JP2016045692A - 欠陥数予測装置及び欠陥数予測プログラム - Google Patents
欠陥数予測装置及び欠陥数予測プログラム Download PDFInfo
- Publication number
- JP2016045692A JP2016045692A JP2014169285A JP2014169285A JP2016045692A JP 2016045692 A JP2016045692 A JP 2016045692A JP 2014169285 A JP2014169285 A JP 2014169285A JP 2014169285 A JP2014169285 A JP 2014169285A JP 2016045692 A JP2016045692 A JP 2016045692A
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- software
- defects
- mixed
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
Description
したがって、できる限り、混入した欠陥を出荷前に除去する必要がある。
従来は、開発規模を基準とした、混入している欠陥の数の大まかな予測値を用いて、レビューで除去すべき欠陥の数や、試験フェーズで除去すべき欠陥の数の目安を定めていた。
この発明は、ソフトウェアに混入している欠陥の数を過去の実績値を元に的確に予測することを目的とする。
ソフトウェアに混入している欠陥の数を予測する欠陥数予測装置であり、
ソフトウェアを品質によって分類した品質グループ毎に、ソフトウェアに関する情報であるソフトウェア情報からそのソフトウェアに混入している欠陥の予測数を計算する予測ロジックを記憶する予測ロジック記憶部と、
前記予測ロジック記憶部が記憶した各品質グループの予測ロジックを用いて、対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する予測ロジック計算部と、
前記対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する確率を計算する確率計算部と、
前記各品質グループについて、前記確率計算部が計算した前記対象のソフトウェアがその品質グループに属する確率を、前記予測ロジック計算部が計算した前記対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付き予測数を計算し、計算した重み付き予測数を合計して、前記対象のソフトウェアに混入している欠陥の予測数を計算する混入予測数計算部と
を備えることを特徴とする。
前記予測ロジック計算部は、前記対象のソフトウェアの開発を行う開発チームと前記対象のソフトウェアとが該当する条件についての予測ロジックを用いて、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算し、
前記混入予測数計算部は、重み付き予測数を合計して、前記条件において前記対象のソフトウェアに混入している欠陥の予測数を計算する
ことを特徴とする。
前記予測ロジック計算部は、対象の開発工程についての予測ロジックを用いて、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算し、
前記混入予測数計算部は、重み付き予測数を合計して、前記対象の開発工程において前記対象のソフトウェアに混入している欠陥の予測数を計算する
ことを特徴とする。
前記混入予測数計算部が計算した予測数から、前記対象の開発工程において発見された欠陥の数を減じて、前記対象の開発工程において残っている欠陥の予測数である残予測数を計算する残予測数計算部と、
ソフトウェアの開発工程毎に、残予測数の閾値を記憶する閾値記憶部と、
前記残予測数計算部が計算した前記対象の開発工程における残予測数が、前記閾値記憶部が記憶した前記対象の開発工程における閾値以上であるか否かを判定する残予測数判定部と
を備えることを特徴とする。
残予測数が閾値以上であると前記残予測数判定部が判定した場合に、前記残予測数から前記対象の開発工程における残作業数を計算する残作業数計算部
を備えることを特徴とする。
既存のソフトウェアを品質によって分類した品質グループ毎に、前記既存のソフトウェアについてのソフトウェア情報であって、その品質グループに属する既存ソフトウェアについてのソフトウェア情報と、その品質グループに属する既存ソフトウェアに混入していた欠陥の数とに基づき、予測ロジックを生成する予測ロジック生成部
を備え、
前記予測ロジック記憶部は、前記予測ロジック生成部が生成した予測ロジックを記憶する
ことを特徴とする。
ソフトウェアを品質によって分類した品質グループ毎に、ソフトウェアに関する情報であるソフトウェア情報からそのソフトウェアに混入している欠陥の予測数を計算する予測ロジックを記憶した記憶装置を用い、ソフトウェアに混入している欠陥の数を予測する欠陥数予測プログラムであり、
前記記憶装置に記憶された各品質グループの予測ロジックを用いて、対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する予測ロジック計算処理と、
対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する確率を計算する確率計算処理と、
前記各品質グループについて、前記確率計算処理で計算した前記対象のソフトウェアがその品質グループに属する確率を、前記予測ロジック計算処理で計算した前記対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付き予測数を計算し、計算した重み付き予測数を合計して、前記対象のソフトウェアに混入している欠陥の予測数を計算する混入予測数計算処理と
をコンピュータに実行させることを特徴とする。
図1は、実施の形態1に係る欠陥数予測装置10の構成図である。
欠陥数予測装置10は、予測ロジック生成部11と、予測ロジック記憶部12と、確率計算部13と、予測ロジック計算部14と、混入予測数計算部15とを備える。
事前準備に関するのが、予測ロジック生成部11と、予測ロジック記憶部12とである。事前準備では、予測ロジック生成部11が、ソフトウェアの品質によって分類した品質グループ毎に予測ロジックを生成する。そして、予測ロジック記憶部12が、予測ロジック生成部11が生成した予測ロジックを記憶する。
欠陥数予測に関するのが、確率計算部13と、予測ロジック計算部14と、混入予測数計算部15とである。欠陥数予測では、確率計算部13が、対象のソフトウェアが各品質グループに属する確率を計算する。また、予測ロジック計算部14が、予測ロジック記憶部12が記憶した各予測ロジックを用いて、対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する。そして、混入予測数計算部15が、品質グループ毎に、予測ロジック計算部14が計算した予測数に、確率計算部13が計算した確率を乗じて、重み付きの予測数を計算し、計算した重み付き予測数を合計して、対象のソフトウェアに混入している欠陥の予測数を計算する。
事前準備では、既存ソフトウェアについてのソフトウェア情報と、既存ソフトウェアに混入していた欠陥の数とに基づき、予測ロジックが生成される。
ソフトウェア情報とは、ソフトウェアに関する情報である。例えば、設計工程であれば、設計書の頁数、レビュー時間、誤り指摘数等である。また、試験設計工程であれば、試験項目数、レビュー時間、誤り指摘数等である。また、製作工程であれば、開発量、コードレビュー時間、誤り指摘数等である。試験工程であれば、試験対象量、試験項目数、誤り指摘数等である。
既存ソフトウェアに混入していた欠陥の数は、出荷後に発生した不具合から特定された欠陥の数である。混入した開発フェーズ毎に分類して集計する。
既存のソフトウェアを品質によって分類した品質グループ毎、ソフトウェアの開発を行う開発チームとソフトウェアとの条件毎、ソフトウェアの開発工程毎に、予測ロジックが生成される。
ソフトウェアの開発を行う開発チームの条件とは、開発を行う開発チームの構成員の経験年数や、構成人数等であり、ソフトウェアの条件とは、画面系のソフトウェアであるか、制御系のソフトウェアであるか、通信系のソフトウェアであるか等のソフトウェアの対象や、開発に用いる言語等である。ここでは、これらの条件を、開発チーム1,2,3のどの開発チームで開発されたかとしている。
ここでは、ソフトウェアの開発工程を、外部設計工程、内部設計工程、製作工程、単体試験工程、結合試験工程としている。
(S11:分類処理)
予測ロジック生成部11は、既存のソフトウェアについてのソフトウェア情報と、混入していた欠陥の数との情報の入力を受け付ける。そして、予測ロジック生成部11は、受け付けた情報を、品質グループ毎、条件毎、開発工程毎に分類する。なお、品質グループ毎、条件毎、開発工程毎に分類された各組について、受け付けた情報は回帰分析が可能な程度の件数必要である。
予測ロジック生成部11は、品質グループ毎、条件毎、開発工程毎の各組について、予測ロジックを生成する。ここでは、予測ロジック生成部11は、回帰分析を用いて、各組についてソフトウェア情報から欠陥の数を予測する予測式を生成する。
(予測式)目的変数=A×説明変数1+B×説明変数2+C×説明変数3+・・・+D
ここで、A,B,Cは回帰係数であり、Dは定数である。
外部設計工程又は内部設計工程の場合
(1)混入欠陥の予測数=A×誤り指摘数+D
(2)混入欠陥の予測数=B×開発量(設計書の頁数等)+C×設計書レビュー時間+E
製作工程の場合
(3)混入欠陥の予測数=A×誤り指摘数+D
(4)混入欠陥の予測数=B×開発量(プログラムの行数等)+C×コードレビュー時間+E
単体試験工程又は結合試験工程の場合
(5)混入欠陥の予測数=A×誤り指摘数+D
(6)混入欠陥の予測数=B×試験対象量+C×試験項目数+E
なお、(1)〜(6)の予測式において、A,B,Cは回帰係数であり、D,Eは定数である。また、(1)〜(6)の予測式は一例であり、他にも様々な予測式が考えられる。
予測ロジック記憶部12は、S12で生成された、各組についての予測式を、予測ロジックとして記憶する。
欠陥数予測では、事前準備で生成された予測ロジックを用いて、対象のソフトウェアに混入している欠陥の予測数が計算される。
(S21:確率計算処理)
確率計算部13は、対象のソフトウェアについてのソフトウェア情報の入力を受け付ける。そして、確率計算部13は、受け付けた情報に基づき、対象のソフトウェアが各品質グループに属する確率を計算する。ここで受け付けるソフトウェア情報は、対象の開発工程までに得られる情報である。したがって、開発工程が進むほど、受け付けるソフトウェア情報も多くなる。
具体的には、確率計算部13は、受け付けた情報のうちの少なくとも一部を変数として、各品質グループの中心(平均値)からのマハラノビス距離を計算する。例えば、3変数の場合のマハラノビス距離D2は、数1で定義される。
Ra=F(Da2,k)/(F(Da2,k)+(F(Db2,k))
Rb=F(Db2,k)/(F(Da2,k)+(F(Db2,k))
なお、Ra+Rb=1である。
Da2は、品質が良いグループの中心からのマハラノビス距離である。
Db2は、品質が悪いグループの中心からのマハラノビス距離である。
kは、自由度であり、利用する変数の個数に等しい。
F(Da2,k)は、品質が良いグループの中心からのマハラノビス距離Da2についてのカイ二乗分布における右側確率であり、F(Db2,k)は、品質が悪いグループの中心からのマハラノビス距離Db2についてのカイ二乗分布における右側確率である。カイ二乗分布における右側確率とは、カイ二乗分布において、指定された点よりも右側になる確率である。
予測ロジック計算部14は、予測ロジック記憶部12に記憶された、対応する条件、及び、対応する開発工程についての予測ロジックであって、各品質グループについての予測ロジックを用い、対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する。
例えば、対象のソフトウェアが開発チーム1で開発されており、現在内部設計工程である場合、開発チーム1でかつ内部設計工程についての、品質が良いグループの予測ロジック(図2の予測式1−2)と、品質が悪いグループの予測ロジック(図2の予測式4−2)とが用いられる。そして、内部設計工程において、対象のソフトウェアが品質が良いグループに属する場合に混入している欠陥の予測数Yaと、品質が悪いグループに属する場合に混入している欠陥の予測数Ybとが計算される。
混入予測数計算部15は、各品質グループについて、S21で計算されたその品質グループに属する確率を、S22で計算された対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付きの予測数を計算する。そして、混入予測数計算部15は、計算した重み付きの予測数を合計して、対象のソフトウェアに混入している欠陥の予測数を計算する。
上述した、対象のソフトウェアが開発チーム1で開発されており、現在内部設計工程である場合、内部設計工程における混入欠陥数Xは、X=Ra×Ya+Rb×Ybによって計算される。
しかし、品質の良いグループと品質の悪いグループとのそれぞれについて誤判別率を計算し、各グループの誤判別率が出来る限り小さくなるようなソフトウェア情報の組合せを変数として選択して用いるようにしてもよい。この場合、既存ソフトウェアのうち出荷後の不具合の件数に基づき品質が良いと判定された既存ソフトウェアを既存ソフトウェアAとし、品質が悪いと判定された既存ソフトウェアを既存ソフトウェアBとする。すると、「品質が良いグループの誤判別率=既存ソフトウェアAのうちマハラノビス距離により品質が悪いと判定された件数/既存ソフトウェアAの件数」である。また、「品質が悪いグループの誤判別率=既存ソフトウェアBのうちマハラノビス距離により品質が良いと判定された件数/既存ソフトウェアBの件数」である。
実施の形態2では、混入している欠陥の予測数に基づき、次の開発工程へ進めるか否かの品質判定を行う方法について説明する。
実施の形態2では、実施の形態1と同じ部分については説明を省略し、実施の形態1と異なる部分について説明する。
実施の形態2に係る欠陥数予測装置10は、図1に示す実施の形態1に係る欠陥数予測装置10が備える機能に加え、残予測数計算部16と、閾値記憶部17と、残予測数判定部18とを備える。
品質判定に関するのが、残予測数計算部16と、閾値記憶部17と、残予測数判定部18とである。品質判定では、残予測数計算部16が、混入予測数計算部15が計算した欠陥の予測数から、対象の開発工程で発見された欠陥の数を減じて、対象の開発工程において残っている欠陥の予測数である残予測数を計算する。閾値記憶部17は、開発工程毎に、品質判定における閾値を記憶する。そして、残予測数判定部18は、残予測数計算部16が計算した残予測数が、閾値記憶部17が記憶した閾値以上であるか否かを判定する。
(S31:残予測数計算処理)
残予測数計算部16は、欠陥数予測において計算された、対象の開発工程における欠陥の予測数から、対象の開発工程で発見された欠陥の数を減じて、残予測数を計算する。
対象の開発工程で発見された欠陥の数とは、例えば、外部設計工程又は内部設計工程であれば、設計書のレビューにより発見された欠陥の数である。また、製作工程であれば、コードレビューによって発見された欠陥の数である。また、単体試験工程又は結合試験工程であれば、試験によって発見された欠陥の数である。
残予測数判定部18は、S31で計算された残予測数が、閾値記憶部17が対象の開発工程について記憶した閾値以上であるか否かを判定する。
残予測数が閾値以上である場合、残っている欠陥の数が多く、次の開発工程へ進む前に品質を改善する必要があると判断される。一方、残予測数が閾値未満である場合、残っている欠陥の数が少なく、次の開発工程へ進んでよいと判断される。
実施の形態3では、次の開発工程へ進む前に品質を改善する必要があると品質判定で判断された場合における残作業数の計算方法について説明する。
実施の形態3では、実施の形態2と同じ部分については説明を省略し、実施の形態2と異なる部分を説明する。
実施の形態3に係る欠陥数予測装置10は、図6に示す実施の形態2に係る欠陥数予測装置10が備える機能に加え、残作業数計算部19を備える。
残作業数予測に関するのが、残作業数計算部19である。残作業数予測では、残作業数計算部19が、残予測数計算部16が計算した残予測数に基づき、追加で行う必要があるレビューの時間や、追加で行う必要がある試験の項目数を計算する。
(S41:検出効率計算処理)
残作業数計算部19は、対象のソフトウェアのソフトウェア情報に基づき、欠陥の検出効率を計算する。
具体的には、残作業数計算部19は、対象の開発工程が外部設計工程又は内部設計工程又は製作工程であれば、その開発工程で発見された欠陥の数を、その開発工程におけるレビュー時間で除して、欠陥の検出効率として計算する。また、残作業数計算部19は、対象の開発工程が単体試験工程又は結合試験工程であれば、その開発工程で発見された欠陥の数を、その開発工程における試験項目数で除して、欠陥の検出効率として計算する。
残作業数計算部19は、S31で計算された残予測数を、S41で計算された欠陥検出効率で除して、残作業数を計算する。
残作業数は、対象の開発工程が外部設計工程又は内部設計工程又は製作工程であれば、追加レビュー時間である。また、残作業数は、対象の開発工程が単体試験工程又は結合試験工程であれば、追加試験項目数である。
以上の実施の形態では、対象のソフトウェアの開発が対象の開発工程にある場合に、その開発工程において混入している欠陥の数を予測することを想定していた。つまり、現在の開発工程が外部設計工程であれば、外部設計工程において混入している欠陥の数を予測し、現在の開発工程が製作工程であれば、製作工程において混入している欠陥の数を予測することを想定していた。そのため、予測式の入力となるソフトウェア情報は、対象の開発工程で得られる情報であった。
しかし、現在の状態のまま開発工程を進めた場合に、その後の開発工程においてどの程度の欠陥が混入するかを知りたい場合もある。実施の形態4では、現在の開発工程だけでなく、将来の開発工程における欠陥の数も予測する方法について説明する。
実施の形態4では、実施の形態3と同じ部分については説明を省略し、実施の形態3と異なる部分を説明する。
事前準備の処理の流れは、図3に示す通りである。そこで、図3に基づき事前準備の処理を説明する。
予測ロジック生成部11は、品質グループ毎、条件毎、開発工程毎の各組について、予測ロジックを生成する。この際、予測ロジック生成部11は、その組の開発工程において混入している欠陥の数を予測する予測ロジックだけでなく、その組の開発工程よりも後の開発工程において混入する欠陥の数を予測する予測ロジックも生成する。
欠陥数予測の処理の流れは、図4に示す通りである。そこで、図4に基づき欠陥数予測の処理を説明する。
予測ロジック計算部14は、予測ロジック記憶部12に記憶された、対応する条件、及び、対応する開発工程についての予測ロジックであって、各品質グループについての予測ロジックを用い、対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する。この際、予測ロジック計算部14は、対応する開発工程で混入している欠陥の数を予測する予測ロジックを用いて、対応する開発工程で混入している欠陥の予測数を計算するだけでなく、対応する開発工程よりも後の開発工程において混入する欠陥の数を予測する予測ロジックを用いて、後の開発工程において混入するであろう欠陥の予測数も計算する。
混入予測数計算部15は、開発工程毎に、各品質グループについて、S21で計算されたその品質グループに属する確率を、S22で計算された対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付きの予測数を計算する。そして、混入予測数計算部15は、開発工程毎に、計算した重み付きの予測数を合計して、対象のソフトウェアに混入している欠陥の予測数を計算する。
例えば、現在の開発工程での残予測数が閾値未満であり、かつ、その後の各開発工程についての予測数が閾値未満である場合に、次の開発工程へ進めるとしてもよい。
実施の形態5では、上記実施の形態で説明した欠陥数予測装置10を過去のソフトウェア開発の事例に適用した場合に得られた結果について説明する。
図10では、ある開発チームにおける過去のソフトウェア開発の実績データと、そのソフトウェア開発に対して欠陥数予測装置10により計算した欠陥の予測数及び残予測数とを示す。横軸が開発工程を示し、縦軸が頁数当たりの欠陥の件数を示している。
(1)の値が、外部設計工程で混入している欠陥の数を示す。(2)の値が、外部設計工程が完了した時点において残っている欠陥の数を示す。(3)の値が、内部設計工程までに混入している欠陥の数を示す。(4)の値が、内部設計工程が完了した時点において残っている欠陥の数を示す。
なお、(3)の値から(2)の値を減じた値が、内部設計工程で新たに混入した欠陥の数を表している。
図11では、ある開発チームにおける過去のソフトウェア開発の実績データと、そのソフトウェア開発に対して欠陥数予測装置10により計算した欠陥の予測数及び残予測数とを示す。横軸が開発工程を示し、縦軸がKL(キロライン)当たりの欠陥の件数を示している。
(1)の値が、外部設計工程で混入している欠陥の数を示す。(2)の値が、外部設計工程が完了した時点において残っている欠陥の数を示す。(3)の値が、内部設計工程までに混入している欠陥の数を示す。(4)の値が、内部設計工程が完了した時点において残っている欠陥の数を示す。(5)の値が、製作工程において混入している欠陥の数を示す。(6)の値が、単体試験工程を開始する時点において残っている欠陥の数を示す。(7)の値が、結合試験工程を開始する時点において残っている欠陥の数を示す。(8)の値が、出荷時点において残っている(出荷後に発見された)欠陥の数を示す。
また、図10及び図11に示すように、欠陥の実績に対して、欠陥数予測装置10による予測値が全体の実績値に非常に近い値を示している。
図12から図14では、混入している欠陥の数の予測数=A×誤り指摘数+Bとしている。ここで、Aは回帰係数であり、Bは定数である。
図12から図14に示すように、品質によるグループ分けをしなかった場合と、品質が悪いグループとでは、誤差の標準偏差はそれぞれ、約6.08と約6.32であり、ほとんど差異がなかった。これに対して、品質の良いグループでは、誤差の標準偏差は約1.09であり、他と比べて非常に高い精度であった。そのため、品質によるグループ分けを行った場合、品質によるグループ分けをしない場合よりも精度よく欠陥の予測数を計算できる。
図15から図17に示すように、品質によるグループ分けをしなかった場合には、誤差の標準偏差は、約4.83であった。これに対して、品質の良いグループと品質の悪いグループとでは、誤差の標準偏差は、約0.82と約0.79とであった。そのため、品質によるグループ分けを行った場合、品質によるグループ分けをしない場合よりも精度よく欠陥の予測数を計算できる。
ソフトウェア毎に、混入している誤りの予測数等が得られる。
回帰モデル1の内部設計混入誤り予測の欄は、予測ロジック計算部14が計算した内部設計工程で混入している欠陥の予測数を示す。このうち、予測1は品質が良いグループの場合における予測数を示し、予測2は品質が悪いグループの場合の予測数を示す。期待値は予測1と予測2との値に重み付して加算した値を示す。
内部設計の残存誤りの欄は、残予測数計算部16が計算する残予測数を示す。このうち、予測1は品質が良いグループの場合における残予測数を示し、予測2は品質が悪いグループの場合の残予測数を示し、期待値は予測1と予測2との値に重み付して加算した値を示す。また、期待値が閾値以上である場合には、その欄にハッチングが付され、残存している欠陥数が多いことが警告される。また、検出不足の欄は、期待値が閾値以上である場合に計算された、残作業(ここでは、追加レビュー時間)を示す。
製作の混入誤りの欄は、回帰モデル2の製作混入誤り予測の予測1と予測2とに重み付して加算した値を示す。
しかし、予測ロジックを生成するためには、各グループに属する既存ソフトウェアの情報がある程度必要である。そのため、ある条件の組については、品質が悪いグループの予測ロジックを生成できないというような場合もあり得る。このような場合には、例えば、品質が良いグループに属する確率が所定値(例えば80%)以上であれば、品質が良いグループの予測ロジックを用いて予測数を計算し、他の場合には、品質によるグループ分けをしない場合の予測ロジックを用いて予測数を計算するとしてもよい。
