Необходимость совершенствования и широкого внедрения в практику программирования научно обоснованных методов и средств прогнозирования трудоемкости, длительности и других технико-экономических показателей (ТЭП) разработки программных средств (ПС) вычислительной техники (ВТ) определяется быстро возрастающими затратами на создание и сопровождение ПС и переводом народного хозяйства на экономические методы управления. Рост затрат на разработку ПС связан с информатизацией общества и интенсивным развитием технических средств ВТ. Снижение затрат на ПС частично может достигаться за счет совершенствования технологии программирования, своевременного и точного предсказания значений ТЭП разработок ПС, более надежного и рационального планирования распределения ресурсов разработки по стадиям жизненного цикла ПС. Оценка затрат лежит в основе расчетов себестоимости разработки, является ориентиром для установления цен на ПС. Методы прогнозирования ТЭП разработок ПС позволяют разработчикам ПС оценить необходимые затраты ресурсов, а заказчикам ПС убедиться в их обоснованности.
Грубые ошибки в оценке ожидаемых затрат на разработку ПС в настоящее время обусловлены пренебрежением к научно обоснованным методам прогнозирования, широким применением директивного подхода к установлению сроков и величине затрат на разработку ПС. Для совершенствования методов прогнозирования необходимы сбор, накопление и анализ сведений о реальных завершенных разработках ПС различных классов, назначения и объема.
Из-за ограниченности ресурсов, выделяемых на проведение экономических исследований в области программирования, статистические данные о ТЭП завершенных разработок ПС обычно неполны и недостаточно достоверны. Следствием является невысокая достоверность многих методов прогнозирования; вряд ли можно создать универсальный и достоверный для всех случаев метод прогнози-
рования ТЭП. Однако без выполнения подобных систематических исследований разработчики и заказчики ПС вообще теряют возможность определения ожидаемых затрат на разработку ПС, особенно функционирующих на новейших средствах ВТ. Например, появление и широкое внедрение персональных электронно-вычислительных машин (ПЭВМ) требует проведения дополнительных исследований и, возможно, значительного уточнения известных методов и исходных данных для прогнозирования ТЭП разработок ПС.
Методы прогнозирования ТЭП разработок ПС начали интенсивно разрабатываться за рубежом в 70-е годы. В ряде фирм, занимающихся разработкой сложных ПС, были созданы экономические модели прогнозирования ТЭП. Модели базировались на обширных статистических данных о выполненных разработках ПС [1]. Аналогичные исследования были проведены в нашей стране [2, 3].
На достоверность прогноза в значительной степени влияют методы и глубина прогнозирования, а также период, за который были собраны и проанализированы базовые статистические данные о разработках ПС. Ошибки в прогнозе ТЭП на этапах подготовки и выработки технических требований к вновь создаваемым ПС могут достигать 100 и более процентов. На этапах проектирования, в связи с уточнением исходных данных для прогнозирования, ошибки могут быть снижены приблизительно до 30 процентов.
Полный цикл разработки особо сложных ПС зачастую занимает до 5 и более лет. За это время происходят определенные сдвиги в методах и технологической оснащенности процесса разработки. Это усложняет получение достаточно достоверных исходных данных для прогнозирования. Желательно ошибки в прогнозе уменьшить до 10 процентов, однако обеспечить такую точность прогнозирования вряд ли в настоящее время возможно из-за влияния вышеперечисленных факторов.
Модели и соответственно методы прогнозирования можно условно разделить на интегральные и поэтапные. Интегральные модели обеспечивают получение оценок величин необходимых ресурсов разработки ПС в целом для всего цикла разработки. Эти модели, в свою очередь, могут быть однопараметрическими и многопараметрическими. Поэтапные модели обеспечивают оценки ресурсов, необходимых на этапах разработки. Они могут быть эмпирическими и теоретическими.
Интегральные однопараметрические модели могут быть представлены в следующей обобщенной форме:
r=a-(k-p)b,
где г-прогнозируемый ТЭП,
р-параметр, являющийся исходным для прогнозирования,
а, Ь, к-эмпирические коэффициенты, подбираемые на основе анализа статистических данных о завершенных разработках ПС.
