ファイル TEF東海メトリクス勉強会 Summary6 2 5 6 6

(1)

第６章　工数の見積もり

6.2.5 _{「カスタムモデル」}

～ 6.6 「まとめ」

TEF _{東海メトリクス勉強会}

まとめ担当：なお

(2)

6.2.5 _{カスタムモデル}

標準的見積もり手法

手直しできたら…

直してしまおう！

(3)

6.2.5 _{カスタムモデル}

カスタムモデルを得る４つの手順

ステップ１　：　コストを分割する

ステップ２　：　コスト仮説を立てる

ステップ３　：　データを集めるステップ４　：　データを関連づける

(4)

6.2.5 _{カスタムモデル}

例：

•　毎年 600 件程度のフィーチャが求められ

•　１ 5 ０件程度を実際に構築

•　大規模カスタムシステム

想定システム

(5)

6.2.5 _{カスタムモデル}

例：

•　エキスパート３名がコスト見積もり

•　コスト見積もりに全ての時間を費やす

現状　：

エキスパートによる見積もり

(6)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ１：　コストの

分割

モジュール A, B, C, D に与える影響をまず検討

(7)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ１：　コストの

分割

(8)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ２：　コストの

仮説

(9)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ２：　コストの

仮説 ^{コストに影響しない}

(10)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ２：　コストの仮説　（コスト関数）

あるフィーチャの工数（週）＝

　　　　 9 ＊ DB 変更回数＋ 7 ＊インタフェース変更回数

(11)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

各フィーチャの複雑度が重要かも

(12)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

0.6 ～ 1.4 の範囲をとる複雑度調整要因（ Complexity Adjust Factor,

CAF _）

(13)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

　　 CAF ＊（ 14 ＊ DB 変更回数＋ 8 ＊インタフェース変更回数）

(14)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ３：　データを集める

• 過去のフィーチャのデータ（エキスパートの見積もり）

• 実績データ（可能であれば）

(15)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

ステップ４：データを関連づける（モデルの有効性の評価）

相関分析修正必要？モデルの修正^Y ^{満足良いモデル}_の選択

N

(16)

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

成

• 見積もり時間浪費状態を脱出

• 各フィーチャの見積もり⇒簡単＆短時間

エキスパート

(17)

6.2.6 _{アルゴリズムモデル}

回帰分析

実証的に導き出されたモデル

(18)

6.2.6 _{アルゴリズムモデル}

• 初期　・・・　単純なモデル　（手作業でも

利用可能）

• 今日　・・・　複雑なモデル　（ツールで提

供）

(19)

6.2.6 _{アルゴリズムモデル}

回帰分析

特定実証データセット特定環境アルゴリズムモデル

(20)

6.2.6 _{アルゴリズムモデル}

回帰分析

環境要因：重要なコスト誘

因

(21)

6.2.6 _{アルゴリズムモデル}

回帰分析

複数の手法を用いるのが最

良

(22)

6.2.6 _{アルゴリズムモデル}

見積もりの正確

さ

こだわり過ぎ

ない方がよい

テキスト本文中より抜粋

「モデルの正確さは、一般的に開発コストまたはスケジュール実績の

±25 ％以内の程度に過ぎない。つまり、開発時間の半分の範囲である。これは、見積もりモデルをキャリブレーションした後での話しだ。」

　　　　　　　　　テキスト参考文献 [20]

(23)

6.2.6 _{アルゴリズムモデル}

たいていのプロジェクト

規模を見積もる

工数を見積もる

規模 LOC, FP

スケジュールを見積もる

工数

(24)

6.2.6 _{アルゴリズムモデル}

規模

LOC, FP ^工数

コストスケジュール人員計画基本的な誘因

(25)

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

典型：

工数＝ A ＋ B ＊（規模） ^C

　　 A, B, C ：実証的に求められた定数　　規模： LOC, FP

(26)

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

•_例１　

•_例２

•_例３　

：　工数＝ 5.0 ＊（ KLOC ） ^0.90

：　工数＝ 5.5 ＋ 0.75 ＊

（ KLOC)^1.25

：　工数＝ 3.0 ＊（ KLOC ） ^1.10

KLOC から工数を見積もるモデルの

例

異なるデータセットにキャリブレーションし

た結果例

テキスト P.149

規模要因：

経済性を表している

規模が大きくなるにつれて

生産性が低下する

(27)

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

•　例１

•_例２　　

：　工数＝ 15.00 ＋ 0.0500 ＊ FP

：　工数＝ 50.50 ＋ 5.0000 ＊ (10^-10 ）＊ FP³

FP から工数を予測する３つのモデル式

例

異なるデータセットにキャリブレーションし

た結果例

テキスト P.150

規模によらず生産性が一定

(28)

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

COCOMO _：

COCOMO _{の成長・発展}

：

おそらく、最も有名、一般的、影響力有り

COCOMO Ⅰ⇒COCOMO Ⅱ⇒COCOMO .2000Ⅱ

COCOMO Ⅰ _{の基本公式：}

工数＝ B ＊ LOC^C

B と C はプロジェクト分類によって異なる　テキスト　 P.151 _{図 6.21}

(29)