欠陥数予測装置10は、コンピュータである。欠陥数予測装置10の各要素をプログラムで実現することができる。
欠陥数予測装置10のハードウェア構成としては、バスに、演算装置901、外部記憶装置902、主記憶装置903、通信装置904、入出力装置905が接続されている。
プログラムは、予測ロジック生成部11、確率計算部13、予測ロジック計算部14、混入予測数計算部15、残予測数計算部16、残予測数判定部18、残作業数計算部19として説明している機能を実現するプログラムである。
更に、外部記憶装置902にはオペレーティングシステム(OS)も記憶されており、OSの少なくとも一部が主記憶装置903にロードされ、演算装置901はOSを実行しながら、上記プログラムを実行する。
また、上記実施の形態の説明において、予測ロジック記憶部12、閾値記憶部17が記憶すると説明した情報や、予測ロジック生成部11、確率計算部13、予測ロジック計算部14、混入予測数計算部15、残予測数計算部16、残予測数判定部18、残作業数計算部19が生成する、計算する、判定する等と説明した情報等が主記憶装置903にファイルとして記憶されている。
Claims (7)
- ソフトウェアに混入している欠陥の数を予測する欠陥数予測装置であり、
ソフトウェアを品質によって分類した品質グループ毎に、ソフトウェアに関する情報であるソフトウェア情報からそのソフトウェアに混入している欠陥の予測数を計算する予測ロジックを記憶する予測ロジック記憶部と、
前記予測ロジック記憶部が記憶した各品質グループの予測ロジックを用いて、対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する予測ロジック計算部と、
前記対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する確率を計算する確率計算部と、
前記各品質グループについて、前記確率計算部が計算した前記対象のソフトウェアがその品質グループに属する確率を、前記予測ロジック計算部が計算した前記対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付き予測数を計算し、計算した重み付き予測数を合計して、前記対象のソフトウェアに混入している欠陥の予測数を計算する混入予測数計算部と
を備えることを特徴とする欠陥数予測装置。 - 前記予測ロジック記憶部は、ソフトウェアの開発を行う開発チームとソフトウェアとの条件毎に、予測ロジックを記憶し、
前記予測ロジック計算部は、前記対象のソフトウェアの開発を行う開発チームと前記対象のソフトウェアとが該当する条件についての予測ロジックを用いて、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算し、
前記混入予測数計算部は、重み付き予測数を合計して、前記条件において前記対象のソフトウェアに混入している欠陥の予測数を計算する
ことを特徴とする請求項1に記載の欠陥数予測装置。 - 前記予測ロジック記憶部は、ソフトウェアの開発工程毎に、予測ロジックを記憶し、
前記予測ロジック計算部は、対象の開発工程についての予測ロジックを用いて、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算し、
前記混入予測数計算部は、重み付き予測数を合計して、前記対象の開発工程において前記対象のソフトウェアに混入している欠陥の予測数を計算する
ことを特徴とする請求項1又は2に記載の欠陥数予測装置。 - 前記欠陥数予測装置は、さらに、
前記混入予測数計算部が計算した予測数から、前記対象の開発工程において発見された欠陥の数を減じて、前記対象の開発工程において残っている欠陥の予測数である残予測数を計算する残予測数計算部と、
ソフトウェアの開発工程毎に、残予測数の閾値を記憶する閾値記憶部と、
前記残予測数計算部が計算した前記対象の開発工程における残予測数が、前記閾値記憶部が記憶した前記対象の開発工程における閾値以上であるか否かを判定する残予測数判定部と
を備えることを特徴とする請求項3に記載の欠陥数予測装置。 - 前記欠陥数予測装置は、さらに、
残予測数が閾値以上であると前記残予測数判定部が判定した場合に、前記残予測数から前記対象の開発工程における残作業数を計算する残作業数計算部
を備えることを特徴とする請求項4に記載の欠陥数予測装置。 - 前記欠陥数予測装置は、さらに、
既存のソフトウェアを品質によって分類した品質グループ毎に、前記既存のソフトウェアについてのソフトウェア情報であって、その品質グループに属する既存ソフトウェアについてのソフトウェア情報と、その品質グループに属する既存ソフトウェアに混入していた欠陥の数とに基づき、予測ロジックを生成する予測ロジック生成部
を備え、
前記予測ロジック記憶部は、前記予測ロジック生成部が生成した予測ロジックを記憶する
