Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD
DE
INGENIERA
MTRICAS
Monografa que como parte de la asignatura de Calidad de Software presentan los alumnos:
JORDAN DURAND ESPINOZA LISCENIA BEJAR LIRIO LUIS TRILLO CORALES
P g i n a
2 1
1.-DEDICATORIA
A DIOS POR HABERNOS PERMITIDO LLEGAR HASTA ESTE PUNTO Y HABERNOS DADO SALUD PARA LOGRAR NUESTROS OBJETIVOS, ADEMAS DE SU INFNIA BONDAD Y AMOR.
P g i n a
2 1
3. RESUMEN
Antecedentes Los modelos mentales son anlogos estructurales de estados de cosas, eventos u objetos, del mundo. Las personas operan cognitivamente con modelos mentales. Entender un sistema fsico o un fenmeno natural, por ejemplo, implica tener un modelo mental del sistema que le permite a la persona que lo construye explicarlo y hacer previsiones con respecto a l. Los modelos conceptuales, por otro lado, son modelos proyectados por cientficos, ingenieros, profesores, para facilitar la comprensin y la enseanza de sistemas fsicos o de fenmenos naturales. Es decir, profesores y alumnos trabajan con modelos mentales, pero intentan ensear y aprender modelos conceptuales. Los cientficos, en general, disean modelos conceptuales, pero lo hacen a travs de sus modelos mentales.
P g i n a
2 1
ndice
1.DEDICATORIA......................................................................................... 3 2.AGRADECIMIENTOS................................................................................. 4 3.RESUMEN................................................................................................................ 5 4.INTRODUCCION....................................................................................................... 7 3.ANTECEDENTES...................................................................................................... 8 5.1. MODELOS CONCEPTUALES..............................................................................8 5.2. MODELOS CONCEPTUALES............................................................................10 6. USO DE METRICAS............................................................................................... 12 6.1. MODELOS CONCEPTUALES TRADICIONALES.................................................12 6.1.1. METRICAS DE KESH...............................................................................12 6.1.2. METRICAS DE MOODY...........................................................................15 6.1.3. METRICAS DE PIATTINI..........................................................................16 6.1.4. METRICAS DE ABREU Y MELO................................................................18 6.2. LAS METRICAS QUE SE CONSIDERAN A NIVEL DE HERENCIA........................20 6.3. LAS METRICAS A NIVEL DE ACOPLAMIENTO..................................................22 6.3.1. METRICAS DE TAMAO..........................................................................24 6.3.2. METRICAS DE HERENCIA.......................................................................24 6.3.3. METRICAS DE GENERO..........................................................................25 7. CONCLUSIONES.................................................................................................... 28 8. GLOSARIO............................................................................................................ 29 9. SIGLARIO.............................................................................................................. 30 10. BIBLIOGRAFIA..................................................................................................... 31
P g i n a
2 1
Introduccin
En los ltimos aos han surgido diversas propuestas de modelos de calidad para ciertos dominios de aplicacin, como por ejemplo para modelar y evaluar requisitos no funcionales de sitios y aplicaciones. Aun cuando la etapa de modelado de datos nicamente representa una pequea proporcin del esfuerzo total del desarrollo de sistemas, probablemente el impacto sobre el resultado final es mayor que el de cualquier otra etapa [1]. El modelo conceptual de datos es la base de todo trabajo de diseo posterior y el principal factor determinante de la calidad del diseo del sistema global. Esto pone en evidencia la importancia que tiene contar con mtricas que permitan evaluar y controlar la calidad de los modelos conceptuales de datos. Prcticamente no existen mtricas para bases de datos. Medir datos puede ayudar a controlar y predecir aspectos del modelo de datos durante el proceso de desarrollo software. Un enfoque ms riguroso para asegurar la calidad del modelado conceptual. Las mtricas del software es un buen medio para entender, monitorizar, controlar, predecir y probar el desarrollo software y los proyectos de mantenimiento (Briand et al., 1996). Las mtricas no se utilizan solamente para entender, controlar y probar, sino tambin pueden ser utilizadas para que los profesionales e investigadores puedan tomar las mejores decisiones. Sirven para escoger entre alternativas de diseo
P g i n a
2 1
5.2.-Acerca de la Calidad
La mayora de los clientes busca calidad al mejor precio, sin embargo, lo que puede ser "excelente" para algunos, no lo es para otros. Cuando un individuo adquiere un producto o servicio, lo hace para satisfacer una necesidad, pero siempre espera que la "nueva adquisicin" funcione como lo esperado, o al menos como se lo prometieron en el anuncio publicitario. Muchas veces la calidad se paga, justificando de esta forma el dicho de que "lo barato sale caro".
5.3.- Qu es la calidad?
El significado de esta palabra puede adquirir mltiples interpretaciones, ya que todo depender del nivel de satisfaccin o conformidad del cliente. Sin embargo, la calidad es el resultado de un esfuerzo arduo, se trabaja de forma eficaz para poder satisfacer el deseo del consumidor. Dependiendo de la forma en que un producto o servicio sea aceptado o rechazado por los clientes, podremos decir si ste es bueno o malo. Muchas veces el nivel de calidad se mide de acuerdo a la reaccin y preferencias del cliente. Desde el mismo momento en que ste llega al establecimiento comercial, sabe exactamente qu va a comprar y dnde ubicarlo, va directo al lugar donde se encuentra el producto de su preferencia. En ocasiones, no encontrar lo que est buscando, y por tanto se decidir por otro producto de mayor o menor precio, sin embargo, cuando su nivel de preferencia se afinca en una determinada marca, el cliente prefiere seguir buscando en otros establecimientos en vez de resolverse con un producto sustitutivo.
P g i n a
2 1
Como siempre que se habla de calidad, hay que distinguir entre la calidad del producto y la calidad del proceso realizado para conseguirlo. En este caso, la calidad del producto se relaciona con las caractersticas del modelo conceptual y la calidad del proceso con la manera en que se desarrollan los modelos conceptuales.
P g i n a
2 1
Autores
Propiedad
Batini (1992) Complecin, correccin, minimalidad, expresividad, auto explicacin, extensibilidad y normalidad. Reingruber Correccin conceptual, complecin conceptual, M. y Gregori correccin sintctica, complecin sintctica, W. (1994) conocimiento de la empresa. Boman Facilidad de comprensin, correccin semntica, (1997) estabilidad, complecin conceptual. Tabla 1. Propiedades de calidad Por ello, otros autores, como Moody, Kesh, Piattini, etc., estudian la calidad definiendo marcos de referencia para estructurar y organizar los conceptos claves y las caractersticas en el modelado conceptual de los datos. En general, estos marcos, al definir solo propiedades deseables y carecer de medidas cuantitativas, no permiten medir eficazmente la calidad del producto obtenido. Para evitar los sesgos en el proceso de evaluacin de la calidad, Moody propuso en 1998 la necesidad de contar con medidas objetivas y cuantitativas para evaluar la calidad de los modelos conceptuales. En las siguientes pginas presentamos algunas de las propuestas que sobre mtricas de calidad de los modelos conceptuales han aparecido en los ltimos aos.
P g i n a
2 1
P g i n a
2 1
P g i n a
2 1
Para poder medir un atributo, debe permitir que distintas entidades sean distinguibles entre s. La mtrica debe cumplir la condicin de representacin PROPIEDADES Mtricas directas Mtricas indirectas Cada unidad que contribuye La mtrica se debe basar en un en una mtrica valida debe modelo explcitamente definido ser equivalente. de relaciones entre atributos (generalmente, relacionando Diferentes entidades pueden atributos externos e internos). tener el mismo valor (dentro El modelo de medicin tiene que de los lmites en los errores de ser dimensionalmente medicin). consistente. La mtrica no debe mostrar ninguna discontinuidad inesperada. Las unidades y escalas de la mtrica se han de usar correctamente. Tabla 2.Propiedades de la Mtricas La condicin de representacin, segn est descrita por Fenton y Pfleeger [1997], asegura que la relacin de medicin M debe hacer corresponder entidades a nmeros, as como relaciones empricas a relaciones numricas, de tal forma que las relaciones empricas son preservadas por las relaciones numricas. Por ejemplo, A es mayor que B si y slo si M(A) > M (B). Los mtodos empricos corroboran la validez de las mtricas: Con mtodos estadsticos y experimentales se evalan la utilidad y la relevancia de las mtricas. Aunque en la bibliografa existen estudios en los que se validan mtricas a travs de tcnicas estadsticas y experimentales, anes necesario trabajar mucho ms para obtener mejores guas e interpretaciones.
P g i n a
2 1
P g i n a
2 1
Donde son los pesos de los factores de comportamiento y los valores de dichos factores. Los pesos son determinados por la organizacin en funcin de la importancia que tengan para la misma. Las frmulas para el clculo de son las siguientes:
Los valores de los factores ontolgicos son, en algunos casos, estimados por los usuarios, y en otros calculados mediante frmulas. Los procedimientos son los siguientes: Adecuacin del modelo al problema (o1).Valor entre 1 y 5, determinado mediante entrevista con los usuarios.
