tema2y3VRI I PDF

Administracin de proyectos Informticos
Temas 2 y 3
MTODOS DE ESTIMACIN
Y GESTIN DEL RIESGO
1. Introduccin
2. Precisin y exactitud de las estimaciones
3. Principios de estimacin
4. Estimacin de costes
4.1. Tcnicas de estimacin
4.2. Curva de aprendizaje
5. Modelos de coste y esfuerzo
5.1. Modelos de regresin
5.2. Modelo de Bailey-Basili
5.3. Modelo COCOMO
5.4. Modelo SLIM de Putnam
6. Las estimaciones en el CMM
7. Gestin de riesgos
7.1. Definicin y clasificacin
7.2. Actividades
7.3. Estimacin de riesgos
7.4. Control de riesgos
7.5. Los riesgos en el modelo COCOMO
Mtodos de estimacin y gestin del riesgo 1

1. Introduccin
Una estimacin es la prediccin ms optimista con una

probabilidad distinta de cero de ser cierta.
Una estimacin es una prediccin que tiene la misma
probabilidad de estar por encima o por debajo del valor
actual.
(Tom DeMarco, 1982)
z Los objetivos de la estimacin de proyectos son reducir los

costes e incrementar los niveles de servicio y de calidad.
z Midiendo determinados aspectos del proceso de software
se puede tener una visin de alto nivel de lo que suceder
durante el desarrollo.
Las mediciones de procesos anteriores permiten realizar
predicciones sobre los actuales.
Las mediciones de atributos de proceso en fases iniciales del
desarrollo permiten realizar predicciones sobre fases
posteriores.
z Las predicciones de proceso conducen la toma de
decisiones antes del comienzo del desarrollo, durante el
proceso de desarrollo, durante la transicin del producto al
cliente y a lo largo de la fase de mantenimiento.

Introduccin
z La figura siguiente muestra algunas de las predicciones

que pueden ser tiles a lo largo del ciclo de vida.
Anlisis
Anlisisdel
delcoste/beneficio
coste/beneficio
Viabilidad
Viabilidad
Esfuerzo/planificacin/
Esfuerzo/planificacin/
prediccin
prediccinde
delalacalidad
calidad
Requisitos
Requisitos Potencial
Potencialde
dereutilizacin
reutilizacin
Estimacin
Estimacindel
deltamao
tamao
Diseo
Diseo
tamao
tamao/planificacin/
/planificacin/
prediccin
prediccindedelalacalidad
calidad
Codificacin
Codificacin
Prediccin
Prediccindel
del
esfuerzo de prueba
esfuerzo de prueba
Prueba/entrega Predicciones
Prueba/entrega Prediccionesdedefinalizacin
finalizacin
de las pruebas
de las pruebas
Mantenimiento
Mantenimiento Predicciones
Prediccionesdede
calidad/fiabilidad
calidad/fiabilidad
Figura 1. Predicciones necesarias durante el ciclo de vida

2. Precisin y exactitud de las estimaciones
La precisin hace referencia al nmero de cifras

significativas que tiene una medida.
La exactitud se refiere a la cercana de una medida a su
objetivo.
z Una prediccin es til si tiene una exactitud razonable.
z En la estimacin del software una precisin errnea es el
peor enemigo de la exactitud.
z Es preferible expresar las estimaciones como un rango
que como un nmero simple.
z Ejemplo: se desea estimar el tiempo necesario para
finalizar un proyecto con un conjunto dado de requisitos y
se dispone de datos de tiempo de finalizacin de un gran
nmero de proyectos con los mismos requisitos.
Se puede representar la funcin de densidad de probabilidad

para el tiempo de finalizacin t (figura 2).
La probabilidad de que un proyecto de las mismas
caractersticas se complete en un intervalo de tiempo [t1,t2]
es el rea bajo la curva entre t1 y t2.
La probabilidad solo puede determinarse para un intervalo
determinado. Para un valor de tiempo concreto el rea bajo
la curva sera cero.

