[论文解读] Probabilistic estimation of software project duration

Andrew M. Connor|arXiv (Cornell University)|Jun 19, 2016

Software Engineering Research参考文献 7被引用 5

一句话总结

本文提出了一种基于蒙特卡洛模拟的概率框架，用于在项目生命周期内对软件项目工期进行估计，以建模工作量估算中的不确定性。通过整合历史项目数据，该方法提高了估算的准确性，并支持项目经理进行数据驱动的决策。

ABSTRACT

This paper presents a framework for the representation of uncertainty in the estimates for software design projects for use throughout the entire project lifecycle. The framework is flexible in order to accommodate uncertainty in the project and utilises Monte Carlo simulation to compute the propagation of uncertainty in effort estimates towards the total project uncertainty and therefore gives a project manager the means to make informed decisions throughout the project life. The framework also provides a mechanism for accumulating project knowledge through the use of a historical database, allowing effort estimates to be informed by, or indeed based upon, the outcome of previous projects. Initial results using simulated data are presented and avenues for further work are discussed.

研究动机与目标

• 解决软件项目工作量估算在整个项目生命周期中的固有不确定性。
• 开发一种灵活的框架，利用概率技术对软件项目规划中的不确定性进行建模。
• 通过量化估算不确定性的传播，使项目经理能够做出更明智的决策。
• 将历史项目数据整合到工作量估算中，以提高准确性并促进知识积累。
• 提供一种可扩展的方法，实现从低层级任务到整体项目工期的不确定性传播。

提出的方法

• 该框架采用蒙特卡洛模拟，将单个任务工作量估算中的不确定性传播至总项目工期。
• 使用概率分布对工作量估算进行建模，以表示不确定性，而非单一数值估算。
• 历史项目数据存储在数据库中，用于提供先验分布并提高估算准确性。
• 该方法支持在项目生命周期内动态更新，以反映新信息的获取。
• 通过重复模拟运行计算不确定性传播，生成可能的项目完成时间分布。
• 该框架设计为可扩展且可适应不同项目类型和估算粒度。

实验结果

研究问题

• RQ1 如何有效建模并传播软件项目工作量估算中的不确定性，贯穿整个项目生命周期？
• RQ2 历史项目数据在多大程度上能提升概率性工作量估算的准确性？
• RQ3 蒙特卡洛模拟能否有效量化软件项目工期超期的风险？
• RQ4 项目经理如何利用概率估算在项目规划和执行过程中做出更明智的决策？
• RQ5 哪些机制能够实现项目知识的积累与重用，以增强估算的可靠性？

主要发现

• 该框架成功利用概率性工作量估算和蒙特卡洛模拟，对软件项目工期的不确定性进行了建模。
• 使用模拟数据的初步结果显示，该方法能够生成现实的项目完成时间分布。
• 历史项目数据的整合随着时间推移提高了工作量估算的现实性和准确性。
• 该方法使项目经理能够通过概率置信区间评估达成进度目标的可能性。
• 该框架支持在新项目数据可用时对估算结果进行迭代优化。
• 该方法提供了一种可扩展且灵活的不确定性管理机制，适用于多样化的软件开发场景。