軟件開(kāi)發(fā)COD引入缺陷預(yù)測(cè)模型的建立

來(lái)源：http://www.attrakmagnet.com/ 作者：余氯檢測(cè)儀 時(shí)間：2019-10-11

　　摘 要：本文論述了基于ACV-Average Competency Value和系統(tǒng)圈復(fù)雜度系數(shù)構(gòu)建COD階段缺陷預(yù)測(cè)模型的過(guò)程和思路，通過(guò)建立的預(yù)測(cè)模型軟件項(xiàng)目管理者可以預(yù)測(cè)預(yù)先設(shè)定的項(xiàng)目QCD目標(biāo)實(shí)現(xiàn)概率，提前預(yù)測(cè)風(fēng)險(xiǎn)并適時(shí)增強(qiáng)項(xiàng)目團(tuán)隊(duì)的開(kāi)發(fā)力量。
中國(guó)論文網(wǎng) /8/view-3801726.htm
　　關(guān) 鍵 詞：ACV；圈復(fù)雜度；缺陷預(yù)測(cè)模型
　　借鑒人力資本管理領(lǐng)域中關(guān)鍵能力項(xiàng)的統(tǒng)計(jì)學(xué)識(shí)別方法，我們識(shí)別出對(duì)于A業(yè)務(wù)方向嵌入式項(xiàng)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(fù)雜程度（圈復(fù)雜度）。從邏輯上分析，由于在車載導(dǎo)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(xiàng)目中，C語(yǔ)言技術(shù)&編碼的能力水平和軟件的復(fù)雜程度確實(shí)對(duì)于項(xiàng)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A(yù)CV-Average Competency Value及項(xiàng)目成員關(guān)鍵能力平均值，在我們此次車載導(dǎo)航軟件開(kāi)發(fā)研究的范圍內(nèi)關(guān)鍵能力項(xiàng)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(tǒng)設(shè)計(jì)）、PD（概要設(shè)計(jì)）、DD（詳細(xì)設(shè)計(jì)）、COD（編碼）、UT（單元測(cè)試）、IT（集成測(cè)試）、ST（系統(tǒng)測(cè)試）和QC階段。軟件項(xiàng)目的一個(gè)關(guān)鍵目標(biāo)就是質(zhì)量，ST階段的缺陷密度是項(xiàng)目質(zhì)量的關(guān)鍵度量項(xiàng)[1]。但是，在ST階段發(fā)現(xiàn)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(duì)相關(guān)數(shù)據(jù)進(jìn)行了敏感度分析，包括ST、COD和DD階段的缺陷引入對(duì)于項(xiàng)目的質(zhì)量目標(biāo)都有相當(dāng)?shù)挠绊憽?br>　　為了達(dá)成軟件開(kāi)發(fā)的質(zhì)量目標(biāo)，我們必須想辦法控制各階段引入的缺陷數(shù)量。從敏感度分析結(jié)果上看，COD階段的缺陷密度對(duì)于QC指標(biāo)的影響比較大，同時(shí)，如果能在ST階段更多地發(fā)現(xiàn)和處理實(shí)際已經(jīng)存在的軟件缺陷，QC目標(biāo)達(dá)成的可能性會(huì)大大增加。
　　各階段引入的缺陷數(shù)量也與軟件程序本身的復(fù)雜度有關(guān)，在軟件測(cè)試的概念里，圈復(fù)雜度用來(lái)衡量一個(gè)模塊判定結(jié)構(gòu)的復(fù)雜程度，數(shù)量上表現(xiàn)為獨(dú)立路徑條數(shù)，即合理的預(yù)防錯(cuò)誤所需測(cè)試的最少路徑條數(shù)，圈復(fù)雜度大則說(shuō)明代碼可能質(zhì)量低且難于測(cè)試和維護(hù)[3]。經(jīng)驗(yàn)表明：一般圈復(fù)雜度越高，Bug發(fā)生的可能性越高。
　　圈復(fù)雜度過(guò)高會(huì)造成下列問(wèn)題：
　　1.復(fù)用困難。代碼復(fù)雜度過(guò)高，說(shuō)明一個(gè)函數(shù)內(nèi)覆蓋的邏輯過(guò)多，程序耦合性（各個(gè)模塊之間接口的復(fù)雜度）較高，所以也不易于移植復(fù)用。
　　2.測(cè)試?yán)щy。圈復(fù)雜度代表路徑覆蓋的條數(shù)，即case數(shù)。所以，需要更多的測(cè)試才能覆蓋一個(gè)復(fù)雜度較高的程序。
　　3.易讀性差。代碼復(fù)雜度過(guò)高的程序不易于閱讀。
　　4.缺陷率高。一般復(fù)雜度越高，缺陷密度越高。代碼復(fù)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(jì)算兩段程序的圈復(fù)雜度。在Example 1中，while循環(huán)圈復(fù)雜度加1，if語(yǔ)句圈復(fù)雜度加1，每個(gè)&&語(yǔ)句圈復(fù)雜度加1，總體程序執(zhí)行圈復(fù)雜度加1，圈復(fù)雜度總和為5。在Example 2中，if語(yǔ)句圈復(fù)雜度加1，else語(yǔ)句圈復(fù)雜度加1，總體程序執(zhí)行圈復(fù)雜度加1，圈復(fù)雜度總和為3。這種方法的基本計(jì)算原則是：程序中出現(xiàn)下列關(guān)鍵字的次數(shù)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(fù)雜度計(jì)算方法，另外一種計(jì)算方法是利用有向圖理論（Sequense）計(jì)算由一段代碼演化來(lái)的有向圖中線性獨(dú)立的路徑的個(gè)數(shù)，來(lái)得出圈復(fù)雜度的數(shù)值。
　　圈復(fù)雜度=E-N+2 （1）
　　其中，E：程序流程有向圖中邊的個(gè)數(shù)；N：程序流程有向圖中節(jié)點(diǎn)的個(gè)數(shù)。
　　目前可以使用的計(jì)算圈復(fù)雜度工具有：
　　1.JAVA平臺(tái)：PMD靜態(tài)分析源代碼工具（付費(fèi)）、JavaNCSS（開(kāi)源）、CheckStyle（付費(fèi)）；
　　2..NET平臺(tái)：FxCop（開(kāi)源）、NDepend（付費(fèi)）；
　　3.C/C++平臺(tái)：QAC（付費(fèi)）、Source Monitor（開(kāi)源）。
　　我們?cè)趯?shí)際的項(xiàng)目開(kāi)發(fā)中主要使用Source Monitor開(kāi)源工具，進(jìn)行函數(shù)圈復(fù)雜度研究和統(tǒng)計(jì)。
　　基于之前對(duì)于項(xiàng)目開(kāi)發(fā)者能力水平和軟件圈復(fù)雜度的研究，我們嘗試進(jìn)行數(shù)據(jù)收集分析并構(gòu)建COD階段引入缺陷密度、ACV（C語(yǔ)言技術(shù)&編碼）和圈復(fù)雜度之間的數(shù)學(xué)預(yù)測(cè)模型。
　　基于ACV和圈復(fù)雜度建立COD引入缺陷模型構(gòu)建的目標(biāo)如下：
　　1.在項(xiàng)目策劃或者COD階段活動(dòng)之前，項(xiàng)目經(jīng)理參考此模型調(diào)配項(xiàng)目組成員、安排項(xiàng)目級(jí)培訓(xùn)，策劃在設(shè)計(jì)階段控制圈復(fù)雜度，并基于此進(jìn)行程序設(shè)計(jì)工作。
　　2.COD階段開(kāi)始后，項(xiàng)目管理人員可以根據(jù)代碼復(fù)雜度管理表中的相關(guān)要求進(jìn)行實(shí)際圈復(fù)雜度數(shù)據(jù)的收集，并利用此模型進(jìn)行預(yù)測(cè)，進(jìn)行COD過(guò)程中的動(dòng)態(tài)編碼控制，適當(dāng)降低系統(tǒng)和程序文件的圈復(fù)雜度。
　　基于上述的研究目標(biāo)進(jìn)行了建模方法的研究，確定了相應(yīng)的預(yù)測(cè)前提和思路。
　　1.通過(guò)對(duì)動(dòng)態(tài)PPM中數(shù)據(jù)的敏感度計(jì)算結(jié)果，COD階段的引入缺陷數(shù)對(duì)項(xiàng)目質(zhì)量的敏感度最大，對(duì)項(xiàng)目質(zhì)量目標(biāo)的達(dá)成有較大的影響。
　　2.同時(shí)根據(jù)相關(guān)專家前期對(duì)COD階段引入缺陷數(shù)及相關(guān)因素的相關(guān)性分析結(jié)論，COD階段引入缺陷數(shù)與代碼規(guī)模、圈復(fù)雜度、開(kāi)發(fā)人員職級(jí)平均值有較強(qiáng)的相關(guān)性。
　　3.基于上述結(jié)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(yù)測(cè)COD階段缺陷數(shù)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(yù)測(cè)模型。
