Baixe o app para aproveitar ainda mais
Prévia do material em texto
MARCELO DE FREITAS PINTAUD ELISAMARA DE OLIVEIRA Professor autor/conteudista Atualizado e revisado por É vedada, terminantemente, a cópia do material didático sob qualquer forma, o seu fornecimento para fotocópia ou gravação, para alunos ou terceiros, bem como o seu fornecimento para divulgação em locais públicos, telessalas ou qualquer outra forma de divulgação pública, sob pena de responsabilização civil e criminal. SUMÁRIO Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1 . Métricas de Software: fundamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1 Medição, Medidas, Métricas e Indicadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 1 .2 Classificação das Métricas de Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 1.3 Métricas de Processo e Projeto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10 1.4 Considerações sobre Métricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13 2 . Tipos de Métricas de Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.1 Métricas de Qualidade e Métricas para o Modelo de Requisitos . . . . . . . . . . . . . . .14 2.1.1 Métricas orientadas a função - Pontos de Função (PF) ou FP (Function Points) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .15 2.1.2 Métricas para qualidade de especificação . . . . . . . . . . . . . . . . . . 19 2.1.3 Métrica Eficiência na Remoção de Defeitos ou Defect Removal Efficiency (DRE) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2.1.4 Métricas orientadas a Casos de Uso ou Use Cases (UCs). . . . . . . . . . 20 2.2 Métricas para o Modelo de Projeto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 2.2.1 Métricas para projeto Orientado a Objetos-OO . . . . . . . . . . . . . . . . 21 2.2.2 Métricas orientadas a classes: métricas CK – Chidamber e Kemerer. . . 23 2.3 Métricas para Medição de Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.3.1 Métricas orientadas a tamanho – Lines of Code (LOC) . . . . . . . . . . . 27 2.3.2 Métricas de Halstead . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3.3 Métricas Halstead aplicadas ao teste . . . . . . . . . . . . . . . . . . . . . 29 2.3.4 Complexidade Ciclomática . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.4 Métricas para Manutenção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3 . Estimativas de Software – parte 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 3.1 Estimativas de Software e Planejamento de Projeto . . . . . . . . . . . . . . . . . . . . . . . . 33 3.2 Planejamento do Projeto: escopo e viabilidade do projeto. . . . . . . . . . . . . . . . . . . .35 3.3 Planejamento do Projeto: Recursos do projeto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 3.4 Planejamento do Projeto: Estimativas do projeto . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.4.1 Técnica de decomposição: Estimativa Baseada em Problema. . . . . . . 39 3.4.2 Exemplos de Estimativas Baseadas em LOC . . . . . . . . . . . . . . . . . 41 3 .4 .3 Exemplos de Estimativas Baseadas em Pontos de Função (FP) . . . . . 45 4 . Estimativas de Software – parte 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.1 Modelos de Estimativa Empíricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .49 4.1.1 Exemplo de Aplicação do Modelo Empírico. . . . . . . . . . . . . . . . . . 51 4.2 Modelo COCOMO II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 4.3 Estimativa Baseada em Processo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 Essa técnica baseia a estimativa no processo que será usado. Os passos a serem seguidos são: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54 4.3.1 Exemplo de Estimativa Baseada em Processo . . . . . . . . . . . . . . . . 54 4.4 Estimativa com Pontos de Caso de Uso ou Use Case Points (UCPs) . . . . . . . . . . 59 4 .4 .1 Exemplo de Estimativa com UCPs . . . . . . . . . . . . . . . . . . . . . . . 59 4.5 Conciliação de Modelos de Estimativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61 4.5.1 Exemplo de conciliação de estimativas . . . . . . . . . . . . . . . . . . . . 61 5 . Gestão de Riscos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 5.1 Conceitos básicos sobre riscos em projetos de software . . . . . . . . . . . . . . . . . . . 62 5.2 Gestão de Riscos de Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65 5.3 Identificação de Risco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 5.4 Estimativa, Análise e Priorização de Risco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 5.4.1 Avaliação do Impacto do Risco (Exposição ao Risco ou Risk Exposure) . 72 5.4.2 Exemplo de cálculo de Exposição do Risco - ER . . . . . . . . . . . . . . . 73 5.4.3 Exposição ao Risco Total (ERT) . . . . . . . . . . . . . . . . . . . . . . . . 74 5.4.4 Exemplo de cálculo de Exposição ao Risco Total (ERT) . . . . . . . . . . 74 5.5 Mitigação, Monitoramento e Gerenciamento do Risco ou Risk Mitigation, Monitoring and Management – RMMM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 5.5.1 Exemplo de aplicação do RMMM . . . . . . . . . . . . . . . . . . . . . . . 76 6 . Cronograma do Projeto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 6.1 Conceitos Básicos sobre Cronograma de Projeto (Project Schedule) . . . . . . . . . 80 6.2 Cronograma e Controle de Projetos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 6.3 EVA – Earned Value Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 6.3.1 Exemplo de uma Análise do Valor Agregado . . . . . . . . . . . . . . . . . 84 6.4 Gráfico de Gantt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 6.5 Rede de Atividades: PERT e CPM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 Glossário de Siglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 BIBLIOGRAFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 Pág. 5 de 99 INTRODUÇÃO Caroaluno, trataremos de um tema de grande relevância para os profissionais envolvidos na produção do software: as Métricas de Software. Este tema é parte fundamental da prática da Engenharia de Software e é cada vez mais comum nos requisitos contratuais para dimensionar o software e sua qualidade. Organizações que criam padrões e modelos para a indústria, como os padrões ISO e CMMI, se preocupam com medidas e métricas a fim de apurar e garantir a qualidade de produtos e serviços. Empresas e órgãos governamentais, no Brasil e no mundo, estão usando métricas para compreender, controlar, prever e melhorar projetos, processos e produtos de software. Dessa forma, caso você esteja envolvido com a área de desenvolvimento de software, é fundamental ter conhecimento sobre os conceitos relativos às métricas. Ao longo desse conteúdo, apresentaremos os conceitos básicos sobre métricas, depois veremos como eles se relacionam com o produto, o processo e o projeto de software e como podem auxiliar no seu controle e melhoria. Em seguida, apresentaremos as diferentes categorias de métricas que podem dar suporte a vários aspectos ligados à prática da Engenharia de Software. Em um segundo momento, você terá oportunidade de ver como as métricas desempenham um papel fundamental em uma das áreas mais críticas do desenvolvimento de software: a área de estimativas de custos, prazos e recursos. Vários modelos de estimativas serão apresentados, dando-lhe condições de constatar a importância de se ter um programa bem estabelecido de coleta de medidas, cálculo de métricas e armazenamento dessas informações em uma base de dados robusta. A qualidade dessa base de dados será fundamental para a precisão das estimativas realizadas para cada projeto em andamento na sua empresa. Trataremos, também, de um assunto que é comum a todo empreendimento, incluindo o desenvolvimento de software: a gestão de riscos. Todo projeto está exposto a riscos e é de suma importância que você adote uma estratégia proativa em relação a eles. Isso implica conseguir prever a quais riscos o projeto está vulnerável, qual a probabilidade desses riscos se tornarem realidade e qual o impacto deles no projeto, caso realmente venham a ocorrer. Por fim, finalizaremos discutindo cronogramação. Aqui também as medidas desempenham um papel fundamental. Um exemplo disso é a denominada “Análise do Valor Agregado”, que pode auxiliá-lo no monitoramento e controle do andamento de um projeto. Uma vez que você tenha concluído o estudo desses vários tópicos, você estará preparado para entender melhor a importância da utilização das métricas no seu trabalho profissional, agora como especialista. Marcelo Pintaud e Elisamara de Oliveira Pág. 6 de 99 1. MÉTRICAS DE SOFTWARE: FUNDAMENTOS 1.1 Medição, Medidas, Métricas e Indicadores Figura 1 – Métricas: medidas para o sucesso Fonte: Kenishirotie/Shutterstock Métricas de software estão se tornando cada vez mais uma parte importante na prática da Engenharia de Software. A cada dia, um número maior de empresas e governos está adotando e reportando métricas de qualidade como parte dos requisitos contratuais de desenvolvimento. Padrões, modelos e normas como ISO (International Organization for Standardization), CMMI (Capability Maturity Model Integration), entre outros, consideram as métricas entre as suas práticas recomendadas. Empresas estão usando métricas para melhor compreender, mapear, controlar e predizer projetos, processos e produtos de software. De acordo com Maitino Neto (2016, p. 148), a medição é o processo pelo qual “os números são atribuídos aos atributos de entidades do mundo real”. O autor exemplifica o conceito dizendo que quando medimos a separação