Tema2y3VRI I

MTODOS DE ESTIMACIN Y GESTIN DEL RIESGO
1. Introduccin 2. Precisin y exactitud de las estimaciones 3. Principios de estimacin 4. Estimacin de costes

4.1. Tcnicas de estimacin 4.2. Curva de aprendizaje
Temas 2 y 3
Administracin de proyectos Informticos
5. Modelos de coste y esfuerzo

5.1. Modelos de regresin 5.2. Modelo de Bailey-Basili 5.3. Modelo COCOMO 5.4. Modelo SLIM de Putnam
6. Las estimaciones en el CMM 7. Gestin de riesgos

7.1. Definicin y clasificacin 7.2. Actividades 7.3. Estimacin de riesgos 7.4. Control de riesgos 7.5. Los riesgos en el modelo COCOMO
Mtodos de estimacin y gestin del riesgo 1
1. Introduccin
Una estimacin es la prediccin ms optimista con una probabilidad distinta de cero de ser cierta. Una estimacin es una prediccin que tiene la misma probabilidad de estar por encima o por debajo del valor actual. (Tom DeMarco, 1982)
z
Los objetivos de la estimacin de proyectos son reducir los costes e incrementar los niveles de servicio y de calidad. Midiendo determinados aspectos del proceso de software se puede tener una visin de alto nivel de lo que suceder durante el desarrollo.
Las mediciones de procesos anteriores permiten realizar predicciones sobre los actuales. Las mediciones de atributos de proceso en fases iniciales del desarrollo permiten realizar predicciones sobre fases posteriores.
Las predicciones de proceso conducen la toma de decisiones antes del comienzo del desarrollo, durante el proceso de desarrollo, durante la transicin del producto al cliente y a lo largo de la fase de mantenimiento.
Introduccin
La figura siguiente muestra algunas de las predicciones que pueden ser tiles a lo largo del ciclo de vida.
Viabilidad Viabilidad Requisitos Requisitos Diseo Diseo Codificacin Codificacin Prueba/entrega Prueba/entrega Mantenimiento Mantenimiento
Anlisis Anlisisdel delcoste/beneficio coste/beneficio Esfuerzo/planificacin/ Esfuerzo/planificacin/ prediccin prediccinde dela lacalidad calidad Potencial Potencialde dereutilizacin reutilizacin Estimacin Estimacindel deltamao tamao tamao tamao/planificacin/ /planificacin/ prediccin prediccinde dela lacalidad calidad Prediccin Prediccindel del esfuerzo de prueba esfuerzo de prueba Predicciones Prediccionesde definalizacin finalizacin de las pruebas de las pruebas Predicciones Prediccionesde de calidad/fiabilidad calidad/fiabilidad
Figura 1. Predicciones necesarias durante el ciclo de vida
2. Precisin y exactitud de las estimaciones

La precisin hace referencia al nmero de cifras significativas que tiene una medida. La exactitud se refiere a la cercana de una medida a su objetivo. Una prediccin es til si tiene una exactitud razonable. En la estimacin del software una precisin errnea es el peor enemigo de la exactitud. Es preferible expresar las estimaciones como un rango que como un nmero simple. Ejemplo: se desea estimar el tiempo necesario para finalizar un proyecto con un conjunto dado de requisitos y se dispone de datos de tiempo de finalizacin de un gran nmero de proyectos con los mismos requisitos.
Se puede representar la funcin de densidad de probabilidad para el tiempo de finalizacin t (figura 2). La probabilidad de que un proyecto de las mismas caractersticas se complete en un intervalo de tiempo [t1,t2] es el rea bajo la curva entre t1 y t2. La probabilidad solo puede determinarse para un intervalo determinado. Para un valor de tiempo concreto el rea bajo la curva sera cero.
z z
Precisin y exactitud de las estimaciones

z
Una estimacin se define como la mediana de la distribucin. La estimacin debe entenderse como el centro de un intervalo que se expresa mediante tres valores:
El valor ms probable: mediana de la distribucin Los lmites superior e inferior del valor: intervalos de confianza.
Mediana 0,15 0,1 0,05 0 0 4 8 12 16 20 24 Tiempo (meses)

Figura 2. Representacin de la funcin de densidad de probabilidad
Precisin y exactitud de las estimaciones

z
Evaluacin de la exactitud de la estimacin: comparacin de los valores actuales con los valores estimados.
Error relativo de la estimacin: RE = (A - E) /A donde A: valor actual E: valor estimado
n
Error relativo medio: RE = (1/n) REi

i=1
Magnitud del error: MRE = valor absoluto de RE Magnitud media del error relativo:
n
MRE = (1/n) MREi

i=1
Calidad de la prediccin para un conjunto de n proyectos, de los cuales k es el nmero de proyectos cuya magnitud media del error relativo es menor o igual a q: PRED(q) = k / n DeMarco sugiere el uso de un factor de la calidad de la estimacin: las estimaciones se realizan repetidamente a lo largo del proyecto a medida que se va obteniendo ms informacin.
3. Principios de la estimacin
z
Aplicar la cantidad de recursos correcta para crear y refinar las estimaciones. Para determinar el nivel de detalle hay que considerar:
La magnitud del proyecto Riesgo de las estimaciones inexactas Incertidumbres del proyecto
La estimacin de recursos requerida para un escenario dado no puede cambiarse arbitrariamente. Las caractersticas que afectan a la precisin requerida de la estimacin pueden ser:
Riesgo inherente al proyecto Fiabilidad de la informacin usada Efectividad del proceso de estimacin
Reestimar con frecuencia. A medida que evoluciona el proyecto se dispone de ms informacin que confirmar o refutar las estimaciones originales. Esa informacin servir de base para realizar estimaciones ms exactas del resto del proyecto.
4. Estimacin de costes
z
La estimacin de costes implica la realizacin de predicciones sobre la cantidad ms probable de esfuerzo, tiempo y niveles de personal que se requieren para construir un sistema de software. Las estimaciones de coste se realizan a lo largo de todo el ciclo de vida.
Las estimaciones preliminares: Se requieren para hacer una oferta o determinar la viabilidad de un proyecto Son las ms difciles de hacer y las menos exactas Se realizan estimaciones gruesas del esfuerzo y se divide el esfuerzo total por actividades. Las estimaciones ms detalladas: Se requieren cuando ha comenzado el proyecto para realizar la planificacin El esfuerzo y duracin de tareas individuales se compara con los valores estimados. Peridicamente se se realizan reestimaciones y se reasignan recursos si fuese necesario.
Estimacin de costes 4.1. Tcnicas de estimacin

z
Opinin de expertos:
Un desarrollador o gestor describe los parmetros del proyecto y los expertos hacen estimaciones basadas en su experiencia.
Analoga:
Enfoque ms formal de la opinin de expertos. Los expertos comparan el proyecto propuesto con uno o ms proyectos anteriores intentando encontrar similitudes y diferencias particulares.
Descomposicin:
Anlisis minucioso de las caractersticas que afectan al coste del proyecto. El anlisis se centra en los productos o en las tareas que se requieren para construirlos. Las estimaciones se hacen sobre cada componente en que se descompone el software o sobre tareas de bajo nivel en que se descomponen las tareas. Las estimaciones de bajo nivel se combinan para producir una estimacin del proyecto completo.
Modelos:
Tcnicas que identifican los factores clave que contribuyen al esfuerzo y generan una frmula matemtica que relaciona esos factores con el esfuerzo. Los modelos se basan normalmente en experiencias pasadas.
Estimacin de costes 4.2. Curva de aprendizaje

El mtodo de la curva de aprendizaje se utiliza para determinar el tiempo que se tardar en empezar a producir y el coste por unidad de salida.
z
Se basa en la teora que dice que los individuos aprenden de la experiencia por repeticin de la misma operacin un nmero determinado de veces. El incremento de la eficiencia tiende a estabilizarse con el tiempo. En problemas asociados con la planificacin del proyecto se puede aplicar el enfoque de la curva de aprendizaje para encontrar el esfuerzo requerido para el entrenamiento del personal durante un periodo de tiempo. Se pueden aplicar dos modelos:
Aprendizaje constante: se supone que el incremento de la eficiencia es constante. Esto supone que no hay lmite en dicho aumento. Aprendizaje acelerado: se supone que el incremento en la eficiencia es ms rpido al principio y tiende a descender lentamente hasta alcanzar un lmite en la mejora de la eficiencia.
Estimacin de costes Curva de aprendizaje

Modelo 1: Aprendizaje constante z Se asume que el incremento en la eficiencia es constante, por tanto el tiempo se reduce linealmente cada vez que se repite una operacin segn la relacin: y=b-ax si c es el tiempo que se requiere para realizar la primera operacin, entonces b = c + a. z El tiempo necesario para realizar todas las operaciones (n) ser: n [(c + a) - a x ]dx = (c + a) n - (a n2 )/ 2
0 z
Ejemplo:
Una empresa se est preparando para introducir una nueva herramienta sobre la que se han realizado las siguientes suposiciones:
N de caractersticas: 45 Tiempo inicial de entrenamiento por caracterstica: 3 minutos Porcentaje de mejora en cada operacin = 5% del tiempo inicial Nmero de operaciones totales = 10
c = 3 * 45 = 135 minutos a = 135 * 0.05 = 6.75 minutos tiempo total = (135+6.75) 10 - 6.75 (10)2/2= 1080 minutos
Estimacin de costes Curva de aprendizaje

