軟件開(kāi)發(fā)COD引入缺陷預測模型的建立
來(lái)源:http://thesierramadre.com/ 作者:余氯檢測儀 時(shí)間:2019-10-11
摘 要:本文論述了基于A(yíng)CV-Average Competency Value和系統圈復雜度系數構建COD階段缺陷預測模型的過(guò)程和思路,通過(guò)建立的預測模型軟件項目管理者可以預測預先設定的項目QCD目標實(shí)現概率,提前預測風(fēng)險并適時(shí)增強項目團隊的開(kāi)發(fā)力量。
中國論文網(wǎng) /8/view-3801726.htm
關(guān) 鍵 詞:ACV;圈復雜度;缺陷預測模型
借鑒人力資本管理領(lǐng)域中關(guān)鍵能力項的統計學(xué)識別方法,我們識別出對于A(yíng)業(yè)務(wù)方向嵌入式項目質(zhì)量有重大影響的因素有:C語(yǔ)言技術(shù)&編碼的能力水平和軟件的復雜程度(圈復雜度)。從邏輯上分析,由于在車(chē)載導航軟件開(kāi)發(fā)中基本使用的都是C語(yǔ)言的開(kāi)發(fā)技術(shù),在中小型開(kāi)發(fā)項目中,C語(yǔ)言技術(shù)&編碼的能力水平和軟件的復雜程度確實(shí)對于項目的質(zhì)量會(huì )有很大的影響。在這里我們引入一個(gè)新的概念ACV-Average Competency Value及項目成員關(guān)鍵能力平均值,在我們此次車(chē)載導航軟件開(kāi)發(fā)研究的范圍內關(guān)鍵能力項為C語(yǔ)言技術(shù)&編碼。
基于CMMI軟件成熟度模型和實(shí)際軟件開(kāi)發(fā)過(guò)程,軟件開(kāi)發(fā)的主要過(guò)程分為幾個(gè)階段:RD(需求開(kāi)發(fā))、RU(需求理解)、SD(系統設計)、PD(概要設計)、DD(詳細設計)、COD(編碼)、UT(單元測試)、IT(集成測試)、ST(系統測試)和QC階段。軟件項目的一個(gè)關(guān)鍵目標就是質(zhì)量,ST階段的缺陷密度是項目質(zhì)量的關(guān)鍵度量項[1]。但是,在ST階段發(fā)現的缺陷往往是由其他之前的階段引入的,這些可能引入缺陷的階段包括COD、DD、IT、PD等[2]。我們使用了Crystal Ball工具對相關(guān)數據進(jìn)行了敏感度分析,包括ST、COD和DD階段的缺陷引入對于項目的質(zhì)量目標都有相當的影響。
為了達成軟件開(kāi)發(fā)的質(zhì)量目標,我們必須想辦法控制各階段引入的缺陷數量。從敏感度分析結果上看,COD階段的缺陷密度對于QC指標的影響比較大,同時(shí),如果能在ST階段更多地發(fā)現和處理實(shí)際已經(jīng)存在的軟件缺陷,QC目標達成的可能性會(huì )大大增加。
各階段引入的缺陷數量也與軟件程序本身的復雜度有關(guān),在軟件測試的概念里,圈復雜度用來(lái)衡量一個(gè)模塊判定結構的復雜程度,數量上表現為獨立路徑條數,即合理的預防錯誤所需測試的最少路徑條數,圈復雜度大則說(shuō)明代碼可能質(zhì)量低且難于測試和維護[3]。經(jīng)驗表明:一般圈復雜度越高,Bug發(fā)生的可能性越高。
圈復雜度過(guò)高會(huì )造成下列問(wèn)題:
1.復用困難。代碼復雜度過(guò)高,說(shuō)明一個(gè)函數內覆蓋的邏輯過(guò)多,程序耦合性(各個(gè)模塊之間接口的復雜度)較高,所以也不易于移植復用。
2.測試困難。圈復雜度代表路徑覆蓋的條數,即case數。所以,需要更多的測試才能覆蓋一個(gè)復雜度較高的程序。
3.易讀性差。代碼復雜度過(guò)高的程序不易于閱讀。
4.缺陷率高。一般復雜度越高,缺陷密度越高。代碼復雜度過(guò)高的程序,變更時(shí)更容易產(chǎn)生缺陷。
從圖1的兩個(gè)例子中,我們可以使用一種簡(jiǎn)單的方法來(lái)計算兩段程序的圈復雜度。在Example 1中,while循環(huán)圈復雜度加1,if語(yǔ)句圈復雜度加1,每個(gè)&&語(yǔ)句圈復雜度加1,總體程序執行圈復雜度加1,圈復雜度總和為5。在Example 2中,if語(yǔ)句圈復雜度加1,else語(yǔ)句圈復雜度加1,總體程序執行圈復雜度加1,圈復雜度總和為3。這種方法的基本計算原則是:程序中出現下列關(guān)鍵字的次數再加1,關(guān)鍵字主要包括for、if、while、switch、&&、||、goto和case等。
以上是比較簡(jiǎn)單的圈復雜度計算方法,另外一種計算方法是利用有向圖理論(Sequense)計算由一段代碼演化來(lái)的有向圖中線(xiàn)性獨立的路徑的個(gè)數,來(lái)得出圈復雜度的數值。