ことを特徴とする請求項1から5までのいずれか1項に記載の欠陥数予測装置。 - ソフトウェアを品質によって分類した品質グループ毎に、ソフトウェアに関する情報であるソフトウェア情報からそのソフトウェアに混入している欠陥の予測数を計算する予測ロジックを記憶した記憶装置を用い、ソフトウェアに混入している欠陥の数を予測する欠陥数予測プログラムであり、
前記記憶装置に記憶された各品質グループの予測ロジックを用いて、対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する場合に混入している欠陥の予測数を計算する予測ロジック計算処理と、
対象のソフトウェアについてのソフトウェア情報から、前記対象のソフトウェアが各品質グループに属する確率を計算する確率計算処理と、
前記各品質グループについて、前記確率計算処理で計算した前記対象のソフトウェアがその品質グループに属する確率を、前記予測ロジック計算処理で計算した前記対象のソフトウェアがその品質グループに属する場合に混入している欠陥の予測数に乗じて、重み付き予測数を計算し、計算した重み付き予測数を合計して、前記対象のソフトウェアに混入している欠陥の予測数を計算する混入予測数計算処理と
をコンピュータに実行させることを特徴とする欠陥数予測プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014169285A JP5793228B1 (ja) | 2014-08-22 | 2014-08-22 | 欠陥数予測装置及び欠陥数予測プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014169285A JP5793228B1 (ja) | 2014-08-22 | 2014-08-22 | 欠陥数予測装置及び欠陥数予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5793228B1 JP5793228B1 (ja) | 2015-10-14 |
JP2016045692A true JP2016045692A (ja) | 2016-04-04 |
Family
ID=54330140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014169285A Expired - Fee Related JP5793228B1 (ja) | 2014-08-22 | 2014-08-22 | 欠陥数予測装置及び欠陥数予測プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5793228B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110597735A (zh) * | 2019-09-25 | 2019-12-20 | 北京航空航天大学 | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 |
US11281566B2 (en) | 2018-07-23 | 2022-03-22 | Mitsubishi Electric Corporation | Scoring device, computer readable medium, and scoring method |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6975086B2 (ja) * | 2018-03-29 | 2021-12-01 | 株式会社日立ソリューションズ | 品質評価方法および品質評価装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003029970A (ja) * | 2001-07-12 | 2003-01-31 | Mitsubishi Electric Corp | プログラム品質管理支援装置、プログラム品質管理支援方法、プログラム品質管理支援方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体、プログラム品質管理支援方法をコンピュータに実行させるためのプログラム |
JP2005326953A (ja) * | 2004-05-12 | 2005-11-24 | Nec Corp | ソフトウェア品質評価システム及び方法並びにソフトウェア品質評価用プログラム |
JP2013257821A (ja) * | 2012-06-14 | 2013-12-26 | Mitsubishi Electric Corp | 情報処理装置及び情報処理方法及びプログラム |
-
2014
- 2014-08-22 JP JP2014169285A patent/JP5793228B1/ja not_active Expired - Fee Related
