عنوان مقاله:

نویسندگان:

الهام فیض پور، هومان تحیری

تخمین دقیق تلاش لازم برای توسعه ی یک نرم افزار نقش مهمی در موفقیت پروژه های نرم افزاری دارد و یکی از مهمترین دغدغه های مدیران پروژه های نرم افزاری می باشد. تخمین های نادرست باعث تحمیل هزینه های اضافی بر پروژه یا شکست پروژه می شود. اکثر روش های تخمین تلاش ارائه شده، روش های داده محوری هستند که به دیتاست های نسبتا بزرگی از داده های پروژه های پیشین احتیاج دارند اما واقعیت این است که در دنیای واقعی صنعت تولید نرم افزار، این داده ها بسیار کمیاب هستند. بنابراین این روش ها قابل استفاده نبوده یا دقت قابل قبولی ارائه نمی دهند. روش کبرا یک روش هیبرید برای تخمین تلاش نرم افزار است که همزمان از نظر خبرگان و تعداد کمی از داده های پروژه های پیشین برای تخمین استفاده می کند. در مقابل روش کوکومو یک روش مبتنی بر داده است که پارامترهای آن باید بر اساس داده های محلی شرکت نرم افزاری تنظیم و کالیبره شود.کالیبره کردن کوکومو فرایندی پیچیده است که نیازمند داده زیادی می باشد. در این مقاله ما این دو روش را با هم مقایسه کرده و شباهت ها، مزایا و مشکلات هر یک را توضیح می دهیم. همچنین با پیاده سازی چندین روش تخمین بر روی یک دیتاست عمومی، نشان خواهیم داد که روش کبرا، هنگامی که تعداد زیادی از داده های مشابهِ پروژه ی مورد تخمین در دسترس نیست ( به عنوان نمونه در شرکت های تازه تاسیس شده ی نرم افزاری)، تلاش پروژه را بهتر از روش کوکومو و سایر روش ها تخمین می زند.

تخمین تلاش توسعه نرم افزار، کبرا، کوکومو

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
فیض پور، الهام، تحیری، هومان، 1402، مقایسه روش کبرا با کوکومو در تخمین تلاش توسعه نرم افزار، اولین کنفرانس ملی هوش مصنوعی و مهندسی نرم افزار، https://conf.shirazu.ac.ir/fa/archive_index.php?c=HN-aisoft1&aid=1509089