　　在基礎(chǔ)數(shù)據(jù)收集方面，為了保證數(shù)據(jù)的同質(zhì)性，選擇同一業(yè)務(wù)線相關(guān)項(xiàng)目進(jìn)行分析，保證模型的針對(duì)性和有效性。實(shí)際選擇A業(yè)務(wù)線，基于2008年度至2010年度20余個(gè)項(xiàng)目數(shù)據(jù)進(jìn)行分析。 　　使用MiniTab 15.1軟件中的Pearson計(jì)算方法計(jì)算了上述相關(guān)數(shù)據(jù)的相關(guān)性，最終發(fā)現(xiàn)COD引入缺陷密度、項(xiàng)目平均圈復(fù)雜度和編碼&C能力均值有較強(qiáng)的相關(guān)性，而項(xiàng)目有效代碼行數(shù)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(tǒng)計(jì)分析結(jié)果，初步設(shè)定數(shù)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(xiàng)目平均圈復(fù)雜度；X2：ACV—項(xiàng)目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(xiàng)（編碼&C）的平均值。
　　在相關(guān)性分析的基礎(chǔ)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(xiàng)目平均圈復(fù)雜度X1和項(xiàng)目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(xiàng)（編碼&C）的平均值X2之間的數(shù)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(xiàng)目COD階段所有開(kāi)發(fā)人員的關(guān)鍵能力項(xiàng)（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(xiàng)目的總體質(zhì)量就會(huì)越好；
　　2.項(xiàng)目平均圈復(fù)雜度X1越小，COD階段引入的缺陷密度就越小，那么項(xiàng)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(jié)果。
　　利用上述模型我們可以在合適的項(xiàng)目中進(jìn)行應(yīng)用，比如我們可以在項(xiàng)目策劃階段就開(kāi)始使用模型，通過(guò)計(jì)算同類項(xiàng)目的平均圈復(fù)雜度、擬進(jìn)入項(xiàng)目組的開(kāi)發(fā)成員的C&編碼能力水平來(lái)對(duì)項(xiàng)目質(zhì)量進(jìn)行預(yù)測(cè)（COD階段引入缺陷密度）。
　　如果預(yù)測(cè)的項(xiàng)目質(zhì)量目標(biāo)沒(méi)有達(dá)到客戶和組織的要求，項(xiàng)目經(jīng)理可以根據(jù)情況調(diào)整項(xiàng)目組的成員，將在C&編碼能力方面具有更高水平的人員調(diào)入項(xiàng)目，以便減少在COD階段引入的缺陷數(shù)量，降低COD階段引入缺陷密度。同時(shí)，我們還可以在系統(tǒng)設(shè)計(jì)、概要設(shè)計(jì)和詳細(xì)設(shè)計(jì)階段不斷優(yōu)化軟件設(shè)計(jì)水平，通過(guò)降低程序圈復(fù)雜度的方式提升項(xiàng)目質(zhì)量，降低COD階段引入的缺陷數(shù)量和缺陷密度。
　　在COD階段開(kāi)始之前項(xiàng)目經(jīng)理或者技術(shù)總監(jiān)可以通過(guò)模型預(yù)測(cè)COD階段的缺陷密度，如果發(fā)現(xiàn)項(xiàng)目質(zhì)量存在高風(fēng)險(xiǎn)的問(wèn)題可以提前采取措施進(jìn)行缺陷預(yù)防。
　　以上提到基于能力的項(xiàng)目質(zhì)量預(yù)測(cè)模型在車載導(dǎo)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(yīng)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(yù)測(cè)模型的建立和應(yīng)用，組織可以不斷定量分析、控制其質(zhì)量目標(biāo)的制定和達(dá)成。
　　參考文獻(xiàn)
　　[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(nèi)容供參考，如有侵權(quán)，請(qǐng)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(jì))、在線濁度儀、余氯儀、余氯分析儀、工業(yè)在線pH計(jì)、cod測(cè)定儀、pH計(jì)等多種水質(zhì)檢測(cè)儀，水質(zhì)分析儀，歡迎您前來(lái)選購(gòu)，豐臨科技竭誠(chéng)為您服務(wù)！