entre dois pontos e obtemos 10, o valor 10 é atribuído à grandeza física denominada distância. Isso indica que a medição é uma quantificação direta, que utiliza um único valor. Mas quando tratamos de métrica, utilizamos uma medição indireta, pois esta envolve o cálculo e uso de mais de uma medida. Como exemplo, podemos utilizar a medida de número de linhas de código e a medida de número de defeitos encontrados no programa para determinar a métrica de quantidade de defeitos por linha de código. Pág. 7 de 99 Ainda como exemplos de medição, podemos considerar, no campo da Engenharia, medidas como consumo de energia, peso, dimensões físicas, temperatura voltagem etc. Maitino Neto (2016) ainda afirma que é desejável que as métricas sejam capazes de fornecer informação relevante para auxiliar a tomada de decisão e ainda contribuir para que se possa realizar comparação de desempenhos. Embora existam métricas referenciais, usadas de forma padronizada pelos desenvolvedores de software, métricas podem ser baseadas nos objetivos da organização e na sua necessidade de informação para a tomada de decisão. No contexto da engenharia de software, Pressman e Maxim (2016, p. 654) definem medida como um valor que “fornece uma indicação quantitativa da extensão, quantidade, dimensão, capacidade ou tamanho de algum atributo de um produto ou processo”. Os autores fazem referência ao IEEE Standard Glossary of Software Engineering Terminology que define métrica como uma “medida quantitativa do grau em que um sistema, componente ou processo possui um determinado atributo”. Ainda de acordo com os autores, quando um único ponto de dados foi coletado (como, por exemplo, o número de erros descoberto em um único componente de software) uma medida foi estabelecida. Medição ocorre como resultado da coleção de um ou mais pontos de dados (por exemplo, um certo número de revisões de componentes e testes de unidade são investigados para coletar medidas do número de erros em cada um). Uma métrica de software relaciona as medidas individuais de algum modo, como, por exemplo, o número médio de erros encontrados por revisão ou número médio de erros encontrados por teste unitário. Um engenheiro de software coleta medidas e desenvolve métricas de modo que indicadores sejam obtidos. Pressman e Maxim (2016, p. 655) definem um indicador como “uma métrica ou combinação de métricas que fornece profundidade na visão do processo, projeto ou produto de software”. Um indicador fornece um parâmetro que permite ao gerente do projeto ou engenheiros de software ajustarem o processo, projeto ou produto para torná-lo melhor e gerenciável. A figura 2 ilustra esses conceitos. Pág. 8 de 99 Figura 2 – Visão geral sobre medidas, métricas e indicadores Coleta de Dados Cáculo das Métricas Métricas Medidas Avaliação das Métricas Projeto Produto Processo Indicadores Fonte: elaborado pelo autor. De acordo com a figura 2, na Engenharia de Software a medição é útil principalmente quando relacionada ao processo, projeto e produto de software. Pode ser aplicada ao processo de software com o objetivo de melhorá-lo continuamente. No caso do projeto de software, as medidas podem auxiliar nas estimativas de prazos e custos, no controle de qualidade, na avaliação da produtividade, no controle do projeto e na tomada de decisões, conforme o projeto evolui. As medidas relacionadas ao produto de software focalizam atributos específicos de artefatos e são coletadas à medida que tarefas técnicas (análise, projeto, codificação e teste) são conduzidas. Meirelles (2008) afirma que uma grande variedade de métricas já foram propostas, mas nem todas mostram resultados satisfatórios. Isso ocorre por vários fatores: algumas exigem medições muito complexas, outras são muito restritas, limitando sua aplicação, e outras violam as noções básicas dos atributos de um software (qualidade, por exemplo). As métricas de software consideradas efetivas devem possuir alguns atributos que incluem: • Simples e computáveis: deve ser relativamente fácil aprender como derivar a métrica e seu cálculo não deve exigir esforço ou tempo exagerado. • Empíricas e intuitivamente persuasivas: a métrica deve satisfazer as noções intuitivasdo engenheiro de software sobre o atributo do produto que está sendo considerado. Pág. 9 de 99 • Consistentes e objetivas: a métrica deve produzir sempre resultados que não sejam ambíguos. • Independentes da linguagem de programação: métricas devem ser baseadas no modelo de análise, modelo de projeto ou na estrutura do programa. • Capazes de atuar como mecanismo efetivo para realimentação de alta qualidade: isto é, a métrica deve levar a um produto final da mais alta qualidade. Enfim, as métricas devem permitir a comparação dos resultados para medir qualidade, eficiência, custo, produtividade, entre outros aspectos mensuráveis da análise, desenho, codificação e testes de software. ACONTECEU Saiba mais sobre a história da ISO acessando o link: <https://www.portaleducacao.com.br/conteudo/artigos/cotidiano/a-historia-da-organizacao-iso/40732>. 1 .2 Classificação das Métricas de Software Existem muitas classificações para métricas de software. Um software pode ser medido orientado ao tamanho, a funções, aos objetos, aos recursos humanos envolvidos, a qualidade e pela produtividade, entre outras medições. Apresentamos algumas classificações de métricas a seguir, com base no trabalho de Meirelles (2008). • Classificação quanto ao objeto ◊ Métricas de produto: são relacionadas à complexidade, tamanho, qualidade (confiabilidade, manutenibilidade etc.) do software produzido. ◊ Métricas de processo: referem-se ao processo de concepção e desenvolvimento do software, medindo por exemplo, o processo de desenvolvimento, o tipo de metodologia usada e o tempo de desenvolvimento. • Classificação quanto ao critério utilizado na sua determinação ◊ Métricas objetivas: são obtidas através de regras bem definidas, sendo a melhor forma de possibilitar comparações posteriores consistentes. Nessa categoria, os valores obtidos devem ser sempre os mesmos, independentemente do instante, condições ou indivíduos que os determinam. A determinação dessas métricas é passível de automatização (por exemplo, número de linhas de código). ◊ Métricas subjetivas: podem partir de valores, mas dependem de um julgamento, que também é um dado de entrada, para serem levantadas (por exemplo, o modelo de estimativa de custo, que depende da classificação do tipo de software). Pág. 10 de 99 • Classificação quanto ao método de obtenção ◊ Métricas primitivas: são aquelas que podem ser observadas diretamente em uma única medida (por exemplo, o número de linhas de código, erros indicados em um teste de unidade ou ainda o total de tempo de desenvolvimento de um projeto). ◊ Métricas compostas: são as combinações de uma ou mais medidas (por exemplo, o número de erros encontrados a cada mil linhas de código ou ainda o número de linhas de teste por linha de código). Existem outras classificações, como métricas privadas e públicas. As métricas privadas se aplicam ao indivíduo e as informações e resultados são de divulgação restrita. Os dados coletados com base individual devem ser privados e servir como indicadores apenas para o indivíduo. Servem para ajudar o engenheiro de software a aperfeiçoar seu trabalho individual. Algumas métricas são privadas de uma determinada equipe (por exemplo, proporção de defeitos por indivíduo). As métricas públicas têm origem privada, mas acabam por serem divulgadas para toda a equipe. Elas permitem que as organizações realizem mudanças estratégicas para melhorar o processo de desenvolvimento do software. 1.3 Métricas de Processo e Projeto De acordo com Pressman e Maxim (2016, p. 703), métricas de processo e de projeto de software são medidas quantitativas que permitem aos engenheiros de software vislumbrar a eficácia tanto do processo quanto dos projetos que são conduzidos usando este processo como framework. As medições permitem que julgamentos deixem de ser subjetivos e tendências possam ser detectadas de forma que estimativas possam ser feitas e aperfeiçoamentos buscados. Figura 3 – Métricas: busca pelo aperfeiçoamento Fonte: G7 Stock/Shutterstock Pág. 11 de 99 As métricas de processo têm finalidade estratégica e objetivam fornecer um conjunto de indicadores de processo visando o seu aperfeiçoamento no longo prazo. As métricas de projeto têm finalidade tática e permitem ao gerente de projeto avaliar o estado de um projeto em desenvolvimento, acompanhar riscos em potencial, descobrir setores que apresentam problemas antes que se tornem críticos, ajustar o fluxo de trabalho e ainda avaliar a capacidade da equipe para controlar a qualidade do produto e dos artefatos de software. As medidas que são coletadas com base em dados de qualidade e produtividade são convertidas em métricas e analisadas e comparadas com métricas anteriores. Essas métricas podem ser usadas durante o projeto para detectar problemas ocorridos no desenvolvimento e serem transmitidas para quem tem responsabilidade sobre o aperfeiçoamento do processo de software. Desta forma, muitas métricas são usadas tanto no domínio do processo quanto do projeto. Ainda de acordo com Pressman e Maxim, o processo situa-se no centro de um triângulo (conforme ilustra a figura 4) que liga três fatores que influenciam significativamente tanto a qualidade de software quanto o desempenho da organização: • Pessoas: a capacidade e a motivação das pessoas reúnem os fatores individuais que mais influenciam a qualidade e o desempenho. • Produto: a complexidade do produto pode ter um forte impacto sobre a qualidade e o desempenho das pessoas que formam a equipe. • Tecnologia: os métodos e as ferramentas de engenharia de software são fundamentais, pois impactam o processo. Além destes fatores, o triângulo do processo encontra-se dentro de um círculo que inclui o ambiente de desenvolvimento (exemplo: ferramentas CASE), condições de negócios (exemplo: prazos e regras de negócio) e características do cliente (exemplo: facilidade de comunicação). Pág. 12 de 99 Figura 4 – Triângulo de fatores que impactam o processo Pessoas Processo Tecnologia Ambiente de desenvolvimento Condições dos negócios Caracteristicas do cliente Produto Fonte: Pressman; Maxim (2016, p. 705). A eficácia de um processo pode ser medida pelas saídas dele derivadas como: medidas dos erros descobertos antes da entrega do produto, defeitos relatados pelos usuários finais, produtividade da equipe, esforço humano dispendido, tempo gasto, cumprimento do cronograma, entre outras. Desta forma, as métricas de processo podem fornecer benefícios significativos na medida em que a organização trabalha para corrigir e melhorar seus problemas, buscando maior maturidade de processo. Em um nível mais avançado, a organização pode adotar a abordagem SSPI – Statistical Software Process Improvement, que usa a análise de falhas de software para coletar informação sobre erros e defeitos encontrados no produto em operação. As métricas de projeto são usadas por um gerente de projeto para adaptar o fluxo de trabalho e sua primeira aplicação ocorre, geralmente, durante a estimativa. Métricas usadas em projetos anteriores podem ser usadas como base. O gerente utiliza medidas de esforço e tempo dispendidos comparadas com as estimativas previstas no cronograma para monitorar e controlar o progresso do projeto. Na medida em que o trabalho técnico prossegue, outras métricas de projeto são utilizadas, como taxa de produção, horas de revisão, pontos por função, linhas de código entregues etc. Além Pág. 13 de 99 disso, os erros descobertos são registrados e outras métricas técnicas são utilizadas para avaliar a qualidade do projeto, o que irá influenciar a abordagem de testes. As métricas de projeto são usadas tanto para minimizar o tempo do cronograma, buscando evitar atrasos e diminuir riscos, quanto para avaliar a qualidade do produto. Na medida em que a qualidade é melhorada, os defeitos são reduzidos e a quantidade de retrabalho também é minimizada, levando à redução do custo do projeto. 1.4 Consideraçõessobre Métricas Há um grande número de métricas de software, que normalmente são aplicadas de forma isolada e consideradas insatisfatórias por grande parte dos desenvolvedores. No passado, várias métricas e uma série de processos foram propostos, mas a maioria não possuía uma base teórica suficiente e/ou uma significativa validação experimental. Várias delas foram definidas e, em seguida, testadas e utilizadas em apenas um ambiente limitado. Apesar de, em alguns casos, existirem relatos de validação ou de aplicação dessas métricas, testes ou uso em ambientes diferentes produziram resultados não esperados. Essas diferenças acabam por não serem surpreendentes, uma vez que faltam definições claras e hipóteses de testes bem definidas. Assim, existe um grande número de métricas que podem ser utilizadas, mas devemos observar quais delas têm sido mais amplamente utilizadas ou aceitas, pois certamente apresentam resultados mais efetivos. Se o desenvolvedor construir uma aplicação apoiada por métricas escolhidas de forma criteriosa, elas poderão produzir resultados úteis se forem utilizadas de acordo com o ambiente especificado. Independentemente das métricas adotadas. é muito importante para as organizações a coleta efetiva dessas métricas e o registro histórico dos projetos, formando uma base de conhecimento que auxilie nos processos de análise, melhoria e tomada de decisão. Muitos fatores devem ser levados em consideração para a escolha das métricas. Recomendamos que você identifique qual a necessidade de medição do projeto (qualidade, produtividade, erros, falhas etc.) para, em seguida, adotar mecanismos que permitam uma medição mais significativa e efetiva. Pág. 14 de 99 2. TIPOS DE MÉTRICAS DE SOFTWARE 2.1 Métricas de Qualidade e Métricas para o Modelo de Requisitos Figura 5 – Software Metric Fonte: Profit_Image/Shutterstock O desenvolvimento de um projeto inicia-se com a criação do modelo de requisitos e é nesta fase que os requisitos são formulados e a base do projeto é estabelecida. Desta forma, as métricas de produto que fornecem informação sobre a qualidade do modelo de análise são bastante desejáveis. A qualidade de um sistema, aplicação ou produto é tão melhor quanto melhor estejam descritos os requisitos que o descrevem, o projeto que modela sua solução, o código que o implementa e os testes que o exercitam para descobrir defeitos e erros. Desta forma, métricas como erros por ponto de função, erros descobertos por horas de revisão, erros descobertos por horas de teste e eficiência na remoção de defeitos proporcionam informações relevantes que ajudam no controle de qualidade do software. Pág. 15 de 99 2.1.1 Métricas orientadas a função - Pontos de Função (PF) ou FP (Function Points) A métrica Ponto de Função (PF) ou Function Point (FP) pode ser utilizada como forma de medir a funcionalidade fornecida por um sistema. Pressman e Maxim (2016, p. 659) indicam que podem ser usadas para: • estimar o custo ou trabalho necessário para projetar, codificar e testar o software; • prever o número de erros que serão encontrados durantes os testes; e • prever o número de componentes e/ou o número de linhas de código-fonte projetadas. Os PFs são derivados de medidas calculáveis do domínio de informações do software com base em: [1] ExternalInputs-EIs (número de entradas externas): cada entrada externa tem origem em um usuário ou é transmitida de outra aplicação. Fornece dados distintos orientados à aplicação ou informações de controle. [2] External Outputs-EOs (número de saídas externas): cada saída externa é formada por dados derivados da aplicação e fornece informações para o usuário. [3] ExternalinQuiries-EQs (número de consultas externas): refere-se a uma entrada online que resulta na geração de alguma resposta imediata do software na forma de uma saída online. [4] InternalLogical Files-ILFs (número de arquivos lógicos internos): cada arquivo lógico interno é um conjunto de dados que fica dentro dos limites da aplicação e é mantido por meio de entradas externas. [5] External Interface Files-EIFs (número de arquivos de interface externos): cada arquivo de interface externo é um conjunto de dados que fica fora da aplicação, mas fornece dados que podem ser usados pela aplicação. Para o cálculo de Pontos de Função, os passos descritos a seguir devem ser seguidos. [1] Primeiro passo: preencher as colunas sombreadas da tabela 1. Note que nessa tabela você deve preencher apenas os dados da coluna Contagem e fazer o cálculo da coluna Contagem x Fator de Peso e totalizar a Contagem Total. As colunas Valor do domínio da informação e Fator de Pesos já estão preenchidas, pois são valores são propostos pelo modelo e, a princípio, são fixos. Então, Pág. 16 de 99 nesse passo, você terá que estimar a quantidade de cada parâmetro previsto para o software a ser desenvolvido e atribuir um fator de peso para cada um deles. Uma grande questão que surge é como minimizar a subjetividade na atribuição desses fatores de ponderação, porque isso pode variar de pessoa para pessoa. O IFPUG – International Function Points Users Group – disponibiliza uma série de recomendações visando minimizar essa subjetividade. Uma vez preenchida a Tabela 1, você terá o valor de Contagem Total, o qual será utilizado no terceiro passo do cálculo. Tabela 1 – Tabela para Pontos de Função Valor do domínio da informação Contagem Fator de Peso Contagem x Fator de PesoSimples Médio Complexo Nº de Entradas Externas (EIs) 3 4 6 Nº de Saídas Externas (EOs) 4 5 7 Nº de Consultas Externas (EQs) 3 4 6 Nº de ArqLóg Internos (ILFs) 7 10 15 Nº de ArqInterf Externos (EIFs) 5 7 10 Contagem Total Fonte: baseada em Pressman; Maxim (2016, p. 660). [2] Passo 2: para o cálculo dos pontos de função, você terá que avaliar as 14 questões apresentadas no quadro 1, também relacionadas às funcionalidades do software a ser desenvolvido. Para cada uma dessas perguntas, você terá que atribuir um fator de ajuste de valor ou Value Adjustment Factor – VAF, Fi (i = 1 a 14), obedecendo à escala proposta pelo modelo apresentado no quadro 2. Pág. 17 de 99 Quadro 1 – 14 perguntas relacionadas às funcionalidades 1. O sistema exige backup e recuperação confiáveis 8. Os arquivos são atualizados on-line? 2. É requerida comunicação de dados? 9. Entradas, saídas, arquivos e consultas são complexos? 3. Existem funções de processamento distribuído? 10. O processamento interno é complexo? 4. O desempenho é crítico? 11. O código é projetado para ser reusável? 5. O sistema funcionará num sistema operacional existente e intensamente utilizado? 12. A conversão e a instalação estão incluídas no projeto? 6. São requeridas entrada de dados on-line? 13. O sistema é projetado para múltiplas instalações em diferentes organizações? 7. As entradas on-line requerem que as transações de entrada sejam construídas com várias telas e operações? 14. A aplicação é projetada de forma a facilitar mudanças e o uso pelo usuário? Fonte: baseado em Pressman; Maxim (2016, p. 661). Quadro 2 – Escala de VAFs – Value Adjustment Factors Influência 0 1 2 3 4 5 Nenhuma Pouca Moderada Média Significante Essencial Fonte: baseado em Pressman; Maxim (2016, p. 661). Para evitar o problema da subjetividade ao avaliar a influência de cada funcionalidade, o IFPUG desenvolveu recomendações a serem seguidas. No final desse segundo passo, você terá a soma das influências de cada uma das 14 perguntas. O valor dessa soma variará de um mínimo de 0 (todas as 14 perguntas tendo valor 0) a um valor máximo de 70 (todas as perguntas tendo valor igual a 5). [3] Passo 3: neste passo, utiliza-se uma expressão empírica proposta pelo modelo para obtenção dos pontos de função: Pág. 18 de 99 Apenas para ilustrar, vamos apresentar a tabela 2 completamente preenchida, para um determinado projeto de software, o que seria feito no passo 1. Tabela 2 – Tabela completa de Pontos de Função Valordo domínio da informação Contagem Fator de Peso Contagem x Fator de PesoSimples Médio Complexo Nº de Entradas Externas (EIs) 3 3 4 6 9 Nº de Saídas Externas (EOs) 2 4 5 7 8 Nº de Consultas Externas (EQs) 2 3 4 6 6 Nº de ArqLóg Internos (ILFs) 1 7 10 15 7 Nº de ArqInterf Externos (EIFs) 4 5 7 10 20 Contagem Total 50 Fonte: Pressman; Maxim (2016, p. 662). Supondo que no passo 2 foi realizado o cálculo que resultou em o valor que indica que o produto é moderadamente complexo. No passo 3 calculamos o PF. PF = 50 x [0.65+ (0.01 x 46)] = 55.5 => 56 Antes de prosseguir com o estudo, recomendamos que você acesse o site do IFPUG ou BFPUG e se familiarize com as recomendações propostas para a utilização do modelo. Leia também o material disponibilizado no link. Através dele você tomará conhecimento em detalhes das várias etapas que deve seguir para obter essa medida de funcionalidade do software. SAIBA MAIS Uma das melhores referências sobre Pontos por Função é o site do IFPUG – International Function Point Users Group (<http://www.ifpug.org>), ou sua representação brasileira oficial, BFPUG – Brazilian Function Point Users Group (<http://www.bfpug.com.br/>). Pág. 19 de 99 2.1.2 Métricas para qualidade de especificação De acordo com Pressman e Maxim (2016, p. 663), há uma lista de características que podem ser usadas para avaliar a qualidade do modelo de requisitos e as especificações de requisitos correspondentes, como: não ambiguidade, totalidade, exatidão, compreensibilidade, consistência interna e externa, disponibilidade, rastreabilidade, modificabilidade, entre outras. Cada uma delas pode ser representada usando uma ou mais métricas. Suponha que há Nr requisitos em uma especificação, entre os quais há Nf requisitos funcionais e Nnf requisitos não funcionais, tal que: Nr = Nf + Nnf Para se determinar a não ambiguidade dos requisitos, pode ser utilizada uma métrica com base na interpretação de cada requisito pelos revisores. Se Nii representa o número de requisitos para os quais todos os revisores tiveram a mesma interpretação (ii = interpretação idêntica), temos: Q1 = Nii / Nr Quanto mais próximo de 1 for Q1, menos ambiguidades haverá na especificação dos requisitos. Considerando que Nfu representa o número de requisitos funcionais únicos, Ne representa o número de entradas definidas pela especificação e Ns o número de estados especificados, a métrica da totalidade dos requisitos funcionais Q2 pode ser obtida por: Q2 = Nfu / (Ne x Ns) 2.1.3 Métrica Eficiência na Remoção de Defeitos ou Defect Removal Efficiency (DRE) A métrica Eficiência na Remoção de Defeitos ou Defect Removal Efficiency (DRE), de acordo com Pressman e Maxim (2016, p. 718), “é uma medida da capacidade de filtragem das ações de garantia de qualidade e controle quando são aplicadas em todas as atividades da estruturas de processo”. Pág. 20 de 99 Sendo Ea= número de erros encontrados antes que o software seja entregue ao usuário final e Dd= número de defeitos encontrados depois que o software foi entregue ao usuário final, o DRE pode ser assim definido: O valor ideal para DRE é 1, ou seja, nenhum defeito é encontrado no software. Mas de forma mais realista, Dd será maior que 0. À medida que Ea aumenta é provável que o valor final de Dd diminua (erros são removidos antes de se tornarem defeitos) e o valor global de DRE comece a se aproximar de 1. Um dos objetivos desta métrica é incentivar a equipe de desenvolvedores a incorporar técnicas para que seja encontrado o maior número de erros possível antes da entrega do software. 2.1.4 Métricas orientadas a Casos de Uso ou Use Cases (UCs) Os casos de uso ou Use Cases (UCs) são amplamente utilizados como método para descrever requisitos no nível dos clientes ou no domínio do negócio. De acordo com Pressman e Maxim (2016, p. 714), os UCs são definidos no início do processo de software, permitindo que sejam usados para estimativas antes de iniciar atividades de modelagem e construção. O UC é independente da linguagem de programação e sua quantidade é diretamente proporcional ao tamanho do software em LOC e à quantidade de casos de teste que terão de ser projetados para exercitar o software. Vamos tratar desta métrica no capítulo de Estimativas de Software. 2.2 Métricas para o Modelo de Projeto Apesar de existirem muitas métricas que podem ser usadas como indicadores para orientar a forma pela qual um novo projeto deva evoluir, muitos engenheiros de software não as utilizam. Como veremos neste tópico, realizar um projeto sem medição é algo inaceitável! Pág. 21 de 99 2.2.1 Métricas para projeto Orientado a Objetos-OO Figura 6 – Componentes de um projeto OO Fonte: Bobicova Valeria/Shutterstock De acordo com Pressman e Maxim (2016, p. 666), sistemas OO podem ser mensurados a partir das características: • Tamanho: contabiliza as entidades OO como classes ou métodos acoplados à profundidade de uma árvore de herança. • Complexidade: é definida pelas características estruturais do sistema OO, observando-se como as classes se inter-relacionam. • Acoplamento: contabiliza as conexões físicas entre elementos do sistema OO como número de mensagens passadas entre objetos. • Suficiência: responde a pergunta “que propriedades uma classe deve ter para ser útil?”, ou seja, se a classe possui as características dela requeridas. • Totalidade: está relacionada com a suficiência, pois determina se a classe entrega o conjunto de propriedades que reflete totalmente as necessidades do domínio do problema. • Coesão: é definida verificando se todos os métodos trabalham em conjunto para atingir uma finalidade única e bem definida. • Originalidade: reflete o grau segundo o qual um método é atômico. Um método não pode ser construído por meio de uma sequência de outros métodos dentro de uma classe. Pág. 22 de 99 • Similaridade: reflete o grau em que duas ou mais classes são similares em relação à sua estrutura, função, comportamento ou finalidade. • Volatilidade: mede a probabilidade da ocorrência de uma modificação em um componente de um sistema OO. Dentre estas características, as que mais se destacam são acoplamento e coesão. Uma boa aplicação OO deve seguir os princípios básicos de manter Baixo Acoplamento e Alta Coesão. Collares (2012) apresenta exemplos em Java que mostram soluções que corrigem erros para que estes princípios sejam mantidos: “Elementos muito acoplados dependem muito uns dos outros, assim, se você altera um deverá alterar o outro. Exemplo de Alto Acoplamento: publicintgetIdade(){ returnUtil.getFuncoes.getFuncoesData.calculaIdade(nascimento); } Correção para Baixo Acoplamento: publicintgetIdade(){ returnUtil.calculaIdade(nascimento); } Se uma classe faz mais do que ela deveria fazer, ela está com uma coesão baixa, e isso é ruim. Exemplo de Baixa Coesão: publicclass Aluno(){ String nome; int[] notas; publicvoidsetNome(String nome){ this.nome=nome; } publicStringgetNome(){ return nome; } publicvoidsetNotas(int[] notas){ this.notas=notas; } publicdoublecalculaMedia(){ //código para calcular média return media; } } Pág. 23 de 99 Exemplo de Alta Coesão: publicclass Aluno(){ String nome; publicvoidsetNome(String nome){ this.nome=nome; } publicStringgetNome(){ return nome; } } publicclass Notas{ Aluno aluno; int[] notas; public Notas(Aluno aluno){ this.aluno=aluno; } publicvoidsetNotas(int[] notas){ this.notas=notas; } publicdoublecalculaMedia(){ //código para calcular média return media; } } ” 2.2.2 Métricas orientadas a classes: métricas CK – Chidamber e Kemerer A classe é a unidade fundamental de um sistema OO e as métricas associadas a uma classe individual e às colaborações entre classes podem ajudar na avaliação da qualidade de um projeto OO. Chidamber e Kemerer propuseram um conjunto de métricas para sistemas OO, denominado CK metrics suite, que é bastante conhecido. As 6 métricas CK, de acordo com Pressman e Maxim (2016, p. 667-669) são assim definidas:• WWC – Weighted Methods per Class (métodos ponderados por classe): suponha que são definidos para uma classe C n métodos de complexidade c1, c2...cn. A métrica específica de complexidade escolhida (como complexidade ciclomática, por exemplo) deve ser normalizada de forma que a complexidade nominal para cada método assuma o valor 1.0. • WWC = ∑ci para i de 1 a n • Podemos concluir que o WWC deve ser mantido o mais baixo possível, pois à medida que o número de métodos de uma classe cresce, ela tende a se tornar cada vez mais específica daquela aplicação, deixando seu potencial de reutilização muito baixo. Pág. 24 de 99 • DIT – Depth of the Inheritance Tree (profundidade da árvore de herança): essa métrica se refere ao comprimento máximo do nó até a raiz da árvore de hierarquia de classes. Na medida em que DIT cresce, é possível que classes de nível inferior herdem muitos métodos. Portanto, um DIT baixo mostra-se mais desejável. Um DIT alto leva a uma maior complexidade do projeto, mas por outro lado, pode implicar que haja muitos métodos que possam ser reutilizados. Na árvore de hierarquia de classes da figura 7, o DIT é 3. Figura 7 – Diagrama de classes: exemplo de árvore de hierarquia de classes ParedeCamera PortaJanelaSegmento Parede tipo paredeDimensão tipo ID posição campoVisão anguloPan de�nirZoom() determinarTipo() transladaPosição() apresentar ID() apresentarVisso() apresentarZoom() tipo nome externoDimensão determinarTipo() posicaoPlanta() escala() mudarCor() É parte de É usado para construir É usado para construir É usado para construir Planta É colocada em determinar Tipo () calcularDimensão () tipo inicioCoordenadas �mCoordenadas proximaPorta tipo inicioCoordenadas �mCoordenadas proximajanela tipo inicioCoordenadas �mCoordenadas proximaParede determinarTipo() desenhar() determinarTipo() desenhar() determinarTipo () desenhar() Fonte: Pressman; Maxim (2016, p. 191). Pág. 25 de 99 • NOC – Number of Children (número de filhas): as subclasses diretamente subordinadas a uma classe na hierarquia de classes são chamadas de filhas. Na figura 7 a classe Parede tem 3 subclasses SegmentoParede, Janela e Porta. Na medida em que o NOC aumenta, a quantidade de testes necessários para exercitar cada classe filha também aumenta. • CBO – Coupling Between Object classes (acoplamento entre objetos de classes): o modelo CRC pode ser usado para determinar o valor do CBO, que se refere ao número de colaborações para uma classe. Na medida em que o CBO aumenta, as modificações e os testes resultantes destas modificações tornam-se mais complexos e a reutilização da classe pode ser reduzida. Figura 8 – Exemplo de Cartão CRC Responsabilidade: De�ne o nome/ tipo da planta Gerencia o posicionamento na planta Amplia/reduz a planta para exibição Amplia/reduz a planta para exibição Incorpora paredes. portas e janelas Mostra a posição das câmeras de vídeo Colaborador: Parede Camera Classe: Planta Fonte: Pressman; Maxim (2016, p. 192). Pág. 26 de 99 SAIBA MAIS Cartão CRC - Class-Responsibility-Collaborations Embora não faça parte de UML, uma técnica chamada Cartões CRC é muito usada para atribuir responsabilidades durante o projeto OO. CRC cards foram inventados por Ward Cunningham e Kent Beck. Cartão CRC é um cartão pequeno (para só escrever o essencial) para cada classe. Escreve-se o nome da classe, suas responsabilidades e colaborações. Só se pensa nas responsabilidades de alto nível. Os cartões são desenvolvidos em pequenos grupos em que cada pessoa assume o papel (Role) de uma ou mais classes. Figura 9 – Exemplo de Cartão CRC Veri�ca se item está em estoque Determina preço Veri�ca pagamento válido Envia para endereço destino Linha Detalhe Linha Detalhe Cliente Pedido Nome da classeResponsabilidade Colaboração Fonte: <http://www.dsc.ufcg.edu.br/~jacques/cursos/apoo/html/proj1/proj5.htm>. • RFC - Response for a Class (resposta para uma classe): corresponde ao conjunto de métodos em potencial que podem ser executados em resposta a uma mensagem recebida por um objeto daquela classe. Na medida em que a RFC aumenta, tanto o trabalho de teste quanto a complexidade da classe também aumentam. • LCOM – Lack of Cohesion Methods (falta de coesão em métodos): cada método em uma classe pode acessar um ou mais atributos. LCOM corresponde ao número de métodos que acessam um ou mais atributos em comum. Se nenhum método acessa os mesmos atributos, LCOM = 0. Para exemplificar, considere uma classe com 6 métodos: 4 dos métodos têm um ou mais atributos em comum; portanto, LCOM =4. Para manter a coesão alta, é desejável se manter LCOM baixo. Pág. 27 de 99 2.3 Métricas para Medição de Software As métricas de software podem ser classificadas como diretas e indiretas. As medidas diretas do produto incluem linhas de código (Lines of Code – LOC) produzidas, velocidade de execução, tamanho da memória e defeitos relatados em certo período de tempo. As medidas indiretas do produto incluem funcionalidade, qualidade, complexidade, eficiência, confiabilidade, manutenibilidade, entre outras. 2.3.1 Métricas orientadas a tamanho – Lines of Code (LOC) De acordo com Pressman e Maxim (2016, p. 709), medidas de software orientadas a tamanho são criadas pela normalização das medidas de qualidade e/ou produtividade, considerando-se o tamanho do software produzido. Figura 10 – Linhas de Código (Lines of Code – LOC) Fonte: Iurii Stepanov/Shutterstock As linhas de código podem ser escolhidas como valor de normalização, pois são a medida mais utilizada para medir o tamanho de um programa. São de fácil definição e precisão, devendo ser usadas como um indicador. A partir da medição de LOC ou KLOC (mil linhas de código), as métricas podem fornecer: • erros por KLOC; • defeitos por KLOC; • custo por KLOC; e • páginas de documentação por KLOC. Pág. 28 de 99 A partir delas, outras métricas podem ser derivadas, como: • erros por pessoa-mês; • KLOC por pessoa-mês; e • custo por página de documentação. Porém vale lembrar que a qualidade do código-fonte não pode ser medida pela quantidade de linhas de código e sim pela organização de tais linhas visando a manutenção e o reúso. Além disso, essas métricas não são a melhor maneira de medir os processos de software. 2.3.2 Métricas de Halstead Figura 11 – Maurice Halstead – Software Science Fonte: <https://www.cs.purdue.edu/homes/bxd/images/halstead.jpg>. Maurice Halstead, em sua teoria da Ciência do Software, propôs leis quantitativas para o desenvolvimento de software usando um conjunto de medidas, assim definidas de acordo com Pressman e Maxim (2016, p. 675): • n1 = número de operadores distintos que há em um programa • n2 = número de operandos distintos que há em um programa • N1 = número total de ocorrências de n1 (operadores) • N2 = número total de ocorrências de n2 (operandos) Pág. 29 de 99 Com base nestas medidas, podem ser calculados: n = n1 + n2(vocabulário do programa) N = n1 log2n1 + n2 log2n2(tamanho do programa) V = (N1 + N2) x log2(n1 + n2)(volume do programa) D = n1/2 x N2/n2 (dificuldade do programa) Exemplo de aplicação das métricas de Halstead main() { int a, b, c, med; scanf(“%d %d %d”, &a, &b, &c); med = (a + b + c) / 3; printf(“med = %d”, med); } n1 (operadores únicos)= 12 main, (), {}, int, scanf, &, =, +, /, printf, “ , ; n2 (operandos únicos)= 7 a, b, c, med, “%d %d %d”, 3, “med = %d” N1= 30 N2= 15 n =n 1 + n 2 = 19(vocabulário do programa) N =n 1 log 2 n 1 + n 2 log 2 n 2 = 12x log 2 12 + 7xlog 2 7 =12x3.58 + 7x2.81 = 42.96 + 19.67 = 62.63(tamanho do programa) V =(N 1 + N 2 ) x log 2 (n 1 + n 2 ) = 45 x log 2 19 =45 x 4.25 = 191.25(volume do programa) D =n 1 /2 x N 2 /n 2 =12/2 x 15/7 = 12.85 (dificuldade do programa){\ displaystyle E=D\times V} 2.3.3 Métricas Halstead aplicadas ao teste O trabalho de testes, de acordo com Pressman e Maxim (2016, p. 676), pode ser baseado com base nasmétricas de Halstead, podendo ser obtidas as métricas: PL = 1/ Dou 1 / [(n1/2) x (N2/n2)] e = V / PL ou (N1 + N2) x log2 (n1 + n2)/PL Pág. 30 de 99 A porcentagem de trabalho de teste global a ser dispensado a um determinado módulo k pode ser estimada com base na seguinte equação, na qual o denominador é a soma do trabalho de Halstead por todos os módulos do sistema: Porcentagem de trabalho de teste (k) = e (k) / ∑ e(i) 2.3.4 Complexidade Ciclomática A complexidade ciclomática mede a complexidade de um determinado módulo (classe, método, função etc), com base na contagem do número de caminhos independentes que ele pode executar até o seu fim. Um caminho independente é o que apresenta pelo menos um desvio de fluxo ou um novo conjunto de comandos a serem executados. Essa métrica parte do princípio de que, medindo a complexidade do programa, é possível saber quantos caminhos lógicos devem ser testados. Pode ser representada por um grafo de fluxo de controle, no qual os nós representam uma ou mais instruções sequenciais e os arcos orientados indicam o sentido do fluxo de controle entre as instruções. Sendo e (edges) o número de arestas e n (nodes) o número de nós, a complexidade ciclomática v(G) de um grafo pode ser calculada através da fórmula: v(G) = e - n + 2 Pág. 31 de 99 Um exemplo de um trecho de programa (procedimento) em pseudocódigo e seu correspondente grafo de fluxo é mostrado na figura 12. Figura 12 – Um trecho de programa e seu grafo de fluxo Procedimento Então Fim-Se 9 8 7 13 12 10 11 2 5 3 46 média (valor[]) i=1; soma=0; total. entrada=0; total.válidas=0 Faça-Enquanto incremente total.válidas de 1; soma = soma +valor [i] incremente total.entrada de 1; Se (valor[i]≥min E valor[i]≤max) (valor[i]≠-999Etotal.entrada<100) Fim-Enquanto Se total.válidas>0 Então média = soma/total.válidas; Senão média = -999; Fim-Se Fim- média incremente i de 1; 1 13 1 2 3 4 5 6 7 9 8 11 10 12 Fonte: <https://www.treinaweb.com.br/blog/complexidade-ciclomatica-analise-estatica-e-refatoracao/>. No grafo da figura acima há 17 arestas e 13 nós. O cálculo da complexidade ciclomática é: v(G) = e - n + 2 = 17 – 13 + 2 = 6 Mas há outra forma de fazer o cálculo da complexidade ciclomática, que implica o mesmo resultado. Considerando que R seja o número de regiões do grafo de fluxo: v(G) = R Pág. 32 de 99 Observe a figura a seguir. O grafo de fluxo da figura 13 foi demarcado com as regiões. Como são 6 regiões, v(G) continua sendo 6, como no cálculo anterior. Figura 13 – Grafo de fluxo com regiões do trecho de programa da figura 12 R1 R5 R4 R3 R6 R2 1 5 7 9 8 13 12 1 2 3 410 11 6 Fonte: <https://www.treinaweb.com.br/blog/complexidade-ciclomatica-analise-estatica-e-refatoracao/>. 2.4 Métricas para Manutenção De acordo com Pressman e Maxim (2016, p. 678), pode ser calculado um SMI – Software Maturity Index (índice de maturidade de software) que fornece a indicação da estabilidade de um produto de software com base nas alterações que ocorrem em cada versão deste produto. Para este cálculo, devem ser obtidas as seguintes medidas: • MT = número de módulos da versão atual • Fc = número de módulos da versão atual que foram alterados • Fa = número de módulos da versão atual que foram acrescentados • Fd = número de módulos da versão anterior que foram excluídos da versão atual SMI = [MT – (Fc + Fa + Fd)] / MT Pág. 33 de 99 3. ESTIMATIVAS DE SOFTWARE – PARTE 1 3.1 Estimativas de Software e Planejamento de Projeto Quando estamos envolvidos em um projeto de software, antes mesmo de começarmos a realizá- lo, precisamos lidar com alguns aspectos decisivos para o seu sucesso ou fracasso. Alguns destes aspectos, relacionados ao gerenciamento de projetos, são: escopo, custo, recursos e cronograma. Mas, de uma maneira mais geral, podemos dizer que o planejamento de um projeto de software envolve atividades como: Estimativa, Cronograma, Análise e gestão de risco, Planejamento da gestão da qualidade e Planejamento da gestão de mudanças. Figura 14 – Planejamento do Projeto Fonte: dizain/Shutterstock A estimativa é imprescindível para que sejam determinados a demanda de custos, esforço, recursos e tempo necessários para a criação do sistema ou artefato de software. Portanto, torna- se necessária grande dedicação a este assunto. A estimativa de software é vista tanto como arte quanto como ciência e o desenvolvedor conta com várias técnicas úteis para auxiliá-lo. As métricas de processo e projeto coletadas ao longo de projetos anteriores fornecem uma base importante para a geração de estimativas quantitativas. Mas é importante ressaltar que a experiência do pessoal envolvido pode ajudar imensamente na medida em que as estimativas são desenvolvidas e revistas. Pág. 34 de 99 O planejamento de projeto fornece um guia para a Engenharia de Software bem sucedida. A estimativa é importante porque estabelece uma base para todas as outras atividades de planejamento de projeto. Normalmente, as estimativas são feitas dentro de um período de tempo limitado no início do projeto e devem ser atualizadas regularmente à medida que o projeto avança. As abordagens modernas de Engenharia de Software, como os modelos evolucionários e modelos ágeis, assumem uma visão iterativa do desenvolvimento de software. Em tais abordagens, é possível revisitar a estimativa à medida que mais informações são conhecidas, permitindo, assim, revisá-la quando o cliente solicita modificações nos requisitos. A estimativa de recursos, de custo e de cronograma exige experiência, acesso às informações históricas consistentes e empenho nas previsões quantitativas, quando informação qualitativa, em alguns casos, é tudo o que há disponível. Toda estimativa tem incerteza e isso acaba acarretando riscos ao projeto. Se o escopo do projeto é mal entendido ou se os requisitos estão sujeitos a mudanças frequentes, a incerteza e o risco podem se tornar perigosamente altos. Para tratarmos as estimativas de software, precisamos considerar o conjunto de tarefas relacionadas ao Planejamento de Projeto. O planejamento do projeto de software objetiva proporcionar um framework para que o gerente de projetos possa fazer estimativas adequadas de recursos, custos e cronograma. De acordo com Pressman e Maxim (2016, p. 730) as tarefas associadas a um bom planejamento de projeto são: 1. Estabelecer o escopo do projeto . 2. Determinar a viabilidade do projeto . 3. Definir os recursos necessários (recursos humanos, softwares reutilizáveis, ambiente de desenvolvimento) . 4. Realizar as estimativas do projeto . 5. Fazer a Gestão de Riscos . 6. Desenvolver o cronograma do projeto . A seguir as tarefas 1, 2, 3 e 4 serão detalhadas, sendo que os modelos de estimativas empíricos serão tratados no capítulo subsequente. As tarefas 5 e 6 serão tratadas em outros capítulos separadamente. Pág. 35 de 99 3.2 Planejamento do Projeto: escopo e viabilidade do projeto Pressman e Maxim (2016, p. 727), fazem uma interessante pergunta sobre estimativas: “Você construiria uma casa sem saber quanto iria gastar, que tarefas precisariam ser feitas e quais seriam os prazos para executá-las?”. Faço a mesma pergunta a você, caro aluno. Certamente sua resposta seria: não. Como a maioria dos sistemas e produtos de software pode custar consideravelmente mais do que construir uma casa, é muito razoável fazer uma estimativa antes de se começar a criar software. A primeira atividade de planejamento do projeto de software é a determinação do escopo. O escopo do software descreve as funções e características que devem ser ofertadas aos usuários, o conjunto de dados de entrada e saída, o desempenho, as restrições, as interfaces e a confiabilidade que limitam o sistema. O escopo geralmente é definido por meio de: • uma descrição narrativa do escopo do software após a comunicação com todos os stakeholders (partes interessadas);e • um conjunto de casos de uso desenvolvido com a participação dos usuários (clientes). Em ambos os caminhos é necessária uma intensa comunicação entre desenvolvedores e clientes. A técnica mais utilizada para isso é conduzir uma reunião preliminar ou uma entrevista, mas existem técnicas mais avançadas que visam facilitar essa comunicação. Como exemplo, podemos citar o FAST- Facilitated Application Specification Technique que é uma abordagem que visa encorajar a criação de uma equipe de clientes e desenvolvedores que trabalham juntos para identificar o problema, propor elementos de solução, negociar diferentes abordagens e especificar um conjunto preliminar de requisitos. Pág. 36 de 99 A figura 15 mostra as atividades relacionadas ao processo “Definir o escopo” de acordo com o guia PMI/PMBoK 5ª edição. Figura 15 – Atividades do processo Definir o Escopo 5.3 De�nir o escopo 4.1 Desenvolver o termo de abertura do projeto 5.2 Coletar os requisitos 6.3 Sequenciar as atividades 6.5 Estimar as durações das atividades 6.6 Desenvolver o cronograma • Plano de gerenciamento do escopo • Documentação dos requisitos • Atualizações nos documentos do projeto • Declaração do escopo do projeto • Termo de dabertura do projeto • Ativos de processos organizacionais Empresa/ organização 5.1 Planejar o gerenciamento do escopo Gerenciamento do escopo do projeto 5.4 Criar a estrutura analitica do projeto (EAP) Documentos І do projeto Fonte: PMI/PMBoK (2013, p. 120). Uma vez entendido o escopo, é importante determinar a viabilidade do projeto dentro das dimensões delimitadas de: tecnologia, orçamento, tempo e recursos. Isso é importante para evitar dedicar esforço e dinheiro em um projeto que pode estar condenado ao fracasso desde o início. Pág. 37 de 99 3.3 Planejamento do Projeto: Recursos do projeto Uma tarefa importante no planejamento é a estimativa de recursos necessários para o desenvolvimento do software. A figura 16 ilustra as três principais categorias de recursos de Engenharia de Software com que devemos nos preocupar em um projeto: recursos humanos, softwares reutilizáveis e ambiente de desenvolvimento. Figura 16 – Recursos de Engenharia de Software para o planejamento de estimativas Ambiente Pessoas Projeto Software reutilizável Recursos de rede Ferramentas de software Hardware Número Habilidade Localização Novos componentes Componentes parcialmente testados Componentes de prateleira (COTS) Componentes completamente testados Fonte: Pressman; Maxim (2016, p. 731). • Recursos humanos: após a avaliação do escopo, é realizada a seleção de habilidades necessárias para a conclusão do desenvolvimento, que envolve a especificação de cargos (como gerente de projeto, engenheiro de software sênior etc.) e a especialização (como banco de dados, teste, arquitetura cliente-servidor etc). Caso o projeto seja grande, a equipe pode estar geograficamente dispersa, o que requer a especificação da localização de cada recurso humano. • Recursos de software reutilizáveis: as práticas de engenharia de software baseadas em componentes enfatizam a capacidade de reutilização. Esses componentes devem ser Pág. 38 de 99 catalogados, padronizados e validados, podendo ser agrupados em quatro categorias: de prateleira (software já existente adquirido de terceiros ou de um projeto anterior), completamente testados (especificações, projetos, códigos ou dados de testes já existentes e validados), parcialmente testados (idem ao anterior, mas que requerem modificação significativa para serem usados) e novos (construídos pela equipe especificamente para o projeto). • Recursos do ambiente de desenvolvimento: o Software Engineering Environment – SEE incorpora hardware e software, ou seja, uma plataforma de hardware que suporta as ferramentas de software necessárias para produzir os artefatos que irão compor o produto em desenvolvimento. Cada elemento de hardware e software deve ser especificado como parte do planejamento. 3.4 Planejamento do Projeto: Estimativas do projeto As estimativas de custo e esforço envolvem muitas variáveis como fatores humanos, técnicos, ambientais e políticos, que podem afetar o custo final do projeto e o esforço necessário para desenvolvê-lo. Pressman e Maxim (2016, p. 733) indicam as seguintes opções que ajudam na obtenção de estimativas de custo e esforço que sejam confiáveis: 1. Adie a estimativa até que o projeto esteja mais adiantado: quanto mais tarde você fizer a estimativa, maior a probabilidade de acertar. 