CAPTULO 4

Mtricas en el desarrollo del Software

4.1 Las Mtricas y la Calidad de Software

El objetivo primordial de la ingeniera del software es producir un sistema,

aplicacin o producto de alta calidad. Para lograr este objetivo, los ingenieros de

software deben emplear mtodos efectivos junto con herramientas modernas

dentro del contexto de un proceso maduro de desarrollo del software. Al mismo

tiempo, un buen ingeniero del software y buenos administradores de la ingeniera

del software deben medir si la alta calidad se va a llevar a cabo. A continuacin se

ver un conjunto de mtricas del software que pueden emplearse a la valoracin

cuantitativa de la calidad de software

El punto de vista de Qu es calidad? Es diverso, y por lo tanto existen distintas

respuestas, tales como se muestra a continuacin:

El American Heritage Dictionary [Pressman 98] define la calidad como

Una caracterstica o atributo de algo.

La definicin estndar de calidad en ISO-8402 es La totalidad de rasgos y

caractersticas de un producto, proceso o servicio que sostiene la habilidad

de satisfacer estados o necesidades implcitas [Mcdermid 91].

Concordar explcitamente al estado funcional y a los requerimientos del

funcionamiento, explcitamente a los estndares de documentacin de

60
 desarrollo, e implcitamente caractersticas que son expectativas de todos

los desarrolladores profesionales de software [Pressman 93].

La calidad de un sistema, aplicacin o producto es tan buena como los

requisitos que detallan el problema, el diseo que modela la solucin, el cdigo

que transfiere a un programa ejecutable y las pruebas que ejercita el software para

detectar errores. Un buen ingeniero del software emplea mediciones que evalan

la calidad del anlisis y los modelos de diseo, as como el cdigo fuente y los

casos de prueba que se han establecido al aplicar la ingeniera del software. Para

obtener esta evaluacin de calidad, el ingeniero debe utilizar medidas tcnicas,

que evalan la calidad con objetividad, no con subjetividad. Asimismo, un buen

administrador de proyectos debe evaluar la calidad objetivamente y no

subjetivamente. A medida que el proyecto progresa el administrador del proyecto

siempre debe valorar la calidad. Aunque se pueden recopilar muchas medidas de

calidad, el primer objetivo en el proyecto es medir errores y defectos. Las mtricas

que provienen de estas medidas proporcionan una indicacin de la efectividad de

las actividades de control y de la garanta de calidad en grupos o en particulares.

Por ejemplo los errores detectados por hora de revisin y los errores detectados

por hora de prueba suministran una visin profunda de la eficacia de cada una de

las actividades envueltas en la mtrica. As los datos de errores se pueden utilizar

tambin para calcular la eficiencia de eliminacin de defectos en cada una de las

actividades del marco de trabajo del proceso.

61
4.1.1 Visin General de los Factores que Afectan a la Calidad

McCall y Cavano [John A. McDermid 91] definieron un juego de factores de

calidad como los primeros pasos hacia el desarrollo de mtricas de la calidad del

software. Estos factores evalan el software desde tres puntos de vista distintos:

(1) operacin del producto (utilizndolo), (2) revisin del producto (cambindolo) y

(3) transicin del producto (modificndolo para que funcione en un entorno

diferente, por ejemplo: portndolo) Los autores describen la relacin entre estos

factores de calidad (lo que llaman un marco de trabajo) y otros aspectos del

proceso de ingeniera del software:

En primer lugar el marco de trabajo proporciona al administrador identificar

en el proyecto lo que considera importante, como: facilidad de mantenimiento y

transportabilidad, atributos del software, adems de su correccin y rendimiento

funcional teniendo un impacto significativo en el costo del ciclo de vida. En

segundo lugar, proporciona un medio de evaluar cuantitativamente el progreso en

el desarrollo de software teniendo relacin con los objetivos de calidad

establecidos. En tercer lugar, proporciona ms interaccin del personal de calidad,

en el esfuerzo de desarrollo. Por ltimo, el personal de calidad puede utilizar

indicaciones de calidad que se establecieron como pobres para ayudar a

identificar estndares mejores para verificar en el futuro.

Es importante destacar que casi todos los aspectos del clculo han sufrido

cambios radicales con el paso de los aos desde que McCall y Cavano hicieron su

trabajo, teniendo gran influencia, en 1978. Pero los atributos que proporcionan una

indicacin de la calidad del software siguen siendo los mismos. Si una

62
organizacin de software adopta un juego de factores de calidad como una lista

de comprobacin para evaluar la calidad del software, es probable que el

software construido hoy siga exhibiendo la buena calidad dentro de las primeras

dcadas del siglo XXI. Incluso, cuando las arquitecturas del clculo sufrn

cambios radicales (como seguramente ocurrir), el software que exhibe alta

calidad en operacin, transicin y revisin continuar sirviendo a sus usuarios.

4.1.2 Medida de la calidad

Aunque hay muchas medidas de la calidad de software, la correccin,

facilidad de mantenimiento, integridad y facilidad de uso suministran indicadores

tiles para el equipo del proyecto. Gilb [Len O. Ejiogo 90] sugiere definiciones y

medidas para cada uno de ellos, tales como:

Correccin: A un programa le corresponde operar correctamente o suministrar

poco valor a sus usuarios. La correccin es el grado en el que el software lleva a

cabo una funcin requerida. La medida ms comn de correccin son los defectos

por KLDC, en donde un defecto se define como una falla verificada de

conformidad con los requisitos.

Facilidad de mantenimiento. El mantenimiento del software cuenta con ms

esfuerzo que cualquier otra actividad de ingeniera del software. La facilidad de

mantenimiento es la habilidad con la que se puede corregir un programa si se

encuentra un error, se puede adaptar si su entorno cambia o optimizar si el cliente

desea un cambio de requisitos. No hay forma de medir directamente la facilidad de

63
mantenimiento; por consiguiente, se deben utilizar medidas indirectas. Una

mtrica orientada al tiempo simple es el tiempo medio de cambio (TMC), es decir,

el tiempo que se tarda en analizar la peticin de cambio, en disear una

modificacin apropiada, en efectuar el cambio, en probarlo y en distribuir el cambio

a todos los usuarios. En promedio, los programas que son ms fciles de

mantener tendrn un TMC ms bajo (para tipos equivalentes de cambios) que los

programas que son ms difciles de mantener.

Hitachi ha empleado una mtrica orientada al costo (precio) para la

capacidad de mantenimiento, llamada desperdicios. El costo estar en corregir

defectos hallados despus de haber distribuido el software a sus usuarios finales.

Cuando la proporcin de desperdicios en el costo global del proyecto se simboliza

como una funcin del tiempo, es aqu donde el administrador logra determinar si la

facilidad de mantenimiento del software producido por una organizacin de

desarrollo est mejorando y asimismo se pueden emprender acciones a partir de

las conclusiones obtenidas de esa informacin.

Integridad. En esta poca de intrusos informticos y de virus, la integridad del

software ha llegado a tener mucha importancia. Este atributo mide la habilidad de

un sistema para soportar ataques (tanto accidentales como intencionados) contra

su seguridad. El ataque se puede ejecutar en cualquiera de los tres componentes

del software, ya sea en los programas, datos o documentos.

