BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Radliński Łukasz
Tytuł
Ulepszone szacowanie ryzyka w przedsięwzięciach informatycznych z wykorzystaniem sieci Bayesa
Improved Software Project Risk Assessment Using Bayesian Nets
Źródło
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania, 2010, nr 20, s. 147-161, bibliogr. 24 poz.
Tytuł własny numeru
Wybrane zagadnienia gospodarowania i zarządzania w pracach doktorskich obronionych na Wydziale Nauk Ekonomicznych i Zarządzania
Słowa kluczowe
Szacowanie ryzyka, Modele prognostyczne, Sieci bayesowskie
Risk estimating, Forecasting models, Bayesian network
Uwagi
summ.
Abstrakt
Artykuł jest streszczeniem rozprawy doktorskiej pt: "Ulepszone szacowanie ryzyka w przedsięwzięciach informatycznych z wykorzystaniem sieci Bayesa" obronionej na Uniwersytecie Szczecińskim. Celem pracy doktorskiej było stworzenie modeli prognostycznych, które będą w stanie udzielić odpowiedzi m.in. na następujące pytania: Jakie zależności występują między funkcjonalnością, nakładami a defektami? Jaki wpływ na funkcjonalność i jakość oprogramowania ma alokacja nakładów? Jak zmiana jakości procesu wpływa na poziom funkcjonalności i jakości dostarczanego oprogramowania? Jakiej funkcjonalności i jakości powinniśmy oczekiwać, jeśli bieżący projekt jest bardziej skomplikowany od poprzednich? Jak uciążliwe będą efekty dla przyszłych użytkowników oprogramowania? oraz Ile efektów zostanie znalezionych i naprawionych podczas fazy testowania?

Empirical software engineering models typically focus on predicting development effort or software quality but not both. Us ing Bayesian Nets (BNs) as causal models, researchers have recently attempted to build models that incorporate relationships between functionality, effort, software quality, and various process variables. The thesis analyses such models and, as part of a new validation study, identifies their strengths and weaknesses. A major weakness is their inability to incorporate prior local productivity and quality data, which limits their applicability in real software projects. The main hypothesis is that it is possible to build BN models that overcome these limitations without compromising their basic philosophy. In particular, the thesis shows we can build BNs that capture known trade-offs and can be tailored to individual company needs. The new model, called the productivity model, is developed by using the results of the new validation of the existing models, together with various other analyses. These include: the results of applying various statistical methods to identify relationships between a range of variables using publicly available data on software projects; analyses of other studies; expert knowledge. The new model is also calibrated using the results of an extensive questionnaire survey of experts in the area. The thesis also makes a number of other novel contributions to improved risk assessment using BNs, including a model which predicts the proportions of different types of defects likely to be left in software after testing and a learning model for predicting the number of defects found and fixed in successive testing iterations. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Biblioteka Główna Uniwersytetu Szczecińskiego
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Agena, AgenaRisk. Bayesian Network Software Tool, 2008, www.agenarisk.com, 1.06.2008.
  2. Akiyama F., An Example of Software System Debugging, w: Proc. Int. Federation for Information Processing Congress, vol. 71, Ljubljana 1971.
  3. Boehm B., Software Engineering Economics, Prentice Hall 1981.
  4. Fenton N., Marsh W., Neil M., Cates P., Forey S ., Tailor M., Making Resource Decisions for Software Projects, w: Proc. 26th Int. Conf. on Software Engineering, IEEE Computer Society, Washington, D.C. 2004.
  5. Fenton N., Neil M., Marsh W., Hearty P., Radliński Ł., Krause P., On the effectiveness of early life cycle defect prediction with Bayesian Nets, "Empirical Software Engineering" 2008, vol. 13, no. 5.
  6. Fenton N., Neil M., Measuring your risks, Agena White Paper, 2005, www.agenarisk.com, 1.06.2008.
  7. Fenton N.E., Neil M., A Critique of Software Defect Prediction Models, "IEEE Transactions on Software Engineering" 1999, vol. 25, no. 5.
  8. Fenton N.E., Neil M., Marsh W., Krause P., Mishra R., Predicting Software Defects in Varying Development Lifecycles using Bayesian Nets, "Information and Software Technology" 2007, vol. 43, no. 1.
  9. Fenton N.E., Neil M., Software Metrics: Roadmap, w: The Future of Software Engineering. Proc. 22nd Int. Conf. on Software Engineering, ed. A. Finkelstein, ACM Press, 2000.
  10. Goel A.L., Okumoto K., An Analysis of Recurrent Software Failures in Real-Time Control System, w: Proc. ACM Annual Technology Conference, Washington, D.C. 1978.
  11. Halstead M.H., Elements of Software Science, Elsevier North-Holland, New York 1977.
  12. ISBSG, Estimating, Benchmarking & Research Suite Release 9, International Software Benchmarking Standards Group, 2005, www.isbsg.org, 1.08.2007.
  13. Jelinski Z., Moranda P., Software Reliability Research, w: Statistical Computer Performance Evaluation, ed. W. Freiberger, Academic Press, New York 1972.
  14. Jones C., Software Quality in 2002: A Survey of the State of the Art, Software Productivity Research, Inc., 2002.
  15. Merriam-Webster's Online Dictionary, 2008, www.merriam-webster.com, 1.06.2008.
  16. Neil M., Tailor M., Marquez D., Inference in hybrid Bayesian networks using dynamic discretization, "Statistics and Computing" 2007, vol. 17, no. 3.
  17. Putnam L.H., A general empirical solution to the macro software sizing and estimating problem, "IEEE Transactions on Software Engineering" 1978, vol. 4, no. 4.
  18. Radliński Ł., Fenton N., Marquez D., Estimating Productivity and Defects Rates Based on Environmental Factors, w: Information Systems Architecture and Technology: Models of the Organisation's Risk Management, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2008.
  19. Radliński Ł., Fenton N., Neil M., Marquez D., Improved Decision-Making for Software Managers Using Bayesian Networks, w: Proc. 11th IASTED Int. Conf. Software Engineering and Applications, Cambridge, MA 2007
  20. Radlinski L., Improved Software Project Risk Assessment Using Bayesian Nets, Ph.D. Thesis, Queen Mary, University of London 2008.
  21. Radliński Ł., Przegląd publicznie dostępnych baz danych przedsięwzięć informatycznych, Zeszyty Naukowe Uniwersytetu Szczecińskiego, "Studia Informatica" 2009, nr 22.
  22. Rainer A., Hall T., Identifying the causes of poor progress in software projects, w: Proc. 10th Int. Symposium on Software Metrics, Sep. 2004.
  23. Sassenburg J.A., Design of a Methodology to Support Software Release Decisions (Do the numbers Really Matter?), Ph.D. Thesis, University of Groningen 2006.
  24. Webster's Online Dictionary, 2008, www.websters-online-dictionary.org, 1.06.2008.
Cytowane przez
Pokaż
ISSN
2080-4881
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu