مدل تجربی COCOMO (Constructive Cost Model)

Slides:



Advertisements
Similar presentations
Awe sim.
Advertisements

شیوه های ارائه ی مطالب علمی و فنی استاد :آقای مهندس ابطحی پژوهشگر : حسام ستاره دانشکده ی مهندسی کامپیوتر دانشگاه صنعتی شریف سال تحصیلی نیمسال اول.
معاونت درمان امور مامایی اردیبهشت 90. برای ثبت اطلاعات در برنامه نرم افزاری نظام مراقبت مرگ پریناتال ابتدا لازم است برنامه نرم افزار info-path وپرنیان.
فاکتورهای مهم در ایجاد یک مقاله علمی
Professor: Dr. Ahmad Abdollahzadeh Amirkabir University of Technology, Computer Engineering and Information Technology Department Intelligent Systems Laboratory.
طبقه بندی تعاریف سیستم های تصمیم یار
1 بسم الله الرحمن الرحیم. 2 پژوهش های آموزشی فرآیند – محور (POER) علی عمادزاده عضو هیئت علمی EDC
Decision Tree.
© 2005 Prentice Hall Inc. All rights reserved. o r g a n i z a t i o n a l b e h a v i o r e l e v e n t h e d i t i o n.
تعاریف هوش تجاری مهدی گرکانی درس هوش تجاری
تخمین در پروژه های نرم افزاری
معماری DSS.
انواع Middleware و معرفی دو نمونه
Accounting Information Systems: An Overview
بشرا رجائی مبانی مهندسی نرم افزار بشرا رجائی
پیاده سازی کنترلر PC/104. Contents PC/104 پیاده سازی کنترلر HILتست 1.
Eric S. K. Yu Faculty of Information Studies, University of Toronto
PROJECT LIFE CYCLE AND EFFORT ESTIMATION
افزایش میزان فروش بوسیله سئو سایت SEO. فروش و سئو SEO ( بهینه سازی وب سایت برای موتور جستجو Search Engine Optimization ) رابطه ‌ ای مانند محتوا و بازاریابی.
معماری فناوری اطلاعات چیست؟
Business Process Modeling
بسم الله الرحمن الرحیم مدیرگروه HIT: خانم لیلا غلامحسینی
( Project Operation Management )
تمرین هفتم بسم الله الرحمن الرحیم درس یادگیری ماشین محمدعلی کیوان راد
هیدروگراف(Hydrograph) تهیه : دکتر محمد مهدی احمدی
معرفی پرتال سازمانی درسا مرکز فناوری اطلاعات و ارتباطات
فصل اول: رسانه های ذخیره سازی
مدیریت و برنامه ریزی راهبردی فناوری اطلاعات
متدولوژی CDM با رویکردهای CLASSIC و FAST TRACK
مقایسه دو دانشگاه مری لند و دانشگاه صنعتی شریف
بنام خدا زبان برنامه نویسی C (21814( Lecture 12 Selected Topics
مدیریت پروژه های فناوری اطلاعات (مپفا) فصل دهم
آشنایی مقدماتی با نرم افزار Endnote X4
تحلیل و طراحی سیستم ها بخش ششم کتاب توربان.
چهاردهمین اجلاس سراسری فناوری رسانه
برنامه ریزی راهبردی شبکه کامپیوتری
نرم افزار نگهداری و تعمیرات مبتنی بر مدیریت دانش نت CMMS-MKMS
به نام خدا.
انجمن انفورماتیک ایران سمينار
QUANTITATIVE STRATEGIC PLANNING MATRIX
آموزش و یادگیری Education and Training
خودسامان دهی 22 اردیبهشت 92.
مفاهیم پایه فناوری اطلاعات
SE Dept.2 تهیه کنندگان: ملیحه اسکندری نسیبه پوتی
کوئیز از جلسه قبل) کارخانه ای در حال خرید قطعه‌ای برای یکی از ماشین‌آلات خود می باشد اگر نرخ بهره 10% برای محاسبات فرض شود، دو مدل از قطعه ماشین در دسترس.
سیستم های اطلاعات مدیریت Management Information systems
داده ها -پیوسته Continuous
به نام خدا مقایسه رشته های علم کامپیوتر در دانشگاه کمبریج و مهندسی نرم افزار در دانشگاه صنعتی شریف استاد راهنما: جناب آقای مهندس ابطحی گردآورنده: تانیا.
ASP.NET فرناز شریعت.
معرفی متدولوژی RUP ارديبهشت 1384.
Banks, Carson, Nelson & Nicol Discrete-Event System Simulation
فصل 4. فصل 4 جمع آوری نیازمندیها و تحلیل سیستم : فاز تولید هر نرم افزار با مرحله ای به نام تعریف مسئله شروع می شود. منظور از تعریف مسئله شناخت محیط.
ارائه درس هوش مصنوعی پیشرفته
استاندارد تولید نرم افزارCMM :
جلسه ششم حفاظت در سیستم عامل
معماری سرویس گرا (SOA).
تدريس يار: ميثم نظرياني
آشنایی مقدماتی با نرم افزار Endnote X4
نام درس: طراحی و پیاده سازی زبانهای برنامه سازی
بسم الله الرحمن الرحیم هرس درخت تصمیم Dr.vahidipour Zahra bayat
سمینار SharePoint رانندگی در بزرگراه پرتال ها
فرشاد آقابزرگی هوش تجاری
Uniprocessor Scheduling
به نام یکتای دانا فصل اول: متدها و قواعد.
برنامه ریزی خطی پیشرفته (21715( Advanced Linear Programming Lecture 7
اصول و مفاهیم حسابداری Principles And Concepts Accounting.
عنوان پایان نامه : بهبود خوشه بندی داده های حجیم درالگوریتم PSON برای کاوش مجموعه اقلام تکراری استاد راهنما : دکتر تورج بنی رستم نگارش : اکبر خبازیان.
آشنایی با فرایند داده کاوی در نرم افزار R گروه داده کاوی دایکه داود دوروش تابستان 6139.
مواردی که لازم است در ارائه ذکر شود : 1 - اسلاید اول : بسم الله الرحمن الرحیم 2 - اسلاید دوم : عنوان دقیق طرح ( لازم است نوع حسگر تشخیص سریع، نمونه حس.
هدف با استفاده از الگوریتم بهینه سازی کلونی مورچگان( ACO ) و قوانین سیستم فازی به تفسیرقوانین آنها میپردازیم. سپس، با بهره گیری از این قوانین، تعریف مناسبی.
Presentation transcript:

مدل تجربی COCOMO (Constructive Cost Model) Boehm: اولين محقق در اقتصاد مهندسي نرم افزار 1981: مدل های تخمین نرم افزار پرکاربردترین و بحث انگیزترین مدل تخمین هزینه در صنعت استفاده گسترده – پشتیبانی ابزار توسعه: COCOMO 2: 2002 یک مدل پارامتری و دارای پارامترهای زیاد و پیچیده شکل مدل پارامتری: فعالیت = (مقدار یا ارزش پارامتر)*مقدار ثابت مثال: KLOC*25 مدل COCOMO بر اساس مطالعه 63 پروژه

COCOMO: E=aSbF, D=c(E)d, P=E/D - سطح(مدل) متوسط: اصلاح تخمین اولیه (بعد از تعیین نیازها، انتخاب زبان، ابزار و غیره): انتخاب نرخ برای 15 عامل (cost drive) - سطح(مدل) پیشرفته: تخمین مراحل مختلف پروژه (پس از کامل شدن طراحی) برای هر سه سطح: E=asbF E: تلاش نفرماه، S: اندازه KLOC، F:ضریب تنظیم(1 برای مبنا) و a و bوcوd: مد a b c d سازمانی 2.4 1.05 2.5 0.38 نیمه باز 3 1.12 2.5 0.35 توکار (نهفته) 3.6 1.20 2.5 0.32

Example: COCOMO سازمانی (organic): پردازش داده ها و استفاده از پایگاه داده ها برای ذخیره و بازیابی اطلاعات مانند سیستم بانکداری توکار (embedded):بسته سیستم های سخت افزاری بزرگ که نرم افزار بی درنگ جزیی از آن است مانند سیستم موشک های هدایت شونده نیمه باز: (semi-detached) بین سازمانی و توکار

مثال: سطح مبنا (F=1) پیش بینی تلاش لازم برای پیاده سازی نرم افزار سیستم سوئیچینگ تلفن و پیش بینی KLOC5000 تخمین اولیه: E = aSbF=3.6(5000)1.2 1=98870 PM D=c(E)d = 2.5(98870)0.32= 99 P=E/D = 98870 / 99 = 998 نتیجه: پیش بینی ضعیف -> افزودن 15 پارامتر (cost drive) --> (سطح 2)

سطح مياني: E=aSbF مد a b سازمانی 3.2 1.05 نیمه باز 3 1.12 سازمانی 3.2 1.05 نیمه باز 3 1.12 توکار (نهفته) 2.8 1.20 F= multiplication of 15 selected parameters

Advanced cocomo model E=aSbF Iteg. & Testing Code & UTesting DDesign Req & Design Rating 1.50 1.35 1.80 Very low 1.20 0.85 Low 1.00 Nominal 0.90 0.75 High 0.70 0.55 Very high

COCOMO II Support for: object-oriented software software created by spiral model software created by COTs includes: 1- Application Composition Model (for early prototyping efforts) and 2- more detailed Early Design Model 3- Post Architecture Model (subsequent portion of the lifecycle)

COCOMO II 1- Application Composition Model LOC metric  Object Points Complexity data tables 8+ <8 <4 view Med. Sim. <3 Diff. 3-7 data tables 8+ <8 <4 view Med. Sim. <3 Diff. 3-7 OPC level for screens OPC level for reports Sim. =2, Med.=5, Diff.= 8 Sim. =1, Med.=2, Diff.= 3 NOP=OP*(100-r)/100

COCOMO II E=NOP/PROD PROD = average productivity rate (developer’s experience) Very low=4 Low=7 Nominal=13 High=25 Very high=50

Product reliability & complexity COCOMO II 2- Early Design Model: E=2.45(KLOC)F Combination Description Cost Driver RELY,DATA,CPLX,DOCU Product reliability & complexity 1.RCPX RUSE Required reuse 2.RUSE TIME,STOR,PVOL Platform difficulty 3.PDIF ACAP,PCAP,PCON Personnel capability 4.PERS AEXP,PEXP,LTEX Personnel experience 5.PREX TOOL,SITE Facilities 6.FCIL SCED Schedule 7.SCED

COCOMO II 3- Post-Architecture Model: (actual development and maintenance of product) E = 2.55(KLOC)bF b=1.01 + 0.01* SUM(Wi) D=c(E)d, P=E/D

SLIM (Putnam) www.qsm.com 1-empirical effort estimation model 2-for design, code, test, maintenance (1- collecting software project data i.e., size, effort, 2-curve fitting, 3- future estimates: size→effort) 3-applied to projects>70KLOC 4- assumes: effort-> Rayleigh curve 5- rises smoothly during project, drops sharply during acceptance testing

SLIM Equation: effort and schedule 1- software equation 2- manpower buildup Rayleigh distribution: good app. Of 2 For design, code, test, maintenance Development effort: 40% life cycle cost !requirements (not included in model) (not expected to design & code) Criticize: curve: observation not theory Data: hardware projects

SLIM 1. software equation:CE1/3t1/4 C: technology factor:14 cost drive reflects: E: total project effort (PY) t: elapsed time to delivery (Y) maturity, practices, PL,skill,complexity 2. manpower buildup equation: D=E/t3 D:constant: 12.3:new software(many interfaces and interactions) 15: standalone software 27: existing software reimplementation 3. E=(S/C)9/7(D4/7)

برآورد هزینه نرم افزار اندازه گیری ها و معیارها (measurements metrics) معیارهای فرآیندی معیارهای پروژه ای اندازه گیری معیارهای محصولی چه مبنایی اندازه • عملکرد

پیچدگی محصول 3 فاکتور مهم در کیفیت نرم افزار فرآیند فنآوری مهارت و انگیزه پرسنل

معیارهای فرآیندی هدف: بهبود فرآیند معیارها: 1- زمان و تلاش برای ساخت فرآیند 2- زمان و تلاش برای خطاها و نقص ها شامل: جمع آوری اطلاعات در باره خطاها و نقص ها برای تحلیل شکست نرم افزار: - دسته بندی خطاها و نقص ها بر حسب منشا(توصیف، منطق، واسط ها، سخت افزار و ...) - هزینه تصحیح هر خطای و نقص ثبت شده - شمارش و رتبه بندی تعداد خطاها و نقص های هر دسته به صورت نزولی - هزینه کلی خطاها و نقص های هر دسته محاسبه شود - داده های حاصل تحلیل شود تا دسته های پرهزینه برای سازمان کشف شوند - برنامه ریزی ها برای اصلاح فرآیند با هدف حذف یا کاهش تعداد دسته های پرهزینه

معیارهای پروژه ای:اهداف راهبردی هدف: 1- کمینه سازی زمانبندی ساخت با هدف اجتناب از تاخیرها و ریسکها 2- ارزیابی کیفیت محصول بر پایه پیشرفت کار معیارها: - برآورد اولیه زمان و هزینه - آهنگ تولید بر حسب تعداد صفحات مستندات - تلاش/زمان برای هر وظیفه -زمانبندی قبلی در مقایسه با زمان حقیقی - مقدار کدی که ارائه می شود

معیارهای محصول (نرم افزار) هدف : افزایش کیفیت نرم افزار معیارها: 1- پیچیدگی طراحی: پیچیدگی الگوریتم ها پیچیدگی معماری پیچیدگی جریان دادها 2- اندازه گیری کد (حجم و پیچیدگی)