Para medir la integridad, se tienen que definir dos atributos adicionales:

amenaza y seguridad. La amenaza es la probabilidad (que se logra evaluar o

concluir de la evidencia emprica) de que un ataque de un tipo establecido ocurra

en un tiempo establecido. La seguridad es la probabilidad (que se puede estimar o

64
deducir de la evidencia emprica) de que se pueda repeler el ataque de un tipo

establecido, en donde la integridad del sistema se puede especificar como:

integridad = [1- amenaza x (1- seguridad)] (4.1)

donde se suman la amenaza y la seguridad para cada tipo de ataque.

Facilidad de uso. El calificativo amigable con el usuario se ha transformado

universalmente en disputas sobre productos de software. Si un programa no es

amigable con el usuario, prcticamente est prximo al fracaso, incluso aunque

las funciones que realice sean valiosas. La facilidad de uso es un intento de

cuantificar lo amigable que pude ser con el usuario y se consigue medir en

funcin de cuatro caractersticas: (1) destreza intelectual y/o fsica solicitada para

aprender el sistema; (2) el tiempo requerido para alcanzar a ser moderadamente

eficiente en el uso del sistema; (3) aumento neto en productividad (sobre el

enfoque que el sistema reemplaza) medida cuando alguien emplea el sistema

moderadamente y eficientemente, y (4) valoracin subjetiva (a veces obtenida

mediante un cuestionario) de la disposicin de los usuarios hacia el sistema.

Los cuatro factores anteriores son slo un ejemplo de todos los que se han

propuesto como medidas de la calidad del software.

65
4.1.3 Medidas de fiabilidad y de disponibilidad.

Los trabajos iniciales sobre fiabilidad buscaron extrapolar las matemticas

de la teora de fiabilidad del hardware a la prediccin de la fiabilidad del software.

La mayora de los modelos de fiabilidad relativos al hardware van ms orientados

a los fallos debidos al desajuste, que a los fallos debidos a defectos de diseo, ya

que son ms probables debido al desgaste fsico (p. ej.: el efecto de la

temperatura, del deterioro, y los golpes) que los fallos relativos al diseo.

Desgraciadamente, para el software lo que ocurre es lo contrario. De hecho, todos

los fallos del software, se producen por problemas de diseo o de implementacin.

Considerando un sistema basado en computadora, una medida sencilla de

la fiabilidad es el tiempo medio entre fallos (TMEF) [Mayrhauser91], donde:

TMEF = TMDF+TMDR (4.2)

(TMDF (tiempo medio de fallo) y TMDR (tiempo medio de reparacin)).

Muchos investigadores argumentan que el TMDF es con mucho, una

medida ms til que los defectos/KLDC, simplemente porque el usuario final se

enfrenta a los fallos, no al nmero total de errores. Como cada error de un

programa no tiene la misma tasa de fallo, la cuenta total de errores no es una

buena indicacin de la fiabilidad de un sistema. Por ejemplo, consideremos un

programa que ha estado funcionando durante 14 meses. Muchos de los errores

del programa pueden pasar desapercibidos durante dcadas antes de que se

66
detecten. El TMEF de esos errores puede ser de 50 e incluso de 100 aos. Otros

errores, aunque no se hayan descubierto an, pueden tener una tasa de fallo de

18 24 meses, incluso aunque se eliminen todos los errores de la primera

categora (los que tienen un gran TMEF), el impacto sobre la fiabilidad del

software ser muy escaso.

Adems de una medida de la fiabilidad debemos obtener una medida de la

disponibilidad. La disponibilidad (4.1.3.2) del software es la probabilidad de que un

programa funcione de acuerdo con los requisitos en un momento dado, y se define

como:

Disponibilidad = TMDF/(TMDF + TMDR) x 100 % (4.3)

La medida de fiabilidad TMEF es igualmente sensible al TMDF que al

TMDR. La medida de disponibilidad es algo ms sensible al TMDR ya que es una

medida indirecta de la facilidad de mantenimiento del software.

4.1.4 Eficacia de la Eliminacin de Defectos

Una mtrica de la calidad que proporciona beneficios tanto a nivel del

proyecto como del proceso, es la eficacia de la eliminacin de defectos (EED) En

particular el EED es una medida de la habilidad de filtrar las actividades de la

67
garanta de calidad y de control al aplicarse a todas las actividades del marco de

trabajo del proceso.

Cuando se toma en consideracin globalmente para un proyecto, EED se define

de la forma siguiente:

EED = E / (E + D) (4.4)

donde E= es el nmero de errores encontrados antes de la entrega del software al

usuario final y D= es el nmero de defectos encontrados despus de la entrega.

El valor ideal de EED es 1, donde simbolizando que no se han encontrado

defectos en el software. De forma realista, D ser mayor que cero, pero el valor de

EED todava se puede aproximar a 1 cuando E aumenta. En consecuencia cuando

E aumenta es probable que el valor final de D disminuya (los errores se filtran

antes de que se conviertan en defectos) Si se utiliza como una mtrica que

suministra un indicador de la destreza de filtrar las actividades de la garanta de la

calidad y el control, el EED alienta a que el equipo del proyecto de software

instituya tcnicas para encontrar los errores posibles antes de su entrega.

Del mismo modo el EED se puede manipular dentro del proyecto, para

evaluar la habilidad de un equipo en encontrar errores antes de que pasen a la

siguiente actividad, estructura o tarea de ingeniera del software. Por ejemplo, la

tarea de anlisis de requerimientos produce un modelo de anlisis qu se puede

inspeccionar para encontrar y corregir errores. Esos errores que no se encuentren

durante la revisin del modelo de anlisis se pasan a la tareas de diseo (en

68
donde se puede encontrar o no) Cuando se utilizan en este contexto, el EED se

vuelve a definir como:

EED = Ei / ( Ei + Ei+1) (4.5)

Donde Ei = es el nmero de errores encontrados durante la actividad i-

esima de: ingeniera del software i, el Ei + 1 = es el nmero de errores encontrado

durante la actividad de ingeniera del software (i + 1) que se puede seguir para

llegar a errores que no se detectaron en la actividad i.

Un objetivo de calidad de un equipo de ingeniera de software es alcanzar

un EED que se aproxime a 1, esto es, los errores se deberan filtrar antes de

pasarse a la actividad siguiente. Esto tambin puede ser utilizado dentro del

proyecto para evaluar la habilidad de un equipo, esto con el objetivo de encontrar

deficiencias que harn que se atrase el proyecto.

Existen varias mtricas de calidad, pero las ms importantes y que

engloban a las dems, son slo cuatro: correccin, facilidad de mantenimiento,

integridad y facilidad de uso, se explican en la siguiente seccin.

4.1.5 Factores de Calidad de McCall

Los factores que perturban la calidad del software se pueden categorizar en

dos grandes grupos: (1) factores que se pueden medir directamente (por ejemplo:

defectos por puntos de funcin) y (2) factores que se pueden medir slo

indirectamente (por ejemplo: facilidad de uso o de mantenimiento).

