CN101546273B

CN101546273B - 一种预测软件过程执行时间的方法

Info

Publication number: CN101546273B
Application number: CN2009100837087A
Authority: CN
Inventors: 李明树; 翟健; 王青; 杨秋松; 苏峰; 肖俊超
Original assignee: Institute of Software of CAS
Current assignee: Institute of Software of CAS
Priority date: 2009-05-08
Filing date: 2009-05-08
Publication date: 2011-07-27
Anticipated expiration: 2029-05-08
Also published as: CN101546273A

Abstract

本发明属于软件过程仿真和建模领域，具体公开了一种通过建立考虑随机因素的软件过程仿真模型和软件过程仿真，预测出软件过程执行时间的方法。本发明通过将一般的软件过程工作流图转化为s-TRIS0/ML随机过程模型；并由拟指派的项目人员的生产率的历史数据、活动类型复杂性系数、活动规模估算范围确定出过程模型中随机变量的值，经过随机变量指派后的过程模型输入到随机过程仿真工具中进行多次仿真，分析仿真结果，获得软件过程同一活动的执行时间，及其衍生指标。本发明将流图转化为随机过程模型，简化过程建模的复杂度；且能支持软件过程的仿真，比传统的过程模型静态分析方法更简便、高效；提高软件过程分析的准确性和实用性。

Description

一种预测软件过程执行时间的方法

技术领域

本发明属于软件过程仿真和建模领域，具体涉及一种通过建立考虑随机因素的软件过程仿真模型和软件过程仿真，预测出软件过程执行时间的方法。

背景技术

“软件危机”，这一始于上世纪60年代的概念，始终伴随着软件业的整个历史发展进程。在过去数十年间，软件组织经常要面对软件项目超支和延期的问题，并且软件产品的质量也常常达不到客户的预期。来自工业界和学术界的很多研究都试图解决这个问题。在这些尝试中，基于软件过程技术的研究，例如：软件过程建模、软件过程仿真等，都是很有效的方法。

当前人们已经普遍认可软件产品的质量高度依赖于软件开发过程的质量。软件过程被定义成一系列偏序过程步骤，每个步骤一般包括产品、人员、计算机资源、组织结构、约束等(请参见文献Carlo Montangero，Jean-Claude Derniame，Badara Ali Kaba，andBrian Warboys.The software process：Modelling and technology.In Derniame et al.[126].Pages 1-14.和CMMI Product Team.Cmmi for development，version 1.2-improving processesfor better products.Technical Report CMU/SEI-2006-TR-008，SEI，CMU，2006.)。为了加强对被执行的软件过程的理解，并对实际软件过程给予直接的指导，软件过程建模注重于软件过程的表示、分析和自动执行，这些都是学术界活跃的研究领域。

软件过程建模(Software Process Modeling)是一个覆盖面大且比较复杂的领域，许多计算机科学或其他相关领域的语言、技术都被用来解决本领域的问题。其主要是通过特定的方法对软件过程进行抽象、表示和分析以增加对软件过程的理解，并通过直接或者间接的方式指导实际软件开发活动。与软件过程评估和改进模型不同，软件过程建模主要是为具体的过程改进活动提供理论和技术支持，覆盖了包括定义、执行、分析和变更在内的整个过程改进生命周期。除了记录软件过程，软件过程建模的另一个目的是给予过程设计者以方法，使他能够分析过程模型并加深对所建模软件过程的理解。

为支持软件过程建模活动，众多的以过程为中心的软件工程环境(Process-centered Software Engineering Enviroment，PSEE)和对应的软件过程建模方法被提了出来。PSEE遵循如下的工作方式，即首先用建模语言描述一个软件过程，而后把建模后的过程输入到支持该建模语言的PSEE中执行。在过去的研究和实践中，研究者们进行了艰苦卓绝地努力，提出了许多建模方法，而所提出的软件过程建模语言和PSEE则至少有数十种。

