Upload
hoanglien
View
226
Download
0
Embed Size (px)
Citation preview
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Estimación del esfuerzo de desarrollo de software
Contenido General
1) Introducción2) Técnicas de estimación3) Caso de estudio4) Conclusiones5) Recomendaciones
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
1) Introducción
Fecha: Del 7 al 11 de octubre de 1968 en Garmisch, Alemania
Organizador: Comité de Ciencia de la Organización del Tratado del Atlántico Norte (OTAN)
Asistentes: Poco más de medio centenar de personas provenientes de la industria, academia y gobierno de once países.
Finalidad: Discutir diversos problemas relacionados con el desarrollo de software.
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Uno de los problemas tratados durante esta reunión fue la dificultad para cumplir con los planes de proyectos de software.
Una actividad previa a la planeación es la estimación del esfuerzo de desarrollo de software, que incluso ha sido considerada como uno de los tres grandes desafíos de la ciencia computacional
Además de la planeación y control del proyecto, las técnicas de estimación se usan dentro de las empresas para la presupuestación, administración de riesgos y el análisis de mejoramiento de inversión.
1) Introducción
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
1.1 Estimación del software
Diversos rubros pueden ser estimados dentro del ámbito de la estimación de proyectos de software:
1. Tamaño (líneas de código o puntos de función)
2. Esfuerzo (en minutos, días, semanas o meses-persona)
3. Costos (en pesos o dólares)4. Duración (tiempo calendario en
meses)5. Recursos de computadora6. Personal (número)7. Calidad (defectos)
1) Introducción
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
1) Introducción
1.2 Estimación del esfuerzo de desarrollo de software
El software es especialmente difícil de estimar por lo siguiente:
1. Los requerimientos son difíciles de establecer con precisión;
2. El producto es esencialmente invisible hasta que éste haya sido finalizado;
3. El producto es difícil de medir (por su naturaleza intangible);
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
1.2 Estimación del esfuerzo de desarrollo de software
El proceso de estimación del esfuerzo de desarrollo consiste en actividades específicas:
1. Obtención de datos a partir de proyectos anteriores;
2. Generación de modelos de estimación;
3. Verificación y validación de modelos con base en su precisión.
1) Introducción
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Diversas técnicas de estimación han sido propuestas e investigadas durante los pasados 30 años. Las investigaciones están dirigidas a
1) Determinar cual técnica tiene la mayor precisión para predecir el esfuerzo
2) Proponer nuevas o combinadas técnicas que pudieran proveer mejores estimaciones.
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
En general, las técnicas pueden encontrarse dentro de las siguientes tres categorías
2) Técnicas para la estimación del esfuerzo de desarrollo de software
2.1 Juicio Experto
Técnica ampliamente utilizada para derivar estimaciones basadas en la pericia de expertos en proyectos similares.
El significado de derivar una estimación de este tipo no es explícita y por lo tanto no es repetible.
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
2.1 Juicio Experto
Aunque la estimación experta es comúnmente usada, es probable que no sea por su precisión; de hecho, parece ser tan imprecisa como el uso de modelos formales.
Puede ser especialmente útil y frecuentemente la única opción para compañías con ya sea deficiente experiencia documentada de proyectos desarrollados o bien por tener recursos limitados para el proceso de estimación.
El término estimación experta no está claro y cubre un amplio rango de enfoques de estimación. Una característica común es, sin embargo, que los procesos intuitivos constituyen la mayor parte de la estimación.
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
2.2 Modelos Algorítmicos
intentan representar la relación entre el esfuerzo y una o más características del proyecto.
El principal conductor de costo en tales modelos es usualmente tomado del tamaño del software.
Su forma general es una ecuación de regresión lineal o no lineal:
E = a + b(X)
E = a (X)b
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
2.3 Aprendizaje de Máquina
Estas técnicas han sido usadas en años recientes como complemento o alternativa al juicio experto y modelos algorítmicos. Entre estos aparecen:
1) Redes neuronales artificiales
2) Razonamiento basado en casos (la estimación por analogía es untipo de éste)
3) Programación genética
4) Lógica difusa
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
2.4 Comparación de técnicas
La estimación se puede ver desde tres perspectivas diferentes:
(1) El problema de estimación (¿qué etapa del proceso se estimará: desarrollo, mantenimiento, etc.