圈復雜度=E-N+2 (1)
其中,E:程序流程有向圖中邊的個(gè)數;N:程序流程有向圖中節點(diǎn)的個(gè)數。
目前可以使用的計算圈復雜度工具有:
1.JAVA平臺:PMD靜態(tài)分析源代碼工具(付費)、JavaNCSS(開(kāi)源)、CheckStyle(付費);
2..NET平臺:FxCop(開(kāi)源)、NDepend(付費);
3.C/C++平臺:QAC(付費)、Source Monitor(開(kāi)源)。
我們在實(shí)際的項目開(kāi)發(fā)中主要使用Source Monitor開(kāi)源工具,進(jìn)行函數圈復雜度研究和統計。
基于之前對于項目開(kāi)發(fā)者能力水平和軟件圈復雜度的研究,我們嘗試進(jìn)行數據收集分析并構建COD階段引入缺陷密度、ACV(C語(yǔ)言技術(shù)&編碼)和圈復雜度之間的數學(xué)預測模型。
基于A(yíng)CV和圈復雜度建立COD引入缺陷模型構建的目標如下:
1.在項目策劃或者COD階段活動(dòng)之前,項目經(jīng)理參考此模型調配項目組成員、安排項目級培訓,策劃在設計階段控制圈復雜度,并基于此進(jìn)行程序設計工作。
2.COD階段開(kāi)始后,項目管理人員可以根據代碼復雜度管理表中的相關(guān)要求進(jìn)行實(shí)際圈復雜度數據的收集,并利用此模型進(jìn)行預測,進(jìn)行COD過(guò)程中的動(dòng)態(tài)編碼控制,適當降低系統和程序文件的圈復雜度。
基于上述的研究目標進(jìn)行了建模方法的研究,確定了相應的預測前提和思路。
1.通過(guò)對動(dòng)態(tài)PPM中數據的敏感度計算結果,COD階段的引入缺陷數對項目質(zhì)量的敏感度最大,對項目質(zhì)量目標的達成有較大的影響。
2.同時(shí)根據相關(guān)專(zhuān)家前期對COD階段引入缺陷數及相關(guān)因素的相關(guān)性分析結論,COD階段引入缺陷數與代碼規模、圈復雜度、開(kāi)發(fā)人員職級平均值有較強的相關(guān)性。
3.基于上述結論和成果,考慮選擇使用開(kāi)發(fā)人員的具體關(guān)鍵能力預測COD階段缺陷數量,以期待獲得更加可控的PPM模型,采用回歸分析的方法建立預測模型。
在基礎數據收集方面,為了保證數據的同質(zhì)性,選擇同一業(yè)務(wù)線(xiàn)相關(guān)項目進(jìn)行分析,保證模型的針對性和有效性。實(shí)際選擇A業(yè)務(wù)線(xiàn),基于2008年度至2010年度20余個(gè)項目數據進(jìn)行分析。 使用MiniTab 15.1軟件中的Pearson計算方法計算了上述相關(guān)數據的相關(guān)性,最終發(fā)現COD引入缺陷密度、項目平均圈復雜度和編碼&C能力均值有較強的相關(guān)性,而項目有效代碼行數與COD引入缺陷密度無(wú)明顯的相關(guān)性。
基于模型建立的思路和統計分析結果,初步設定數學(xué)模型的公式為:
Y=a+b×X1+c×X2 (2)
其中,Y:COD階段引入缺陷密度;X1:項目平均圈復雜度;X2:ACV—項目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(編碼&C)的平均值。
在相關(guān)性分析的基礎上,使用MiniTab 15.1進(jìn)行回歸分析,能夠初步得到COD階段引入缺陷密度Y、項目平均圈復雜度X1和項目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(編碼&C)的平均值X2之間的數學(xué)關(guān)系。
通過(guò)回歸方法得到最后的回歸方程為:
Y=4.81+1.37×X1-3.17×X2 (3)
從最后的回歸方程中我們可以推斷:
1.項目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(編碼&C)的平均值X2越大,COD階段引入的缺陷密度就越小,那么項目的總體質(zhì)量就會(huì )越好;
2.項目平均圈復雜度X1越小,COD階段引入的缺陷密度就越小,那么項目的總體質(zhì)量就會(huì )越好。
下面是使用MiniTab 15.1工具進(jìn)行回歸分析的結果。
利用上述模型我們可以在合適的項目中進(jìn)行應用,比如我們可以在項目策劃階段就開(kāi)始使用模型,通過(guò)計算同類(lèi)項目的平均圈復雜度、擬進(jìn)入項目組的開(kāi)發(fā)成員的C&編碼能力水平來(lái)對項目質(zhì)量進(jìn)行預測(COD階段引入缺陷密度)。
