Presentasjon lastes. Vennligst vent

Presentasjon lastes. Vennligst vent

HiO - Kirsten Ribu 20051 Estimeringsmetoder. Kirsten Ribu.

Liknende presentasjoner


Presentasjon om: "HiO - Kirsten Ribu 20051 Estimeringsmetoder. Kirsten Ribu."— Utskrift av presentasjonen:

1 HiO - Kirsten Ribu Estimeringsmetoder. Kirsten Ribu

2 HiO - Kirsten Ribu I dag Estimeringsteknikker Ekspertestimering, estimering ved analogi, estimering ved bruk av algoritmer Prosjektplanen med akrivitetetsdiagram

3 HiO - Kirsten Ribu Kostnader og prisfastsettelse Man estimerer for å avdekke utviklingskostnadene ved å lage et datasystem Det er ikke nødvendigvis en relasjon mellom utviklingskostnader og den prisen kunden betaler Forretnings-, organisasjonsmessige, økonomiske hensyn og politikk virker inn på prisen

4 HiO - Kirsten Ribu Kostnadsestimering Ingen enkel oppgave: Tidlige estimater baserer seg på ufullstendig informasjon i kravspesifikasjonen Man må kanskje benytte ny teknologi Det kan være uerfarne folk i prosjektteamet Estimater kan være selvoppfyllende profetier: Estimatet bestemmer budsjettet - produktet justeres for å holde budsjettet

5 HiO - Kirsten Ribu Ulike estimeringsmetoder Telle antall kodelinjer Ekspertestimering Analogier Algoritmer - kostnadsmnodeller Funksjonspoengmetoden Use case poeng metoden

6 HiO - Kirsten Ribu Måling av programvare Størrelsen på systemet = størrelsen på hele prosjektet: Prosjektledelse Analyse, design, koding Testing Systemintegrasjon Størrelsen på prosjektet må måles og oversettes til et tall som representerer tidskostnader (effort) og prosjektets varighet

7 HiO - Kirsten Ribu ’Pricing-to-win’ Kostnadene = kundens budsjett En ikke uvanlig strategi Kan synes uetisk og lite profesjonelt Men det er fordeler: Kunde og leverandør må alltid forhandle om funksjonalitet innenfor visse kostnadsrammer Kostnader er den virkelige begrensningen, ikke kravspesifikasjonen, den kan justeres Et mindre firma/en nykommer i markedet kan bevisst underby andre for å få kontrakten

8 HiO - Kirsten Ribu Nye systemutviklingsmetoder/ teknologi gir nye utfordringer Det kan være store forskjeller på tidligere og framtidige prosjekter Mange prosjektledere kan ha problemer med å estimere nye prosjekter pga bla: objekt-orientert systemutvikling i motsetning til funksjonsorientert Klient/tjener systemer Bruk av ferdige komponenter i motsetning til å lage alt selv Gjenbruk vs. utvikling ’fra scratch’ CASE verktøy med kodegenerering

9 HiO - Kirsten Ribu Bruk av algoritmer Mest systematisk framgangsmåte Ikke nødvendigvis nøyaktig En algoritme lages ved å analysere kostnader og attributter på ferdige prosjekter En matematisk formel brukes for å forutsi kostnader basert på estimater av systemets størrelse, antall programmere, og ulike prosess- og produktfaktorer Er basert på empiriske observasjoner

10 HiO - Kirsten Ribu Størrelse på systemet Defineres som et sett interne attributter: Lengde, funksjonalitet og kompleksitet Kan måles uten å kjøre systemet: Lengde: Systemets fysiske størrelse, kan måles for spesifikasjonen, designet og koden Funksjonalitet måler funksjonene slik brukeren ser dem. Kompleksitet referer til både effektivitet og problemkompleksitet

11 HiO - Kirsten Ribu Bottom-up vs. Top-down Bottom-up estimering begynner med komponentene på laveste nivå, og det lages et estimat for hver del. Bottom-up tilnærmingen setter sammen estimering av enkelttdeler til høynivå estimater. Top-down estimering begynner med det overordnede produkt Estimater for enkeltdelene regnes ut som deler (prosenter) av estimatet for hele systemet.

12 HiO - Kirsten Ribu Prosentvis bottom-up estimering basert på empiri Prosjektledelse 20% Analyse: 15% Design:20% Koding:25% Testing 15% Systemintegrasjon 5% Totalt100%

13 HiO - Kirsten Ribu Ekspert-estimering Kostnadsoverslag gjøres av ’eksperter’ basert på tidligere erfaringer Kan resultere i ganske nøyaktige estimater, men det er helt avhengig av ekspertens erfaringsbakgrunn Expertbaserte teknikker er nyttige når man ikke har empiriske data Fordel: Metoden anvender kunnskap om forskjeller og likheter på tidligere prosjekter (erfaring). Ulempe: Estimatene er ikke bedre enn ekspertens vurderinger. De er ikke målbare, og er preget av enkeltpersoners holdninger og forventninger

14 HiO - Kirsten Ribu Analogi Analogi = en mer formell tilnærming til ekspertestimering Estimererne sammenligner det planlagte prosjektet med ett eller flere tidligere prosjekter Forskjeller og likheter brukes til å justere estimatet: Type applikasjon blir identifisert, et tidlig overslag gjøres, og justeres i henhold til prosjekterfaringer. Nøyaktighet er avhengig av at det finnes informasjon om tidligere prosjekter.

15 HiO - Kirsten Ribu Konklusjon Eksperiment av Amos Tversky og Daniel Kahneman (1974) Tilfeldig sammensetning av forsøkspersoner Resultat: Nåla stoppet på 65: Gjennomsnittssvar = 45% Nåla stoppet på 10: Gjennomsnittssvar = 25% Ankereffekten er blitt dokumentert i mange sammenhenger

16 HiO - Kirsten Ribu Algoritmer Kostnadsmodeller

17 HiO - Kirsten Ribu Kostmodeller (cost models) Algoritmer som relaterer et bestemt input til et bestemt output f.eks systemstørrelse til antall arbeidstimer Modellene frambringer estimater direkte Det finnes 2 typer modeller: Matematiske ligninger Oppslagstabeller

18 HiO - Kirsten Ribu Kostnadsdrivere Ligninger bruker systemstørrelse som input variabel og arbeidstid (effort) som output. I tillegg brukes ulike justeringsfaktorer = kostnadsdrivere (cost drivers). Disse påvirker produktiviteten Er ofte i form av en skala: (for eksempel som et mål på programmeringserfaring): Svært erfaren, erfaren, middels, lite, novise 1-5

19 HiO - Kirsten Ribu Fordeler og ulemper Fordeler: Kan brukes av ikke-eksperter Ulemper: Formelen må oppdateres for å ta høyde for endringer i system utviklingsmetoder. Modeller antar at fremtiden er lik fortiden Gir derfor resultater som passer på ’gjennomsnittsprosjekter’.

20 HiO - Kirsten Ribu Estimering med use cases Use case poeng metoden (Karners metode)

21 HiO - Kirsten Ribu Estimering basert på use cases Use case modellen beskriver funksjonaliteten til systemet Attributter ved use case modellen kan dermed brukes som et mål på størrelsen til systemet som skal lages Samme filosofi som funksjonspoengmetoden Størrelsesmålet brukes som input til et top-down estimat. Use case baserte estimater kan brukes sammen med ekspertvurderinger

22 HiO - Kirsten Ribu Eksempler: Prosjekt Ekspertestimat UC-estimat Faktisk tidsbruk Gode resultater på ulike prosjekter

23 HiO - Kirsten Ribu Oversikt over metoden: Identifiser, klassifiser og vekt aktører Identifiser, klassifiser og vekt use case Identifiser og vekt tekniske faktorer Identifiser og vekt omgivelsesfaktorer Konverter poeng til arbeidstimer Kalkuler justerte poeng

24 HiO - Kirsten Ribu Enkel aktør: Programgrensesnitt Medium aktør: Interaktivt grensesnitt eller protokolldrevet grensesnitt (f.eks TCP/IP) Kompleks aktør: Grafisk brukergrensesnitt (person) Framgangsmåte 1. Tell aktører og definer kompleksitet:

25 HiO - Kirsten Ribu Use case poeng metoden Aktørbeskrivelse AktørtypeBeskrivelseFaktor EnkelProgram-grensesnitt1 MiddelsInteraktivt grensesnitt2 KompleksGrafisk brukergrensesnitt3

26 HiO - Kirsten Ribu Use case kompleksitet Use caseBeskrivelseFaktor Enkel3 eller færre transaksjoner 5 Middels4 til 7 transaksjoner 10 KompleksMer enn 7 transaksjoner 15

27 HiO - Kirsten Ribu Spørreskjemageneratoren 3 aktører: 1 eksternt system = enkel 2 personer = komplekse

28 HiO - Kirsten Ribu UC ’Generer spørreskjema’: >8 transaksjoner = komplekst

29 HiO - Kirsten Ribu Summen av antall use case* kompleksitetsfaktor UUCW (unadjusted use case weights) + Summen av antall aktører*kompleksitetsfaktor UAW (unadjusted actor weights) = UUCP (unadjusted use case points) Antallet use case poeng ganges med en justeringsfaktor = (omgivelsesfaktor) Legg sammen

30 HiO - Kirsten Ribu Tekniske faktorer og omgivelsefaktorer n Opprinnelig: 13 tekniske faktorer n Kan antakelig utelates. n Dette forskes det på. n 8 omgivelsesfaktorer – ytre påvirkning som har innflytelse på tidsbruken

31 HiO - Kirsten Ribu Omgivelsesfaktorer F1 Erfaring med RUP/ anvendt prosessmodell F2 Team-erfaring med tilsvarende applikasjon F3 Team-erfaring med objekt-orientering/ UML modellering F4 Prosjektleders kompetanse F5 Team-motivasjon F6 Stabile krav/domenekunnskap F7 Ustabile ressurser (deltidsansatte, ikke tilgjengelige ressuser) F8 Ukjent programmeringsspråk/ ny teknologi

32 HiO - Kirsten Ribu Omgivelsesfaktorene påvirker antall timer pr use case poeng Erfaring viser at timer pr use case poeng i større prosjekter varierer mellom 20 og 36 Studentprosjekter: 2-3 timer pr ucp Beregn timeforbruk per use case poeng:

33 HiO - Kirsten Ribu Use case poeng totalt Eksempel: Regneark

34 HiO - Kirsten Ribu Neste gang Testing (Validering og verifisering) kvalitetssikring Gurholt & Hasle kapittel 14 Ukeoppgave: lag et estimat for systemet ditt utfra de use casene du har spesifisert. Bruk malen/regnearket. Omgivelsesfaktorene må bestemmes ved gjetning.


Laste ned ppt "HiO - Kirsten Ribu 20051 Estimeringsmetoder. Kirsten Ribu."

Liknende presentasjoner


Annonser fra Google