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11281566B2 (en) | 2018-07-23 | 2022-03-22 | Mitsubishi Electric Corporation | Scoring device, computer readable medium, and scoring method |
CN110597735A (zh) * | 2019-09-25 | 2019-12-20 | 北京航空航天大学 | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 |
CN110597735B (zh) * | 2019-09-25 | 2021-03-05 | 北京航空航天大学 | 一种面向开源软件缺陷特征深度学习的软件缺陷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5793228B1 (ja) | 2015-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8745588B2 (en) | Method for testing operation of software | |
US20150339265A1 (en) | Detecting anomalies in a time series | |
US10359770B2 (en) | Estimation of abnormal sensors | |
JP2018523195A5 (ja) | ||
KR102097953B1 (ko) | 고장 리스크 지표 추정 장치 및 고장 리스크 지표 추정 방법 | |
US20040243457A1 (en) | Project estimating system and method | |
US20130144822A1 (en) | Predicting A User Behavior Number of a Word | |
US20120197674A1 (en) | Estimating a future project characteristic based on the similarity of past projects | |
WO2014199920A1 (ja) | 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体 | |
JP2015176175A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP5793228B1 (ja) | 欠陥数予測装置及び欠陥数予測プログラム | |
JP5692091B2 (ja) | 情報処理装置、情報処理方法およびコンピュータプログラム | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
US10853538B2 (en) | Model generation system and model generation method | |
JP2017174230A (ja) | 軌跡データ処理方法、軌跡データ処理プログラム及び軌跡データ処理装置 | |
JPWO2012093469A1 (ja) | 性能評価装置及び性能評価方法 | |
US11379224B2 (en) | Scale calculation apparatus and computer readable medium | |
US10546243B1 (en) | Predicting particle size distribution and particle morphology | |
CN113516185A (zh) | 模型训练的方法、装置、电子设备及存储介质 | |
CN113010571A (zh) | 数据检测方法、装置、电子设备、存储介质和程序产品 | |
KR20220122484A (ko) | 설명 가능한 프로세스 예측 | |
US20200134480A1 (en) | Apparatus and method for detecting impact factor for an operating environment | |
US20180365378A1 (en) | Stable genes in comparative transcriptomics | |
WO2018142507A1 (ja) | シミュレーション方法、システム、及びプログラム | |
JP6267455B2 (ja) | 工数見積装置、工数見積方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150807 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5793228 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |