、高、很高、极高等级别。

我们再来看COCOMO II的后体系结构模型,我们看一下公式,那么该模型与早期设计模型基本是一致的,不同之处在于工作量系数不同。

Boehm讲后体系结构模型中的工作量系数化成产品因素,人员因素,项目因素,平台因素四个大类,共17个属性的驱动因子。

与COCOMO-81模型的15个驱动因子相比,COCOMO II模型的后体系结构模型增加了一些软件工程发展中的一些因素,同时也删除了一些因素。

复用模型

另外,如果需要估计复用代码或者已生成代码所需工作量,可以采用复用模型,公式如下:


计算出等价代码行(ESLOC)后,ESLOC可以作为代码行的输入,采用早期设计模型或者后体系设计模型来估算工作量。

总结

总之 参数模型是根据项目数据进行分析,基本上是进行回归分析,从而得出回归模型作为参数模型。

这个参数模型可以是线性的,也可以是非线性的,相当于是监督学习的回归分析方法,例如线性回归,多项式回归,逻辑回归,神经网络,集成方法等...

例如这是某项目的一些数据:

通过线性回归分析,计算出参数模型,根据这个模型可以进行此类项目的估算。

那么这是另外一类的项目数据,我们采用神经网络算法进行模型估算。

这是对项目数据进行数字化和归一化的结果。

我们采用三层的BP神经网络建模。

通过隐层节点的数目,网络学习率,隐层和输出层激活函数的分析研究,可以确定网络权值和阈值的变化量,从而确认了参数模型。

这是模型应用的误差图示,误差率在可以接受的范围之内。

总之参数模型方法需要具有良好的项目数据为基础,存在成熟的项目估算模型。特点是比较简单,而且也比较准确。如果模型选择不当或者数据不准,也会导致偏差。

到这里,第六章 第七节参数估算法就讲解完毕了!下一节介绍专家估算法~

如果您觉得这篇文章有帮助到您的的话不妨点赞支持一下哟~~????

后续将持续更新【软件项目管理初级学习路线】的全知识点,大家感兴趣的多多关注博主哟~
————————————————


本文题目:软件项目管理 6.7.参数估算法
新闻来源:http://6mz.cn/article/dschgdp.html

其他资讯