【公眾號@ “專案管理研究所” 將會第一時間更新文章并分享《行業分析報告》】
歸檔于軟體專案管理初級學習路線
第六章 軟體專案成本計劃
《初級學習路線合集 》
前言
大家好，這節我們學習軟體專案管理---引數估演算法，重點介紹COCOMO模型，
一、引數估演算法——定義
引數估算也稱為模型估算，是根據專案資料集合出來的模型，代碼行，人數，時間，工時等都是專案資料，
所以引數估算模型是通過統計技術得出的數學模型，然后根據這個模型估算軟體專案的規模或者成本，引數模型是基于歷史專案資料，專案型別不同，專案環境不同，專案資料也就不同，資料不同得出的模型也就不同，
有很多組織根據自己的研究物件得出不同的估算模型，
例如：這些模型的輸入是代碼行（LOC）
這些模型的輸入是功能點（FP）
盡管模型各不相同，但是有基本相似的公式模式，如圖所示：
接下來我們通過研究2個模型來了解引數模型的思路，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根據63套專案資料，回歸分析得出的，
其中E = 5.2 * 代碼行的0.91次冪，表示代碼行與作業量的關系，
其中D = 4.1 * 代碼行的0.36次冪， 代表代碼行與專案進度的關系，
其中最后一個模型公式，既檔案頁數 = 49 * 代碼行的1.01次冪 ，
便知道我們不能隨便照抄別人的模型，因為不同的企業團隊要求不同，檔案頁數肯定也不同，所以應該采用適合自己專案的模型，
下面我們舉個例子：某專案采用JAVA語言來完成，估計有366個功能點，根據自己定義的該專案 代碼行與功能點的關系，
既 L（代碼行）等于366 * 46 約等于16.386K代碼行，則根據模型估算公式 E（作業量）等于66人月，DOC（檔案頁數）約等于826頁，
三、COCOMO模型
COCOMO模型既結構化成本模型，是目前應用最廣泛的引數型軟體成本估計模型，最初是由Boehm在1981年提出的，稱為COCOMO 81模型，他是通過60多套專案資料分析得出的模型，20世紀90年代中期，隨著軟體工程技術的發展，又提出了COCOMO II模型，
COCOMO模型基本原理如下圖所示：
COCOMO模型分為三個級別：基本COCOMO模型，中等COCOMO模型，高級COCOMO模型，
級別不同，估算的精度也不同，
針對每個級別的模型又分為三個專案型別：既有機型，嵌入式型，半嵌入式型或者叫半有機型，
先介紹COCOMO 81的三個級別模型，
- 基本COCOMO模型是靜態單變數模型，不考慮任何成本驅動，適合在開發的初始階段，專案的相關資訊很少，只適合粗略的技術估算，
- 中等COCOMO模型是在專案的需求確定以后，對專案有所了解之后使用，在基本模型的基礎上通過產品，平臺，人員，專案等方面的屬性影響因素來調整作業量的估算，估算精度提高了，
- 高級COCOMO模型是在設計完成后使用，考慮開發不同階段，影響因素的不同影響，對專案進行精確化的估算，一但軟體的各個模塊都已經確定，估算者就可以使用高級COOMO模型，所以他的估算精度是最高的，
針對上面的每個模型，將專案分為三種型別，有機型，嵌入式，半嵌入式或者叫半有機型，
-
有機型專案是最常規簡單的專案型別，例如各種網站專案，資訊化系統等等，相對較小，較簡單的軟體專案，開發人員對開發專案等目標理解比較充分，與軟體系統相關的作業經驗比較豐富，對軟體的使用環境比較熟悉，受硬體的約束比較小，程式的規模不是很大，
-
嵌入式專案型別，他主要是各類系統程式，例如實時處理，控制系統等等，通常與某種硬體設備緊密結合在一起，對介面，資料結構，演算法的要求比較高，軟體規模任意，例如航天用的控制系統，大型指揮系統等等，
-
半嵌入式專案型別，他是介于上述兩種軟體之間，規模和復雜度都屬于中等或者更高，例如編譯器，連接器，分析器等等，
這是基本COCOMO-81模型公式：E=a * (KLOC)的b次冪，
a和b的取值與專案型別有關，如下圖是不同專案型別的系數表：
下面舉一個33.3k代碼行的軟體開發專案例子：最后得出的結果也就是專案規模是152人月，
我們再看中等COCOMO-81模型，他是對基本模型的調整，在基本模型的基礎上再乘以 乘法因子，乘法因子是根據成本驅動屬性得來的，其中a,b才是根據不同專案型別有不同取值，
中等COOCMO-81模型關鍵是乘法因子，它來自于成本驅動屬性，分4個大類，分別是產品屬性，平臺屬性，人員屬性，程序屬性，
這四個大類又細分為15個驅動因子，例如產品屬性有3個因子，可靠性，資訊量，復雜性，每個驅動因子的取值范圍有很低，低，正常，高，非常高，極高級別，
例如產品復雜性驅動因子很低的取值為0.7，非常高的取值為1.30，既復雜性越高取值越大，
我們再看分析員能力這個驅動因子，非常低是為1.46，非常高是為0.71，既能力越高取值越低 ，