P g i n a
2 1
Estando D1basado en el ratio R = (nmero de inconsistencias)/4n, donde n es el nmero de relaciones en el modelo (4n representa el nmero de implicaciones) Concisin del modelo (O4). Si un modelo ER tiene n entidades, el nmero mnimo de relaciones es n-1. A un modelo ER con (n-1) entidades se le atribuye un O4de 5. El valor de 0 constituye el peor de los casos, cuando todas las entidades estn relacionadas entre s. En los dems casos el valor (entre 0 y 5) se obtiene, para un modelo con n1relaciones, mediante una frmula especfica:
Complecin del contenido (O5). Se compara el modelo ER con la lista de consultas e informes que se desean obtener de la B.D. y por cada fallo que se observe se resta de 5 una cantidad proporcional a la importancia de la consulta o informe. Cohesin del contenido ( ). La cohesin para cada entidad es el tamao del identificador primario. Si este est formado por un solo atributo, la cohesin es mxima y, por lo tanto, (i es el nmero de la entidad) es 5.Si el identificador primario lo constituyen todos los atributos de la entidad, . Si es el nmero de atributos de la entidad y es el nmero de atributos del identificador primario, entonces:
P g i n a
2 1
El modelo est poco experimentado, por eso se necesita mucha interaccin entre los diseadores y los usuarios para su retroalimentacin. El propio Kesh considera que el valor de Q no es una estimacin precisa, sino un indicador de la calidad del modelo ER y que, por consiguiente, habra que seguir trabajando sobre el modelo.
6.3.2.-Mtricas de Moody
Moody present un conjunto de mtricas, algunas objetivas y otras subjetivas, para evaluar algunos factores de calidad de los modelos de datos. Estas mtricas son, para los diferentes factores de calidad: Complecin Nmero de elementos del modelo de datos que no corresponden con los requisitos de usuario. Nmero de elementos del modelo de datos que corresponden con los requisitos de usuario, pero definidos incorrectamente. Nmero de requisitos del usuario no representados en el modelo. Nmero de inconsistencias con el modelo de procesos. Integridad Nmero de restricciones de integridad incluidas en el modelo que no corresponden a polticas de negocio. Nmero de reglas del negocio que no se cumplen por el modelo de datos. Flexibilidad Costes estimados de los cambios. Importancia estratgica de los cambios. Nmero de elementos del modelo que en el futuro estarn sometidos a cambios.
P g i n a
2 1
6.3.3.-Mtricas de Piattini
Un grupo de investigadores coordinados por Piattini trabaj en la medida de la facilidad de mantenimiento de los modelos ER. Es evidente que esta medida slo puede hacerse cuando el producto est terminado o prximo a finalizar, ya que la facilidad de mantenimiento es un atributo externo de la calidad. Para evitar este inconveniente se predice la facilidad de
USP FI- Ingeniera Informtica y de Sistemas
P g i n a 2 1
De estas, son mtricas del tamao las NE, NA, NDA y NMVA, y son mtricas de complejidad el resto. Estas mtricas del modelo ER son objetivas y han sido validadas tericamente en Genero et al. , siguiendo el marco formal basado en la teora de la medida, propuesto por Zuse, con el objetivo de evaluar qu tipo de escala caracteriza a cada mtrica, adems de empricamente mediante un caso de estudio y dos experimentos controlados. Las mtricas NNR, N1: NR, NBinaryR fueron caracterizadas por encima de la escala ordinal y NE, NA, NCA, NDA, NMVA, NN-AryR, NIS_AR, NRefR, NRR en la escala de ratio. La siguiente tabla resume las caractersticas ms importantes de las principales propuestas sobre mtricas para modelos conceptuales ER existentes en la literatura. La primera columna hace referencia a la principal fuente de las mtricas. En la segunda, se presenta el enfoque de las mtricas.
P g i n a
2 1
AUTORES
ENFOQUE
AMBIT O
OBJETIVA/ SUBJETIVA
VALIDACIO N TEORICA
VALIDACIO N EMPIRICA
HERRAMIENTA
NO NO SI
NO NO Parcial
NO NO SI
De la tabla y los epgrafes podemos concluir que: Aunque parece que estn definidas persiguiendo un objetivo claro, la lista completa de propiedades deseables para obtener un buen modelo conceptual no est definida claramente. La mayora de las mtricas para modelos ER son subjetivas. La mayora de las mtricas para modelos ER no estn soportadas por herramientas automticas. Se hace necesario por tanto, seguir trabajando en la validacin emprica y terica de las mtricas.
P g i n a
2 1
Modelos
En esta parte del tema examinaremos un conjunto de mtricas de diseo en la orientacin a objetos como medio para evaluar la calidad de este tipo de sistemas. El hecho de construir software mediante el uso de esta metodologa no garantiza de por s la calidad; las mtricas tradicionales no se adecuan bien a este tipo de SW., por lo que se han definido mtricas especficas.
P g i n a
2 1
P g i n a
2 1
En resumen, las mtricas de Abreu y Melo se enfocan hacia las caractersticas de los diagramas de clase, son medidas objetivas y han sido validadas de forma terica y parcialmente de forma emprica.
P g i n a
2 1
Se propuso como una medida de la complejidad de una clase, complejidad de diseo y reusabilidad potencial. El uso de la herencia se contempla como un compromiso, ya que: Altos niveles de herencia indican objetos complejos, los cuales pueden ser difciles de probar y reutilizar. Bajos niveles en la herencia pueden sealar que el cdigo est escrito en un estilo funcional, sin aprovechar el mecanismo de herencia proporcionado por la orientacin a objetos.
En general la herencia se utiliza poco. Distintos autores han encontrado una correlacin positiva entre DIT y el nmero de problemas emitidos por el usuario, poniendo en duda el uso efectivo de la herencia. Por su parte, otros autores sugieren un umbral de 6 niveles como indicador de un abuso en la herencia en distintos lenguajes de programacin (C++, Smalltalk) Sistemas construidos a partir de frameworks suelen presentar unos niveles de herencia altos, ya que las clases se construyen a partir de una jerarqua existente. En lenguajes como Java o Smalltalk, las clases siempre heredan de la clase Object, lo que aade uno al valor de DIT. Los problemas que surgen con esta mtrica se deben a las diferentes caractersticas de la herencia, ya que DIT no queda claramente definida y no se puede ver como una medida de reutilizacin. Es fcil imaginar clases con gran profundidad en la jerarqua reutilizando menos mtodos que una clase poco profunda, pero que es muy ancha. NOC: La mtrica Number Of Children (nmero de hijos) se define como el nmero de subclases inmediatas subordinadas a una clase, es decir, la cantidad de subclases que pertenecen a una clase. Esta medida indica
P g i n a
2 1
Es un potencial indicador de la influencia que una clase puede tener sobre el diseo del sistema. Si el diseo depende mucho de la reutilizacin a travs de la herencia, quizs sea mejor dividir la funcionalidad en varias clases. Estas dos mtricas (DIT y NOC) presentan medidas objetivas para la complejidad de las clases y han sido validadas tericamente por los autores al corroborar que satisfacen los axiomas de Weyuker. La validacin emprica fue realizada por Basil, que encontraron que la posibilidad de encontrar un fallo es directamente proporcional a DIT e inversamente al NOC.
Los autores proponen que esta mtrica sea un indicador del esfuerzo necesario para el mantenimiento y las pruebas. Tambin indican que cuanto ms acoplamiento se da en una clase, ms difcil ser reutilizarla. Adems las clases con excesivo acoplamiento dificultan la comprensin y hacen ms difcil el mantenimiento, por lo que ser necesario un mayor esfuerzo y unas pruebas rigurosas. Las clases
USP FI- Ingeniera Informtica y de Sistemas
P g i n a 2 1
Donde {Ri} es el conjunto de mtodos llamados por el mtodo i, y {M} es conjunto de todos los mtodos en la clase. Para los autores, RFC es una medida de la complejidad de una clase a travs del nmero de mtodos y de su comunicacin con otras, pues incluye los mtodos llamados desde fuera de la clase. RFC es un indicador de los recursos necesarios para las pruebas y la depuracin. Cuanto mayor es RFC, ms complejidad tiene el sistema, ya que es posible invocar ms mtodos como respuesta a un mensaje. Se ha sealado que la definicin de esta mtrica es ambigua y fuerza al usuario a interpretarla. WMC: Weighted Methods per Class-WMC (mtodos ponderados por clase), mide la complejidad de una clase. Si todos los mtodos se estiman igualmente complejos,
P g i n a
2 1
Donde una clase Ci tiene los mtodos M1,..., Mn con su complejidad respectiva c1,..., cn. Los autores sugieren que WMC es una medida de la complejidad de una clase. Clases con un gran nmero de mtodos requieren ms tiempo y esfuerzo para desarrollarlas y mantenerlas, ya que influirn en las subclases heredando todos sus mtodos. Adems, estas clases tienden a ser especficas de la aplicacin, con lo que se limita su posibilidad de reutilizacin. Lorenz y Kidd plantean un umbral de 40 o 20, dependiendo de si las clases son o no de interfaz de usuario. En WMC se pueden apreciar los siguientes problemas: WMC mide presuntamente la complejidad, pero no ofrece ninguna definicin asociada a la complejidad. WMC no se puede contemplar como un indicador del esfuerzo necesario para desarrollar una clase, ya que es fcil imaginar clases con pocos mtodos complicados y clases con un gran nmero de mtodos, pero muy simples.
As pues parece que solo se debera considerar esta mtrica simplemente como una medida del tamao de una clase. LCOM: Lack of Cohesion in Methods (falta de cohesin en los mtodos) establece en qu medida los mtodos hacen referencia a atributos. LCOM es una medida de la cohesin de una clase midiendo el nmero de atributos comunes usados por diferentes mtodos, indicando la calidad de la abstraccin hecha en la clase.
Un valor alto de LCOM implica falta de cohesin, es decir, escasa similitud de los mtodos. Esto quizs signifique que la clase est compuesta de elementos no relacionados, incrementndose la complejidad y la probabilidad de errores durante el desarrollo. Es deseable una alta cohesin de los mtodos dentro de una clase, ya que esta no se puede dividir fomentando la encapsulacin.
P g i n a
2 1
6.3.3.2.-Mtricas de herencia
NMO: El Nmero de Mtodos Sobrecargados es el nmero total de mtodos sobrecargados en una subclase. Se propuso para medir la calidad del uso de la herencia. NMI: El Nmero de Mtodos Heredados se define como el nmero de mtodos que hereda una clase. Tambin mide la calidad del uso dela herencia. NMA: El Nmero de Mtodos Aadidos es el nmero total de mtodos que se definen en una subclase. Igual que las anteriores mide la calidad de uso de la herencia.
P g i n a
2 1
Mide el grado en que una subclase redefine el comportamiento de una superclase. Esta frmula pondera ms las redefiniciones que ocurren en niveles ms profundos del rbol de herencia, ya que cuanto ms especializada es una clase, menos probabilidad existe de que su comportamiento sea reemplazado. Mtricas de caractersticas internas de una clase APPM: El Promedio de Parmetros por Mtodo se define como el cociente entre el nmero total de parmetros por mtodo y el nmero total de mtodos. Estas mtricas estn enfocadas a las caractersticas internas del diseo O.O. con medidas objetivas y una herramienta, la OO Metric, que slo puede aplicarse a cdigo escrito en C++ y Smalltalk. No se han validado tericamente. Se han validado parcialmente de forma emprica.
P g i n a
2 1
NassosC: El Nmero de Asociaciones por Clase es el nmero total de asociaciones de una clase (con otras clases o con ella misma). Hagg: La Altura de una clase es la longitud de la ruta ms larga desde la clase a las hojas dentro de una jerarqua de agregacin. NODP: El Nmero de Partes Directas de una clase es el nmero de Partes Directas que contiene una clase que pertenece a una jerarqua de agregacin. NP: El Nmero de Partes es el nmero de clases partes (directas o indirectas) de una clase todo. NW: La mtrica Nmero de Todos se define como el nmero de clases todos (directas e indirectas) en una clase parte. Magg: La mtrica Agregacin Mltiple es el nmero de clases todo directas que tiene una clase en una jerarqua de agregacin. NdepIn: El Nmero de Dependencias In se define como el nmero de clases que depende de una clase dada. NdepOut: El Nmero de Dependencias Out es el nmero de clases de las que depende la clase dada.
P g i n a
2 1
P g i n a
2 1
Conclusiones
-La mejora continua de los procesos es una herramienta fundamental para todas las empresas - les permite a las empresas a renovar y mejorar sus Procesos de Negocio. Esto implica una constante actualizacin que hace a las organizaciones ms eficientes y competitivas. -Para toda empresa pblica o privada que maneje informacin sensible se considera que la adopcin de nuevas medidas es Vital. - Los modelos presentados demuestran que en todas las empresas se deben medir los procesos de negocio (todo aquello que no se puede medir, no se puede mejorar). -Las mtricas a nivel de modelo pueden ser muy tiles a la hora de seleccionar los modelos con mayor facilidad de mantenimiento de entre diversas alternativas en aquellas empresas que cambian sus modelos para mejorar sus procesos. s
P g i n a
2 1
P g i n a
2 1
- WMC: Weighted Methods per Class-WMC (mtodos ponderados por clase) GQM: (Goal Question Metrics) o QMS (Quality Management System). ER: Entidad Relacin MOOD (Metrics for Object Oriented Design) BD: Base de Datos
- SW: Software
P g i n a
2 1
P g i n a
2 1