69
 McCall y sus colegas plantearon una categorizacin de factores que afectan

a la calidad de software, que se muestran en la figura 4.1 en donde se centralizan

con tres aspectos importantes de un producto de software: sus caractersticas

operativas, su capacidad de cambio y su adaptabilidad a nuevos entornos.

Refirindose a los factores de la figura 4.1, McCall proporciona las siguientes

descripciones: [Pressman 98].

- Correccin: Hasta dnde satisface un programa su especificacin y consigue

los objetivos de la misin del cliente.

- Fiabilidad: Hasta dnde puede quedarse un programa que lleve a cabo su

funcin pretendida con la exactitud solicitada. Cabe hacer notar que se han

propuesto otras definiciones de fiabilidad ms completas.

Portabilidad
Facilidad de mantenimiento Reusabilidad
Flexibilidad (capacidad de reutilizacin)
Facilidad de Prueba Interoperatividad

REVISIN DEL PRODUCTO TRANSICIN DEL PRODUCTO

OPERACIN DEL PRODUCTO

Correccin Fiabilidad Usabilidad (facilidad Integridad Eficiencia de manejo)

Figura 4.1 Factores que afectan a la calidad del software [Pressman98]

- Eficiencia: El conjunto de recursos informticos y de cdigo necesarios para

que un programa realice su funcin.

- Integridad: Hasta dnde se puede controlar el acceso al software o a los datos

por individuos no autorizados.

70
- Usabilidad (facilidad de manejo): El esfuerzo necesario para aprender, operar,

y preparar datos de entrada e interpretar las salida (resultados) de un

programa.

- Facilidad de mantenimiento: El esfuerzo necesario para localizar y arreglar un

error en un programa.

- Flexibilidad: El esfuerzo necesario para modificar un programa operativo.

- Facilidad de prueba: El esfuerzo necesario para aprobar un programa para

asegurarse de que realiza su funcin pretendida.

- Portabilidad: El esfuerzo necesario para trasladar el programa de un entorno

de sistema hardware y/o software a otro.

- Reusabilidad: (capacidad de reutilizacin): Hasta dnde se puede volver a

utilizar un programa (o partes) en otras aplicaciones con relacin al

empaquetamiento y alcance de las funciones que ejecuta el programa.

- Interoperatividad: El esfuerzo necesario para acoplar un sistema con otro.

Es difcil y en algunos casos improbable, desarrollar medidas directas de los

factores de calidad anteriores. Es por eso, que se definen y emplean un conjunto

de mtricas para desarrollar expresiones para todos los factores de acuerdo con la

siguiente relacin:

Fq = c1 * m1 + c2 * m2 + + cn * mn (4.6)

Donde Fq es un factor de calidad del software, cn son coeficientes de

regresin y mn son las mtricas que afectan al factor de calidad. Lo malo es que

las mtricas definidas por McCall slo pueden medirse de manera subjetiva. Las

71
mtricas van en lista de comprobacin que se emplean para apuntar atributos

especficos del software. El esquema de puntuacin presentado por McCall es una

escala del 0 (bajo) al 10 (alto) En donde se emplean las siguientes mtricas en el

esquema de puntuacin:

- Facilidad de auditoria: La facilidad con la que se puede justificar el

cumplimiento de los estndares.

- Exactitud: La exactitud de los clculos y del control.

- Estandarizacin de comunicaciones: El nivel de empleo de estndares de

interfaces, protocolos y anchos de banda.

- Complexin: El grado con que s a logrado la implementacin total de una

funcin.

- Concisin: Lo compacto que resulta ser el programa en trminos de lneas de

cdigo.

- Consistencia: El uso de un diseo uniforme y de tcnicas de documentacin a

travs del proyecto de desarrollo del software.

- Estandarizacin de datos: El empleo de estructuras y tipos de datos

estndares a lo largo del programa.

- Tolerancia al error: El deterioro causado cuando un programa descubre un

error.

- Eficiencia de ejecucin: El rendimiento del funcionamiento de un programa.

- Capacidad de expansin. El grado con que se pueden aumentar el diseo

arquitectnico, de datos o procedimental.

- Generalidad: La extensin de aplicacin potencial de los componentes del

programa.

72
- Independencia del hardware: El grado con que se desacopla el software del

hardware donde opera.

- Instrumentacin: El grado con que el programa vigila su propio funcionamiento

e identifica los errores que suceden.

Mtrica de la
calidad del

Reusabilidad (capacidad de
software

Usabilidad (facilidad de
Capacidad de pruebas

Interoperabilidad
Mantenimiento

reutilizacin)
Portabilidad
Flexibilidad
Correccin

Integridad
Eficiencia
Fiabilidad
Factor de

manejo
calidad

Facilidad de auditoria * *
Exactitud *
Estandarizacin de *
comunicaciones
Complecin * * *
Complejidad *
Concisin * * * *
Consistencia * * *
Estandarizacin de datos * * * * *
Tolerancia a errores *
Eficiencia de ejecucin *
Capacidad de expansin *
Generalidad * * * *
Independencia del hardware * *
Instrumentacin * * *
Modularidad * * * * * *
Operatividad * *
Seguridad *
Autodocumentacin *
Simplicidad * * * * *
Independencia del sistema * * * *
Trazabilidad * *
Facilidad de formacin
Figura 4.2 Relacin entre Factores de calidad y mtricas de la calidad de software
[Fenton91]

- Modularidad: La independencia funcional de componentes de programa.

- Operatividad: La facilidad de operacin de un programa.

73
 - Trazabilidad: La capacidad de alcanzar una representacin del diseo o un

componente real del programa hasta los requisitos.

Formacin: El grado en que el software ayuda a los nuevos usuarios a manejar el

sistema.

La relacin entre los factores de calidad del software y las mtricas de la lista

anterior se muestra en la figura 4.2. Convendra decirse que el peso que se asigna

a cada mtrica depende de los productos y negocios locales.

4.1.6 FURPS

(Funcionality, Usability, Reliability, Performance, Supportability)

Hewlett-Packard ha desarrollado un conjunto de factores de calidad de software al

que se le ha dado el acrnimo de FURPS: [Pressman 98]

- Funcionalidad. Se aprecia evaluando el conjunto de caractersticas y

capacidades del programa, la generalidad de las funciones entregadas y la

seguridad del sistema global.

- Usabilidad (facilidad de empleo o uso) Se valora considerando factores

humanos, la esttica, consistencia y documentacin general.

- Fiabilidad. Se evala midiendo la frecuencia y gravedad de los fallos, la

exactitud de las salidas (resultados), el tiempo medio entre fallos (TMEF), la

capacidad de recuperacin de un fallo y la capacidad de prediccin del

programa.

- Rendimiento. Se mide por la velocidad de procesamiento, el tiempo de

respuesta, consumo de recursos, rendimiento efectivo total y eficacia.

74
- Capacidad de soporte. Combina la capacidad de ampliar el programa

(extensibilidad), adaptabilidad y servicios (los tres representan mantenimiento),

as como capacidad de hacer pruebas, compatibilidad, capacidad de

configuracin, la facilidad de instalacin de un sistema y la facilidad con que se

pueden localizar los problemas.

4.2 Mtricas del modelo de anlisis

En esta fase se obtendrn los requisitos y se establecer el fundamento

para el diseo. Y es por eso que se desea una visin interna a la calidad del

modelo de anlisis. Sin embargo hay pocas mtricas de anlisis y especificacin,

se sabe que es posible adaptar mtricas obtenidas para la aplicacin de un

proyecto, en donde las mtricas examinan el modelo de anlisis con el fin de

predecir el tamao del sistema resultante, en donde resulte probable que el

tamao y la complejidad del diseo estn directamente relacionadas. Es por eso

que se vern en las siguientes secciones las mtricas orientadas a la funcin, la

mtrica bang y las mtricas de la calidad de especificacin.

4.2.1 Mtricas basadas en la funcin

La mtrica de punto de funcin (PF) (captulo 3.6.2) se puede usar como

medio para predecir el tamao de un sistema que se va a obtener de un modelo

de anlisis. Para instruir el empleo de la mtrica PF, se considerar una sencilla

representacin del modelo de anlisis mostrada por Pressman [98]en la figura 4.3

75
En donde se representa un diagrama de flujo de datos, de una funcin de una

aplicacin de software llamada Hogar Seguro. La funcin administra la interaccin

con el usurario, aceptando una contrasea de usuario para activar/ desactivar el

sistema y permitiendo consultas sobre el estado de las zonas de seguridad y

varios censores de seguridad. La funcin muestra una serie de mensajes de

peticin y enva seales apropiadas de control a varios componentes del sistema

de seguridad.

El diagrama de flujo de datos se evala para determinar las medidas clave

necesarias para el clculo de al mtrica de PF.:

- nmero de entradas de usuario

- nmero de salidas de usuario

- nmero de consultas del usuario

- nmero de archivos

- nmero de interfaces externas

Sensor de prueba Sensores

Contrasea
Consulta de zona
Funciones de Configuracin de zona
Consulta de sensor interaccin del Mensajes
Usuario Usuarios
usuario con Estado del sensor
Activar/desactivar Hogar seguro
Activar/desactivar
Iterruptor de emergencia
Alerta de Subsistema de
monitorizacin y
alarma
Contraseas, sensors respuesta

Datos de configuracin
del sistema

Figura 4.3 Diagrama de flujo de Hogar Seguro [Presmman98].

76
 Hay tres entradas del usuario: contrasea, interruptor de emergencias y

activar/desactivar aparecen en la figura con dos consultas: consulta de zona y

consulta de sensor. Se muestra un archivo (archivo de configuracin del

sistema) Tambin estn presentes dos salidas de usuarios(mensajes y estado de

del sensor) y cuatro interfaces externas (sensor de prueba, configuracin de zona,

activar/desactivar y alerta de alarma).

Parmetro de medicin Cuenta Simple Media Compleja Total

Nmero de entradas de usuario 3* 3 4 6 =9

Nmero de salidas de usuario 2* 4 5 7 =8
Nmero de consultas del usuario 2* 3 4 6 =6
Nmero de archivos 1* 7 10 15 =7
Nmero de interfaces externas 4* 5 7 10 = 20
Cuenta total 50

Tabla 4.1 Factor de ponderacin [Pressman 98]

La cuenta total mostrada en al figura 4.6.1 b debe ajustarse usando la

ecuacin:

PF = cuenta-total * (0.65 + 0.01 * Fi)

Donde cuenta-total es la suma de todas las entradas PF obtenidas de la

figura 4.6.1 b y Fi( i=1 a 14) son valores de ajuste de complejidad. Para el

propsito de este ejemplo, asumimos que Fi es 46 (un producto moderadamente

complejo) Por lo tanto:

PF = 50* [0.65+(0.01*46)]=56

77
Basndose en el valor previsto de PF obtenido del modelo de anlisis, el equipo

del proyecto puede estimar el tamao global de implementacin de las funciones

de Hogar Seguro. Asuma que los datos de los que se disponen indican que un PF

supone 60 lneas de cdigo (si se usa un lenguaje orientado a objetos) y que en

un esfuerzo de un mes- persona se producen 12 PF. Estos datos histricos

proporciona al administrador del proyecto una importante informacin de

planificacin basada en el modelo de anlisis en lugar de en estimaciones

preliminares.

4.2.2 La mtrica Bang

Puede emplearse para desarrollar una indicacin del tamao del software a

implementar como consecuencia del modelo de anlisis. Desarrollada por Tom

DeMarco [Ejiogo 91], la mtrica bang es una indicacin, independiente de la

implementacin, del tamao del sistema [Ejiogo 91]. Para calcular la mtrica

bang, el desarrollador de software debe evaluar primero un conjunto de primitivas

(elementos del modelo de anlisis que no se subdividen ms en el nivel de

anlisis) Las primitivas se determinan evaluando el modelo de anlisis y

desarrollando cuentas para los siguientes elementos:

- Primitivas funcionales (Pfu) Transformaciones (burbujas) que aparecen en

el nivel inferior de un diagrama de flujo de datos.

- Elementos de datos (ED) Los atributos de un objeto de datos, los elementos

de datos no compuestos y aparecen en el diccionario de datos.

- Objetos (OB) Objetos de datos.

78
 - Relaciones (RE) Las conexiones entre objetos de datos.

- Transiciones (TR) El nmero de transacciones de estado en el diagrama de

transicin de estado.

Adems de las seis primitivas nombradas arriba, se determinan medidas

adicionales para:

- Primitivas modificadas de funcin manual (PMFu) Funciones que caen

fuera del lmite del sistema y que deben modificarse para acomodarse al

nuevo sistema.

- Elementos de datos de entrada (EDE) Aquellos elementos de datos que se

introducen en el sistema.

- Elementos de datos de salida (EDS) Aquellos elementos de datos que se

sacan en el sistema.

- Elementos de datos retenidos (EDR) Aquellos elementos de datos que son

retenidos (almacenados) por el sistema.

- Muestras (tokens) de datos (TCi) Las muestras de datos (elementos de

datos que no se subdividen dentro de una primitiva funcional) que existen

en el limite de la i-sima primitiva funcional (evaluada para cada primitiva).

- Conexiones de relacin (Rei) Las relaciones que conectan el i-simo objeto

en el modelo de datos con otros objetos.

DeMarco [Ejiogo 91] sugiere que la mayora del software se puede asignar a

uno de los dos dominios siguientes, dominio de funcin o dominio de datos,

dependiendo de la relacin RE/PFu. Las aplicaciones de dominio de funcin

(encontrados comnmente en aplicaciones de ingeniera y cientficas) hacen

79
hincapi en la transformacin de datos y no poseen generalmente estructuras de

datos complejas. Las aplicaciones de dominio de datos (encontradas comnmente

en aplicaciones de sistemas de informacin) tienden a tener modelos de datos

complejos [Ejiogo 91].

Si RE / Pfu < 0,7 implica una aplicacin de dominio de funcin

Si 0,8 < RE / Pfu < 1,4 implica una aplicacin hbrida

Si RE / Pfu > 1,5 implica una aplicacin de dominio de datos.

Como diferentes modelos de anlisis harn una participacin del modelo

con mayor o menor grado de refinamiento, DeMarco sugiere que se emplee una

cuenta medida de muestras (token) por primitiva para controlar la uniformidad de

la participacin a travs de muchos diferentes modelos dentro del dominio de una

aplicacin [Ejiogo 91].

TCavg = TC i/Pfu (4.7)

Una vez que se ha calculado la mtrica bang , se puede empelar el historial

anterior para asociarla con el esfuerzo y el tamao. DeMarco sugiere que las

organizaciones se construyan sus propias versiones de tablas IPFuC y IOBC para

calibrar la informacin de proyectos completos de software.

80
4.2.3 Mtricas de la Calidad de Especificacin

Existe una lista de caractersticas para poder valorar la calidad del modelo

de anlisis y la correspondiente especificacin de requisitos: Especificidad,

correccin, complecin, comprensin, capacidad de verificacin, consistencia

externa e interna, capacidad de logro, concisin, traza habilidad, capacidad de

modificacin, exactitud y capacidad de reutilizacin. Aunque muchas de las

caractersticas anteriores pueden ser de naturaleza cuantitativa, Davis [Pressman

98] sugiere que todas puedan representarse usando una o ms mtricas. Por

ejemplo asumimos que hay ni requisitos en una especificacin, tal como

ni = nf + nnf (4.8)

Donde nf es el numero de requisitos funcionales y nnf es el nmero de requisitos

no funcionales ( por ejemplo, rendimiento).

Para determinar la especificidad de los requisitos, Davis [Pressman 98]

sugiere una mtrica basada en la consistencia de la interpretacin de los revisores

para cada requisito:

Q1 = nui / nr (4.9)

Donde nui es el numero de requisitos para los que todos los revisores tuvieron

interpretaciones idnticas. Cuanto ms cerca de uno este el valor de Q1 menor

ser la ambigedad de la especificacin.

La complecin de los requisitos funcionales pueden terminarse calculando la

relacin

Q2 = nu / (ni * ns ) (4.10)

81
donde nu es el nmero de requisitos de funcin nicos, ni es el nmero de

entradas (estmulos) definidos o implicados por la especificacin y ns es el nmero

de estados especificados. La relacin Q2 mide porcentaje de funciones necesarias

que se han especificado para un sistema, sin embargo, no trata los requisitos no

funcinales. Para incorporarlos a una mtrica global completa, debemos

considerar el grado de validacin de los requisitos:

Q3 = nc / (nc + nnv ) (4.11)

donde nc es el nmero de requisitos que se han validados como correctos y nnv el

nmero de requisitos que no se han validado todava.

4.3 Mtrica del modelo del diseo

Las mtricas para software, como otras mtricas, no son perfectas; muchos

expertos argumentan que se necesita ms experimentacin hasta que se puedan

emplear bien las mtricas de diseo. Sin embargo el diseo sin medicin es una

alternativa inaceptable. A continuacin se mostraran algunas de las mtricas de

diseo ms comunes. Aunque ninguna es perfecta, pueden proporcionarle al

diseador una mejor visin interna y as el diseo evolucionara a un mejor nivel de

calidad.

4.3.1 Mtricas de diseo de alto nivel

stas se concentran en las caractersticas de la estructura del programa

dndole nfasis a la estructura arquitectnica y en la eficiencia de los mdulos.

82
Estas mtricas son de caja negra, en el sentido de que no se requiere ningn

conocimiento del trabajo interno de ningn modo en particular del sistema.

Card y Glass [Pressman 98] proponen tres medidas de complejidad del

software: complejidad estructural, complejidad de datos y complejidad del sistema.

La complejidad estructural. S(i), de un mdulo i se define de la siguientes

manera.

S(i) = f2out (i) (4.12)

donde f out (i) es la expansin del mdulo i.

La complejidad de datos. D(i) proporciona una indicacin de la complejidad

en la interfaz interna de un mdulo i y se define como :

D(i) = v(i) / [fout (i) + 1] (4.13)

donde v(i) es el nmero de variables de entrada y salida del mdulo i.

Finalmente. la complejidad del sistema. C(i), se define como la suma de las

complejidades estructural y de datos, y se define como.

C(i)=S(i)+D(i) (4.14)

A medida que crecen los valores de complejidad, la complejidad arquitectnica o

global del sistema tambin aumenta. Esto lleva a una mayor probabilidad de que

aumente el esfuerzo necesario para la integracin y las pruebas.

Una mtrica de diseo arquitectnico propuesta por Henry y Kafura [Hamdi

99] tambin emplea la expansin y la concentracin. Los autores definen una

mtrica de complejidad de la forma:.

MHK = longitud (i) x [fn(i) + fout(i)]2 (4.15)

83
donde la longitud (i) es el nmero de sentencias en lenguaje de programacin en

el mdulo (i) y fin (i) es la concentracin del mdulo i. Henry y Kafura amplan la

definicin de concentracin y expansin no slo el nmero de conexiones de

control del mdulo (llamadas al mdulo), sino tambin el nmero de estructuras de

datos del que el mdulo i recoge (concentracin) o actualiza (expansin) datos.

Para calcular el MHK durante el diseo, puede emplearse el diseo procedimental

para estimar el nmero de sentencias del lenguaje de programacin del mdulo i.

Como en las mtricas de Card y Glass mencionadas anteriormente, un aumento

en la mtrica de Henry-Kafura conduce a una mayor probabilidad de que tambin

aumente el esfuerzo de integracin y pruebas del mdulo.

Fenton [91] sugiere varias mtricas de morfologa simples (por ejemplo,

forma) que permiten comparar diferentes arquitecturas de programa mediante un

conjunto de dimensiones directas. En la Figura 4.4 , se muestra un ejemplo de una

arquitectura de software donde puede visualizarse las siguientes mtricas:

Tamao = n +a (4.16)

Donde n es nmero de nodos (mdulos) y a es el nmero de arcos (lneas de

control) Para la arquitectura mostrada en la Figura 4.4, [Fenton91]

tamao = 17 + 18 = 35

profundidad = el camino ms largo desde el nodo raz (parte ms alta) a un nodo

hoja. (4.17)

Para la arquitectura mostrada en la Figura 4.4

profundidad =4.

84
 Nodo
a

b c d e
Profundidad Arco
f g i j k l

h m n p q r
Figura 4.4 Arquitectura de Software [Fenton 91]

anchura = mximo nmero de nodos de cualquier nivel de la arquitectura. (4.18)

Para la arquitectura mostrada en la Figura 4.4.

anchura = 6.

Relacin arco-a-nodo, r = a/n (4.19)

que mide la densidad de conectividad de la arquitectura y puede proporcionar una

medida sencilla del acoplamiento de la arquitectura.

Para la arquitectura mostrada en la Figura 4.4:

r = 18/17 = 1,06.

El Mando de sistemas de la Fuerza Area Americana [Pressman98] ha

desarrollado varios indicadores de calidad del software basados en caractersticas

medibles del diseo de un programa de computadora. Empleando conceptos

similares a los propuestos en IEEE Std en 1988, la Fuerza Area utiliza

informacin obtenida del diseo de datos y arquitectnico para obtener un ndice

de calidad de la estructura del diseo (ICED) que va desde 0 a 1.