Precisin y exactitud de las estimaciones
z Una estimacin se define como la mediana de la

distribucin.
z La estimacin debe entenderse como el centro de un
intervalo que se expresa mediante tres valores:
El valor ms probable: mediana de la distribucin

Los lmites superior e inferior del valor: intervalos de
confianza.
Mediana
0,15
0,1
0,05
0
0 4 8 12 16 20 24
Tiempo (meses)
Figura 2. Representacin de la funcin de densidad de probabilidad

Precisin y exactitud de las estimaciones
z Evaluacin de la exactitud de la estimacin:

comparacin de los valores actuales con los valores
estimados.
Error relativo de la estimacin:
RE = (A - E) /A
donde A: valor actual
E: valor estimado
Error relativo medio:
n
RE = (1/n) REi
i=1
Magnitud del error: MRE = valor absoluto de RE

Magnitud media del error relativo:
n
MRE = (1/n) MREi
i=1
Calidad de la prediccin para un conjunto de n proyectos,

de los cuales k es el nmero de proyectos cuya magnitud
media del error relativo es menor o igual a q:
PRED(q) = k / n
DeMarco sugiere el uso de un factor de la calidad de la
estimacin: las estimaciones se realizan repetidamente a lo
largo del proyecto a medida que se va obteniendo ms
informacin.
3. Principios de la estimacin
z Aplicar la cantidad de recursos correcta para crear y

refinar las estimaciones.
Para determinar el nivel de detalle hay que considerar:
La magnitud del proyecto
Riesgo de las estimaciones inexactas
Incertidumbres del proyecto
z La estimacin de recursos requerida para un escenario

dado no puede cambiarse arbitrariamente.
Las caractersticas que afectan a la precisin requerida de
la estimacin pueden ser:
Riesgo inherente al proyecto
Fiabilidad de la informacin usada
Efectividad del proceso de estimacin
z Reestimar con frecuencia.

A medida que evoluciona el proyecto se dispone de ms
informacin que confirmar o refutar las estimaciones
originales. Esa informacin servir de base para realizar
estimaciones ms exactas del resto del proyecto.

4. Estimacin de costes
z La estimacin de costes implica la realizacin de

predicciones sobre la cantidad ms probable de esfuerzo,
tiempo y niveles de personal que se requieren para
construir un sistema de software.
z Las estimaciones de coste se realizan a lo largo de todo el
ciclo de vida.
Las estimaciones preliminares:
Se requieren para hacer una oferta o determinar la
viabilidad de un proyecto
Son las ms difciles de hacer y las menos exactas
Se realizan estimaciones gruesas del esfuerzo y se
divide el esfuerzo total por actividades.
Las estimaciones ms detalladas:
Se requieren cuando ha comenzado el proyecto para
realizar la planificacin
El esfuerzo y duracin de tareas individuales se
compara con los valores estimados.
Peridicamente se se realizan reestimaciones y se
reasignan recursos si fuese necesario.

Estimacin de costes
4.1. Tcnicas de estimacin
z Opinin de expertos:
Un desarrollador o gestor describe los parmetros del
proyecto y los expertos hacen estimaciones basadas en su
experiencia.
z Analoga:
Enfoque ms formal de la opinin de expertos.
Los expertos comparan el proyecto propuesto con uno o
ms proyectos anteriores intentando encontrar similitudes y
diferencias particulares.
z Descomposicin:
Anlisis minucioso de las caractersticas que afectan al coste
del proyecto.
El anlisis se centra en los productos o en las tareas que se
requieren para construirlos.
Las estimaciones se hacen sobre cada componente en que se
descompone el software o sobre tareas de bajo nivel en que
se descomponen las tareas.
Las estimaciones de bajo nivel se combinan para producir
una estimacin del proyecto completo.
z Modelos:
Tcnicas que identifican los factores clave que contribuyen
al esfuerzo y generan una frmula matemtica que relaciona
esos factores con el esfuerzo.
Los modelos se basan normalmente en experiencias
pasadas.
Estimacin de costes
4.2. Curva de aprendizaje
El mtodo de la curva de aprendizaje se utiliza para

determinar el tiempo que se tardar en empezar a
producir y el coste por unidad de salida.
z Se basa en la teora que dice que los individuos aprenden

de la experiencia por repeticin de la misma operacin un
nmero determinado de veces.
z El incremento de la eficiencia tiende a estabilizarse con el
tiempo.
z En problemas asociados con la planificacin del proyecto
se puede aplicar el enfoque de la curva de aprendizaje
para encontrar el esfuerzo requerido para el entrenamiento
del personal durante un periodo de tiempo.
z Se pueden aplicar dos modelos:
Aprendizaje constante: se supone que el incremento de la

eficiencia es constante. Esto supone que no hay lmite en
dicho aumento.
Aprendizaje acelerado: se supone que el incremento en la
eficiencia es ms rpido al principio y tiende a descender
lentamente hasta alcanzar un lmite en la mejora de la
eficiencia.