但软件过程方法与技术的实际应用情况则与此形成明显的反差，其在具体的实施过程中还面临很多困难，集中体现为：在实际开发组织中，主要是以自然语言和图形方式描述所使用的过程，通过潜移默化的方式影响组织内每个成员的思维习惯和开发方式，而不是依赖于预定义的过程模型，通过强制的方式实现规范化地开发。但经常出现的情形是，花费大量人力物力所定义的过程模型，并没有发挥所期望的作用。

近年来，仿真模拟技术越来越多地被运用到软件过程的分析领域中。这主要是因为在实际环境下，由于多变的外部环境以及成本因素的作用，针对软件过程本身研究的有效性难以得到确认。与传统的软件过程分析手段相比，软件过程仿真模拟可以同时得到定性和定量的结果；软件过程的设计者或项目管理人员能够通过该结果了解到针对软件过程要素的不同选择所造成的可能的影响。因此，软件过程仿真模拟技术越来越多地被运用到软件过程分析与预测相关的诸多领域，如：软件过程管理策略、软件过程管理培训、软件过程改进等。多种文献中可以看到有关软件过程建模与仿真进展的总结和综述。

尽管如此，软件过程仿真模拟要求人们使用完全不同于传统软件过程建模方法(如：软件过程描述方法等)的建模方法(如：系统动力学方法(SD)、离散事件仿真方法(DES)等)对软件过程建立全新的过程模型。在特定环境下，导致该问题的主要原因是软件过程仿真模拟需要完全不同的方法描述软件过程。例如：软件过程需要被描述成一个全局系统，并且它的活动需要被描述成一系列不断随时间变化的外部参数。导致这一问题的另外一个原因是传统的软件过程建模方法不能支持软件过程仿真模拟所需要的分析方法。因此，传统软件过程建模方法与软件过程仿真建模方法之间存在很大差距，该差距阻碍了软件过程仿真模拟技术在实际中的广泛应用。

针对软件组织最迫切的软件项目延期的问题。软件过程仿真技术能够在项目开始前，对软件过程可能的进度表现作出预测，能够有效地降低软件过程执行时所面对的风险、降低软件组织执行项目时所需的成本，对软件组织有重大参考意义。

当前针对软件过程执行时间的预测方法主要有：专家经验预测、COCOMO模型中的进度估算、专门针对进度的过程仿真方法等。其中，专门针对进度的过程仿真方法一般需要在通用的过程仿真平台上进行建模，建立该类模型与传统软件过程建模完全不同，而且过程比较复杂，前文已经给出了该方法的缺点和不足。专家经验预测方法相对简单易行，成本低，适合各种规模的软件组织使用；但是，该方法过于依赖于专家的主观因素，难以控制估计的准确性，对软件过程的具体管理和决策只能起到次要的辅助作用。

COCOMO模型是一种软件项目成本估算方法(请参见文献Barry W.Boehm，et al.Software Cost Estimation with COCOMO II，Prentice Hall(2000).)，其中也涉及了软件过程进度估算的内容。该方法需要软件组织分析大量的同类型软件过程的历史经验数据，从而校准模型所需的参数取值(在COCOMO模型中称作模型驱动因子)，达到过程进度估算的目的。该方法的弱点在于：第一，该方法比较复杂，参数的校准过程需要大量的历史数据，这些数据一般不易收集，难于分析整理；要使用本方法进行进度预测，需要软件组织及早做好准备，不断的校准模型参数。对于一般的中小型软件企业，积累过程历史数据的成本很高，因而它们对软件过程历史数据的积累量往往不足以支持该模型中参数的校准，所以该方法在这样的软件组织中不适用。第二，该方法只根据过程工作量和人员工作效率估计过程进度，而不考虑软件过程的结构，而如果过程结构不合理，往往会影响过程执行人员的工作效率，造成窝工等问题，这大大影响了该方法预测过程进度的准确性。第三，该方法也没有考虑软件复用、COTS软件、管理策略等的影响。综合以上几点，COCOMO对软件过程进度的预测不够实用、不够准确。