В качестве прогнозируемого ТЭП могут, например, выступать трудоемкость и длительность разработки и т. п. В качестве параметра обычно берется объем ПС в тысячах строк исходного текста (без учета комментариев) или тысячах машинных команд. Примером интегральной однопараметрической модели может служить базовая модель Б. Боэма [1].
Интегральные многопараметрические модели могут иметь два вида. Модель первого вида может быть представлена в следующей форме:
где г-прогнозируемый ТЭП;
р:-i-й параметр, учитываемый в прогнозе; kj-i-й эмпирический коэффициент.
Примером модели первого вида является модель Фарра и Загорски [4]. В качестве параметров модели используются значения объема ПС, числа типов разрабатываемых документов, стаж работы программистов, количество используемых при разработке дисплеев и т. п.
Модель второго вида может быть представлена в следующей форме:
\
где г-прогнозируемый ТЭП; р -основной параметр модели; /-обобщенный коэффициент влияния факторов; /-коэффициент влияния /-го фактора; а, 1>, к-эмпирические коэффициенты.
В качестве факторов, являющихся дополнительными параметрами, учитываемыми в прогнозе, могут быть: характеристики ПС и технологической среды разработки, квалификация разработчиков и т. д. Примерами модели второго вида являются: промежуточная модель Б. Боэма [1J, модель обобщенного аналога В. Литтева[2].
Поэтапные эмпирические модели позволяют оценить распределение ресурсов разработки ПС в долях от общего объема каждого ресурса разработки по стадиям и этапам жизненного цикла ПС.
Пример поэтапной эмпирической модели приведен в табл. 1. Модель основана на статистических данных [1, 2, 3] и отражает распределение таких ресурсов разработки ПС, как трудоемкость, длительность, машинное время, численность разработчиков по этапам жизненного цикла. Распределение ресурсов дано для ПС двух видов: работающих в системах реального времени (СРВ) и для пакетов прикладных программ СППП).
Таблица !
Поэтапные теоретические модели отражают распределение ресурсов разработки ПС в виде функциональной зависимости от времени разработки и других параметров. Примером такой модели может служить модель Л. Путнама [5]. В качестве основных прогнозируемых ТЭП в этой модели выступают численность разработчиков (с учетом и без учета накладных расходов на управление и обслуживание) и трудоемкость разработки, а в качестве параметров модели — объем ПС и эмпирический коэффициент, отражающий уровень технологии разработки.
Выбор методов для создания средств автоматизации процесса прогнозирования ТЭП по критерию точности весьма затруднителен. Это вызвано прежде всего
различиями условий сбора и обработки статистических данных о разработках ПС. В связи с этим в качестве основных критериев отбора методов были приняты:
• возможность использования методов как на начальных, так и на более поздних этапах разработки;
• апробирование методов в отечественной и зарубежной практике;
• возможность приведения результатов их применения к сопоставимому виду.
В наибольшей степени этим критериям отвечают известные по публикациям методы:
• базовая модель Б. Боэма [1] (модель 1);
• промежуточная модель Б. Боэма. объединенная с моделью Л. Путнама [1, 5J (модель 2);
• модель обобщенного аналога В. Липаева (модель 3).
Перечисленные модели.реализованы в ППП ПРОТЭП, предназначенном для прогнозирования ТЭП разработок ПС,
Модель I целесообразно использовать для прогнозирования трудоемкости (в человеко-месяцах) и длительности разработки (в месяцах) на начальных этапах разработки ПС. В качестве параметра модели выступает объем ПС (в тысячах строк исходного текста без учета комментариев). Значения эмпирических коэффициентов для модели 1 приведены в табл. 2.
Модель 2 является развитием модели 1 за счет включения в состав параметров следующих групп факторов [1]:
• атрибутов изделия (требования к надежности, размер базы данных, сложность);
• атрибутов ЭВМ (ограничения по быстродействию, ограничения по оперативной памяти, изменяемость виртуальной машины, цикл обращения к ЭВМ);
• атрибутов исполнителей (квалификация аналитиков, опыт работы в приклад ной области, квалификации программистов, опыт работы с языком программиро вания);
• атрибутов проекта (применение современных методов программирования. использование инструментальных средств, ограничение сроков разработки).
Эту модель целесообразно использовать на этане эскизного проекта и далее, когда можно получить оценки перечисленных атрибутов. Значения основных эмпирических коэффициентов приведены в табл. 2.
В модели 2 на основе уравнений Л. Путнама [5] дополнительно рассчитываются:
• трудоемкость разработки с учетом накладных расходов (на управление и обслу живание);
• максимальная численность коллектива разработчиков и срок, соответству ющий наибольшим трудозатратам;
• допустимый ежемесячный прирост численности разработчиков.
Модель 3 базируется на статистических данных о более чем 250 отечественных программных разработках (в основном для систем реального времени с использованием языков программирования низкого уровня). Общий объем проанализированных ПС превышает 17 млн. машинных команд. В модели учитываются следующие группы факторов [2]:
• дополнительные характеристики ПС (требования к надежности, размеры базы данных, унификация ПС, ограничения на вычислительные ресурсы, длительность сопровождения, тираж ПС);
• характеристики технологической среды разработки (быстродействие, объем оперативной памяти и доступность технологической ЭВМ, объем технологичес ких средств, уровень языка программирования);
• характеристика коллектива разработчиков (тематическая квалификация, про граммистская квалификация);
• характеристики организации проектирования (использование современных методов программирования, стабильность исходных требований к ПС).
В отличие от 2-й модели, значения факторов здесь могут указываться не только в качественной, но и в количественной форме (в виде абсолютных значений параметров). Например, требования к надежности ПС могут указываться в часах наработки на отказ, а размер базы данных - как число имен переменных и т. п. Это удобно при наличии количественных требований к ПС в техническом задании. Модель 3 используется для прогнозирования ТЭП на стадии эскизного проекта и далее. Значения основных эмпирических коэффициентов приведены в
табл. 2.
Таблица 2
Основные коэффициенты для трех моделей прогнозирования
Тип модели
Класс ПС
Трудоемкость разработки
Длительность разработки
Модель 1
Распространенное (ППП) Полузависимое Встроенное (СРВ)
2,4
3.D 3,6
1,05 1.12 1,20
1.0 1,0 1,0
2,5 2,5 2,5
0,38 0.35 0,32
1.0 1,0
1.0
Модель 2
Распространи ноя (ППП] Полузависимое Встроенное (СРВ)
2.8 3,0 3,2
1,05 1,12 1.20
1,0 1.0 1,0
2.5 2.5 2,5
0.38 0,35 0,32
1,0 1,0 1,0
Модель 3
Распространенное (ППП) Полузависимое Встроенное (СРВ)
12,2
зо.а
54,0
1,11 1,17 1,21
0,25
0,25 0.25
0,73
0,73 0,73
0,34 0,31 0.28
0,08
0.08 О.08
В ППП ПРОТЭП для всех моделей реализована возможность пересчета полученных прогнозных чнячений на бачр. вводимого ожипяемого значения производительности трудя рачрябптчикон. Это особенно важно для прогнозирования ТЭП ПС небольшого объема, когда индивидуальная производительность труда единственного или небольшого числа разработчиков может существенно отличаться от «усредненной» производительности труда, заложенной в модель. Эта возможность позволяет также более уверенно применять зарубежные методы в отечественной практике и прогнозировать ТЭП разработок ПС для новой вычислительной техники, например ПЭВМ. Предварительным условием для прогнозирования является определение экспертным или иным путем ожидаемого значения производительности труда как дополнительного фактора, влияющего на прогноз.
В ППП ПРОТЭП для моделей 2 и 3 реализована также вочможипсть перргч^тя Прогнозных значений с укачяние.м ограничений на длительность разработки ПС. В условиях имеющегося на практике директивного задания сроков создания новых ПС эта возможность ППП ПРОТЭП может оказаться полезной для получения обоснованного прогноза ТЭП.
Прогнозные значения трудоемкости, длительности, производительности, полученные на основе моделей 1, 2, 3, приведены в примере (табл. 3). Прогноз выполнен для ПС, относящихся к классу «встроенных» с объемами 5, 10, 50, 100 тысяч строк исходного текста без учета комментариев. Для моделей 2 и 3 значение обобщенного коэффициента влияния факторов/было принято равным 1, что соответствует «усредненным» условиям разработки. С целью обеспечения удобства сравнения полученных прогнозных оценок с использованием модели 3 ТЭП даны для двух случаев: при прогнозном значении производительности труда, полученной на основе статистических данных исследования [2] (числитель) и при прогнозном значении производительности труда, вычисляемом из данных моделей 1, 2 (знаменатель). Из таблицы видно, что прогнозные данные, полученные при одинаковых для всех моделей значениях производительности труда, имеют сопоставимый характер. Отличие в прогнозных значениях производительности труда разработчиков объясняется различием условий разработки ПС у нас и за рубежом, а также спецификой ПС, используемых для получения статистической базы данных о завершенных разработках.
В ППП ПРОТЭП реализовано, диалоговое взаимодействие с пользователем на основе позиционных «меню» и «подсказок» на ввод исходных данных. «Меню»
Таблица 3
Оценки основных ТЭП при расчете по трем моделям для ПС систем реального времени
Тип модели
Тех нико-эконом ическ ий показатель ПС
Объем ПС (тыс. строк)
Модель 1
Производительность (строк/чел, мес.] Трудоемкость (чел.мес.)
Длительность (мес,)
201 24,8 7,0
175 57,1 9,1
127 393,6 16,9
111
904,3 22,1
Модель 2
Производительность (строк/чел, мес.) Трудоемкость (чел.мес.) Длительность(мес)
201 26.2 6,4
175 60,2
е.4
127 414,4
15,6
111 948,3 20,4
Модель3
Производительность (строк/чел, мес.)
Трудоемкость (чел.нес.)
Длительность (мес.)
71
201
70,7
24,9 12,5 9,3
61
175 16S 57,1 15,8 11,7
44 127 1147,2 393,7
27.2 20,2
38
2654,0
900.9 3-1 А 25,4
содержит перечни доступных на текущем шаге диалога функциональных возможностей. Каждая позиция «меню» имеет номер, который используется для выбора нужной пользователю функции. «Подсказки» на ввод данных включают указание наименования и единицы измерения запрашиваемых параметров. В ППП ПРО-ТЭП проверяются вводимые данные на допустимость. В случае обнаружения ошибки или недопустимости данных запрос на ввод данных повторяется или выдается соответствующее предупреждение.
ППП ПРОТЭП предназначен для эксплуатации на ПЭВМ типа ЕС 1840 или совместимой с ней в среде дисковой операционной системы типа АЛЬФА ДОС или MS DOS. ППП ПРОТЭП размещается на одном гибком магнитном диске.
Последующие ве.ргии ППП ПРОТЭП получат графические средства отображения прогнозных данных, возможности получения калькуляции стоимости работ, средства накопления и анализа статистических данных о характеристиках завершенных разработок ПС.
Список литературы
1 Боэм Б. У. Инженерное проектирование программного обеспеченTM1 Пер с англ ./Под ре д А. А. Красилова. - М.. Радио и связь, 1985. - 512 с.
2 Лилаен В. В., Потапов А. И. Оценка затрат на разработку программных средств. - М.: Финансы и статистика, 1988.
- 224 с.
3. Укрупненные нормы времени на разработку программны* средств вычислительной техники. Укрупненные нормы времени на изготовление и сопровождение программных средств вычиелитеЛеной техники. - М.: Экономика, 1988.
- 64 с.
4. Mohanty Siba N. Soltware cosl estimation: present and future. Software - Practice and Experience, vol.11, pp. 103-121, 1981.
5 Londeix B. Cost Estimation for Software Development Addison-Wesley Publishing Company, Cornwall, 1987, 21Л p.