Se deben comprobar los siguientes valores para calcular el ICED [Pressman98]:

85
 SI = el nmero total de mdulos definidos en la arquitectura del programa

S2 = el nmero de mdulos que para funcionar correctamente dependen de

la fuente de datos de entrada o producen datos que se van a emplear en

algn otro lado en general, los mdulos de control (entre otros) no

formaran parte de S 2.

S3 = el nmero de mdulos que para que funcionen correctamente

dependen de procesos previos

S4 = el nmero de elementos de base de datos (incluye todos los objetos de

datos y todos los atributos que definen los objetos)

S5 = el nmero total de elementos nicos de base de datos

S6 = el nmero de segmentos de base de datos (registros diferentes u

objetos individuales)

S7 = el nmero de mdulos con una salida y una entrada (el proceso de

excepciones no se considera de salida mltiple)

Una vez que se han determinado los valores SI a S7 para un programa de

computadora, se pueden calcular los siguientes valores intermedios:

Estructura del programa: D1, donde D1 se define como sigue: si el diseo

arquitectnico se desarroll usando un mtodo determinado (por ejemplo,

diseo orientado a flujo de datos o diseo orientado a objetos), entonces

D1=1, de otra manera D 1=0.

Independencia del mdulo: D2=1 (S 2/S1) (4.20)

Mdulos no dependientes de procesos previos: D3=1 (S 3/S1) (4.21)

86
 Tamao de la base de datos: D4=1 (S5/S4) (4.22)

Compartido de la base de datos: D5=1-(S6/S4) (4.23)

Caractersitcas de entrada/salida del mdulo: D6=1 (S7/S1) (4.24)

Con estos valores intermedios calculados, el ICED se obtiene de la siguiente

manera:

ICED= Wi Di (4.25)

donde i = 1 a 6, Wi es el peso relativo de la importancia de cada uno de los

valores intermedios y W i =1 (si todos los Di tiene el mismo peso, entonces

Wi=0.167).

Se puede determinar y compartir el valor de ICED de diseos anteriores

con un diseo actualmente en desarrollo. Si el ICED es significativamente inferior

a la medida, se aconseja seguir trabajando en el diseo y revisin. Igualmente, si

hay que hacer grandes cambios a un diseo ya existente, se puede calcular el

efecto de estos cambios en el ICED.

4.3.2 Mtricas de diseo en los componentes

Las mtricas de diseo a nivel de componentes se concentran en las

caractersticas internas de los componentes del software e incluyen medidas de la

cohesin, acoplamiento y complejidad del mdulo. Estas tres medidas pueden

87
ayudar al desarrollador de software a juzgar la calidad de un diseo a nivel de

componentes.

Las mtricas presentadas son de caja blanca en el sentido de que

requieren conocimiento del trabajo interno del mdulo en cuestin. Las mtricas

de diseo en los componentes se pueden aplicar una vez que se ha desarrollado

un diseo procedimental. Tambin se pueden retrasar hasta tener disponible el

cdigo fuente.

4.3.2.1 Mtricas de cohesin.

Bieman y Ott [Hamdi 99] definen una coleccin de mtricas que proporcionan

una indicacin de la cohesin de un mdulo. Las mtricas se definen con cinco

conceptos y medidas:

Porcin de datos. Dicho simplemente, una porcin de datos es una marcha

atrs a travs de un mdulo que busca valores de datos que afectan a la

localizacin del mdulo en el que empez la marcha atrs. Debera resaltarse

que se pueden definir tanto porciones de programas (que se centran en

enunciados y condiciones) como porciones de datos.

Smbolos lxicos (tokens) de datos. Las variables definidas para un mdulo

pueden definirse como seales de datos para el mdulo.

Seales de unin. El conjunto de seales de datos que se encuentran en uno o

ms porciones de datos.

88
 Seales de super-unin. Las seales de datos comunes a todas las porciones

de datos de un mdulo.

Cohesin. La cohesin relativa de una seal de unin es directamente

proporcional al nmero de porciones de datos que liga.

Bieman y Ott desarrollaron mtricas para cohesiones funcionales fuertes (CFF),

cohesiones funcionales dbiles (CFD), y pegajosidad (el grado relativo con el que

las seales de unin ligan juntas porciones de datos) Estas mtricas se pueden

interpretar de la siguiente manera [Hamdi99] .

Todas estas mtricas de cohesin tienen valores que van desde 0 a 1.

Tienen un valor de 0 cuando un procedimiento tiene ms de una salida y no

muestra ningn atributo de cohesin indicado por una mtrica particular. Un

procedimiento sin seales de super-unin, sin seales comunes a todas las

porciones de datos, no tiene una cohesin funcional fuerte (no hay seales de

datos que contribuyan a todas las salidas) Un procedimiento sin seales de unin,

es decir, sin seales comunes a ms de una porcin de datos (en procedimientos

con ms de una porcin de datos), no muestra una cohesin funcional dbil y

ninguna adhesividad (no hay seales de datos que contribuyan a ms de una

salida) La cohesin funcional fuerte y la pegajosidad se obtienen cuando las

mtricas de Bieman y Ott toman un valor mximo de 1.

Esto es una breve descripcin de las mtricas de Bieman y Ott. Sin

embargo, para ilustrar el carcter de estas mtricas, se debe la mtrica para la

cohesin funcional fuerte:

89
 CFF(i) = SU(SA(i))/seales (i) (4.26)

donde SU(SA(i)) denota seales de super-unin (el conjunto de seales de datos

que se encuentran en todas las porciones de datos de un mdulo i) Como la

relacin de seales de super-unin con respecto al nmero total de seales en un

mdulo i aumenta hasta un valor mximo de 1, la cohesin funcional del mdulo

tambin aumenta 1.

4.3.2.2 Mtricas de acoplamiento.

El acoplamiento de mdulo proporciona una indicacin de la conectividad de un

mdulo con otros mdulos, datos globales y entorno exterior. Dhama [Fenton 91]

ha propuesto una mtrica para el acoplamiento del mdulo que combina el

acoplamiento de flujo de datos y de control: acoplamiento global y acoplamiento

de entorno. Las medidas necesarias para calcular el acoplamiento de mdulo se

definen en trminos de cada uno de los tres tipos de acoplamiento apuntados

anteriormente.

Para el acoplamiento de flujo de datos y de control:

di = nmero de parmetros de datos de entrada

ci = nmero de parmetros de control de entrada

do = nmero de parmetros de datos de salida

co = nmero de parmetros de control de salida

Para el acoplamiento global

90
 gd = nmero de variables globales usadas como datos

gc = numero de variables globales usadas como control

Para el acoplamiento de entorno:

w = nmero de mdulos llamados (expansin)

r = nmero de mdulos que llaman al mdulo en cuestin (concentracin)

Usando estas medidas, se define un indicador de acoplamiento de mdulo, .mc,

de la siguiente manera:

m c = k/M (4.27)

donde k = 1 es una constante de proporcionalidad.

M = di + a* ci + do + b*co +gd + c *gc + w + r (4.28)

donde:
a=b=c=2

Cuanto mayor es el valor de mc, menor es el acoplamiento de mdulo. Por

ejemplo, si un mdulo tiene un solo parmetro de entrada y salida de datos, no

accede a datos globales y es llamado por un solo mdulo entonces:

m= 1/(1 +0+1 +0+0+0+ l +0)= 1/3=0.33

Deberamos esperar que un mdulo como ste presentara un acoplamiento

bajo. De ah que, un valor de mc = 0,33 implica un acoplamiento bajo. Por el

contrario, si un mdulo tiene 5 parmetros de salida y 5 parmetros de entrada de

91
datos, un nmero igual de parmetros de control, accede a 10 elementos de datos

globales y tiene una concentracin de 3 y una expansin de 4,

m = 1/(5 + 2.5 + 5 + 2.5 + lO + 0 +,3 + 4) = 0.02

el acoplamiento implicado es grande.

Para que aumente la mtrica de acoplamiento a medida que aumenta el grado de

acoplamiento, se puede definir una mtrica de acoplamiento revisada:

C= 1-mc (4.29)

donde el grado de acoplamiento no aumenta linealmente un valor mnimo

en el rango de 0,66 hasta un mximo que se aproxima a 1,0.

4.3.2.3 Mtricas de complejidad.

Se pueden calcular una variedad de mtricas del software para determinar

la complejidad del flujo de control del programa. Muchas de stas se basan en una

representacin denominada grafo de flujo, un grafo es una representacin

compuesta de nodos y enlaces (tambin denominados filos) Cuando se dirigen los

enlaces (aristas), el grafo de flujo es un grafo dirigido.

McCabe [Pressman 93] identifica un nmero importante de usos para las mtricas

de complejidad, donde pueden emplearse para predecir informacin sobre la

fiabilidad y mantenimiento de sistemas software, tambin realimentan la

informacin durante el proyecto de software para ayudar a controlar la actividad de

92
diseo, en las pruebas y mantenimiento, proporcionan informacin sobre los

mdulos software para ayudar a resaltar las reas de inestabilidad.

La mtrica de complejidad ms ampliamente usada (y debatida) para el

software es la complejidad ciclomtica, originalmente desarrollada por Thomas

McCabe. La mtrica de McCabe proporciona una medida cuantitativa para probar

la dificultad y una indicacin de la fiabilidad ltima. Estudios experimentales

indican una fuerte correlacin entre la mtrica de McCabe y el nmero de errores

que existen en el cdigo fuente, as como el tiempo requerido para encontrar y

corregir dichos errores. McCabe [Pressman 98] tambin defiende que la

complejidad ciclomtica puede emplearse para proporcionar una indicacin

cuantitativa del tamao mximo del mdulo. Recogiendo datos de varios proyectos

de programacin reales, ha averiguado que una complejidad ciclomtica de 10

parece ser el lmite prctico superior para el tamao de un mdulo, Cuando la

complejidad ciclomtica de los mdulos excedan ese valor, resultaba

extremadamente difcil probar adecuadamente el mdulo.

4.3.3 Mtricas de diseo de interfaz

Aunque existe una significativa cantidad de literatura sobre el diseo de

interfaces hombre-mquina, se ha publicado relativamente poca informacin sobre

mtricas que proporcionen una visin interna de la calidad y facilidad de empleo

de la interfaz.

93
 Sears [Pressman 98] sugiere la conveniencia de la representacin (CR)

como una valiosa mtrica de diseo para interfaces hombre-mquina. Una IGU

(Interfaz Grfica de Usuario) tpica usa entidades de representacin, iconos

grficos, texto, mens, ventanas y otras para ayudar al usuario a completar tareas.

Para realizar una tarea dada usando una IGU, el usuario debe moverse de una

entidad de representacin a otra. Las posiciones absolutas y relativas de cada

entidad de representacin, la frecuencia con que se utilizan y el costo de la

transicin de una entidad de representacin a la siguiente contribuir a la

conveniencia de la interfaz.

Para una representacin especfica (p. ej.: un diseo de una IGU

especfica), se pueden asignar costos a cada secuencia de acciones de acuerdo

con la siguiente relacin:

Costos = [frecuencia de transicin (ki) x costos de transicin (ki)] (4.30)

donde k es la transicin i especfica de una entidad de representacin a la

siguiente cuando se realiza una tarea especfica. Esta suma se da con todas las

transiciones de una tarea en particular o conjunto de tareas requeridas para

conseguir alguna funcin de la aplicacin. El costo puede estar caracterizado en

trminos de tiempo, retraso del proceso o cualquier otro valor razonable, tal como

la distancia que debe moverse el ratn entre entidades de la representacin.

La conveniencia de la representacin se define como:

CR = 100 x [(costo de la representacin ptima CR)/

(costo de la representacin propuesta)] .
(4.31)

94
donde CR = para una representacin ptima.

Para calcular la representacin ptima de una IGU, la superficie de la

interfaz (el rea de la pantalla) se divide en una cuadrcula. Cada cuadro de la

cuadrcula representa una posible posicin de una entidad de la representacin.

Para una cuadrcula con N posibles posiciones y K diferentes entidades de

representacin para colocar, el nmero posible de distribuciones se representa de

la siguiente manera [Pressman 98]:

Nmero posible de distribuciones = [N !/

(K! * (N - K)!] * K!
(4.32)

La CR se emplea para valorar diferentes distribuciones propuestas de IGU

y la sensibilidad de una representacin en particular a los cambios en las

descripciones de tareas (por ejemplo, cambios en la secuencia y/o frecuencia de

transiciones) Es importante apuntar que la seleccin de un diseo de IGU puede

guiarse con mtricas tales como CR, pero el rbitro final debera ser la respuesta

del usuario basada en prototipos de IGU. Nielsen Levy [Pressman 98] informa;

que puede haber una posibilidad de xito si se prefiere la interfaz basndose

exclusivamente en la opinin del usuario ya que el rendimiento medio de tareas de

usuario y su satisfaccin con la IGU estn altamente relacionadas.

4.4 Mtricas de cdigo fuente

La teora de Halstead de la ciencia del software es probablemente la mejor

conocida y ms minuciosamente estudiada... medidas compuestas de la

95
complejidad (software) [Ejiogo 91]. La ciencia software propuso las primeras

leyes analticas para el software de computadora.

La ciencia del software asigna leyes cuantitativas al desarrollo del software

de computadora. La teora de Halstead se obtiene de un supuesto fundamental

[Pressman 98]: el cerebro humano sigue un conjunto de reglas ms rgido (en el

desarrollo de algoritmos) de lo que se imagina.... La ciencia del software usa un

conjunto de medidas primitivas que pueden obtenerse una vez que se ha

generado o estimado el cdigo despus de completar el diseo. Estas medidas se

listan a continuacin.

n1: el nmero de operadores diferentes que aparecen en el programa

n2: el nmero de operandos diferentes que aparecen en el programa

N1: el nmero total de veces que aparece el operador

N2: el nmero total de veces que aparece el operando

Halstead usa las medidas primitivas para desarrollar expresiones para la longitud

global del programa; volumen mnimo potencial para un algoritmo; el volumen real

(nmero de bits requeridos para especificar un programa); el nivel del programa

(una medida de la complejidad del software); nivel del lenguaje (una constante

para un lenguaje dado); y otras caractersticas tales como esfuerzo de desarrollo,

tiempo de desarrollo e incluso el nmero esperado de fallos en el software.