如果預測的項目質(zhì)量目標沒(méi)有達到客戶(hù)和組織的要求,項目經(jīng)理可以根據情況調整項目組的成員,將在C&編碼能力方面具有更高水平的人員調入項目,以便減少在COD階段引入的缺陷數量,降低COD階段引入缺陷密度。同時(shí),我們還可以在系統設計、概要設計和詳細設計階段不斷優(yōu)化軟件設計水平,通過(guò)降低程序圈復雜度的方式提升項目質(zhì)量,降低COD階段引入的缺陷數量和缺陷密度。
在COD階段開(kāi)始之前項目經(jīng)理或者技術(shù)總監可以通過(guò)模型預測COD階段的缺陷密度,如果發(fā)現項目質(zhì)量存在高風(fēng)險的問(wèn)題可以提前采取措施進(jìn)行缺陷預防。
以上提到基于能力的項目質(zhì)量預測模型在車(chē)載導航軟件開(kāi)發(fā)中具有一定的普遍意義,相關(guān)的分析思路和模型建立的方法可以被應用到軟件開(kāi)發(fā)的其他業(yè)務(wù)領(lǐng)域之中。通過(guò)質(zhì)量預測模型的建立和應用,組織可以不斷定量分析、控制其質(zhì)量目標的制定和達成。
參考文獻
[1] Jamaiah H.Yahaya,Aziz Deraman.Measuring the Unmeasurable Characteristics of Software Product Quality[J].IJACT,2010,2(4):95-106.
[2] Hajar Mat Jani,Salama A. Mostafa.Implementing Case-Based Reasoning Technique to Software Requirements Specifications Quality Analysis[J].IJACT,2011,3(1):23-31.
[3] Zhang Xue-mei,Hoang Pham.An analysis of factors affecting software reliability[J].The Journal of Systems and Software,2000,50(1):43-56.
——本文由豐臨科技整理發(fā)布,內容供參考,如有侵權,請聯(lián)系刪除,謝謝!上海豐臨科技有限公司為你提供濁度儀(濁度計)、在線(xiàn)濁度儀、余氯儀、余氯分析儀、工業(yè)在線(xiàn)pH計、cod測定儀、pH計等多種水質(zhì)檢測儀,水質(zhì)分析儀,歡迎您前來(lái)選購,豐臨科技竭誠為您服務(wù)!
水質(zhì)檢測分析儀
熱銷(xiāo)儀器
儀器知識百科
- 濁度計測定精煉菜籽油中蠟含量
- 二氧化氯緩釋劑對畜禽飲用水消毒的應用研究
- 濁度計使用注意事項
- 快速COD分析方法在污水處理中的應用
- 水質(zhì)自動(dòng)監測系統的運行管理和質(zhì)量控制
- 在線(xiàn)監測儀為礦區污水排放提供診斷
- 如何將測量水質(zhì)的電導率轉化為濃度
- 水質(zhì)COD測定過(guò)程中幾個(gè)常見(jiàn)問(wèn)題
- 新時(shí)期加強自來(lái)水水質(zhì)監測的有效策略
- [濁度儀]光纖濁度儀ZD610210在自來(lái)水廠(chǎng)濾后水中的應用
- NT8000G/TSS801N-400型在線(xiàn)濁度儀
- 水質(zhì)微量重金屬在線(xiàn)復合傳感器研究
- 南充市西充河水質(zhì)變化及污染防治探討
- 濁度計的使用、校準和標定方法
- 濁度儀測量的濁度與含沙量的關(guān)系分析
- BP神經(jīng)網(wǎng)絡(luò )與粒子群算法的水質(zhì)檢測評價(jià)方法
相關(guān)資訊更多>>
- 二氧化氯消毒工藝在中小水廠(chǎng)中的應用
- 化學(xué)需氧量(COD)、總有機碳(TOC)已廣泛應用于污廢水工藝處理行業(yè)
- 水中COD的測定
- 中水回用處理系統投運后COD超標問(wèn)題分析與解決
- 新時(shí)期加強自來(lái)水水質(zhì)監測的有效策略
- 分光光度計上測定吸光度及化學(xué)需氧量值
- 泳池衛生情況如何余氯含量高了低了都不行
- 二氧化氯應用于工業(yè)循環(huán)水處理中的探討
- 激光光譜技術(shù)的水質(zhì)監測系統研究
- 松北濕地水質(zhì)中糞大腸菌群的測定
- PAC與PAM聯(lián)用處理低溫低濁度原水
- 生活飲用水中渾濁度指標對余氯消毒效果的影響
- 微波消解―分光光度法測定廢水中COD
- 濁度是衡量水質(zhì)好壞的重要指標之一-出廠(chǎng)水要求濁度<1度(ntu)
- 高溫季節泥鰍養殖池塘主要水質(zhì)因子變化規律
- 湖水濁度高光譜定量反演模型