(2) El problema particular (¿qué producto se estimará?) y
(3) La técnica de estimación a usar dentro de las tres mencionadas categorías generales.
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
2.4 Comparación de técnicas
Algunos investigadores han encontrado que la estimación por analogía genera mejores resultados que la regresión estadística, mientras que otros han reportado resultados opuestos.
Por lo tanto, ningún método o modelo debería preferirse sobre los otros.
La clave está entonces en usar una variedad de técnica y luego investigar las razones del por qué las estimaciones provistas por una, podrían diferir significativamente de aquellas provistas por otra.
2) Técnicas para la estimación del esfuerzo de desarrollo de software
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
“En lógica difusa todo, incluyendo la verdad, es un asunto de grado “
Pedrycz W., Gomide F. An Introduction to Fuzzy Sets.
The MIT Press. 1998
Desde su origen por Zadeh en 1965, la lógica difusa ha sido objeto de importantes investigaciones: robótica, medicina y procesamiento de imágenes.
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Una desventaja en los modelos estadísticos es la forma por la que ellos disminuyen la comprensión de cómo son añadidas las variables, interacciones y transformaciones.
Este problema puede ser al menos parcialmente superado con el uso de la lógica difusa, la cual fue desarrollada por la insatisfacción de la lógica clásica de todo o nada.
La afirmación central subyacente de este enfoque difuso es que las entidades en el mundo real simplemente no pertenecen a una sola categoría. Por ejemplo, un proyecto no es solo pequeño, mediano o grande, sino podría de hecho ser un gran proyecto en su mayoría, pero también mediano en su minoría.
Esto puede ser representado con un grado de pertenencia en una categoría lingüística particular.
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Todas las técnicas de estimación tienen una característica importante: el software es descrito usando datos categóricos (en escala nominal u ordinal) tales como pequeño, mediano, promedio o alto.
Un enfoque más comprensivo para tratar con valores lingüísticos es precisamente usando la teoría de la lógica difusa.
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
3.1 Conjuntos difusos
Un conjunto difuso es un conjunto con una función de membresía m en el intervalo real [0, 1].
Esta definición extiende aquella del conjunto clásico donde la función de membresía está en el par {0, 1}.
Los conjuntos difusos pueden ser efectivamente usados para representar valores lingüísticos tales como bajo, mediano o complejo.
La representación por un conjunto difuso tiene las siguientes ventajas: (1) Es más general (2) Imita la forma en la que la mente de los humanos interpretan los
valores lingüísticos y (3) La transición de un valor es más gradual que abrupto.
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
3.2 Reglas difusas
Con base en el conocimiento previo del comportamiento de los datos (correlación, por ejemplo), deben establecerse reglas difusas del tipo si-entonces, ejemplos:
Si (Tamaño del programa es Pequeño) entonces (Esfuerzo es Bajo)
Si (Tamaño del programa es Mediano) entonces (Esfuerzo es Promedio)
Si (Tamaño del programa es Grande) entonces (Esfuerzo es Alto)
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
3.3 Funciones de membresía
Existen diversos tipos de funciones de membresía. Los más utilizados dentro de la estimación del esfuerzo son del tipo triangular, gausiana y trapezoidal:
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
3.3.1 Función de membresía triangular
Función de tres puntos, definidos como valores mínimo (a), máximo (b) y un punto entre ambos (m), esto es, FM(a,m,b) donde a ≤ m ≤ b.