Halstead expone que la longitud N se puede estimar como:

N = n1 log2 n1 + n2 log2 n2 (4.33)

y el volumen de programa se puede definir como:

V = N log2 (n1 + n2) (4.34)

96
 Se debera tener en cuenta que V variar con el lenguaje de programacin

y representa el volumen de informacin

Tericamente debe existir un volumen mnimo para un algoritmo. Halstead

define una relacin de volumen L como la relacin volumen de la forma ms

compacta de un programa respecto al volumen real del programa. Por tanto L,

debe ser siempre menor de uno. En trminos de medidas primitivas, la relacin de

volumen se puede expresar como:

L = 2/n1*n2/N2 (4.35)

Halstead propuso que todos los lenguajes pueden categorizarse por nivel de

lenguaje, I, que variar segn los lenguajes. Halslead cre una teora que supona

que el nivel de lenguaje es constante para un lenguaje dado, pero otro trabajo

[Pressman 98] indica que el nivel de lenguaje es funcin tanto del lenguaje como

del programador. Los siguientes valores de nivel de lenguaje se muestran en la

tabla 4.2.

Lenguaje Media/.I

Ingls prosaico 2.16

PL/1 1.53
ALGOL/68 2.12
FORTRAN 1.14
Ensamblador 0.88

Tabla 4.2 Valores de Nivel de Lenguaje [Pressman 98]

Parece que el nivel de lenguaje implica un nivel de abstraccin en la

especificacin procedimental. Los lenguajes de alto nivel permiten la

97
especificacin del cdigo a un nivel ms alto de abstraccin que el lenguaje

ensamblador (orientado a mquina).

4.5 Mtricas para pruebas

Aunque se ha escrito mucho sobre mtricas del software para pruebas, la

mayora de las mtricas propuestas se concentran en el proceso de pruebas, no

en las caractersticas tcnicas de las pruebas mismas. En general, los

responsables de las pruebas deben fiarse del anlisis, diseo y cdigo para que

les guen en el diseo y ejecucin los casos de prueba

Las mtricas basadas en la funcin pueden emplearse para predecir el

esfuerzo global de las pruebas Se pueden juntar y correlacionar varias

caractersticas a nivel de proyecto (p ej.: esfuerzo y tiempo las pruebas, errores

descubiertos, nmero de casos de prueba producidos) de proyectos anteriores con

el nmero de Pf producidos por un equipo del proyecto. El equipo puede despus

predecir los valores esperados de estas caractersticas del proyecto actual.

La mtrica bang puede proporcionar una indicacin del nmero de casos de

prueba necesarios para examinar las medidas primitivas. El nmero de primitivas

funcionales (Pfu), elementos de datos, (ED), objetos (0B), relaciones (RE),

estados (ES) y transiciones (TR) pueden emplearse para predecir el nmero y

tipos de pruebas de la caja negra y blanca del software Por ejemplo, el nmero de

pruebas asociadas con la interfaz hombre-mquina se puede estimar examinando

(1) el nmero de transiciones (TR) contenidas en la representacin estado-

transicin del IHM y evaluando las pruebas requeridas para ejecutar cada

98
transicin, (2) el nmero de objetos de datos (0B) que se mueven a travs de la

interfaz y (3) el nmero de elementos de datos que se introducen o salen.

Las mtricas de diseo de alto nivel proporcionan informacin sobre

facilidad o dificultad asociada con la prueba de integracin y la necesidad de

software especializado de prueba (p. ej.: matrices y controladores) La complejidad

ciclomtica (una mtrica de diseo de componentes) se encuentra en el ncleo de

las pruebas de caminos bsicos, un mtodo de diseo de casos de prueba.

Adems, la complejidad ciclomtica puede usarse para elegir mdulos como

candidatos para pruebas ms profundas. Los mdulos con gran complejidad

ciclomtica tienen ms probabilidad de tendencia a errores que los mdulos con

menor complejidad ciclomtica

Por esta razn, el analista debera invertir un esfuerzo extra para descubrir

errores en el mdulo antes de integrarlo en un sistema. El esfuerzo de las pruebas

tambin se puede estimar usando mtricas obtenidas de medidas de Halstead.

Usando la definicin del volumen de un programa V, y nivel de programa, NP, el

esfuerzo de la ciencia del software, puede calcularse como;

NP=1 / [(n1 / 2) * (N2 / n2)] (4.36)

e = V / NP (4.37)

El porcentaje del esfuerzo global de pruebas a asignar un mdulo k para estimar

usando la siguiente relacin:

porcentaje de esfuerzo de pruebas (k) = e(k)/ e(i) (4.38)

99
donde e(k) se calcula para el mdulo k usando las ecuaciones (4.35 y 4.36) y

suma en el denominador de la ecuacin (4.37) es la suma del esfuerzo de la

ciencia del software a lo largo de todos los mdulos del sistema.

A medida que se van haciendo las pruebas tres medidas diferentes

proporcionan una indicacin de la complexin de las pruebas. Una medida de la

amplitud de las pruebas proporciona una indicacin de cuantos (del nmero total

de ellos) se han probado. Esto proporciona una indicacin de la complexin del

plan de pruebas. La profundidad de las prueba es una medida del porcentaje de

los caminos bsicos independientes probados en relacin al nmero total de estos

caminos en el programa. Se puede calcular una estimacin razonablemente

exacta del nmero de caminos bsicos sumando la complejidad ciclomtica de

todos los mdulos del programa. Finalmente, a medida que se van haciendo las

pruebas y se recogen los datos de los errores, se pueden emplear los perfiles de

fallos para dar prioridad y categorizar los errores descubiertos. La prioridad indica

la severidad del problema. Las categoras de los fallos proporcionan una

descripcin de un error, de manera que se puedan llevar a cabo anlisis

estadsticos de errores.

4.6 Mtricas de mantenimiento

Se han propuesto mtricas diseadas explcitamente para actividades de

mantenimiento. El estndar IEEE 982.1-1988 [Pressman 98] sugiere un ndice de

madurez del software (IMS) que proporciona una indicacin de la estabilidad de un

100
producto de software (basada en los cambios que ocurren con cada versin del

producto) Se determina la siguiente informacin:

M r = nmero de mdulos en la versin actual

Fc = nmero de mdulos en la versin actual que se han cambiado

Fa = nmero de mdulos en la versin actual que se han aadido

Fd = nmero de mdulos de la versin anterior que se han borrado en la

versin actual

El ndice de madurez del software se calcula de la siguiente manera:

IMS = [Mr (Fa + Fc + Fd)]/ Mr (4.39)

A medida que el IMS se aproxima a 1.0 el producto se empieza a estabilizar. El

IMS puede emplearse tambin como mtrica para la planificacin de las

actividades de mantenimiento del software. El tiempo medio para producir una

versin de un producto software puede correlacionarse con el IMS desarrollndose

modelos empricos para el mantenimiento.

101