6.2.6 _{アルゴリズムモデル}

6.2.6.2 プロジェクトの期間を見

積もる

COCOMO Ⅰ _：

　　工数に基づいて開発期間を算出する式も提供

開発期間＝ B ＊工数 ^C

テキスト　 P.151 図 6.21

他の実証研究の結果：

　　 COCOMO Ⅰ の規則と矛盾せず、同じ構造の式

スケジュールの短縮：

　　経験則　⇒　圧縮限界およそ 75 ％　（工数は増加）

(30)

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

1970 年代～ 1980 年代

：

• FP 法が開発される

• 最初の見積もりツール SLIM, Price-S が製品化

• COCOMO モデルが示された

現在：

• 利用可能な商用見積もりツールが 100 個以上

• 複数のプロジェクト属性を入力

• スケジュール、要員割り当て計画、総見積もり工数、

　見積もりコストを出力

(31)

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

現時点で主要なツール

：

COCOMO, SPR, Checkpoint

ツールの機能総覧：

テキスト６章参考文献 [23] （ 2002

Web

年著）

_を検索

ソフトウェア　見積もり　ツール検索多くのデモ版、フリーウェ

アいくつかのツールを試してみることをお勧め

(32)

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

モデルへの入力

性質範囲クラ分類目標ス

作業パターン etc…

ツールの特徴

仕様、ソースコード、テストケースの規模を求める論理工程、アクティビティ、タスクレベルでの

見積もり

ツールを試してみよう

オブジェクト指向技術サポー LOCと FP の変換再利用支援ト

多様な言語サポート品質と信頼性の予測リスクと価値の分析マネジメントツールと連

携新しいモデルでの見積も

り _etc…

(33)

6.3 見積もりを組み合わせる

３つ以上の異なる手法を用いて見積

もり

同じ傾向にある手法を選んではいけな

い

次のような組み合わせで、補完的に利用す

る

• トップダウン法とボトムアップ法

• エキスパート見積もりと類推法

• エキスパート見積もりとプロキシポイント法

• 同じモデル構造に基づくアルゴリズムモデル

• 類似した責務・プロジェクトのエキスパート見積もり

(34)

6.3 見積もりを組み合わせる

３つ以上の見積もり

• 最良と思うものを選ぶ（非推奨）

• 標準偏差⇒ばらつき⇒平均

• 正規分布に基づいた加重平均

　（ 1 ＊最小値＋ 4 ＊平均値＋ 1 ＊最大値）／ 6

• 独自の重みによる加重平均

最終的な見積もり

(35)

6.4 _{見積もりに関する課題}

6.4.1 目標 vs 見積もり

見積もり提示要求

目標 or 見積もり

　目標と見積も上層部りの混同

上層部

目標 ^見積も

り調整（対話的）

削減・再利用・差し替え・ etc…

見積もり 6.1 _{～ 6.3 章}

etc … 見積もりモデルのパラメータばかり

調整_あるあるツール目標

手法見積もり

調整不足 ⇒ 残業増加 ⇒ デスマーチ

残業が増加するだけ

(36)

6.4 _{見積もりに関する課題}

6.4.2 見積もりの限界：なぜ？

見積もり ^期待結果 ^がっかり

似たシステム

ツール手法

有効データセット

確実性の高い見積もり

新しいシステム

データセット新しいアイデアツール手法

確実性の低い見積もり

(37)

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

見積もりには固有の確率があ

る無意識に正確（ 50 ％）な見積もりをし

ているもっと正確に

見積もる

• 見積もりに固有の不確実性を理解し、受け入れ、

管理• 不確実性を受け入れるために、見積もりの言葉遣いを変更

(38)

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

• 見積もりに固有の不確実性を理解し、受け入れ、管理「不確実性のコーン」テキスト図 6.22 参考文

献 [22]見積もりの正確度の予測値をソフトウェアライフサイクルの工程ご

見積もりのプラクティスとプロセスとに示す

改善 ^{不確実性減少}

過大見積もりより過小見積もりをすることの方が多い

不確実性

分散 _{既知のリスク} _{未知の事象}

計算は容易大きさ

リスク管理計画で明 12示_章

最小化確実

エキスパート

(39)

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

• 不確実性を受け入れるために、見積もりの言葉遣いを変更_{単に「数値」言うだけ}

でなく確立分布に基づいた範囲と見通

し

「 pX 」例：表記

「 p5 」：見積もり超過確立 95 _％

「見積もり、８人

月」：担当がリスクと不確実性を負う

エキスパー

ト見積もり幅を割り出してもらうとよい過信する傾向にある

「 p50 の見積もり２０人月」：^{現在の肯定（設計工}

程）

決めた組織のガイドライン

経験的

過去のプロジェクトに基づく確率分布

経験則見積もり幅： 18 ～ 24 人

出発点としての経験則：月テキスト P.162 図

6.23

(40)