发明内容

本发明提出一种预测软件过程执行时间的方法，本发明将一般的软件过程工作流图转化为s-TRISO/ML模型(stochassic Tridimentional Intergrated SoftwareDevelopment model/Modeling Language，请参见文献：Li，M.：Expanding the horizons ofsoftware development processes：A 3-D integrated methodology.In Proceedings of ISPW.Volume 3840 of Lecture Notes in Computer Science.Pages 54-67，2005.和Li，M.：Assessing3-D integrated software development processes：A new benchmark.In Proceedings ofSPW/ProSim.Volume 3966 of Lecture Notes in Computer Science.Pages 15-38，2006)，即一种考虑随机因素的软件过程模型；然后，以拟指派的项目人员的生产率的历史数据、活动类型复杂性系数、活动规模估算范围为基础，确定上述过程模型中随机变量的值，并将经过随机变量指派后的过程模型输入到随机过程仿真工具中进行多次仿真，得到仿真结果；最后，再对得到的仿真结果做分析，由每次仿真中各活动的执行时间，获得软件过程同一活动的执行时间，及其衍生指标。取各活动中最长的执行时间为软件过程要执行的时间。该结果可以反馈给过程管理人员，使其对过程工作流图或活动中的人员指派做出修改。该方法的总体框架如图1所示，主要包括软件过程的工作流图、s-TRISO/ML模型图、随机过程仿真环境、过程执行时间预测结果四部分。

本发明提供图形化的考虑随机因素的软件过程描述语言s-TRISO/ML，图2给出了表示软件过程的图形化元素和相应含义，一般的技术人员可以基于该图形化元素描述一个软件过程(请参见文献Yang，Q.，Li，M.，Wang，Q.，Yang，G.，Zhai，J.，Li，J.，Hou，L.，Yang.Y.：An algebraic approach for managing inconsistencies in software processes.InProceedings of ICSP.Volume 4470 of Lecture Notes in Computer Science.Pages 121-133，2007.和李明树，杨秋松，翟健.软件过程建模方法研究.软件学报，2009，20(3)：524-545.)。本发明的图形化元素分为两类：软件过程的具体活动(或称过程活动)，包括终端活动和非终端活动；将过程活动连接在一起的关系运算符，包括并发||、选择+和顺序→，用来表示若干活动的执行时序。如图3所示，(a)表示若干个活动执行时序为顺序的模型示意图，(b)表示若干个活动执行时序为并发的模型示意图，(c)表示若干个活动执行时序为选择的模型示意图。本发明称图中的叶节点为终端节点，其他活动节点为非终端节点。

本发明中的源图为过程流图，每个节点代表一个活动以及其随即特征变量r。它是棵树，即所有的节点(活动)都能从根节点(初始活动)沿着箭头的方向走到；没有指向根节点的箭头，其它节点都有且仅有一个指向它的箭头。树的每一个节点与它的子孙都形成一棵树。

本发明给出一种通过执行Trans从一般的软件过程工作流图(以下简称“流图”)到s-TRISO/ML模型图(以下简称“模型图”)的转化方法，具体转化方法如下：

流图转化为模型图的具体方法如下：

1、本发明称从过程流图到s-TRISO图转换的操作为“Trans”。则从源图T转换出来的s-TRISO图记为Trans(T)。由于Trans(T)可以作用于所有的活动树，因此Trans(T)也可以作用于T的所有子树。

2、Trans满足如下的要求：

a)如果活动树T只有一个节点R，则转换后的结果Trans(T)为原来的节点。

b)如果从活动树T的根节点R发出的箭头类型为并发，那么对R的所有子节点N1、N2、N3……Nk执行Trans，得到Trans(N1)、Trans(N2)……Trans(Nk)。Tran(T)为模型图，其中R指向并发关系运算符，Trans(N1)、Trans(N2)……Trans(Nk)均作为并发关系运算符的子节点。

c)如果从活动树T的根节点R发出的箭头类型为选择，那么先对R的所有子节点N1、N2、N3……Nk执行Trans，得到Trans(N1)、Trans(N2)……Trans(Nk)。Tran(T)为模型图，其中R指向选择关系运算符，Trans(N1)、Trans(N2)……Trans(Nk)均作为选择关系运算符的子节点。

d)如果从活动树T的根节点R发出的箭头类型为顺序，那么从R开始沿着箭头寻找第一个发出箭头不存在或不是顺序类型的节点P：

如果P具有子节点，计算Trans(P)，并将Trans(P)的根节点替换为虚节点，设做这样替换后可得到Trans(P)’，则模型图Tran(T)为如下形式：顶层节点为虚节点，指向顺序关系运算符，R，…，P，Trans(P)’从左到右作依次为顺序关系运算符的子节点。

如果P没有子节点，则模型图Tran(T)为如下形式：顶层节点为虚节点，指向顺序关系运算符，R，…，P从左到右依次作为顺序关系运算符的子节点。。

3)向Trans(T)的每一个活动节点上加入描述事件长度的随机变量r，获得s-TRISO/ML随机过程模型。

将流图转化为模型图的伪代码如下：

def Trans(T)：

if T 没有出边：

return T；

if T 的出边为并发：

return T-><||>->[Trans(N)for N in T的所有子节点]

if T 的出边为选择：

return T-><+>->[Trans(N)for N in T的所有子节点]

if T 的出边为顺序：

K＝空序列；

Curr＝T；

while Curr的出边存在且类型为顺序：

在K的结尾上添加Curr

Curr＝T的出边所指向的的节点；

if Curr的具有子节点：

tr＝Trans(Curr)；

tr 的根节点替换为虚节点；

在K的结尾上添加tr；

return 虚节点-><→>->K；

def sTriso(T)：

result＝T rans(T)；

在result的每个活动节点上加入随机变量。

return result；

本方法中，由拟指派的项目人员的生产率p、活动类型复杂性系数c、活动规模预测范围s，确定上述过程模型中随机变量的值r＝P*C^-1*S^-1。该随机变量值r实际上是过程活动执行时间所服从的负指数分布的参数，取值范围为(0，+∞)，值越小说明活动的执行时间的期望越大。其中，P从该项目人员的历史数据中获得；过程管理人员可以根据实际情况建立活动类型复杂性系数表；C的取值可以参照表1，S为活动规模大小的预测值，可由需求中要求实现的功能点数量确定，也可由软件过程管理数据库中存储的软件过程的历史数据估算得到。

	需求活动	设计活动	编码活动	测试活动
					活动复杂度系数	1	2	0.5	1

表1活动类型复杂性系数C的取值表

如：建模过程要求实现10个功能点，根据历史项目，实现每个功能点平均需要需求文档2页，设计文档0.5页，编码1KLoc，测试1KLoc，那么建模过程各项活动规模可以确定为需求文档20页，设计文档5页，编码10KLoc，测试10KLoc。

本方法中将已确定各活动r值的过程模型输入到过程仿真工具中进行多次仿真，每次仿真均可得到各个活动的具体执行时间。本方法中对仿真工具的选择比较灵活，可以使用专用的过程随机过程仿真工具，也可以使用通用的分析编码工具建立满足需求的独特的仿真环境。如下面的实施例中选取PEPA随机过程仿真工具，将s-TRISO/ML模型转换为PEPA仿真工具所需的随机pi演算表达形式进行仿真。

本方法中对得到的仿真结果做分析，得到过程执行时间的预测值，并能得到其衍生指标，如：PEPA(请参见文献http://www.dcs.ed.ac.uk/pepa/tools/)、Dizzy(请参见文献http://magnet.systemsbiology.net/software/dizzy/)等随机过程仿真工具均可用来对仿真模型进行模拟，本发明中选择PEPA对过程模型进行仿真。针对状态转移系统PEPA，可以统计系统中同一活动不同状态间的迁移次数，来确定每次仿真中每个活动的执行时间，每次仿真过程中各个活动的执行时间加总，得到过程的总执行时间；进一步通过求历次仿真中同一活动的执行时间的平均值，来预测该活动可能的执行时间，供项目管理人员参考。对于衍生指标，可以计算每次仿真过程执行的总时间，对比于需求的总过程时间，得到能够在规定时间内完成过程的可能性及相应的延期可能性。

本发明的优点和积极效果如下：

1.与采用现有软件过程建模方法的预测软件过程的执行时间的方法相比，本方法将软件过程工作流图直接机械的转化为过程模型图，简化了过程建模的复杂度，使过程模型技术更为简便的运用到实际生产中去。