Estimacin de costes
Curva de aprendizaje
Modelo 1: Aprendizaje constante

z Se asume que el incremento en la eficiencia es constante,
por tanto el tiempo se reduce linealmente cada vez que se
repite una operacin segn la relacin:
y=b-ax
si c es el tiempo que se requiere para realizar la primera
operacin, entonces b = c + a.
z El tiempo necesario para realizar todas las operaciones (n)
ser: n
[(c + a) - a x ]dx = (c + a) n - (a n2 )/ 2
0
z Ejemplo:
Una empresa se est preparando para introducir una nueva
herramienta sobre la que se han realizado las siguientes
suposiciones:
N de caractersticas: 45
Tiempo inicial de entrenamiento por caracterstica: 3 minutos
Porcentaje de mejora en cada operacin = 5% del tiempo inicial
Nmero de operaciones totales = 10
c = 3 * 45 = 135 minutos
a = 135 * 0.05 = 6.75 minutos
tiempo total = (135+6.75) 10 - 6.75 (10)2/2= 1080 minutos

Estimacin de costes
Curva de aprendizaje
Modelo 2: Aprendizaje acelerado
z Se asume que el incremento en la eficiencia es ms rpido

al principio, tendiendo despus a estabilizarse
obedeciendo a la expresin:
y = a xb
z El tiempo necesario para realizar n operaciones ser:
n
a xbdx = (a n b+1)/ (b+1)
0
z La funcin exponencial se puede transformar en una

funcin lineal de la forma:
log y = log a + b (log x)
donde:
a = tiempo de la primera operacin
|b| = ndice de mejora
n = nmero de operaciones

5. Modelos de coste y esfuerzo
z Hay dos tipos de modelos que se utilizan para estimar el

esfuerzo:
Modelos de coste:
proporcionan estimaciones directas del esfuerzo o la
duracin del proyecto.
Estn basados en datos empricos reflejados en factores
que contribuyen al coste total.
Tienen una entrada primaria (generalmente una medida
del tamao del producto) y varios factores de ajuste
secundarios denominados generalmente guas de coste.
El modelo COCOMO es un modelo emprico de coste.
Modelos restrictivos:
Demuestran la relacin con el tiempo entre dos o ms
parmetros de esfuerzo, duracin o nivel de personal.
La curva de Rayleigh se usa en modelos de este tipo
como base de la relacin entre esfuerzo y tiempo.

Modelos de coste y esfuerzo

5.1. Modelos de regresin
z Los primeros intentos de construccin de modelos de

coste usaban tcnicas de regresin.
z Examinando las relaciones entre atributos medidos en
muchos proyectos anteriores se construye una ecuacin
que relacione algunos factores.
z Una vez que se ha definido la ecuacin base la estimacin
puede ajustarse mediante otros factores secundarios.
z Una ecuacin de este tipo es la que relaciona el esfuerzo
con el tamao del producto:
E = a Sb
z La funcin exponencial puede transformarse en una
funcin lineal:
log E = log a + b logS
6
5
4
log E
3
2
1
0
0 2 4 6
log S
Figura 2. Representacin de la funcin de densidad de probabilidad


Modelos de regresin
z El siguiente paso es identificar los factores que causan

variacin entre el esfuerzo actual y el estimado.
z El anlisis de esos factores puede ayudar a identificar
parmetros adicionales que se aaden al modelo como
guas de coste.
z A cada uno de los factores se les asigna un peso tomando
como base el juicio de expertos y datos empricos.
z Los factores ponderados se aplican a la ecuacin del
esfuerzo de la forma:
E = (a Sb) F
donde F es el factor de ajuste del esfuerzo calculado
como el producto del valor de las guas de coste.
z El clculo de F slo es vlido cuando los factores

individuales son independientes.
z Dos modelos que utilizan este enfoque son:
El modelo COCOMO original en sus versiones intermedia
y avanzada.
El modelo de Bailey-Basili.


5.2. Modelo de Bailey-Basili
z Bailey y Basili sugirieron una tcnica para obtener un

modelo de coste a partir de sus propios datos (Bailey y
Basili, 1981).
z La ecuacin del esfuerzo obtenida a partir de 18 grandes
proyectos es:
E = 5.5 + 0.63 S1.16
z La ecuacin se ajusta mediante un factor de ajuste del
esfuerzo calculado a partir de los atributos de la tabla
siguiente.
A cada entrada en la tabla se le da una puntuacin de 0 a 5.
Los valores obtenidos se usan para ajustar la ecuacin:
Ajuste del esfuerzo = a METH + b CPLX + c EXP + d
Metodologa (METH) Complejidad acumulada Experiencia acumulada
(CPLX) (EXP)
Diagramas de rboles Complejidad de la interfaz de Cualificacin del
Diseo top-down usuario programador
Documentacin formal Complejidad de la aplicacin Experiencia del
Equipos con programador jefe Complejidad del flujo de programador con la
Entrenamiento formal programa mquina.
Formalismos de diseo Complejidad de comunicacin Experiencia del
Lectura de cdigo interna programador en el lenguaje
Carpetas de desarrollo de Complejidad de la base de Experiencia del
unidad datos programador en la
Planes de prueba formales Complejidad de la aplicacin
comunicacin externa Experiencia del equipo
Cambios en el diseo
solicitados por el usuario


