Earticle

Software cost estimation is a challenging and onerous task. Estimation by analogy is one of the expedient techniques in software effort estimation field. However, the methodology utilized for the estimation of software effort by analogy is not able to handle the categorical data in an explicit and precise manner. Early software estimation models are based on regression analysis or mathematical derivations. Today’s models are based on simulation, neural network, genetic algorithm, soft computing, fuzzy logic modelling etc. This paper aims to utilize a fuzzy logic model to improve the accuracy of software effort estimation. In this approach fuzzy logic is used to fuzzify input parameters of COCOMO II model and the result is defuzzified to get the resultant Effort. Triangular fuzzy numbers are used to represent the linguistic terms in COCOMO II model. The results of this model are compared with COCOMO II and Alaa Sheta Model. The proposed model yields better results in terms of MMRE, PRED(n) and VAF.

Software effort and cost estimation has turned out to be the major challenge in IT industries. In this paper, different software effort and cost estimation techniques like algorithmic methods, expert judgment, analogy based estimation and soft computing methods and their various aspects are discussed. Software effort estimation is followed by cost assessment that is useful for both customers and developers. In this paper comparison between different approaches are discussed and proposed a hybrid technique for effort estimation using fuzzy logic and neural network. This will be useful to make better estimation results.

Managing software changes and achieving an effective change acceptance decision is one of the crucial factors in ensuring the software project success. Accepting too many changes will cause expense and delay and rejecting the changes may cause customer dissatisfaction. One of the inputs that help in achieving an effective change acceptance decision is by having reliable estimation on the change effort. From software development perspective, the estimation has to take into account the inconsistent states of software artifacts across project lifecycle i.e., fully developed or partially developed. These inconsistent states require different ways of estimation such as the fully developed artifacts may have different calculation compared to the partially developed artifacts. Many change effort estimation approaches have been developed and one of them is using impact analysis. One main challenge of this technique from software development perspective is that this technique is specifically used for software maintenance phase in which all software artifacts have been completely developed. This research introduces a new change effort estimation approach that is able to use different estimation techniques for different states of software artifacts. The outcome of this research is a new change effort estimation approach for software development phase using the extended version of the static and dynamic analysis techniques from our previous works.

The number of standards and methods has been developed for software estimation in the last many decades. These methods help practitioners and engineers to estimate the effort accurately, but they found their inability to estimate software precisely. In this paper, an empirical approach is developed to measure the software development effort. The well-known PROMISE data sets of 217 projects are collected and the several performance factors are used in this paper to validate the estimated results. This work also considers the most popular model for software effort estimating, i.e. COCOMO. And the result of the COCOMO model and proposed an empirical approach is compared with the actual effort, and concludes that the proposed approach estimates the software development effort better than COCOMO in several aspects.

Since the computing environment changes very rapidly, the estimation of software effort is very difficult because it is not easy to collect a sufficient number of relevant cases from the historical data. If we pinpoint the cases, the number of cases becomes too small. However if we adopt too many cases, the relevance declines. So in this paper we attempt to balance the number of cases and relevance. Since many researches on software effort estimation showed that the neural network models perform at least as well as the other approaches, so we selected the neural network model as the basic estimator. We propose a search method that finds the right level of relevant cases for the neural network model. For the selected case set, eliminating the qualitative input factors with the same values can reduce the scale of the neural network model. Since there exists a multitude of combinations of case sets, we need to search for the optimal reduced neural network model and corresponding case set. To find the quasi-optimal model from the hierarchy of reduced neural network models, we adopted the beam search technique and devised the Case-Set Selection Algorithm. This algorithm can be adopted in the case-adaptive software effort estimation systems.

성공적인 프로젝트 계획은 활용 가능한 일정과 더불어 프로젝트를 완수하는데 요구되는 노력을 얼마나 정확히 추정하느냐에 달려있다. 새로운 또는 보다 나은 모델 개발에 많은 연구가 이루어졌지만 현존하는 소프트웨어 노력 추정 모델들은 개발 전순기에 대해 투입되는 총 개발노력과 단위시간당 소요되는 인력인 노력 함수만을 제공한다. 또한, Putnam은 세부단계별로 일정한 개발노력 투입 비율을 제시하였다. 그러나 소프트웨어의 규모, 복잡도와 운영환경의 영향으로 인해 프로젝트 별로 투입되는 총 개발노력의 규모에 차이가 발생하며, 그 결과, 개발 세부단계별로 투입되는 노력의 규모도 프로젝트마다 차이가 발생한다. 본 논문은 총 개발노력 변동에 따른 소프트웨어의 명세화, 구축과 시험단계에 투입될 개발노력을 추정하는 선형과 다항식 모델을 제시하였다. 이 모델들은 128개의 다른 소프트웨어 프로젝트들로부터 유도되었다. 제안된 모델은 프로젝트의 일정과 노력 할당 관리에 실질적인 지침을 제공할 것이다.

Successful project planning relies on a good estimation of the effort required to complete a project, together with the schedule options that may be available. Despite the extensive research done developing new and better models, existing software effort estimation models are present only the total effort and effort (or manpower： people per unit time) function for the software life-cycle. Also, Putnam presents constant effort rate in each subcycles. However, the size of total efforts are variable according to the software projects under the influence of its size, complexity and operational environment. As a result, the allocated effort in subcycle also differ from project to project. This paper suggests the linear and polynomial effort estimation models in specifying, building and testing phase followed by the project total effort. These models are derived from 128 different projects. This result can be considered as a practical guideline in management of project schedule and effort allocation.

정확한 소프트웨어 공수 예측은 소프트웨어 관련 여러 커뮤니티들에서 예전부터 항상 이슈가 되어 왔다. 소프트웨어 공수 예측의 정확도를 향상시키기 위해 지금까지 많은 연구들에서는 데이타 품질이 공수 예측에 중요한 요소들 중 하나임에도 불구하고 이것에 대한 고려 없이 공수 예측 기법들에만 초점을 맞추어 왔다. 본 연구에서는 소프웨어어 공수 예측 기법과 이상치 제거 기법들 사이의 영향 관계를 공수 예측 정확도의 관점에서 실험적으로 살펴본다. 두 개의 프로젝트 데이타들(ISBSG와 국내의 한 금융 조직으로부터 수집된 데이타)에 대해 일반적으로 많이 사용되는 세 가지 공수 예측 기법(최소제곱법, 신경망 네트워크, 그리고 베이지안 네트워크)과 두 가지 이상치 제거 기법(최소절사제곱법과 K-means 클러스터링)을 적용시켜 결과들을 서로 비교해 보고 이상치 제거 기법을 적용하지 않은 결과와도 비교해 본다.

Accurate software effort estimation has always been a challenge for the software industrial and academic software engineering communities. Many studies have focused on effort estimation methods to improve the estimation accuracy of software effort. Although data quality is one of important factors for accurate effort estimation, most of the work has not considered it. In this paper, we investigate the influence of outlier elimination on the accuracy of software effort estimation through empirical studies applying two outlier elimination methods(Least trimmed square regression and K-means clustering) and three effort estimation methods(Least squares regression, Neural network and Bayesian network) associatively. The empirical studies are performed using two industry data sets(the ISBSG Release 9 and the Bank data set which consists of the project data collected from a bank in Korea) with or without outlier elimination.

As software becomes more complex and its scope dramatically increases, the importance of research on developing methods for estimating software development efforts has been increased. Such accurate estimation has a prominent impact on the development projects. To develop accurate effort estimation models, many studies have been conducted among the academia and the practitioners. Out of the numerous methods, Constructive Cost Model (COCOMO) based on Line of Code (LOC), Regression Model based on Function Point (FP) were the most popular models in the past. As today's development environments are dynamically changing, these traditional methods do not work anymore. There is an impending need to develop an accurate estimation model which accommodates itself to the new environments. As a possible solution, this research proposes and evaluates an software development estimation model based on function points and neural networks.

소프트웨어 개발노력 추정에 대한 연구는 소프트웨어가 복잡해지고 범위가 크게 증가함에 따라서 그 중은 지속적으로 부각되고 있다. 관련 프로젝트를 발주하는 업체나, 이를 수주하고 개발을 진행하는 업체에게 원가를 고려하는 측면에서 매우 중요한 부분을 차지하고 있다. 이러한 개발노력 추정을 위하여 다양한 접근 방식들이 고려되어지고 있는데, 그중에서 많이 활용되어지고 있는 방식은 소프트웨어 규모에 기반을 둔 LOC(Line Of Code) 기반 COCOMO (Constructive Cost Model) 모델이나 기능점수(Function Point)를 기반으로 한 회귀분석 모델, 인공지능(Artificial Intelligence)을 활용한 신경망(Neural Network) 모델, 사례분석기법 (CBR, Case Based Reasoning) 등이 있다. 이중에서 최근에 기능점수를 활용한 개발노력 추정에 관한 연구들이 활발히 진행되고 있으나 개발노력 추정에는 소프트웨어 규모의 척도인 기능점수 뿐만 아니라, 개발환경을 구성하는 여러 가지 측면에 대한 고려가 추가되어져야 한다. 이에 본 논문은 최신의 소프트웨어 개발 사례들에 대하여 기능점수 및 추가적인 개발환경 요소들을 면밀히 분석하고, 분석한 내용에 대해서 전문가들의 설문을 통한 빈도분석 및 로지스틱 회귀분석, 데이터마이닝 기법인 신경망 분석 등을 활용하여 개발노력 추정 모델을 구축함으로써, 소프트웨어 개발의 다양한 측면의 중요성을 강조하고, 정확한 추정의 방안을 제시 하고자 노력 하였다.

소프트웨어 개발에서 점점 더 중요시되는 사항은 개발 생명주기의 초기에 개발과 관련된 노력과 비용을 추정하는 능력이다. 제안된 모델 대부분은 경험 데이터의 직관, 전문가 판단과 회귀분석의 조합에 기반을 두고 있으나 다양한 환경에 적용될 수 있는 하나의 모델을 개발하는 것이 불가능하였다. 본 논문은 기능 구성요소 형태들로 측정된 소프트웨어 규모로 소프트웨어 개발노력을 추정하는 신경망 모델을 제안한다. 신경망의 은닉뉴런 수는 입-출력 관계로부터 휴리스틱하게 얻는 방법을 제안한다. 24개 소프트웨어 개발 프로젝트 사례연구를 통해 적합한 신경망 모델을 제시하였다. 또한, 회귀분석 모델과 신경망 모델을 비교하여 신경망 모델의 정확성이 보다 좋음을 보였다.

An increasingly important facet of software development is the ability to estimate the associate cost and effort of development early in the development life cycle. Most of the proposed models are based upon a combination of intuition, expert judgement, and regression analysis of empirical data. Overall, the work has failed to produce any single model that can be applied with a reasonable degree of success to a variety of environments. This paper presents a neural network (NN) model that related software development effort to software size measured in function element types. The heuristic approach is applied to decide the number of hidden neurons in NN from the relationship between input-output pairs. The research describes appropriate NN modeling in the context of a case study for 24 software development projects. Also, this paper compared the NN model with a regression analysis model and found the NN model has better accuracy.

본 연구에서는 소프트웨어 유지보수에 영향을 주는 생산성 요소들을 투입인력 특성, 소프트웨어의 기술적 특성 및 유지보수 환경특성 등 3개의 영역으로 구분하였다. 또한 실제 유지보수 프로젝트의 데이터를 수집하여 소프트웨어 유지보수 규모와 생산성 요소를 결합한 투입인력 규모예측을 위한 다양한 회귀모형을 통계적 분석에 의해 검증하였다. 결론적으로 소프트웨어유지보수 프로젝트의 투입인력 규모예측을 위해 가장 유의한 모형으로 요인점수에 의한 선형모형이 최종 모형으로 제시되었다.

In this study, the productivity factors of software maintenance are categorized into the three areas such as maintainer characteristics, software technical characteristics and maintenance environment characteristics. And the various regression analyses are performed for searching the most significant model by using actual project's data. At conclusion, an linear model including new variables derived from factor analysis to estimate the effort for software maintenance project is suggested.

결과적으로 컴포넌트 기반의 개발 방법은 새로운 개념의 비용 예측 모델이 요구되고 있으며 외국의 경우 이에 대한 연구가 활발히 진행되고 있다. 그러나 외국의 비용산정 모형을 그대로 적용하기에는 국내 소프트웨어 사용환경에 적절치 못할 것으로 판단되며 또한 축적된 개발 관리 자료의 부족으로 인하여 사용이 매우 제한적인 실정이다. 본 연구는 컴포넌트 환경의 비쥬얼 개발 툴을 기반으로 하는 소프트웨어 개발을 전제로 개발비용의 핵심인 노력도(Person Month)를 산정하는 모델을 제안하고자 한다.

This study presents a cost of efforts estimation model under the environment of developing a software using component software package tools. The approach taken was to drive from variety of sources in an attempt to identify the most significant factors. These sources ranged from already existing cost models like COTS integration cost and COCOMO models to information gathered in a data collection survey. Once the candidate drivers had been identified, the next step was to interview with the experts who had been experienced more than 5 years in component development area to identify the most significant driving factors. From those selected drivers, I established the Cost Estimation Model which is suitable for the developing a software using component software package tools by applying the general from of the well-know COCOMO software cost estimation model. To established the best fit in Korean Software industry, I used Regression statistical analysis with 31 data collections.

최근 소프트웨어는 고성능의 많은 기능을 제공해야 하기 때문에 그 중요성이 증가할 뿐만 아니라 복잡도 또한 증가하고 있다. 그러므로 신뢰할 만한 소프트웨어를 개발하는 것이 중요한 이슈가 되고 있다. 신뢰할 만한 소프트웨어를 개발하기 위해서는 신뢰성을 초기단계에서부터 관리해야 할 필요성이 있지만 대부분 신뢰성 추정 모델의 경우 시스템 또는 운영 테스트 단계에서 주로 사용되고 있다. 신뢰성 높은 소프트웨어를 개발하기 위해서는 초기 테스트 단계에서부터 개별 유닛의 신뢰성을 관리할 필요성이 있기에 이 단계에서의 특징을 반영해야 한다. 그러나 초기 테스트 단계에서는 개발자와 테스터가 분리되는 것이 아니라 개발자가 테스트뿐만 아니라 디버그까지 함께 수행을 하게 된다. 그렇기 때문에 테스트 시간과 디버그 시간을 모두 고려하는 신뢰성 추정 모델이 필요하다. 본 논문에서는 초기 테스트 단계에서부터 개별 유닛의 신뢰성 관리를 지원하고자 새로운 신뢰성 모델을 제안하였다. 그리고 실제 산업에서 수집된 데이터를 이용하여 제안한 모델이 실제 데이터와 얼마나 일치하는지 그리고 기존 모델과 어떤 차이를 보이는지를 확인하기 위한 실험을 수행하였다.

Relative importance and complexity of recent software is getting increased because the software is needed to provide considerable amount of functions and high performance. Therefore, developing reliable software is importantly issued. In order to develop reliable software, it is necessary to manage software reliability at the early phases, but most reliability estimation models are used at system or operational test phases. In order to develop highly reliable software, it is necessary to manage software reliability at the early test phases based on characteristic of the phases that is developers and testers are not separated and developers perform test and debug activities together. Therefore, a new reliability estimation model considering test and debug time together is necessarily needed. In this paper, we propose a new reliability estimation model to manage reliability of individual units from the early test phases and in order to show how to fit the model to actual data and usefulness, we collected industrial data and used it for the experiment.

Many software reliability growth model(SRGM) have been proposed for past several decades. Most of these propositions assumed the S/W debugging testing efforts be constant or even did not consider them. A few papers were presented as the software reliability evaluation considering the testing effort was important afterwards. The testing effort forms which have been presented by this kind of papers were exponential, Rayleigh, Weibull, or Logistic functions, and one of these 4 types was used as a testing effort function depending on the S/W developing circumstances. We consider the methology to evaluate the SRGN using least square estimator(LSE) and maximum likelihood estimator(MLE) for those 4 functions, and then examine parameters applying actual data adopted from real field test of developing S/W.