2.与现有软件过程建模方法的预测软件过程的执行时间的方法相比，本方法在过程模型中引入了随机因素，从而能够支持软件过程的仿真，比传统的过程模型静态分析方法更为简便、高效。

3.与现有软件过程仿真方法的预测软件过程的执行时间的方法相比，本方法引入了过程历史数据，沟通了软件过程的理论分析和经验分析两个最主要的分析方法。对分析方法的综合运用，提高了软件过程分析的准确性和实用性。

4.与现有软件过程仿真方法的预测软件过程的执行时间的方法相比，本方法能够预测被模型刻画的软件过程的执行时间、按期或延期完成的可能性等，对该软件过程的实际执行能起到重要的参考意义。

附图说明

图1本方法的总体结构图。

图2s-TRISO/ML中用于表示过程的图形化元素。

图3(a)过程流图中两活动为顺序时的示意图，图3(b)过程流图中两活动为并发时的示意图，图3(c)过程流图中两活动为选择时的示意图。

图4本发明实施例中拟分析的软件过程工作流图。

图5(a)对应图4经步骤1转化后的模型图；

图5(b)对应图4经步骤2转化后的模型图；

图5(c)对应图4经步骤3转化后的模型图；

图5(d)对应图4经步骤4转化后的模型图。

图6对应图4转化后的随机模型图。

图7TA₂为0.3页时的仿真结果图。

图8TA₂为0.3页时的预测执行时间的结果图。

图9TA₂为0.6页时的仿真结果图。

图10TA₂为0.6页时的预测执行时间的结果图。

图11第一种人员指派下按时完成的可能性。

图12第二种人员指派下延期的可能性。

具体实施方式

为了使本技术领域的人员更好的理解本发明，下面给出具体实施例对本发明作进一步的详细说明。

实施例给出要预测的软件过程工作流图如图4所示，该软件过程包括5个功能点，要求40天以内完成；其中，TA₁，TA₂，TA₃，TA₄，TA₅分别为需求活动、设计活动、编码/测试混合活动、编码活动、测试活动，TA₃，TA₄，TA₅共同完成编码测试活动。

将图4的流图转化为模型图的具体方法如下：

1、执行Trans(T)。其根节点的出边为顺序类型。顺着箭头方向得到图5(a)；

2、将TA2的根节点的出边类型为并行，得到图5(b)；

3、因TA3只有自己本身，得到图5(c)；

4、TA4的根节点的类型为顺序。顺着箭头的方向找到没有子节点的TA5，因此得到图5(d)；

5、对任何一棵活动树T调用Trans(T)，则可得到s-TRISO图，最后在s-TRISO图的每一个活动节点上加入描述事件长度的随机变量r，得到如图6所示的模型图。过程管理人员可按照项目以往的经验指派随机变量r值，如表2所示：

	活动类型	活动规模	类型复杂度	人员生产率	r值
						TA₁	需求	2页×6	1	1.2页	0.1
TA₂	设计	0.5页×6	2	0.3页	0.05
						TA₃	编码/测试	(1+1)KLoc×5	0.75	0.75KLoc	0.1
TA₄	编码	1KLoc×1	0.5	0.25KLoc	0.5
						TA₅	测试	1KLoc×1	1	1KLoc	1

表2r值的取值表

这时，将经过r值指派的模型输入到PEPA随机过程仿真工具，将过程模型转换为PEPA仿真工具所需的随机pi演算表达形式进行88次仿真，通过统计仿真系统中同一活动不同状态间的迁移次数，确定每次仿真中每个活动的执行时间；并把每次仿真时，过程中各个活动的执行时间加总，得到过程的总执行时间，然后以仿真次数为坐标轴描图得到如图7所示执行时间图；每次仿真时，求历次仿真中同一个活动的执行时间的平均值，以活动为坐标描图得到如图8所示的过程预测执行时间图，预测出该活动的执行时间，可以看出经过仿真预测的过程执行时间为50天，不满足过程要求的40天内完成的需求。因此需要对上述表2中的相关系数进行调整，因5个功能点中，只有人员生产率可以调整，故选用生产率比较高的人员来重新预测过程执行时间。本实施例用一个生产率比原指派人员高一倍(即0.6页)的项目人员代替执行活动TA₂，新的活动TA₂所对应的r值应为0.1。将一组新的r值输入随机过程仿真工具中再次仿真，重复运行110次，相应得到图9、图10的仿真和过程预测执行时间图。由图10可知，调整生产率后的经过仿真预测的过程执行时间为31天，满足过程需求。