乘法因子等于這15個驅動因子取值后相乘，如果大于1說明作業量往高調整，小于1說明作業量往低調整，
我們繼續看一個33.3k代碼行的軟體開發專案例子：采用中等CoCoMo模型計算專案規模，乘法因子根據15個驅動因子取值相乘后得出1.09，代入公式得出專案規模成本為166人月，
對比前面的基本模型，估算值有了一定的調整，因為我們對專案的產品，人員，平臺，程序有了更細的了解，
我們再看高級COCOMO模型，他比前面兩個模型的精度又提高了，主要體現在兩個方面，第一個方面是針對不同的子系統采用的不同的模型估算，另外一方面是針對模型屬性進行更加細化的調整，
15個因子，每個因子在不同的階段影響不同，取值不同，例如應用經驗AEXP這個驅動因子，在開發的不同階段，其作用是不同的，影響最大的階段是需求階段，設計階段榷訓了，
那么針對每個等級，這個驅動因子在不同階段取值是不同的，例如對于非常低的級別，需求和產品設計階段的取值為1.40，在詳細設計階段的取值為1.30，編碼和測驗階段的取值為1.25，因此提高了估算的精度，但是實踐中實施起來會比較麻煩，
四、COCOMO II
COCOMO II是95年左右，Ｂoehm在81模型的基礎上，結合了軟體工程技術的發展提出來的，
COCOMO II模型也分為3個等級，應用組裝模型，早期設計模型，后體系結構模型，他們分別適合規劃階段，設計階段，開發階段使用，
應用組裝模型適合原型構造或者復用構件組合專案時采用，他基于應用點或者稱為物件點 除以一個標準的應用點的生產率，應用點數量的估算可以是顯示的螢屏數、網頁數、報表數量、程式模塊數量等等，
如下圖所示 公式為：作業量 = NAP * （1-復用代碼量的百分比）/ PROD
早期設計模型適用于專案的初期，需求已經確定，在系統設計的初始階段只設計了基本的軟體結構，還沒有對體系結構進行詳細的設計，這一階段的主要任務是簡單、快速的完成一個大概的成本估算，
那么公式如下圖所示：其中PM是作業量，A是常數，S是代碼行的規模，E是指數比例因子，B可以校準（目前暫定為B=0.91），SF是指數驅動因子，
指數比例因子的效果是對規模較大的專案，預計的作業量將增加，那么EM是作業量系數，
因此軟體開發作業量需要代碼量行數的非線性函式，既基于可用代碼行以及5個規模指數因子，7個作業量乘數因子，
計算指數比例因子最重要的依據是驅動因子和作業量系數，5個指數驅動因子屬性和取值如表所示：
事實上對于一個專案而言，這些屬性的缺乏將不成比例的增加更多的作業量，它分為很低、低、正常、高、很高、極高等級別，
早期設計的作業量系數有7個，這些系數可以評定為非常低、很低、低、正常、高、很高、極高等級別，
我們再來看COCOMO II的后體系結構模型，我們看一下公式，那么該模型與早期設計模型基本是一致的，不同之處在于作業量系數不同，
Ｂoehm講后體系結構模型中的作業量系數化成產品因素，人員因素，專案因素，平臺因素四個大類，共17個屬性的驅動因子，
與COCOMO-81模型的15個驅動因子相比，COCOMO II模型的后體系結構模型增加了一些軟體工程發展中的一些因素，同時也洗掉了一些因素，
復用模型
另外，如果需要估計復用代碼或者已生成代碼所需作業量，可以采用復用模型，公式如下：
計算出等價代碼行（ESLOC）后，ESLOC可以作為代碼行的輸入，采用早期設計模型或者后體系設計模型來估算作業量，
總結
總之 引數模型是根據專案資料進行分析，基本上是進行回歸分析，從而得出回歸模型作為引數模型，
這個引數模型可以是線性的，也可以是非線性的，相當于是監督學習的回歸分析方法，例如線性回歸，多項式回歸，邏輯回歸，神經網路，集成方法等...
例如這是某專案的一些資料：
通過線性回歸分析，計算出引數模型，根據這個模型可以進行此類專案的估算，
那么這是另外一類的專案資料，我們采用神經網路演算法進行模型估算，
這是對專案資料進行數字化和歸一化的結果，
我們采用三層的BP神經網路建模，
通過隱層節點的數目，網路學習率，隱層和輸出層激活函式的分析研究，可以確定網路權值和閾值的變化量，從而確認了引數模型，
這是模型應用的誤差圖示，誤差率在可以接受的范圍之內，
總之引數模型方法需要具有良好的專案資料為基礎，存在成熟的專案估算模型，特點是比較簡單,而且也比較準確，如果模型選擇不當或者資料不準,也會導致偏差，
到這里，第六章 第七節引數估演算法就講解完畢了！下一節介紹專家估演算法~
如果您覺得這篇文章有幫助到您的的話不妨點贊支持一下喲~~??
后續將持續更新【軟體專案管理初級學習路線】的全知識點，大家感興趣的多多關注博主喲~
————————————————
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/498937.html
標籤：其他