该软体软件开发-缺陷预测缺陷排除的经济效益.pptVIP

Copyright ? 2002 Intel Corporation. All rights reserved. 第十五章 缺陷预测 学习目的与要求 了解分析和使用缺陷数据 提高计划的准确性和产品质量 　内容提要 重点 重点 缺陷率的预测 缺陷密度计算 15.1 缺陷率 缺陷率：代码行数和缺陷个数的比例 有经验的工程师的缺陷引入率一般是每千行代码50-250个缺陷 在减少引入缺陷的数目方面，编程经验没有影响 P194页图15.1 15.2 缺陷数据的使用 分析缺陷数据 通过把当前的项目数据和以前的数据能决定是否需要增加一些缺陷排除步骤 工程师个人承诺要开发无缺陷的程序是最重要的 15.3 缺陷密度 缺陷密度： 每千行代码的缺陷数 1.累计开发过程中每一个阶段发现的缺陷总数D 2.统计程序中开发的和修改的代码行数N 3.计算每千行的缺陷数Dd=1000×D/N 例子：14 defects in 96 LOC 15.4 缺陷率的预测 必须进行缺陷率的预测 缺陷数据不稳定是由以下几个原因造成的 1 经验问题 2 个体过程不稳定 15.5 缺陷估计 为了计算预测的缺陷数 假设新程序的每千行缺陷数与以前开发过的程序的每千行缺陷数平均值相同 假设引入和排除缺陷的分布也相近 可以用前一个程序的每千行代码缺陷数和缺陷数累计百分比来计算 估计新程序总的缺陷数目 计算每个阶段预计引入和排除的缺陷率 每个阶段的缺陷数=预计缺陷总数*每个阶段的累计百分比/100 P198 例子 15.6 更新的项目计划总结表 在项目计划总结表中新增加 计划引入的缺陷 计划排除的缺陷 缺陷密度 P201表15.3 P204页表15.5、15.6 15.7 登入实际的数据 学生X在表中登入实际数据，步骤如下 根据时间记录日志登入各个阶段的实际时间值 根据缺陷记录日志登入实际引入和排除的缺陷数 在最终程序中统计新开发的和修改的程序行，把此数记录到实际列下 P206页计算示例 15.8 总结 制订缺陷预测计划时，你需要以前程序的缺陷和程序规模的数据以及新程序的规模估计 为了计算预测的缺陷数 假设新程序的每千行缺陷数与以前开发过的程序的每千行缺陷数平均值相同 假设引入和排除缺陷的分布也相近 可以用前一个程序的每千行代码缺陷数和缺陷数累计百分比来计算 在已更新的项目计划总结表中引入缺陷预测的内容 计划阶段给出计划值 后置处理阶段计算计划值、实际值和累计每千行代码缺陷数，以便于利用这些数据计划下一个项目 作业 P207页 练习15 第十六章 缺陷排除的经济效益 教学目标与要求 学习从经济学角度去考虑缺陷的排除问题 　内容提要 重点 重点 缺陷排除问题 缺陷排除效益的计算 16.1 高质量工作的必要性 在几十年里，软件工程师的工作没有一点变化 好的软件开发方法确实存在 16.2 缺陷排除问题 因为缺陷难于查找和修复，所以排除缺陷的花费很大 当构成大型复查软件系统时，这个问题就更严重 为了了解和监控缺陷带来的费用，很有必要测量缺陷排除的效果 16.3 缺陷排除时间 缺陷越多，修复越迟，修改工作的费用就越大 16.4 缺陷引入和排除的经验 参考教材P212页图16.1、16.2 在设计阶段，学生和工程师一般每小时引入1-3个缺陷 在编码阶段，一般每小时引入5-8个缺陷 在代码复查阶段，每小时发现6-12个缺陷 在测试阶段，每小时排除2-4个缺陷 16.5 节省缺陷排除时间 1.进行缺陷检查 2.进行完整的代码复查 16.6 计算每小时缺陷数 在PSP项目计划总结表中 计算各个阶段累计每小时引入的缺陷数 60*(该阶段累计引入缺陷数目)/(该阶段累计花费分钟数) 课本P216页表16.2 16.7 缺陷排除效益的计算 缺陷排除效益：在第一次编译和测试前发现缺陷的百分比 例如： 在编译前计划的引入缺陷数是1+5=6 编译前计划的排除缺陷数是2 计划的过程效益值的计算如下 过程效益=100*2/(1+5)=33.3% 实际的过程效益值的计算如下 过程效益=100*4/(1+4)=80% 16.7 缺陷排除效益的计算(续) 对于累计值 过程效益=100*(编译前累计的排除缺陷数)/(编译前累计的引入缺陷数) 16.8 提高缺陷排除率 怎样持续改善个人的缺陷排除率的建议 首先把精力集中到缺陷排除效益上 在第一次编译之前作代码复查 一旦能够稳定的达到很高的缺陷排除效益，就要提高代码复查速度 实验各种方法，看看是什么因素帮助你提高 16.9 减少缺陷引入率 几种降低软件缺陷引入率的方法 记录所有的缺陷数据 产生更好的软件设计 使用更好的方法 使用更好的工具 16.10 总结 缺陷是引起软件问题的主要原因 修复缺陷需要花钱，也会耽误项目进度 由于缺陷修复的问