Modelo 2: Aprendizaje acelerado
z
Se asume que el incremento en la eficiencia es ms rpido al principio, tendiendo despus a estabilizarse obedeciendo a la expresin: y = a xb El tiempo necesario para realizar n operaciones ser:
a xbdx = (a n b+1)/ (b+1)

0 z
La funcin exponencial se puede transformar en una funcin lineal de la forma: log y = log a + b (log x)
donde: a = tiempo de la primera operacin |b| = ndice de mejora n = nmero de operaciones
5. Modelos de coste y esfuerzo

z
Hay dos tipos de modelos que se utilizan para estimar el esfuerzo:

Modelos de coste: proporcionan estimaciones directas del esfuerzo o la duracin del proyecto. Estn basados en datos empricos reflejados en factores que contribuyen al coste total. Tienen una entrada primaria (generalmente una medida del tamao del producto) y varios factores de ajuste secundarios denominados generalmente guas de coste. El modelo COCOMO es un modelo emprico de coste. Modelos restrictivos: Demuestran la relacin con el tiempo entre dos o ms parmetros de esfuerzo, duracin o nivel de personal. La curva de Rayleigh se usa en modelos de este tipo como base de la relacin entre esfuerzo y tiempo.
Modelos de coste y esfuerzo 5.1. Modelos de regresin

z
Los primeros intentos de construccin de modelos de coste usaban tcnicas de regresin. Examinando las relaciones entre atributos medidos en muchos proyectos anteriores se construye una ecuacin que relacione algunos factores. Una vez que se ha definido la ecuacin base la estimacin puede ajustarse mediante otros factores secundarios. Una ecuacin de este tipo es la que relaciona el esfuerzo con el tamao del producto: E = a Sb La funcin exponencial puede transformarse en una funcin lineal: log E = log a + b logS
6 5 4 3 2 1 0 0 2 log S
Figura 2. Representacin de la funcin de densidad de probabilidad Mtodos de estimacin y gestin del riesgo 14
log E
Modelos de coste y esfuerzo Modelos de regresin

z
El siguiente paso es identificar los factores que causan variacin entre el esfuerzo actual y el estimado. El anlisis de esos factores puede ayudar a identificar parmetros adicionales que se aaden al modelo como guas de coste. A cada uno de los factores se les asigna un peso tomando como base el juicio de expertos y datos empricos. Los factores ponderados se aplican a la ecuacin del esfuerzo de la forma: E = (a Sb) F donde F es el factor de ajuste del esfuerzo calculado como el producto del valor de las guas de coste.
El clculo de F slo es vlido cuando los factores individuales son independientes. Dos modelos que utilizan este enfoque son:
El modelo COCOMO original en sus versiones intermedia y avanzada. El modelo de Bailey-Basili.
Modelos de coste y esfuerzo 5.2. Modelo de Bailey-Basili

z
Bailey y Basili sugirieron una tcnica para obtener un modelo de coste a partir de sus propios datos (Bailey y Basili, 1981). La ecuacin del esfuerzo obtenida a partir de 18 grandes proyectos es: E = 5.5 + 0.63 S1.16 La ecuacin se ajusta mediante un factor de ajuste del esfuerzo calculado a partir de los atributos de la tabla siguiente.
A cada entrada en la tabla se le da una puntuacin de 0 a 5. Los valores obtenidos se usan para ajustar la ecuacin: Ajuste del esfuerzo = a METH + b CPLX + c EXP + d
Metodologa (METH) Complejidad acumulada (CPLX)
Complejidad de la interfaz de usuario Complejidad de la aplicacin Complejidad del flujo de programa Complejidad de comunicacin interna Complejidad de la base de datos Complejidad de la comunicacin externa Cambios en el diseo solicitados por el usuario
Experiencia acumulada (EXP)

Cualificacin del programador Experiencia del programador con la mquina. Experiencia del programador en el lenguaje Experiencia del programador en la aplicacin Experiencia del equipo
Diagramas de rboles Diseo top-down Documentacin formal Equipos con programador jefe Entrenamiento formal Formalismos de diseo Lectura de cdigo Carpetas de desarrollo de unidad Planes de prueba formales
Modelos de coste y esfuerzo 5.3. Modelo COCOMO

z
El modelo COCOMO (COnstructive COst MOdel) fue propuesto por Boehm (Boehm, 1981) y revisado posteriormente dando lugar a la versin COCOMO 2.0 (Boehm et al., 1995).
Modelo COCOMO original (I)

z
Se puede considerar como una coleccin de tres modelos:

Bsico: clculo del esfuerzo en funcin del tamao (LDC). Intermedio: clculo del esfuerzo en funcin del tamao y de guas de coste. Avanzado: Modificacin del modelo intermedio para considerar el impacto de las guas de coste en cada fase.
Estn definidos para tres tipos de proyectos:

Modo orgnico: proyectos pequeos, mucha experiencia, pocas restricciones. Modo semiacoplado: proyectos intermedios, varios niveles de experiencia, requisitos poco y medio rgidos. Modo empotrado: proyectos complejos y muy restrictivos.
Modelos de coste y esfuerzo Modelo COCOMO

Modelo COCOMO original (II)
z
Modelo bsico: E = a (KDSI)b

DSI: Delivered Source Instructions
Modelo Intermedio: E = a (KDSI)b F

F: factor de ajuste El factor de ajuste se calcula considerando 15 factores o guas de coste que se agrupan en cuatro categoras: Atributos del producto (3) Atributos computacionales (5) Atributos de personal (4) Atributos del proceso (3) Cada factor se sita en una escala de seis valores que va de muy bajo a extra alto. A los valores bajos se le asocia un multiplicador menor que 1, a los medios 1 y a los valores altos mayor que 1.
Proyecto de software
Orgnico Semiacoplado Empotrado
a
2,4 3,0 3,6
b
1,05 1,12 1,20

Modelo COCOMO original (III)
z
Duracin del proyecto.

Para estimar la duracin se usa un modelo de restriccin que predice el tiempo a partir del esfuerzo:
D = a (E)b
D: duracin en meses E: esfuerzo en meses-persona El coeficiente a y el exponente b dependen del modelo de desarrollo, como puede observarse en la tabla siguiente:
Proyecto de software
Orgnico Semiacoplado Empotrado
a
2,5 2,5 2,5
b
0.38 0.35 0.32
La ecuacin proporciona la estimacin ptima de la duracin del proyecto para un esfuerzo determinado. Una gua de coste valora el efecto de reducir o incrementar artificialmente el proyecto respecto al valor ptimo.

Modelo COCOMO 2.0
z
En la nueva versin se propone un modelo para cada una de las principales etapas del proyecto:
Aplicacin: Se usa para prototipos construidos para reducir riesgos. Deben incluir interfaces de usuario, bases de datos, generadores de informes, herramientas de productividad, etc. Utiliza como entrada la estimacin del tamao en puntos objeto. Diseo inicial: Se usa en etapas de exploracin de arquitecturas alternativas. Se aceptan lneas de cdigo como estimacin del tamao aunque el modelo est enfocado al uso de puntos de funcin Pos-arquitectura: Se puede aplicar cuando ha comenzado el desarrollo. Se pueden usar con ms seguridad lneas de cdigo para estimar el tamao Se usan ms parmetros para ajustar el esfuerzo

Modelo COCOMO 2.0 (II)
z
Estimacin del esfuerzo de desarrollo (I)

Las estimaciones del esfuerzo en meses-persona (PM) se obtienen a partir del tamao del software dado en lneas de cdigo fuente (SLOC) o puntos de funcin (PFU). La ecuacin bsica es la siguiente:
PMNOMINAL = A (tamao)B
A: constante usada para capturar los efectos multiplicadores del esfuerzo con el incremento del tamao del proyecto B: Factor de escala B = 1.01 + 0.001 wi Factores de escala wi: Falta de precedentes (PREC) Flexibilidad del desarrollo (FLEX) Arquitectura/resolucin de riesgo (RESL) Cohesin del equipo (TEAM) Madurez del proceso (PMAT).

Modelo COCOMO 2.0 (III)
z
Estimacin del esfuerzo de desarrollo (II)

Se usa un porcentaje de rotura (BRAK) para ajustar el tamao efectivo del producto. Representa el porcentaje de cdigo inservible debido a la volatilidad de los requisitos. Tambin se ajusta el tamao debido a la reutilizacin. La cantidad de software que debe adaptarse (ASLOC) se estima mediante una ecuacin no lineal y los parmetros: Porcentaje de diseo modificado (DM) de cdigo modificado (CM) de modificacin del esfuerzo de integracin (IM) Incremento de comprensin de software (SU). Depende de la estructura y claridad de la aplicacin. Grado de valoracin y asimilacin(AA) necesario para determinar si un mdulo reutilizado es apropiado. Falta de familiaridad del programador (UNFM) Parmetros de conversin y reingeniera. Las guas de coste se utilizan para ajustar el esfuerzo en funcin de algunas caractersticas del desarrollo. El peso de cada gua de coste se denomina multiplicador del esfuerzo (EM): PMAJUSTADO = PMNOMINAL ( EMi)