5.3. Modelo COCOMO
z El modelo COCOMO (COnstructive COst MOdel) fue

propuesto por Boehm (Boehm, 1981) y revisado
posteriormente dando lugar a la versin COCOMO 2.0
(Boehm et al., 1995).
Modelo COCOMO original (I)
z Se puede considerar como una coleccin de tres modelos:

Bsico: clculo del esfuerzo en funcin del tamao (LDC).
Intermedio: clculo del esfuerzo en funcin del tamao y de
guas de coste.
Avanzado: Modificacin del modelo intermedio para
considerar el impacto de las guas de coste en cada fase.
z Estn definidos para tres tipos de proyectos:

Modo orgnico: proyectos pequeos, mucha experiencia,
pocas restricciones.
Modo semiacoplado: proyectos intermedios, varios niveles
de experiencia, requisitos poco y medio rgidos.
Modo empotrado: proyectos complejos y muy restrictivos.


Modelo COCOMO
Modelo COCOMO original (II)

z Modelo bsico:
E = a (KDSI)b
DSI: Delivered Source Instructions
z Modelo Intermedio:
E = a (KDSI)b F
F: factor de ajuste
El factor de ajuste se calcula considerando 15 factores o
guas de coste que se agrupan en cuatro categoras:
Atributos del producto (3)
Atributos computacionales (5)
Atributos de personal (4)
Atributos del proceso (3)
Cada factor se sita en una escala de seis valores que va de
muy bajo a extra alto. A los valores bajos se le asocia un
multiplicador menor que 1, a los medios 1 y a los valores
altos mayor que 1.
Proyecto de software a b
Orgnico
2,4 1,05
Semiacoplado
3,0 1,12
Empotrado
3,6 1,20


Modelo COCOMO
Modelo COCOMO original (III)

z Duracin del proyecto.
Para estimar la duracin se usa un modelo de restriccin que
predice el tiempo a partir del esfuerzo:
D = a (E)b
D: duracin en meses
E: esfuerzo en meses-persona
El coeficiente a y el exponente b dependen del modelo de
desarrollo, como puede observarse en la tabla siguiente:
Proyecto de software a b
Orgnico
2,5 0.38
Semiacoplado
2,5 0.35
Empotrado
2,5 0.32
La ecuacin proporciona la estimacin ptima de la

duracin del proyecto para un esfuerzo determinado.
Una gua de coste valora el efecto de reducir o incrementar
artificialmente el proyecto respecto al valor ptimo.


Modelo COCOMO
Modelo COCOMO 2.0

z En la nueva versin se propone un modelo para cada una
de las principales etapas del proyecto:
Aplicacin:
Se usa para prototipos construidos para reducir riesgos.
Deben incluir interfaces de usuario, bases de datos,
generadores de informes, herramientas de
productividad, etc.
Utiliza como entrada la estimacin del tamao en
puntos objeto.
Diseo inicial:
Se usa en etapas de exploracin de arquitecturas
alternativas.
Se aceptan lneas de cdigo como estimacin del
tamao aunque el modelo est enfocado al uso de
puntos de funcin
Pos-arquitectura:
Se puede aplicar cuando ha comenzado el desarrollo.
Se pueden usar con ms seguridad lneas de cdigo para
estimar el tamao
Se usan ms parmetros para ajustar el esfuerzo

Modelo COCOMO
Modelo COCOMO 2.0 (II)

z Estimacin del esfuerzo de desarrollo (I)
Las estimaciones del esfuerzo en meses-persona (PM) se
obtienen a partir del tamao del software dado en lneas de
cdigo fuente (SLOC) o puntos de funcin (PFU). La
ecuacin bsica es la siguiente:
PMNOMINAL = A (tamao)B
A: constante usada para capturar los efectos multiplicadores

del esfuerzo con el incremento del tamao del proyecto
B: Factor de escala
B = 1.01 + 0.001 wi
Factores de escala wi:

Falta de precedentes (PREC)
Flexibilidad del desarrollo (FLEX)
Arquitectura/resolucin de riesgo (RESL)
Cohesin del equipo (TEAM)
Madurez del proceso (PMAT).