2. Baseie as estimativas em projetos semelhantes que já foram concluídos. 3. Use técnicas de decomposição: essas técnicas utilizam uma abordagem do tipo “dividir para conquistar”, que seria decompor o projeto em suas funções principais e atividades relacionadas. 4. Use um ou mais modelos empíricos para estimativas de custo e esforço. Infelizmente, apesar de atraente, a opção 1 não é prática pois, normalmente, o cliente exige estimativas de custo e prazo logo no início. Desta forma, o adiamento deve ser feito com muito bom senso. A opção 2 depende fundamentalmente dos dados históricos usados para alimentar a estimativa; mas ainda que existam, nem sempre a experiência passada funciona como um bom indicador de estimativas futuras. Na maioria das vezes, o problema de desenvolver uma estimativa de custo e esforço para um determinado projeto é muito complexo para ser considerado como um todo. Devido a isso, as técnicas de decomposição indicadas na opção 3, que reduzem o problema em um conjunto de Pág. 39 de 99 problemas menores, se mostram atrativas, pois se espera que, com essa divisão, se torne mais fácil chegar à solução. A opção 4 indica o uso de modelos empíricos. Esses modelos podem ser usados para complementar as técnicas de decomposição e oferecer uma estratégia valiosa. A precisão da estimativa de um projeto depende dos seguintes fatores: • o grau com que o planejador estimou adequadamente o tamanho do produto a ser construído; • a aptidão para traduzir a estimativa de tamanho em esforço humano, tempo transcorrido e dinheiro; • o grau com que o plano de projeto reflete a capacidade da equipe de software; e • a estabilidade dos requisitos do produto e do ambiente que apoiam o esforço de Engenharia de Software. Ferramentas automáticas de estimativa implementam uma ou mais técnicas de decomposição ou modelos empíricos, fornecendo uma interessante alternativa. A seguir estudaremos algumas técnicas de decomposição e modelos empíricos. 3.4.1 Técnica de decomposição: Estimativa Baseada em Problema Como uma estimativa de projeto é tão boa quanto a estimativa do tamanho do trabalho a ser realizado, o dimensionamento representa o primeiro grande desafio do planejador de projeto. Para a determinação do tamanho do produto a ser construído, as abordagens mais utilizadas são: • abordagem direta (medido em LOC – Lines of Code, por exemplo); • abordagem indireta (medido em FP– Function Points, por exemplo). De acordo com Pressman e Maxim (2016, p. 734), dados de LOC e FP são usados de duas maneiras distintas durante a estimativa do projeto de software: 1) como variáveis de estimativa para dimensionar cada elemento do software e 2) como métricas de referência coletadas de projetos anteriores e usadas em conjunto com variáveis de estimativa para desenvolver projeções de custo e esforço. Pág. 40 de 99 Em relação às técnicas de estimativa baseadas em LOC e FP, elas diferem quanto ao nível de detalhe necessário para a decomposição: • Estimativa LOC: a decomposição considera que todas as funções podem ser decompostas em subfunções semelhantes a entradas de uma base de dados histórica (quanto maior for o grau de particionamento, mais provável será que estimativas precisas de LOC possam ser desenvolvidas) • Estimativa FP: em vez de focalizar a função, é estimada cada uma das características do domíniode informação (entradas, saídas, arquivos de dados, consultas, interfaces externas), bem como os 14 valores de ajuste de complexidade. Como alternativa, o planejador pode escolher outros componentes para dimensionar, como classes, objetos, casos de uso, modificações ou processos do negócio afetados. Métricas referenciais de produtividade (por exemplo, LOC/PM ou FP/PM, onde PM=Pessoa por Mês) são então aplicadas à variável de estimativa adequada e o custo ou esforço correspondente à função é derivado. Em seguida, as estimativas de função são combinadas para produzir uma estimativa global para todo o projeto. A experiência mostra que, frequentemente, há uma variação nos valores das métricas de produtividade de uma organização. Portanto, o uso como referencial de um único valor obtido de uma dada métrica não é recomendável. O ideal é que a média de cada métrica deva ser calculada por domínio de projeto. Os projetos devem ser agrupados por tamanho de equipe, área de aplicação, complexidade e outros parâmetros relevantes. Em seguida, médias locais dos domínios devem ser calculadas. No caso de estimativas de um novo projeto, ele deve ser primeiro classificado em um domínio e depois a média da métrica do domínio adequado deve ser usada para gerar a estimativa. Independentemente da variável de estimativa que é usada (LOC, FP, número de classes, número de casos de usoetc), o planejador começa estimando um intervalo de valores para cada função (LOC, por exemplo) ou o valor do domínio de informação (FP, por exemplo). Usando dados históricos (ou intuição caso todo o resto falhar), são estimados um valor de tamanho otimista (Tot), um mais provável (Tmp)e um pessimista (Tpess)para cada função ou contagem para Pág. 41 de 99 cada valor do domínio de informação. Isso possibilita o cálculo de um valor esperado para a variável de estimativa tamanho (T), para cada função (LOC) ou valor do domínio de informação (FP). Um exemplo de cálculo de um valor esperado para T pode ser a média ponderada: T = ( Tot + 4Tmp + Tpess ) / 6 Uma vez determinado o valor esperado para a variável de estimativa de tamanho T, os dados históricos de LOC ou PF são aplicados. A seguir, por meio de alguns exemplos, vamos ver a aplicação do que descrevemos, adotando algumas técnicas de estimativas. 3.4.2 Exemplos de Estimativas Baseadas em LOC Exemplo 1: Suponha um determinado software que será desenvolvido. Este software é do tipo CAD – Computer-Aided Design, ou seja, tem uma aplicação científica. Após a análise do escopo do software, suas funções principais foram identificadas e são relacionadas na tabela 3. Tabela 3 – Principais funções identificadas no software CAD Função Estimativa de LOC Recursos de Visualização 3000 Recursos de Análise 2D 5000 Recursos de Análise 3D 6400 Recursos de Controle e Interface com o usuário 3300 Administração da Base de Dados 6000 Recursos de Controle de Periféricos 1000 Recursos de Análise de Projetos 7700 Estimativa das Linhas de Código (Total) 32400 Fonte: elaborado pelo autor. Pág. 42 de 99 Em seguida, um intervalo de estimativa de LOC é desenvolvido para cada função. Esse intervalo considera as estimativas como otimista, mais provável e pessimista. Os valores das estimativas apresentados na tabela 3, para cada função, foram obtidos utilizando a expressão para T já apresentada (T =(Tot + 4Tmp + Tpess)/6). Por exemplo, para a função “Recursos de Análise 3D”, foram obtidas: estimativa otimista Tot= 3800 LOC; mais provável Tmp= 6500 LOC; pessimista TPess= 8600 LOC. Estes valores, aplicados na equação T= (3800 + 4x6500 + 8600)/ 6, produzem um valor esperado de T= 6400 LOC. Após o cálculo das estimativas de LOC para cada função, foi identificada uma estimativa de 32400 LOC para o sistema a ser desenvolvido. Considerando que uma análise de dados históricos revelou que a produtividade organizacional média para sistemas desse tipo é de 500 LOC/pessoas-mês e que o valor bruto da mão de obra é de R$ 4000,00 por pessoa-mês, o custo por linha de código é de aproximadamente: Custo por LOC = (valor bruto da mão de obra)/(produtividade média) = (4000 reais/pessoas-mês)/(500 LOC/pessoas-mês) = 8 reais/LOC Portanto, o custo total estimado para o projeto é de: Custo total estimado do projeto = (Estimativa de LOC)*(Custo por LOC) = (32400 LOC) * (8 reais/LOC) = 25920.00 reais/mês O esforço necessário estimado para desenvolver o projeto é de: Esforço necessário estimado=(Estimativa de LOC)/(produtividade média) = (32400 LOC)/(500 LOC/pessoas-mês) ≅ 65 pessoas-mês Pág. 43 de 99 Exemplo 2: A tabela 4 apresenta as estimativas de tamanho otimista, mais provável e pessimista para cada uma das funções a serem implementadas no software CAD do exemplo 1. Considerando que a empresa de software responsável em desenvolver o projeto produz 400 LOC/por mês, com um valor bruto de mão de obra de R$ 3000,00 por pessoa-mês, podemos, com base nesses dados, obter a estimativa de custo e esforço necessários para construir o software usando a técnica de estimativa baseada em LOC. Tabela 4 – Estimativas de Tamanho Otimista, Mais Provável e Pessimista (em LOC) Função Otimista(Tot) Mais Provável(Tmp) Pessimista(Tpess) Recursos de Visualização 3000 4400 6000 Recursos de Análise 2D 5000 5500 6500 Recursos de Análise 3D 6400 7000 6900 Recursos de Controle e Interface com o usuário 3300 2500 2300 Administração da Base de Dados 6000 4100 2600 Recursos de Controle de Periféricos 1000 2800 4200 Recursos de Análise de Projetos 7700 7900 8200 Fonte: elaborado pelo autor. Pág. 44 de 99 A tabela 5 apresenta o cálculo do tamanho de cada uma das funções (em LOC) utilizando a expressão apresentada anteriormente T=(Tot + 4Tmp + Tpess)/6. Tabela 5 – Cálculo do tamanho de cada função Função Estimativa de LOC Recursos de Visualização T1 = ( Tot + 4Tmp + Tpess ) / 6 ≅4433 Recursos de Análise 2D T2 = ( Tot + 4Tmp + Tpess ) / 6 ≅5583 Recursos de Análise 3D T3 = ( Tot + 4Tmp + Tpess ) / 6 ≅6883 Recursos de Controle e Interface com o usuário T4 = ( Tot + 4Tmp + Tpess ) / 6 ≅2600 Administração da Base de Dados T5 = ( Tot + 4Tmp + Tpess ) / 6 ≅4167 Recursos de Controle de Periféricos T6 = ( Tot + 4Tmp + Tpess ) / 6 ≅2733 Recursos de Análise de Projetos T7 = ( Tot + 4Tmp + Tpess ) / 6 ≅7197 Estimativa das Linhas de Código (Total) 34317 LOC Fonte: elaborado pelo autor. Utilizando as estimativas de tamanho e os dados do valor bruto da mão de obra e produtividade fornecidos anteriormente, podemos calcular as estimativas de esforço e custo total conforme indicado a seguir. Esforço necessário estimado=(Estimativa de LOC)/(produtividade média) = (34317 LOC)/(400 LOC/pessoas-mês) ≅ 86 pessoas-mês Custo por LOC = (valor bruto da mão de obra) / (produtividade média) = (3000 reais/pessoas-mês) / (400 LOC/pessoas-mês) = 7 .50 reais/LOC Custo total estimado do projeto=(Estimativa de LOC) * (Custo por LOC) = (34317 LOC) * (7 .50 reais/LOC) ≅ 257400 .00 reais Pág. 45 de 99 3 .4 .3 Exemplos de Estimativas Baseadas em Pontos de Função (FP) No caso de Pontos de Função (PF) ou Function Points (FP), conforme falamos anteriormente, a decomposição tem foco nos valores do domínio de informação ao invés das funções do software. Neste método, a estimativa é registrada em uma tabela, como a tabela 6. Tabela 6 – Estimativa de valores do domínio de informações (FP) Valor do domínio da informação Otimista(Tot) Mais Provável (Tmp) Pessimista (Tpess) Estimativa Contagem Fator de Peso Contagem x Fator de Peso Nº de Entradas Externas (EIs) Nº de Saídas Externas (EOs) Nº de Consultas Externas (EQs) Nº de ArqLóg Internos (ILFs) Nº de ArqInterf Externos (EIFs) Contagem Total –> Fonte: Pressman; Maxim (2016, p. 739). ATENÇÃO: para a aplicação de Estimativas Baseadas em FP, é essencial que você consulte a tabela 1 (Tabela para Pontos de Função), o quadro 1 (14 perguntas relacionadas às funcionalidades) e o quadro2 (Escala de VAFs – Value Adjustment Factors) utilizados no modelo de cálculo de pontos por função. Uma vez que se tenha obtido a produtividade média da equipe de desenvolvimento para esse tipo de projeto e o valor bruto salarial, pode-se, analogamente ao que foi feito para LOC, calcular as estimativas para o custo total do projeto e o esforço necessário para concluí-lo. Pág. 46 de 99 Exemplo 3: Suponha que a sua empresa foi contratada para desenvolver determinado software. Considere que a empresa tem um alto grau de maturidade no desenvolvimento de software. Devido a isso, tem procedimentos de coleta de dados, cálculo de métricas e armazenamento desses valores em uma base de dados, organizada considerando softwares do mesmo domínio de aplicação. Após uma análise preliminar na base de dados da empresa, foram obtidos os valores relacionados na tabela 7. Tabela 7 – Valores obtidos na base de dados da empresa Valor do domínio da informação Otimista(Tot) Mais Provável (Tmp) Pessimista (Tpess) Estimativa Contagem Fator de Peso Contagem x Fator de Peso Nº de Entradas Externas (EIs) 26 32 40 Nº de Saídas Externas (EOs) 17 20 26 Nº de Consultas Externas (EQs) 10 15 22 Nº de ArqLóg Internos (ILFs) 6 14 19 Nº de ArqInterf Externos (EIFs) 4 5 7 Contagem Total –> Fonte: elaborado pelo autor. Pág. 47 de 99 Utilizando os dados do exemplo 2 proposto e considerando que o fator de peso (conforme tabela 8) seja simples para todos os parâmetros da tabela 7 e que os valores de ajuste de complexidade para os 14 fatores sejam considerados de influência moderada (valor 2), estime o custo e o esforço necessários para construir o software usando a técnica de estimativa baseada em FP. Considere que a produtividade média para sistemas desse domínio seja de 5 FP/pessoas-mês. Para facilitar os cálculos que iremos fazer, vamos reproduzir na tabela a seguir os Fatores de Peso indicados na tabela 1. Tabela 8 – Fatores de Peso para Pontos de Função Valor do domínio da informação Fator de Peso Simples Médio Complexo Nº de Entradas Externas (EIs) 3 4 6 Nº de Saídas Externas (EOs) 4 5 7 Nº de Consultas Externas (EQs) 3 4 6 Nº de ArqLóg Internos (ILFs) 7 10 15 Nº de ArqInterf Externos (EIFs) 5 7 10 Fonte: elaborado pelo autor. Para começarmos a solucionar o problema da empresa, precisamos completar a tabela 7. A tabela 8 apresenta a tabela 7 com todas as colunas preenchidas. Na tabela 9, os valores de Estimativa Contagem apresentados na 5ª coluna foram obtidos através da expressão T = (Tot + 4*Tmp + Tpess)/6. Uma vez obtidos esses valores de Contagem Estimada, foram considerados os fatores de peso simples (tabela 8). Esses valores estão relacionados na 6ª coluna – Fator de Peso- da tabela 9. De posse dos valores de Estimativa Contagem e Fator de Peso, obtemos a sua multiplicação que é apresentada na 7ª coluna da tabela 8 – Contagem x Fator de Peso. A soma dos valores dessa 7ª coluna resulta no valor da Contagem Total que, no caso da empresa, foi de 346. Pág. 48 de 99 Tabela 9 – Tabela completa para o caso da empresa Valor do domínio da informação Otimista(Tot) Mais Provável (Tmp) Pessimista (Tpess) Estimativa Contagem Fator de Peso Contagem x Fator de Peso Nº de Entradas Externas (EIs) 26 32 40 32.33 3 97 Nº de Saídas Externas (EOs) 17 20 26 20.50 4 82 Nº de Consultas Externas (EQs) 10 15 22 15.33 3 46 Nº de ArqLóg Internos (ILFs) 6 14 19 13.50 7 95 Nº de ArqInterf Externos (EIFs) 4 5 7 5.17 5 26 Contagem Total –> 346 Fonte: elaborado pelo autor. Como no enunciado do exemplo foi dito para considerarmos os valores de ajuste de complexidade para os 14 fatores como de influência moderada (igual a 2, conforme quadro 2), isso resultará em um somatório: 14 * 2 = 28. Substituindo os valores de Contagem Total (346) e o somatório dos 14 fatores de ajustes (28) na expressão obtemos: Estimativa de FP = 346 x (0.65 + 0.01 x 28) ≅ 321 Pág. 49 de 99 Dessa forma, podemos calcular as estimativas de Custo Total Estimado do projeto e Esforço necessário para desenvolvê-lo, conforme apresentado a seguir. Custo por FP = (valor bruto da mão de obra)/(produtividade média) = (3000 reais/pessoas-mês)/ (5 FP/pessoas-mês) = 600 .00 reais/FP Esforço necessário estimado=(Estimativa de PF)/(produtividade média) = (321 FP) / ( 5 FP/pessoas-mês) = 64 .2 pessoas-mês Custo total estimado do projeto =(Estimativa de FP)*(Custo por FP) = (321 FP) * (600 reais/FP) ≅ 192600 .00 reais 4. ESTIMATIVAS DE SOFTWARE – PARTE 2 4.1 Modelos de Estimativa Empíricos Alguns modelos de estimativa para software usam fórmulas empíricas. Essas fórmulas são derivadas usando análise de regressão de dados coletados de projetos anteriores. Normalmente usa-se uma amostra limitada de dados de projetos. Cada modelo de estimativa é adequado para um determinado conjunto de classes de software e ambientes de desenvolvimento, ou seja, são dependentes dos dados dos projetos que foram usados para obtê-los. Devido a isso, geralmente esses modelos de estimativa devem ser adaptados para as condições locais da organização. É claro que, antes de serem usados na sua empresa, esses modelos devem ser testados usando resultados de projetos finalizados. Os dados estimados pelo modelo devem ser comparados aos resultados reais e a eficácia do modelo deve ser analisada para as condições locais. Pág. 50 de 99 De acordo com Pressman e Maxim (2016, p. 744), a estrutura geral dos modelos empíricos tem a forma: E = A + B x (ev)c Onde: A, B, c são constantes derivadas empiricamente E esforço em pessoas-mês ev variável de estimativa (LOC ou PF) A maioria dos modelos de estimativa tem alguma forma de fator de ajuste ao projeto. Isso permite que a variável E seja ajustada por características específicas do projeto, tais como complexidade do problema, experiência da equipe e ambiente de desenvolvimento. A seguir, apresentamos alguns exemplos de modelos empíricos orientados a FP para esforço (E): E = -13 .39 + 0 .0545 x (PF) (modelo de Albrecht e Gaffney) E = 60 .62 + 7 .728 x 10-8 x (PF)3 (modelo de Kemerer) E = 587 .7 + 15 .12 x (PF) (modelo de Matson, Barnett e Mellichamp) E agora, alguns exemplos de modelos empíricos orientados a LOC para esforço (E): E = 5 .2 x (KLOC)0,91 (modelo de Walston-Felix) E = 5 .5 + 0 .73 x (KLOC)1,16 (modelo de Bailey-Basili) E = 3 .2 x (KLOC)1,05 (modelo de Boehm simples) E = 5 .288 x (KLOC)1,047 (modelo de Doty para KLOC > 9) É importante ressaltar que para os mesmos valores de FP ou LOC, os modelos vão gerar resultados diferentes (porque foram gerados, cada qual, em alguns domínios de aplicação específicos). Portanto, para utilizar esses modelos, eles devem ser adaptados para as necessidades locais. Pág. 51 de 99 4.1.1 Exemplo de Aplicação do Modelo Empírico Como exemplo de aplicação de modelo empírico, vamos utilizar o modelo de Walston-Felix para fazer estimativas. Esse modelo apresenta, além da expressão para estimativa de esforço vista anteriormente, as seguintes expressões empíricas de estimativa: Duração do Projeto: D = 4 .1 x (KLOC) 0 .36 (meses) Tamanho da Equipe: S = 0 .54 x (E)0 .6 (pessoas) Páginas de Documentação: DOC = 49 x (KLOC) 1 .01(páginas) Problema: Suponha que a sua empresa foi contratada para desenvolver o software de CAD já mencionado. Considere que a empresa tem um alto grau de maturidade no desenvolvimento de software e que, devido a isso, tem procedimentos de coleta de dados, cálculo de métricas e armazenamento desses valores em uma base de dados, organizada considerando softwares do mesmo domínio de aplicação. Após uma análise preliminar na base de dados da empresa, obtiveram-se, para cada função a ser implementada no software, os valores de tamanho otimista, mais provável e pessimista, em LOC, relacionados na tabela 10. Considerando isso e utilizando os dados
Compartilhar