Усовершенствование модели оценки нефункциональных требований, классифицирующей диапазоны одинакового размера с помощью алгоритма k-ближайших соседей
https://doi.org/10.15514/ISPRAS-2023-35(6)-2
Аннотация
Любой проект разработки программного обеспечения должен оценивать нефункциональные требования. Обычно для таких оценок руководители разработок программного обеспечения вынуждены обращаться к экспертам. Сегодня не существует стандартизированных программных инструментов для оценки нефункциональных требований, поэтому большинство моделей оценки сосредоточены на изучении функциональных требований пользователя и не учитывают нефункциональных, хотя оба эти термина часто являются субъективными. Целью этой статьи было показать, как, применяя нечеткую логику и алгоритм k-ближайших соседей, в мексиканской компании для решения некоторой конкретной проблемы была построена модель оценки нефункциональных требований, учитывающая указанную субъективность терминологии. Предложенная модель использовала базы данных реальных проектов этой частной мексиканской компании.
Об авторах
Франсиско ВАЛЬДЕС-СОУТО
Национальный автономный университет Мексики
Мексика
Мексика
Имеет докторскую степень в области инженерии программного обеспечения по специальности “Измерение и оценка программного обеспечения” в Высшей технологической школе (ETS) в Канаде, две магистерские степени в Мексике и Франции. Президент COSMIC. Доцент факультета наук Национального автономного университета Мексики. Основатель Мексиканской ассоциации метрик программного обеспечения (AMMS). Более 25 лет опыта в разработке критически важного программного обеспечения. К настоящему времени опубликовал более 50 научных работ, включая статьи в индексированных журналах, трудах научных конференций, книгах и главах книг. Является главным промоутером проекта изучения формальных метрик программного обеспечения в Мексике, продвигая COSMIC (ISO/IEC 19761) в качестве национального стандарта. Член Национальной системы исследователей (SNI). Область научных интересов: измерение и оценка программного обеспечения, применяемого для управления проектами программного обеспечения, управление тематикой, производительностью и экономикой разработок программного обеспечения.
Хорхе ВАЛЕРИАНО-АССЕМ
SPINGERE
Мексика
Мексика
Магистр компьютерных наук и инженерии в Национальном автономном университете Мексики, специалист-консультант по формальному измерению и оценке программного обеспечения с 2016 года. Сфера научных интересов: метрики программного обеспечения (COSMIC), модели оценки программного обеспечения, модели валидации программного обеспечения, оценка функциональных и нефункциональных требований, оценка эффективности проектов разработки программного обеспечения на основе метрик программного обеспечения, оценка качества программных продуктов.
Даниэль ТОРРЕС-РОБЛЕДО
Национальный автономный университет Мексики
Мексика
Мексика
Магистрант Исследовательского института в области прикладной математики и систем, имеет ученую степень по программированию от научного факультета Национального автономного университета Мексики.
Список литературы
1. O. Fedotova, L. Teixeira, A.H. Alvelos, Software effort estimation with multiple linear regression: Review and practical application, J. Inf. Sci. Eng. 29 (2013) 925–945.
2. T.K. Lee, K.T. Wei, A.A.A. Ghani, Systematic literature review on effort estimation for Open Sources (OSS) web application development, in: FTC 2016 - Proc. Futur. Technol. Conf., IEEE, San Francisco, California, USA, 2016: pp. 1158–1167. https://doi.org/10.1109/FTC.2016.7821748.
3. P. Sharma, J. Singh, Systematic literature review on software effort estimation using machine learning approaches, in: Proc. - 2017 Int. Conf. Next Gener. Comput. Inf. Syst. ICNGCIS 2017, IEEE, Jammu, India, 2018: pp. 54–57. https://doi.org/10.1109/ICNGCIS.2017.33.
4. C.E. Carbonera, K. Farias, V. Bischoff, Software development effort estimation: A systematic mapping study, IET Res. Journals. 14 (2020) 1–14. https://doi.org/10.1049/iet-sen.2018.5334.
5. R. Silhavy, Z. Prokopova, P. Silhavy, Algorithmic optimization method for effort estimation, Program. Comput. Softw. 42 (2016) 161–166. https://doi.org/10.1134/S0361768816030087.
6. M. Durán, R. Juárez-Ramírez, S. Jiménez, C. Tona, User Story Estimation Based on the Complexity Decomposition Using Bayesian Networks, Program. Comput. Softw. 46 (2020) 569–583. https://doi.org/10.1134/S0361768820080095.