进一步地，加总上述两次仿真中各个活动的执行时间，并且把总的过程执行时间按从小到大顺序排列，分别得到图11和图12。从图中可以看出，在第一种人员指派下，虽然活动的预期执行时间是50天，但是仍然有36％的可能性在规定的40天以内完成；在第二种人员指派下，虽然活动的预期执行时间是31天，但是仍然有22％的可能性延期完成。

尽管为说明目的公开了本发明的具体实施例和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。本发明不应局限于本说明书最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims

1.一种预测软件过程执行时间的方法，其步骤包括：

1)将软件过程工作流图转化为由图形化元素描述的s-TRISO/ML过程模型，并在过程模型的所有终端节点加入随机变量；所述图形化元素包括终端活动、非终端活动、活动间的时序关系；

2)由项目人员的生产率、活动的复杂度系数及活动规模确定上述随机变量的值，并将输入随机变量值的过程模型输入到随机过程仿真工具中进行多次仿真；

3)由步骤2)仿真结果中的每次仿真中各活动的执行时间，计算出软件过程中同一个活动的执行时间，各活动中最长的执行时间为过程的执行时间。

2.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：步骤1)中通过执行Trans将工作流图转化为过程模型，方法为：

1-0)设从工作流图转化得来的过程模型为TRANS；

1-1)从流图的根节点R判断其子节点N1、N2、N3……Nk之间的时序关系；如果该时序关系是并发/选择，则TRANS为如下形式：用R指向并发/选择关系运算符，再从该运算符指向Trans(N1)、Trans(N2)……Trans(Nk)，继续对N1、N2、N3……Nk执行Trans；

1-2)若R的子节点之间的关系是顺序关系，则将TRANS的根节点换为虚节点；

1-3)沿流图箭头方向继续判断后面节点的子节点间是否为顺序关系；直到出现节点的子节点之间的关系为并发或选择的节点P或节点没有任何子节点；

若活动节点P有子节点，计算Trans(P)，并将Trans(P)的根节点替换为虚节点，设做这样替换后可得到Trans(P)’，则TRANS为如下形式：虚节点指向顺序关系运算符，再从该运算符从左到右依次指向R，…，P，Trans(P)’；

若活动节点P没有子节点，则TRANS为如下形式：虚节点指向顺序关系运算符，再从该运算符从左到右依次指向R，…，P；

1-4)如果活动K没有任何子节点，则Trans(K)向TRANS中添加活动K；

1-5)所有的Trans(P)执行完毕，向转换得来的模型图的所有终端节点添加随机变量r，Trans(R)结束。

3.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：所述活动间的时序关系为顺序→、并行||和选择+。

4.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：所述随机变量r的值为r＝P*C^-1*S^-1，P表示项目人员的生产率，C表示活动类型复杂性系数，S表示活动规模。

5.根据权利要求3所述的预测软件过程执行时间的方法，其特征在于；所述项目人员的生产率由历史数据获得；所述活动复杂度系数由复杂度系数表确定；所述活动规模由实现需求的功能点或由历史数据确定。

6.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：所述随机过程仿真工具为PEPA随机过程仿真工具。

7.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：所述随机过程仿真工具为Dizzy随机过程仿真工具。

8.根据权利要求6所述的预测软件过程执行时间的方法，其特征在于：利用PEPA进行仿真时，所述每次仿真中各活动的执行时间是通过统计同一活动不同状态的迁移次数确定。

9.根据权利要求1所述的预测软件过程执行时间的方法，其特征在于：由每次仿真中各活动的执行时间，还得到不同人员指派下按时完成或延期的百分率。