Modelo COCOMO
Modelo COCOMO 2.0 (III)

z Estimacin del esfuerzo de desarrollo (II)
Se usa un porcentaje de rotura (BRAK) para ajustar el
tamao efectivo del producto. Representa el porcentaje de
cdigo inservible debido a la volatilidad de los requisitos.
Tambin se ajusta el tamao debido a la reutilizacin. La
cantidad de software que debe adaptarse (ASLOC) se estima
mediante una ecuacin no lineal y los parmetros:
Porcentaje de diseo modificado (DM)
de cdigo modificado (CM)
de modificacin del esfuerzo de integracin (IM)
Incremento de comprensin de software (SU). Depende
de la estructura y claridad de la aplicacin.
Grado de valoracin y asimilacin(AA) necesario para
determinar si un mdulo reutilizado es apropiado.
Falta de familiaridad del programador (UNFM)
Parmetros de conversin y reingeniera.
Las guas de coste se utilizan para ajustar el esfuerzo en
funcin de algunas caractersticas del desarrollo. El peso de
cada gua de coste se denomina multiplicador del esfuerzo
(EM):
PMAJUSTADO = PMNOMINAL ( EMi)


Modelo COCOMO
Modelo COCOMO 2.0 (IV)

z Estimacin del esfuerzo de desarrollo (III)
El modelo de diseo inicial tiene 7 multiplicadores del
esfuerzo:
Capacidad del personal (PERS)
Fiabilidad y complejidad del producto (RCPX)
Reutilizacin requerida (RUSE)
Dificultad de la plataforma (PDIF)
Experiencia del personal (PREX)
Facilidades (FCIL)
Calendario (SCED)
En el modelo pos-arquitectura cada uno de los anteriores se
divide en varios obtenindose 17 multiplicadores.


Modelo COCOMO
Modelo COCOMO 2.0 (V)

z Estimacin del esfuerzo de desarrollo (IV)
ECUACIONES DEL MODELO DE DISEO INICIAL


Modelo COCOMO
Modelo COCOMO 2.0 (VI)

z Estimacin del esfuerzo de desarrollo (V)
ECUACIONES DEL MODELO DE POS-ARQUITECTURA


Modelo COCOMO
Modelo COCOMO 2.0 (VII)

z Estimacin del esfuerzo de desarrollo (VI)
Tabla de smbolos:


Modelo COCOMO
Modelo COCOMO 2.0 (VIII)

z Estimacin del calendario
El modelo proporciona una estimacin del tiempo en meses
(TDEV) desde la determinacin de los requisitos de un
producto hasta la aceptacin y certificacin de que el
sistema desarrollado cumple con los requisitos.
ECUACIONES:
Tabla de smbolos:


5.4. Modelo SLIM
z Putnam desarroll un modelo de estimacin del esfuerzo

total y del tiempo de finalizacin para proyectos muy
grandes (Putnam, 1978). Las ecuaciones bsicas se
pueden ajustar para pequeos proyectos.
z El modelo asume que el esfuerzo para proyectos de
desarrollo de software se distribuye de forma similar a una
coleccin de curvas de Rayleigh, una para cada actividad
del desarrollo (figura 3).
z La especificacin de requisitos no se incluye en el modelo
Figura 3. Curvas de Rayleigh


Modelo SLIM
z A partir de la frmula bsica de la curva de Rayleigh,

Putnam us observaciones empricas sobre la
productividad para obtener su ecuacin de software :
Tamao = C K 1/3 td4/3
C: factor de tecnologa
K: esfuerzo total medido en aos-persona
td: tiempo de finalizacin del proyecto medido en aos.
La ecuacin permite valorar el efecto de modificar el tiempo de
entrega y el esfuerzo total necesario para completar el proyecto.
z Putnam propone otra ecuacin para estimar el tiempo o la

duracin:
D0 = K / td3
D0: Constante denominada aceleracin de mano de obra
z Combinando las ecuaciones anteriores se obtiene:

K = (S/C)9/7 D04/7
z El modelo SLIM usa curvas diferentes para distintas fases
del ciclo de vida.

6. Las estimaciones en el CMM
z Segn el modelo CMM (Capability Maturity Model)

propuesto por el SEI (Software Engineering
Institute)[Paulk et al., 1993], la maduracin del proceso de
Software dentro de una organizacin mejorar la
predictabilidad y controlabilidad.
z El modelo establece cinco niveles:
Nivel 1. Inicial: se caracteriza porque la calidad, coste y

calendario son impredecibles.
Nivel 2. Repetible: Calidad, coste y calendario desiguales.
En este nivel se empiezan a sentar las bases para futuras
mejoras como puede ser la estimacin.
Nivel 3. Definido: Se realizan estimaciones fiables de coste
y calendario pero la calidad es impredecible.
Nivel 4. Gestionado: caracterizado por un control
estadstico de la calidad.
Nivel 5. Optimizacin: Se dispone de una base cuantitativa
para la mejora de procesos y la automatizacin.

7. Gestin de riesgos
7.1. Definicin y clasificacin
Los objetivos de la gestin de riesgos son identificar, dirigir y

eliminar las fuentes de riesgo antes de que empiecen a afectar a
la finalizacin satisfactoria de un proyecto software.
z El riesgo siempre implica dos caractersticas:
Incertidumbre: el acontecimiento que caracteriza al riesgo
puede o no puede ocurrir.
Prdida: si el riesgo se convierte en una realidad, ocurrirn
consecuencias no deseadas o prdidas.
z Para cuantificar el nivel de incertidumbre y el grado de
prdidas asociado con cada riesgo se consideran diferentes
categoras de riesgos:
Riesgos del proyecto:
Afectan a la planificacin temporal y al coste del
proyecto.
Identifican problemas potenciales de presupuesto,
calendario, personal, recursos ...
Riesgos tcnicos:
Amenazan la calidad y la planificacin temporal del
software que hay que producir.
Identifican posibles problemas de diseo,
implementacin, interfaz, verificacin y mantenimiento.

Gestin de riesgos
Definicin y clasificacin
Riesgos del negocio:

Amenazan la viabilidad del software.
Los principales riesgos de negocio son:
riesgo de mercado
riesgo estratgico
riesgo de ventas
riesgo de direccin
riesgo de presupuesto
z Se puede hacer otra categorizacin de los riesgos en

funcin de su facilidad de deteccin [Charette, 1989] :
Riesgos conocidos: son aquellos que se pueden predecir

despus de una evaluacin del plan del proyecto, del
entorno tcnico y otras fuentes de informacin fiables.
Riesgos predecibles: se extrapolan de la experiencia de

proyectos anteriores.
Riesgos impredecibles: pueden ocurrir, pero es

extremadamente difcil identificarlos por adelantado.

Gestin de riesgos
7.2. Actividades
z La gestin continuada de los riesgos permite aumentar su

eficiencia [Rosenberg, et al., 2000]:
Evaluar continuamente lo que pueda ir mal
Determinar qu riesgos son importantes
Implementar estrategias para resolverlos
Asegurar la eficacia de las estrategias
z Elementos de la gestin de riesgos:
Estimacin de riesgos:
Identificacin de riesgos: lista de riesgos capaces de
romper la planificacin del proyecto.
Anlisis de riesgo: medicin de la probabilidad y el
impacto de cada riesgo, y los niveles de riesgo de los
mtodos alternativos.
Priorizacin de riesgos: lista de riesgos ordenados por
su impacto.
Control de riesgos:
Planificacin de la gestin de riesgos: plan para tratar
cada riesgo significativo.
Resolucin de riesgos: ejecucin del plan.
Monitorizacin de riesgos: comprobacin del progreso
del control de un riesgo e identificacin de la aparicin
de nuevos riesgos.

Gestin de riesgos
7.3. Estimacin de riesgos
Identificacin de riesgos
z Constituye un intento sistemtico para especificar las
amenazas al plan del proyecto.
z Las incertidumbres sobre diferentes caractersticas del
proyecto se transforman en riesgos que pueden ser
descritos y medidos.
z Un mtodo para identificar los riesgos es crear una lista
de comprobacin de elementos de riesgo que debe
contener dos categoras de riesgos:
Riesgos especficos del producto: para identificarlos se
examina el plan del proyecto y la declaracin del mbito del
software.
Riesgos genricos: Son comunes a todos los proyectos de
software. Para identificarlos se crean las siguientes
subcategoras:
Tamao del producto
Impacto en el negocio
Caractersticas del cliente
Definicin del proceso
Entorno de desarrollo
Tecnologa a construir
Tamao y experiencia de la plantilla.

Gestin de riesgos
Estimacin de riesgos
Anlisis de riesgos
z Es el proceso de examinar los riesgos en detalle para
determinar su extensin, sus interrelaciones y su
importancia.
z Las actividades bsicas son:
Evaluacin: mejor comprensin del riesgo. Se cuantifican
los siguientes conceptos:
Impacto: prdida que ocasiona el riesgo.
Probabilidad: probabilidad de que ocurra el riesgo.
Marco de tiempo: periodo de tiempo en el que es
posible mitigar el riesgo.
Clasificacin: se clasifican los riesgos para entender su
naturaleza y elaborar planes de mitigacin.
ATRIBUTO VALOR DESCRIPCIN
Catastrfico Prdida del sistema. Coste >50%
Recuperacin de la capacidad operativa
Impacto Crtico
Coste > 10% (<50%)
Marginal Coste < 10%
Muy probable > 70%
Probabilidad Probable Entre 30% y 70%
Improbable <30%
Corto plazo 30 das
Marco de tiempo Medio plazo 1 a 4 meses
Largo plazo Ms de 4 meses

Gestin de riesgos
Estimacin de riesgos
Priorizacin de riesgos
z Es el proceso de ordenar los riesgos en funcin de su
importancia para determinar cuales se deben solucionar
antes y a cuales hay que asignarle ms recursos.
z Los riesgos pueden ordenarse segn la magnitud de la
exposicin al riesgo [Knsl, 1997]:
Exposicin al riesgo = f (magnitud del impacto, probabilidad)

z La asignacin de prioridades se realizar en el orden
resultante del paso anterior.
z Hay que considerar la posibilidad de priorizar grupos de
riesgos encadenados.
z La asignacin de prioridades depende de la precisin y
exactitud de las estimaciones de la magnitud del impacto
y de la probabilidad del riesgo.
z Las condiciones y prioridades pueden cambiar a lo largo
del proyecto por lo que el anlisis y asignacin de
prioridades debe realizarse de manera continuada
aprovechando la informacin disponible en cada
momento.

Gestin de riesgos
7.4. Control de riesgos
Planificacin de la gestin de riesgos

z Consiste en la elaboracin de un plan que controle cada
uno de los riesgos de prioridad alta identificados en
etapas anteriores.
z Hay que considerar cuatro opciones:
Investigar: establecer un plan para investigar el riesgo.
Aceptar: decidir aceptar el riesgo documentar las razones.
Observar: controlar las condiciones del riesgo para obtener
indicaciones de cambio en la probabilidad o el impacto.
Mitigar: reasignar recursos e indicar acciones a realizar
Para reducir la probabilidad o el impacto potencial de los
riesgos.
Resolucin de riesgos
z Mediante el proceso de resolucin de riesgos se pone en
prctica el plan elaborado en la etapa anterior.
z Algunos de los mtodos usados para tratar el riesgo son:
Evitar el riesgo
Trasladarlo a otra parte del sistema
Eliminar el origen del riesgo
Informar sobre el riesgo
controlar el riesgo ...

Gestin de riesgos
Control de riesgos
Monitorizacin de riesgos
z El objetivo de la monitorizacin es la toma de decisiones
efectivas, documentadas y a tiempo mediante la
observacin de los riesgos y de los planes de mitigacin.
z Se necesita conocer cuando o donde se produce un
cambio significativo en los atributos y la efectividad de
los planes de mitigacin.
z Las formas de proceder son las siguientes:
Replanificar: se requiere un plan nuevo o modificado
cuando se excede un valor umbral.
Cerrar el riesgo: la probabilidad del riesgo es inferior al
valor umbral o el riesgo se convierte en un problema que se
resuelve.
Invocar un plan de contingencia: se ha activado un
disparador o se necesita realizar una accin.
Continuar con el plan actual: no se requiere ninguna
accin adicional porque todo est sucediendo como estaba
previsto.
z El control es un punto crucial en la toma de decisiones
sobre el proyecto.

Gestin de riesgos
7.5. Los riesgos en el modelo COCOMO
z El el modelo COCOMO el riesgo para cada mdulo se

calcula sumando los riesgos parciales:
Riesgo de planificacin
Riesgo de personal
Riesgo del producto
Riesgo del proceso
Riesgo de la plataforma
Riesgo de reutilizacin
Los riesgos anteriores se obtienen a partir de las guas de coste.
z El riesgo tambin se contempla en los factores de escala:

BIBLIOGRAFA
Bailey, J.W. And Basili, V.R., A meta-model for software development resource
expenditure, Proc. 5th International Conference on Software Engineering, IEEE
Computer Society Press, 189-97, 1981.
Boehm, B.W., Software Risk Management, IEEE-CS Press, 1989.
Boehm, B.W., Software Engineering Economics, Prentice Hall, Englewood Cliffs, NJ,
1981.
Boehm, B.W., Software Risk Management:Principles and practices, IEEE Software,
32-41, enero 1991.
Boehm, B.W., Clark, B., Horowitz, E. Et al., Cost models for future life cycle
processes: COCOMO 2.0, Annals of Software Engineering 1(1), 1-24, 1995.
Burnett, K., The project management paradigm, Springer-Verlag, 1998.
Charette, R., Softwae Engineering Risk analysis and management, McGraw-Hill, 1989
DeMarco, T., Controlling Software Projects, Yourdon Press, 1982.
Fenton, N.E. y Pfleeger, S.L., Software metrics. A rigorous & practical approach ,
1997.
Knsl, K., Integrating Risk Assessment with Cost Estimation, IEEE Software, 14 (3)
61-67, enero 1997.
McConnell, S., Desarrollo y gestin de proyectos informticos, Mc Graw Hill 1997.
Paulk, M. et al., Capability Maturity Model for Software, Software Engineering
Institute, Carnie Mellon University, Pittsburgh, P.A., 1993.
Pressman, R.S., Ingeniera del Software, un enfoque prctico, Mc Graw Hill, 1998.
Putnam, L.H., A general empirical solution to the macrosoftware sizing and estimating
problem, IEEE Transaction on Software Engineering,4(4), 345-61 1978.
Rosenberg, L.H., Gallo, A., Hammer, T. And Parolek, F., Continuing risk management
at NASA, CrossTalk, 13 (2),7-11, 2000

tema2y3VRI I PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

tema2y3VRI I PDF

Cargado por

Copyright:

Formatos disponibles

Administracin de proyectos Informticos

Mtodos de estimacin y gestin del riesgo 1

Una estimacin es la prediccin ms optimista con una

z Los objetivos de la estimacin de proyectos son reducir los

Mtodos de estimacin y gestin del riesgo 2

z La figura siguiente muestra algunas de las predicciones

Figura 1. Predicciones necesarias durante el ciclo de vida

Mtodos de estimacin y gestin del riesgo 3

2. Precisin y exactitud de las estimaciones

La precisin hace referencia al nmero de cifras

Se puede representar la funcin de densidad de probabilidad

Mtodos de estimacin y gestin del riesgo 4

Precisin y exactitud de las estimaciones

z Una estimacin se define como la mediana de la

El valor ms probable: mediana de la distribucin

Figura 2. Representacin de la funcin de densidad de probabilidad

Mtodos de estimacin y gestin del riesgo 5

Precisin y exactitud de las estimaciones

z Evaluacin de la exactitud de la estimacin:

Magnitud del error: MRE = valor absoluto de RE

Calidad de la prediccin para un conjunto de n proyectos,

z Aplicar la cantidad de recursos correcta para crear y

z La estimacin de recursos requerida para un escenario

z Reestimar con frecuencia.

Mtodos de estimacin y gestin del riesgo 7

z La estimacin de costes implica la realizacin de

Mtodos de estimacin y gestin del riesgo 8

El mtodo de la curva de aprendizaje se utiliza para

z Se basa en la teora que dice que los individuos aprenden

Aprendizaje constante: se supone que el incremento de la

Mtodos de estimacin y gestin del riesgo 10

Modelo 1: Aprendizaje constante

Mtodos de estimacin y gestin del riesgo 11

Modelo 2: Aprendizaje acelerado

z Se asume que el incremento en la eficiencia es ms rpido

z La funcin exponencial se puede transformar en una

Mtodos de estimacin y gestin del riesgo 12

5. Modelos de coste y esfuerzo

z Hay dos tipos de modelos que se utilizan para estimar el

Mtodos de estimacin y gestin del riesgo 13

Modelos de coste y esfuerzo

z Los primeros intentos de construccin de modelos de

Mtodos de estimacin y gestin del riesgo 14

Modelos de coste y esfuerzo

z El siguiente paso es identificar los factores que causan

z El clculo de F slo es vlido cuando los factores

Mtodos de estimacin y gestin del riesgo 15

Modelos de coste y esfuerzo

z Bailey y Basili sugirieron una tcnica para obtener un

Mtodos de estimacin y gestin del riesgo 16

Modelos de coste y esfuerzo

z El modelo COCOMO (COnstructive COst MOdel) fue

Modelo COCOMO original (I)

z Se puede considerar como una coleccin de tres modelos:

z Estn definidos para tres tipos de proyectos:

Mtodos de estimacin y gestin del riesgo 17

Modelos de coste y esfuerzo

Modelo COCOMO original (II)

Mtodos de estimacin y gestin del riesgo 18

Modelos de coste y esfuerzo

Modelo COCOMO original (III)

La ecuacin proporciona la estimacin ptima de la

Mtodos de estimacin y gestin del riesgo 19