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

テキスト P.162 およびテキスト６章参考文献 [26] より

120 件のシステムについての結果

1. 見積もりの正確さは対数正規分布に従う

2. 初期の見積もりは、実現可能性が極めて低い目標にすぎない 3. 信頼率 90 ％の見積もりは、目標に対して 4 倍の開きがある

4. この性質および不確実性の範囲は、プロジェクトライフサイクルのすべての段階においてほぼ等しい。これは、「不確実性のコーン」とは一致しない

初期見積もり目標

過大見積もり

！調整は？

この結果は驚くようなことではない

（アジャイル方法論・変化を内包するという考え方を考慮すれば）

今までの話と矛盾

するのでは？ ^そういう

ことか！

(41)

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

見積もりの不確実性に対処する方法のまと

め

• 見積もり：一つの数値　⇒　 pX 表記

• 見積もりの範囲を指定：確率を伴った区間を用いる

• 「第六感」何らかの手法を用いる

• アジャイル手法を用いる ⇒ 初期見積もり実現可能性低く

(42)

6.5 _{早期に何度も見積もる}

いつ見積もるべき

見積もりにどれだけ工数をかける？

？

プロジェクト工数見積もり工数

プロジェクトの目的：

オーバーヘッド

顧客に製品を提供すること

コストメリット

見積もり

プロジェクトと開発方法論に依存

要求と使用が頻繁に変更されるプロジェクト：おおよその見積もりを素早く効率的に

見積もりが重大決定かつ要高精度なプロジェクト出す

：見積もりは、意思決定の質に大きな影響を与える

(43)

6.5 _{早期に何度も見積もる}

従来型の開発では次の３回は見積もりをすべき：• 実現可能性の検討段階：マクロな見積もり

• 要求定義工程：詳細な見積もり

• 設計工程：精巧な見積もり見積もりに求める

正確さ ^{見積もりを行う}時点での目的

プロジェクトの特質

(44)

6.6 _まとめ

やはり、失望しただろうか

？

銀の弾丸は存在しない

• さまざまな手法を紹介

• 見積もりを確率として考える必要性

• 過度に楽観的になる人間の弱さ

•_不確実性

• 手法に従えば、これまでよりも良い結果を得られる

• 手法やツールを使えば定量的に理解できる

• 成果物・スケジュール・設計・期待を適切に調整できる

(45)

ファイル TEF東海メトリクス勉強会 Summary6 2 5 6 6

第６章 工数の見積もり

6.2.5 「カスタムモデル」

～ 6.6 「まとめ」

TEF 東海メトリクス勉強会

6.2.5 カスタムモデル

直してしまおう！

6.2.5 カスタムモデル

カスタムモデルを得る４つの手順

6.2.5 カスタムモデル

例 ：

想定システム

6.2.5 カスタムモデル

例 ：

現状 ：

エキスパートによる見積もり

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.5 カスタムモデル

例 ： カスタム見積もりモデルを作

成

6.2.6 アルゴリズムモデル

回帰分析

実証的に導き出されたモデル

6.2.6 アルゴリズムモデル

• 初期 ・・・ 単純なモデル （手作業でも

利用可能）

• 今日 ・・・ 複雑なモデル （ツールで提

供）

6.2.6 アルゴリズムモデル

6.2.6 アルゴリズムモデル

6.2.6 アルゴリズムモデル

複数の手法を用いるのが最

良

6.2.6 アルゴリズムモデル

見積もりの正確

さ

こだわり過ぎ

ない方がよい

6.2.6 アルゴリズムモデル

6.2.6 アルゴリズムモデル

6.2.6 アルゴリズムモデル

6.2.6.1 マニュアルモデル

6.2.6 アルゴリズムモデル

6.2.6.1 マニュアルモデル

KLOC から工数を見積もるモデルの

例

異なるデータセットにキャリブレーションし

た結果例

6.2.6 アルゴリズムモデル

6.2.6.1 マニュアルモデル

FP から工数を予測する３つのモデル式

第６章　工数の見積もり

6.2.5 _{「カスタムモデル」}

TEF _{東海メトリクス勉強会}

6.2.5 _{カスタムモデル}

6.2.5 _{カスタムモデル}

6.2.5 _{カスタムモデル}

例：

6.2.5 _{カスタムモデル}

例：

現状　：

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.5 _{カスタムモデル}

例：カスタム見積もりモデルを作

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

• 初期　・・・　単純なモデル　（手作業でも

• 今日　・・・　複雑なモデル　（ツールで提

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6.1 _{マニュアルモデル}

COCOMO _：

COCOMO _{の成長・発展}

COCOMO Ⅰ _{の基本公式：}

6.2.6 _{アルゴリズムモデル}

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

現在：

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

ツールの機能総覧：

_を検索

6.2.6 _{アルゴリズムモデル}

6.2.6.3 _{ツールに基づくモデル}

6.4 _{見積もりに関する課題}

6.4 _{見積もりに関する課題}

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

6.4 _{見積もりに関する課題}

6.4.3 _{見積もりの不確実性}

6.5 _{早期に何度も見積もる}

6.5 _{早期に何度も見積もる}

6.6 _まとめ