Sus parámetros escalares (a, m, b) se definen como sigue:
FM(x) = 0 si x < a FM(x) = 1 si x = mFM(x) = 0 si x > b
3) Lógica Difusa
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
1. Programas desarrollados con base en prácticas del Proceso de Software Personal
2. Población de 52 desarrolladores
3. Muestra de 37 desarrolladores
4. 105 programas de 30 desarrolladores para generar los modelos de regresión lineal simple, múltiple y difusos
5. Verificación de modelos
6. 20 programas de otro grupo de 7 desarrolladores para validar losmodelos de regresión lineal simple y difusos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Modelos de Procesos
CMMI
SDCE
SCAMPI
Bootstrap
Trillium
IPD-CMM
PSM
ISO 15939
SCE
ISO/IEC 15504
SW-CMM
People CMM
ISO/IEC 90003
SE-CMM
FAA- ICMM
SA-CMM
EFQM
SPICE
CBA IPI
EIA/IS 731
SECAM
EIA 632
ISO/IEC 15288
ISO 9000 Series
Q9000
TL9000
ISO/IEC 12207
IEEE/EIA 12207
MIL-STD 498
DOD-STD- 7935A
DOD-STD- 2168
DOD-STD- 2167A
J-STD- 016
RTCA DO-178B
PSP TSP
FAM
SSE- CMM
Baldrige
SAM
IEEE 1220
MIL-STD- 499B
MOPROSOFT
MPS Br
Sustituye a
Basado en
Usa/Referencia
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Capability Maturity Model
(CMM)
El CMM es relevante para México dado que las metas de crecimiento de la industria del software de nuestro paísse basan en niveles de madurez del CMM.
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Niveles organizacionales
CMM
TSP
PSP
Organización
Equipos
Personas
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
CMM-TSP-PSP
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Directrices Diseño
Código
Compilación
Pruebas
PM
Cuadernos
Resumen del Plan
Requerimientos
Guía
Producto Terminado
PlaneaciónPlan
Desarrollo
Datos del procesoy del proyecto
Proceso de Software Personal
TiempoDefectos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudioEstándares de codificación y cuantificación de código
Estándar de cuantificación de código
If a>b
Then a-b;
Else a+b;
If
a>b
then
Begin
a-b;
end
Else
Begin
a+b;
End;
Vs.
Estándar de codificación
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Sumario del Plan del Proyecto
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Cuaderno de registro de tiempos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Cuaderno de registro de defectos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudioClasificación de defectos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Lista de revisión de código
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Lista de revisión de diseño
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Siete programas fueron desarrollados por cada desarrollador.
Los criterios bajo los que se basa la muestra extraída son los siguientes:
a) Incluye solo aquellos programas del cuarto al séptimo (por tener prácticas iguales dentro del proceso de desarrollo, lo que del primero al tercero no sucede).
4.2 Recolección de datos para verificación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
b) Se excluyen programas muy pequeños (cuyo número de NyC se encuentre alejado, en desviaciones estándar, de la media del resto de los demás datos)
4.2 Recolección de datos para verificación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.2 Recolección de datos para verificación de modelos
c) Se excluyeron observaciones atípicas o de influencia cuando se haya encontrado la justificación para ello.
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.2 Recolección de datos para verificación de modelosDiagrama de dispersión de la muestra
Resumen de programas excluidos
Valor de la correlación de la muestra:
r = 0.72r2 = 0.52
⎥⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛=⎥
⎥⎦
⎤
⎢⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟⎟
⎠
⎞⎜⎜⎝
⎛=
⎥⎦
⎤⎢⎣
⎡⎟⎟⎠
⎞⎜⎜⎝
⎛=⎟
⎠⎞⎜
⎝⎛−⎥⎦
⎤⎢⎣⎡
= •
=
∑∑∑∑
∑∑∑
−−
=
22
12
112
1
1)1( 1
ini y
ini ynn
i xi
ni xn
ini y
ini y
ixn i
ni x
r
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.3 Recolección de datos para validación de modelos
Con base en los criterios establecidos para la muestra, de los 49 programas originales quedaron 20, los otros 29 se resumen enseguida:
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.4 Generación de Modelos
4.4.1 Regresión lineal múltiple (85 programas con código reutilizado)
Esfuerzo = 56.71 + (0.77*NyC ) – (0.129*Reutilizado)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.4 Generación de Modelos
4.4.2 Regresión lineal simple (105 programas)
( )( )( )21
21
111 )(
∑∑
∑∑∑
=−⎟⎟⎠
⎞⎜⎜⎝
⎛=
==−⎥⎦⎤
⎢⎣⎡
= •=
ni xi
ni xn
ni yi
ni xn
i iy
ixn
b i
nxb
nya
n
i
