JPS63259738A - ソフトウエア品質評価方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、ソフトウェアの品質評価方式に係り特ニ、□
コンピュータ・ソフトウェアの品質推定モデルの選択に
好適な方式に関する。

〔従来の技術〕

従来のソフトウェア品質評価方式については、開発環境
特性の統計分析ン用いたプログラムエラーの予測法（釜
泡祐治、高橋宗雄、第５回ソフトウェア生産における品
質管理シンポジウム）第５５頁第６２頁に記されている
ように、開発環境特性からエラー予測モデルを算出する
方法については論じられている。しかし、モデルを蓄積
、評価して、最適モデルを選択する方式については、配
慮されていなかった。

〔発明が解決しようとする問題点〕

上記従来技術は、エラー率に対してデータ分析及び検討
を行い、モデル式算出を行っているが、データの環境変
化に伴う変化については、配慮されておらず、経時によ
るモデルの精度、適用範囲に問題があった。

本発明の目的は、品質予測モデル式算出し、データの変
化により、ダイナミックに常に最適なモデル式の生成す
ることにより達成される。

〔問題点Ｚ解決するだめの手段〕

上記目的は、分析手法対応に分析結果の抽出基準乞設定
し、それに基づいた分析結果の抽出、蓄積、及びそれら
の抽出データン、あらかじめ設定した評価基準により、
比較、評価して最適なデータン選び、モデル生成するこ
とにより達成される。

〔作用〕

本方式は、各分析手法の分析結果から、必要なデータを
抽出し、蓄積する。これを分析データの更新、追加に従
って実行することにより、遅延のＩＩいモデル生成用デ
ータが得られる。それと同時に、このモデル生成用デー
タケ、それまでの、最適モデルのデータと比較、評価す
ることにより常に、遅れのない最適の品質推定モデル馨
生成できる。

〔実施例〕

以下、本発明の実施例を第１図から第６図により説明す
る。

第１図は本発明による品質評価装置のブロック構成図で
ある。メモリ１０６のサンプル格納部１０９に格納され
ている品質データ（ソフトウェア開発過程での種々の品
質要因より得たデータ）を苅象に中央処理装置１０２の
データ分析実行部ｉｏ３で分析を行う。本例では１分類
型データの分析乞する数量化分析、数値データを扱う重
回帰分析、要因間の相互作用の検出乞行うＡ　Ｉ　Ｄ　
（Ａ　ｕｔｏｍａｔｉｃ　Ｉｎｔｅ　−ｒａｃｔｉｏｎ
　Ｄｅｔｅｃｔｏｒ　）分析乞実行している。それぞれ
の分析結果はメモＩＪ１０６のデータ抽出指示表１０７
の指示に従って、分析結果抽出、蓄積冥行部１０４によ
りデータ抽出され、１１０データ装置に蓄積される。同
Ｆ￥ｊに、抽出されたデータは最適モテル生成部１０５
によりメモリ１０６の最適モテル、基準値格納部１０８
に格納されている値により基準値と比較される。基準値
に達しているデータは、同じ（１０８に格納されている
最適モテルと比較し、データ日付、モデル有効期限１重
相関係数等にエリ、どちらのデータがより有効ρ）判断
される。新しいデータがより有効と判断された場合、１
０８の最適モテル生成部は、新データにより新Ｔこに最
適モテルな生成し、１０８最適モテル兇納部にモテルを
格納する・　６　・ 丁なわち１０８最適モテル格納部には、常に、今迄で一
番有効なモチ／Ｌ／　（数量化分析の場合では、有効期
間内のデータン使用した分析結果の内で、最も重相関係
数の高い分析結果を使用して生成したモテル）を格納し
ている。

次に第２図で、サンプル格納部１０９の一実施例乞示す
。各サン７°ルは、データ馨識別する番号２０１プログ
ラム名２０２２品質ン示す品質データ２０５゜品質要因
ン表丁要因データ２０４．データ取得日ケ表丁データ日
付２０５かも構成されている。要因データが分類データ
の場合は、その区分ヲ衣わ１値数値データの場合は値そ
のものから構成されている。数値データは数量化分析を
行う場合は、カテゴライズされて、分類テークとして扱
われる。

次に第３図により本発明の制御手順を説明する。

ステップ６０１では、サンプル格納部１０９に格納され
ているデータで分析を行う。ステップ３０２では、それ
ぞれの分析手法により１０７のデータ抽出指示表より該
当の指示表を選び、ステップ６０６でその指示表により
分析結果データン抽出する。抽出し・　４　・ たデータはステップ６０４で、データ装置１１０に出力
されモデル蓄積データとして保存される。ステップ６０
５では、現用最適モデル乞、モテル格納部１０８より取
り出し当モデルが、モデル有効期間を過ぎていないかチ
ェックする。モデル有効期間を過ぎている場合ステップ
６０８で、データ装置１１０に蓄積しているモテルデー
タのうち最適モチ）Ｌ／（数量化分析の場合乞例にとる
と、有効期間内で最も重相関係数が高いもの）データン
選択する。モデル有効期間を過ぎ又いなげれば、まずス
テップ３０６で、今回の分析結果が有効であるかン、１
０８の基準値格納部の値と比較する（数量化分析の例で
は要因数とデータ数の比２重相関係数の値）。

基準値に達していない場合は、現用の最適モデル乞その
まま使用する。基準値に達している場合はステップ６０
７で、現用の最適モデルデータと今回の分析結果Ｙ比較
し、より有効な方ン最適モデルとして使用する（数童化
分析例では、重相関係数の高い万）。丁なわち分析結果
データの方が有効な場合は、ステップ３０９で、それら
のデータを新最適モデルとして、１０８最適モテル格納
部に格納する。ステップ３１０で生成したモデル乞入出
力装置ｉｏｉに出力し又処理終了する。

第４図は、最適モデル格納部の一実施例として数量化分
析最適モデルデータを示す。モデルの有効度は、モデル
登録年月日４０１１重相関係数４０２゜要因数４０６．
データ数４０４で表わされる。各要因毎に、識別番号４
０５．要因基４０６．カテゴリ数４０７゜分析によって
求められたカテゴリ毎の重み４０８テータを持っている
。式４０９で示すよ５に、推定値は、この要因毎のカテ
ゴリのウェイトの和で求める。

Ｙ：推定値 凰：要因（アイテム） ｎ：要因数 Ｘｉｊ：ｉ因ｉの該当カテゴリｊの重み〔発明の効果〕 本発明によれは、新規データや、データ追加に伴うデー
タ分析の都度、常に最適のモデル生成ができるので、時
間遅延のない、高精度の品質評価が行なえるという効果
がある。またデータ分析からモデル生成まで７自動的に
行うので、品質評価に必狭な工数の低減ができ、効率向
上も図れる。

【図面の簡単な説明】

第１図は本発明の一実施例のブロック構成図、第２図は
本発明のサンプル格納部の一実施例を示す説明図、第６
図は本発明の制御手順娶示すフローチャート、第４図は
数量化理論分析結果より得る最適モデルデータ及びモデ
ル式を示す説明図である。 １０２・・・中央処理装置、１０５・・・データ分析実
行部。 １０６・・・メモリ、１０７・・・データ挿出指示表。 １０８・・・基準値格納部、１０９・・・サンプル格納
部。

Claims (1)

【特許請求の範囲】
1. １、入出力装置と記憶装置と演算装置より成る、ソフト
   ウェア品質評価装置において、データの入力毎、又は定
   期的に蓄積されたデータの全体又は一部で、いくつかの
   分析手法によりデータ分析を実行し、その分析結果から
   自動的に生成したモデル式を蓄積するとともに、分析手
   法対応に、分析結果に対する経験的判断や、分析の有意
   性を評価する基準により、以前の分析結果によるモデル
   式と比較、評価することで、最適なモデル式を自動的に
   選択、生成する機能を演算装置に設けたことを特徴とす
   るソフトウェア品質評価方式。