Düzeltme Faktörlerinin Tahmini – Ödev Hazırlatma – Proje Yaptırma – Tez Yaptırma Fiyatları – Sunum Örnekleri – Ücretli Ödev Yaptırma – Ödev Yaptırma Ücretleri
ÇABA TAHMİNİ MODELİ
İçerik Yönetim Sistemi Efor Tahmin Modelinin (CMSEEM) temel yaklaşımı Şekil 1’de açıklanmıştır. Başlangıç efor tahmin modeli, COCOMO 2.0 Modelinin bir uzantısıdır. Söz konusu şirketten alınan on iki farklı içerik yönetim sistemi projesinden toplanan veriler. İncelenen on iki farklı proje talebinin tüm verilerinin herhangi bir sapma olmaksızın doğru olduğu varsayılmaktadır.
Model daha sonra lisansüstü öğrenciler tarafından tamamlanan 70 farklı CMS projesinden toplanan verilerden rafine edilir. Proje geliştirmeye katılan tüm öğrencilere ayrıntılı bir dizi proje gereksinimleri sağlanır. Gereksinimleri inceledikten sonra, projeleri geliştirmeye başlamadan önce aşağıdaki noktaları belgelendirmeleri gerekir.
• Gereksinimler Spesifikasyonlar açık ve iyi anlaşılmıştır.
• Projeyi geliştirmek için kullanılan araçlar, Nesne Noktası analizine eşlenebilir, yani Gereksinim analizinden, belirtilen araçta geliştirme için gereken toplam nesne sayısını saymak mümkündür.
• Projenin genel boyutu küçüktür ve herhangi bir şey içermez.
Tüm öğrencilere bir anket verildi ve yazılım gereksinimi belirtim belgesini tamamladıktan sonra göndermeniz gerekir. Anket, kurulum, uygulama, tasarım, performans, kullanıcı arayüzü, kullanılabilirlik, güvenilirlik, harici arayüz ve projenin diğer gereksinimleri ile ilgili 40 farklı parametre hakkındadır.
Boyut Tahmini
Boyut hesaplaması için Nesne Noktası Analizini seçtik. Nesne Noktaları, bilgisayar uygulamalarının ve bunları oluşturan projelerin boyutunun bir ölçüsüdür. Boyut, bileşenler açısından ölçülür. Uygulamayı geliştirmek için kullanılan proje ekibinin bilgisayar dili, geliştirme metodolojisi, teknolojisi veya kabiliyetinden bağımsızdır. Belirli bir projenin toplam Nesne Noktası sayısını hesaplamak için esas olarak aşağıdaki adımlar izlenir.
Adım 1: Nesne Sayılarını Değerlendirin: CMS’deki tüm farklı olası bileşen kategorileri tanınır. Bu bileşenler ve kategoriler kullanılan araçlara göre değişiklik gösterebilir.
Adım 2: Her nesne örneği, karakteristik boyutlarının değerine bağlı olarak karşılık gelen toplam nesne noktası sayısına göre sınıflandırılır. Bu değer, üzerinde toplama veya çarpma etkisi olabilecek nesnelerin farklı özelliklerine bağlıdır. Farklı nesne örnekleri kategorileri ve özellikleri hakkında kısa açıklama aşağıdaki gibidir.
• Şube Kurulumu: Şube Kurulumunda Ana Çarpım çarpanı toplam şube ve alt şube sayısıdır. Çalışma alanı oluşturma, şablon verileri oluşturma, yapılandırma ayarlarını değiştirme (proxy’leri, alıcıları, renk paletlerini ve görsel formatları ayarlama) gibi diğer görevler ek görev olarak sayılır.
• Yetkili Kurulumu: Bir CMS’de geliştirilecek işlevsellik sayısı, çarpım faktörü olarak alınır. İşlevlerin her biri için gerçekleştirilmesi gereken görev sayısı, her kullanıcı için izinlerin, olayların ve ayrıcalıkların değiştirilmesi, güvenlik ayarları vb. gibi ek görevler olarak alınır.
• İş Akışı Kurulumu: İş akışındaki farklı görevler (kullanıcı görevleri, grup görevleri, yerel, harici, CGI görevleri, güncelleme, gönderme, bitiş görevleri vb.) ve farklı yönergeler (Takım Bilgisi, CGI Bilgisi, Öğe Bilgisi vb.) çarpımsal olarak alınır. faktörler. Her görev için farklı bağımlılıklar ek faktörler olarak alınır.
• Statik Kaplar: Her kaptaki toplam farklı madde sayısı çarpım faktörü olarak alınır. Bu öğelerin her biri için, farklı özellik ve özellik sayısı ayarları ve diğer GUI ayarları ek faktör olarak kabul edilir.
• Dinamik Kapsayıcılar: Dinamik için Nesne Noktası Sayısı
Container’lar, oluşturulan fazladan Şablon için nesne noktalarının ve mevcut veri öğeleriyle statik olarak kabul edilerek konteynerin nesne noktalarının toplamı olarak sayılır.
• Veri Bileşenleri: Her bir veri bileşeni için, o bileşen için gereken toplam doğrulama sayısı, çarpımsal faktör olarak kabul edilir. Bu veri bileşenlerinin her biri için, verilerini aldığı veya verilerini gönderdiği veri tablolarının kaynak sayısı ve bununla ilişkili farklı köprüler, o öğe için ek faktör olarak kabul edilir.
• Harici Arayüz Bileşenleri: Bu kategori için, harici nesnelerle bağlantılı dahili nesnelerin toplam sayısı çarpım faktörü olarak alınır. Her bir dahili nesne için, toplam harici nesne sayısı, API, ODBC ve araçlar toplam sayısı bir katkı faktörü olarak alınır.
• Ekranlar: Farklı veri formları, mesaj kutuları, hata mesajları, sekmeler, menüler, çerçeveler vb. farklı görünümler olarak kabul edilir. Bu tür görüşlerin toplam sayısı çarpım faktörü olarak kabul edilir. Her bir görünüm için veritabanları ile etkileşimi, Java Script işlevlerini kullanan doğrulamalar, işlemler ve kullanılan farklı stil sınıfları ek faktörler olarak alınır.
• Raporlar / Dosyalar: Her rapor / dosyadaki farklı bölümler çarpım faktörü olarak kabul edilir. Her bölümde, veri sayısı ve kaynağı ek faktörler olarak kabul edilir.
• Veritabanı Kurulumu: Belirli bir veritabanındaki farklı tablolar/görünümler veya tetikleyiciler, çarpımsal faktörler olarak kabul edilir. Her tablo/görünüm/tetikleyicide, farklı öznitelikler ve bu özniteliklerde yapılan değişiklikler toplamsal faktörler olarak alınır. Tüm nesneler için, nihai nesne puan sayısını hesaplamak için bunların çarpımsal ve toplamsal faktörleri kullanılır.
Adım 3: Bu projedeki farklı Nesne Kategorileri için elde edilmesi beklenen yeniden kullanım yüzdesini tahmin edin. Geliştirilecek Yeni Nesne Noktalarını (NOP) hesaplayın.
Adım 4: Nesne Noktalarını Belirleyin: Bir sayı elde etmek için tüm ağırlıklı nesne örneklerini ekleyin, nesne puan sayısı.
Ölçüm belirsizliği hesaplama
Kalibrasyon ölçüm belirsizliği HESAPLAMA
Ölçüm belirsizliği HESAPLAMA Excel
Güven aralığı hesaplama motoru
95 güven aralığı t tablosu
Güven aralığı örnek sorular
Yüzde 95 güven aralığı hesaplama
Güven aralığı tablosu
Düzeltme Faktörlerinin Tahmini
Ayar faktörleri, özellikle herhangi bir nesneyi değil, genel özelliği etkiler. Dikkate alınan başlıca üç uyum faktörü şunlardır:
• Üretim Sistemi Özellikleri (PSC)
• Genel Sistem Özellikleri (GSC)
• Geliştiricinin Deneyimi ve Yeteneği (DEC)
Sistemi etkileyen Ana Üretim Sistemi Özellikleri (PSC) şu şekilde sınıflandırılabilir:
• Uygulama Özellikleri (Saat Destek,
Kritiklik, Karmaşıklık)
Bu özelliklerin her birinin ağırlıklı etkisi, PSC’ye karşılık gelen Ayar faktörünü elde etmek için eklendi. Bir özelliğin güçlü etkisi varsa 3 puan eklenir, ortalama etki için 2 puan eklenir ve daha az etki için bir puan eklenir.
Etkili GUI, dağıtılmış veri işleme, kurulum ve operasyonel kolaylık gibi genel sistem özellikleri de çaba üzerinde doğrudan etkiye sahiptir. GUI’nin karmaşıklığı, kullanıcıya sağlanan kontrol miktarı ile artar. Bunu artıran diğer faktörler, görsel, kavramsal ve dilsel netlik ile tutarlı arayüz ve farklı dillere destektir.
CMS’nin çoğunda veriler, sistemin uygun bileşeni kullanılarak dinamik olarak işlenir. Bu bileşenler, CMS tarafından kullanılan farklı sunucularda bulunabilir. Belirli bir sistemdeki bu tür bileşenlerin toplam sayısı, o sistemin karmaşıklığını tanımlar.
Ayrıca, verileri depolamak için kullanılan toplam farklı sunucu türleri ve bunları bağlamak için kullanılan farklı ağ türleri karmaşıklığı artırır. Bazı CMS’ler, herhangi bir operatör müdahalesi olmadan otomatik kurulum ve çalıştırma gerektirir. Bu tür uygulamaları geliştirmek çok karmaşıktır. Benzer şekilde, arıza veya hatalardan otomatik kurtarma için tasarlanmış uygulamalar daha fazla karmaşıklık derecesine sahiptir. Tüm bu genel sistem özelliklerinin etkileri, PSC’yi hesapladığımızla aynı satırlarda hesaplanır.
Son olarak, geliştiricinin deneyiminin ve yeteneğinin tahmini çaba üzerindeki etkisi, Boehm ve diğerleri tarafından önerilene benzer şekilde düşünülebilir.
Güven aralığı hesaplama motoru Güven aralığı örnek sorular güven aralığı t tablosu Güven aralığı tablosu Kalibrasyon ölçüm belirsizliği HESAPLAMA Ölçüm belirsizliği hesaplama Ölçüm belirsizliği HESAPLAMA Excel Yüzde 95 güven aralığı hesaplama