n
i i ∑∑ == −= 11
Esfuerzo = 53.291 + 0.687 * NyC
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.4 Generación de Modelos
4.4.3 Modelos difusos (105 programas)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.4 Generación de Modelos
4.4.3 Modelos difusos (105 programas)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.4 Generación de Modelos
4.4.3 Modelos difusos (105 programas)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.5 Criterios de evaluación de modelos
Validación basada en MRE, MER,MMRE y MMER
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.5 Criterios de evaluación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.6 Obtención de estimaciones con base en ecuación de regresión lineal simple (ejemplo con NyC = 81)
Esfuerzo = 53.291 + 0.687 * NyC
Esfuerzo = 53.291 + 0.687 * 81
Esfuerzo = 108.9
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.6 Obtención de estimaciones con base en modelos difusos con funciones de membresía triangular (ejemplo con NyC = 81)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.6 Obtención de estimaciones con base en modelos difusos con funciones de membresía gausiana (ejemplo con NyC = 81)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
4.6 Obtención de estimaciones con base en modelos difusos con funciones de membresía trapezoidal (ejemplo con NyC = 81)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio4.7 Verificación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Estos resultados, permiten concluir que…
Tras la verificación de los modelos lineal y difusos, no existe diferencia significativa entre las medias de las MER de los cuatro modelos.
4.7 Verificación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Cálculo de las MRE y MER por programa
4.8 Validación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Análisis de heterocedasticidad de los datos (dependencia entre MER o MRE y esfuerzo).
4.8 Validación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Análisis de
heterocedasticidad
MER-Esfuerzo
4.8 Validación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
División por submuestras por
presencia de heterocedasticidad
4.8 Validación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
4) Caso de estudio
Cálculo de MMER (primera submuestra)
4.8 Validación de modelos
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
5) Conclusiones
El modelo que mostró mejores resultados en su predicción (con base en su MMER) es el modelo difuso con funciones de membresía triangular. Esto por las siguientes tres razones:
1) Sin considerar heterocedasticidad en los datos, presentó la menor MMER (con 0.23) que el resto de los tres modelos (dos difusos y uno de regresión).
2) Al dividirse el conjunto de datos en dos submuestras (A y B), tras la demostración de la existencia de heterocedasticidad, en la submuestra A presentómejor MMER (con 0.23), mientras que en la submuestra B sólo fue igualado por otro modelo difuso con funciones trapezoidales.
3) Considerando o no la heterocedasticidad, la regresión lineal nunca fue mejor que el modelo difuso con base en su MMER.
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Tres hipótesis de investigación fueron aceptadas:
1) A partir de una población, la muestra extraída posee una correlación (r) mayor o igual a 0.71 entre las líneas de código y el esfuerzo, es decir, un r2 ≥ 0.50.
2) En la verificación de los modelos lineal y difusos, no existe diferencia significativa entre las medias de las MER de los cuatro modelos.
3) En la validación de los modelos, en la predicción de programas a nivel personal haciendo uso de un modelo difuso, se obtiene una MMER ≤ 0.25.
5) Conclusiones
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
En 1972 Zadeh mencionaba que la lógica difusa podría abrir muchas fronteras nuevas en psicología, sociología, ciencias políticas, filosofía, fisiología, economía, lingüística, investigación de operaciones, administración y otros dominios; con el cumplimiento de la meta de esta tesis podría adicionarse a su lista, que la lógica difusa es asimismo útil para predecir el esfuerzo de desarrollo de software.
5) Conclusiones
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
6) Recomendaciones
Lotfi Zadeh
(Lógica difusa)
Watts Humphrey
(CMM, TSP, PSP)Barry Boehm
(Estimación del esfuerzo de desarrollo)
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
Sesión de
Preguntas
Editor: Cuauhtémoc López Martín. [email protected] Octubre 12, 2007
ZacatecasEstimación del esfuerzo de desarrollo de software
¡Muchas Gracias!