7. M. Jørgensen, M. Shepperd, A systematic review of software development cost estimation studies, IEEE Trans. Softw. Eng. 33 (2007) 33–53. https://doi.org/10.1109/TSE.2007.256943.
8. A. Abran, Software Project Estimation: The Fundamentals for Providing High Quality Information to Decision Makers, 1st ed., John Wiley & Sons, 2015.
9. S. Bilgaiyan, S. Sagnika, S. Mishra, M. Das, A systematic review on software cost estimation in Agile Software Development, J. Eng. Sci. Technol. Rev. 10 (2017) 51–64. https://doi.org/10.25103/jestr.104.08.
10. R. Britto, V. Freitas, E. Mendes, M. Usman, Effort estimation in global software development: A systematic literature review, Proc. - 2014 IEEE 9th Int. Conf. Glob. Softw. Eng. ICGSE 2014. (2014) 135–144. https://doi.org/10.1109/ICGSE.2014.11.
11. F. Valdés-Souto, Validation of supplier estimates using cosmic method, CEURInternational Work. Softw. Meas. Int. Conf. Softw. Process Prod. Meas. (IWSM Mensura 2019). 2476 (2019) 15–30.
12. F. Valdés-Souto, L. Naranjo-Albarrán, Improving the Software Estimation Models Based on Functional Size through Validation of the Assumptions behind the Linear Regression and the Use of the Confidence Intervals When the Reference Database Presents a Wedge-Shape Form, Program. Comput. Softw. 47 (2021) 673–693. https://doi.org/10.1134/S0361768821080259.
13. ISO/IEC, ISO/IEC 14143-1:2007 Information technology — Software measurement — Functional size measurement, (2007) 6. https://www.iso.org/standard/38931.html.
14. S. Silva, M. Cortes, Use of Non-functional Requirements in Software Effort Estimation: Systematic Review and Experimental Results, Proc. - 2017 5th Int. Conf. Softw. Eng. Res. Innov. CONISOFT 2017. 2018-January (2018) 1–9. https://doi.org/10.1109/CONISOFT.2017.00008.
15. European Cooperation for Space Standardization, Space Engineering: Software- Part 1 Principles and Requirements, (2005).
16. Common Software Measurement International Consortium, Guideline on Non-Functional & Project Requirements, (2015).
17. F. Valdés-Souto, A.S. Núñez-varela, H.G. Pérez-gonzález, Evaluating the software quality non-functional requirement through a fuzzy logic- based model based on the ISO / IEC 25000 ( SQuaRE ) standard, in: 2019 7th Int. Conf. Softw. Eng. Res. Innov., Conference Publishing Services (CPS), México, CDMX, 2019: pp. 16–25. https://doi.org/10.1109/CONISOFT.2019.00014.
18. L. Buglione, The Next Frontier: Measuring and Evaluating Non-Functional Productivity, Metr. Views, IFPUG Newsl. 6 (2012) 11–14. http://www.ifpug.org/Metric Views/MVBuglione.pdf.
19. Project Management Institute, A Guide to the Project Management Body of Knowledge, PMBOK, 5th ed., Project Management Institute, 2013.
20. C. Tichenor, A new software metric to complement function points: The software non-functional assessment process (SNAP), CrossTalk. 26 (2013) 21–26.
21. A. Abran, IEEE 2430 Non-Functional Sizing Measurements: A Numerical Placebo, IEEE Softw. 38 (2020) 113–120. https://doi.org/10.1109/MS.2020.3028061.
22. P. Lago, P. Avgeriou, R. Hilliard, guest editors’ introduction Software Architecture: IEEE Softw. (2010) 20–24.
23. Y. Saito, A. Monden, K. Matsumoto, Evaluation of non-functional requirements in a request for proposal (RFP), in: Proc. 2012 Jt. Conf. 22nd Int. Work. Softw. Meas. 2012 7th Int. Conf. Softw. Process Prod. Meas. IWSM-MENSURA 2012, IEEE, 2012: pp. 106–111. https://doi.org/10.1109/IWSM-MENSURA.2012.23.
24. L. Chung, B. Nixon, E. Yu, J. Mylopoulos, Non-functional Requirements in Software Engineering, Kluwer Academic Publishing, 2000.
25. C. Jones, Estimating Software Costs: Bringing Realism to Estimating, Second, McGraw-Hill Companies, Inc., New York, N.Y., 2007.
26. F. Valdés-Souto, A. Abran, Industry Case Studies of Estimation Models Using Fuzzy Sets, in: Reiner Dumke (Ed.), Softw. Process Prod. Meas. Int. Conf. IWSM-Mensura 2007, UIB-Universitat de les Illes Baleares, Illes Baleares, Spain, 2007: pp. 87–101.
27. F. Valdés-Souto, A. Abran, Case Study: COSMIC Approximate Sizing Approach Without Using Historical Data, in: Jt. Conf. 22nd Int. Work. Softw. Meas. 2012 Seventh Int. Conf. Softw. Process Prod. Meas., IEEE, Assisi, Italy, 2012: pp. 178–189. https://doi.org/10.1109/IWSM-MENSURA.2012.34.
28. F. Valdés-Souto, A. Abran, COSMIC Approximate Sizing Using a Fuzzy Logic Approach: A Quantitative Case Study with Industry Data, in: F. Vogelezang, M. Daneva (Eds.), 2014 Jt. Conf. Int. Work. Softw. Meas. Int. Conf. Softw. Process Prod. Meas., Conference Publishing Services (CPS), Rotterdam (Netherlands), 2014: pp. 282–292. https://doi.org/10.1109/IWSM.Mensura.2014.44.
29. F.V. Souto, A. Abran, Improving the COSMIC approximate sizing using the fuzzy logic EPCU model, 2015. https://doi.org/10.1007/978-3-319-24285-9_13.
30. F. Valdés-Souto, A. Abran, Comparing the Estimation Performance of the EPCU Model with the Expert Judgment Estimation Approach Using Data from Industry, in: R. Lee (Ed.), Softw. Eng. Res. Manag. Appl. 2010, Springer-Verlag, Berlin, 2010: pp. 227–240.
31. F. Valdés-Souto, Design of a Fuzzy Logic Software Estimation Process, École De Technologie Supérieure, Université Du Québec, 2011.
32. Jacob Goldberger, Sam Roweis, Geoff Hinton, Ruslan Salakhutdinov, Neighbourhood components analysis, Adv. Neural Inf. Process. Syst. 17 (2005) 513–520.
33. T. Seidl, Nearest Neighbor Classification, Encycl. Database Syst. (2009). https://doi.org/https://doi.org/10.1007/978-0-387-39940-9_561.
34. Scikit-Learn, 1.6. Nearest Neighbors, 2023. (n.d.). https://scikit-learn.org/stable/modules/neighbors.html#classification.
35. A. Abran, A. Lestherhuis, B. Reynolds, A. Sellami, H. Soubra, S. Trudel, F. Valdés-Souto, F. Vogelezang, Early Software Sizing with COSMIC: Experts Guide, 2020 (2020) 1–67. https://doi.org/10.13140/RG.2.1.4195.0567.
36. L. Lavazza, S. Morasca, Empirical evaluation and proposals for bands-based COSMIC early estimation methods, Inf. Softw. Technol. 109 (2019) 108–125. https://doi.org/10.1016/j.infsof.2019.02.002.
37. B.R. Per Runeson, Martin Host, Austen Rainer, Case Study Research in Software Engineering: Guidelines and Examples, John Wiley & Sons, Inc., 2012. https://doi.org/10.1002/9781118181034.
38. Fellir, F., Nafil, K., & Touahni, R. (2015). Analyzing the non-functional requirements to improve accuracy of software effort estimation through case-based reasoning. 2015 10th International Conference on Intelligent Systems: Theories and Applications (SITA). doi:10.1109/sita.2015.7358402.
39. van der Vliet, Eric & Nijland, René & Mols, Harry & Vries, Jelle & Poort, Eltjo & Vogelezang, Frank. (2017). A Shortcut to Estimating Non-Functional Requirements? Architecture Driven Estimation as the Key to Good Cost Predictions. 10.1145/3143434.3143440.
Рецензия
Для цитирования:
ВАЛЬДЕС-СОУТО Ф., ВАЛЕРИАНО-АССЕМ Х., ТОРРЕС-РОБЛЕДО Д. Усовершенствование модели оценки нефункциональных требований, классифицирующей диапазоны одинакового размера с помощью алгоритма k-ближайших соседей. Труды Института системного программирования РАН. 2023;35(6):29-42. https://doi.org/10.15514/ISPRAS-2023-35(6)-2
For citation:
VALDÉS-SOUTO F., VALERIANO-ASSEM J., TORRES-ROBLEDO D. Improving a Model for NFR Estimation Classifying Equal Size Bands with KNN. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2023;35(6):29-42. (In Russ.) https://doi.org/10.15514/ISPRAS-2023-35(6)-2
Послать статью по эл. почте 