Modelo COCOMO 2.0 (IV)
z
Estimacin del esfuerzo de desarrollo (III)

El modelo de diseo inicial tiene 7 multiplicadores del esfuerzo: Capacidad del personal (PERS) Fiabilidad y complejidad del producto (RCPX) Reutilizacin requerida (RUSE) Dificultad de la plataforma (PDIF) Experiencia del personal (PREX) Facilidades (FCIL) Calendario (SCED) En el modelo pos-arquitectura cada uno de los anteriores se divide en varios obtenindose 17 multiplicadores.

Modelo COCOMO 2.0 (V)
z
Estimacin del esfuerzo de desarrollo (IV)

ECUACIONES DEL MODELO DE DISEO INICIAL

Modelo COCOMO 2.0 (VI)
z
Estimacin del esfuerzo de desarrollo (V)

ECUACIONES DEL MODELO DE POS-ARQUITECTURA

Modelo COCOMO 2.0 (VII)
z
Estimacin del esfuerzo de desarrollo (VI)

Tabla de smbolos:

Modelo COCOMO 2.0 (VIII)
z
Estimacin del calendario

El modelo proporciona una estimacin del tiempo en meses (TDEV) desde la determinacin de los requisitos de un producto hasta la aceptacin y certificacin de que el sistema desarrollado cumple con los requisitos.
ECUACIONES:
Tabla de smbolos:
Modelos de coste y esfuerzo 5.4. Modelo SLIM

z
Putnam desarroll un modelo de estimacin del esfuerzo total y del tiempo de finalizacin para proyectos muy grandes (Putnam, 1978). Las ecuaciones bsicas se pueden ajustar para pequeos proyectos. El modelo asume que el esfuerzo para proyectos de desarrollo de software se distribuye de forma similar a una coleccin de curvas de Rayleigh, una para cada actividad del desarrollo (figura 3). La especificacin de requisitos no se incluye en el modelo
Figura 3. Curvas de Rayleigh Mtodos de estimacin y gestin del riesgo 28
Modelos de coste y esfuerzo Modelo SLIM

z
A partir de la frmula bsica de la curva de Rayleigh, Putnam us observaciones empricas sobre la productividad para obtener su ecuacin de software : Tamao = C K 1/3 td4/3
C: factor de tecnologa K: esfuerzo total medido en aos-persona
td: tiempo de finalizacin del proyecto medido en aos.

La ecuacin permite valorar el efecto de modificar el tiempo de entrega y el esfuerzo total necesario para completar el proyecto.
z
Putnam propone otra ecuacin para estimar el tiempo o la duracin: D0 = K / td3

D0: Constante denominada aceleracin de mano de obra
Combinando las ecuaciones anteriores se obtiene: K = (S/C)9/7 D04/7
El modelo SLIM usa curvas diferentes para distintas fases del ciclo de vida.
6. Las estimaciones en el CMM

z
Segn el modelo CMM (Capability Maturity Model) propuesto por el SEI (Software Engineering Institute)[Paulk et al., 1993], la maduracin del proceso de Software dentro de una organizacin mejorar la predictabilidad y controlabilidad. El modelo establece cinco niveles:
Nivel 1. Inicial: se caracteriza porque la calidad, coste y calendario son impredecibles. Nivel 2. Repetible: Calidad, coste y calendario desiguales. En este nivel se empiezan a sentar las bases para futuras mejoras como puede ser la estimacin. Nivel 3. Definido: Se realizan estimaciones fiables de coste y calendario pero la calidad es impredecible. Nivel 4. Gestionado: caracterizado por un control estadstico de la calidad. Nivel 5. Optimizacin: Se dispone de una base cuantitativa para la mejora de procesos y la automatizacin.
7. Gestin de riesgos 7.1. Definicin y clasificacin

Los objetivos de la gestin de riesgos son identificar, dirigir y eliminar las fuentes de riesgo antes de que empiecen a afectar a la finalizacin satisfactoria de un proyecto software.
z
El riesgo siempre implica dos caractersticas:

Incertidumbre: el acontecimiento que caracteriza al riesgo puede o no puede ocurrir. Prdida: si el riesgo se convierte en una realidad, ocurrirn consecuencias no deseadas o prdidas.
Para cuantificar el nivel de incertidumbre y el grado de prdidas asociado con cada riesgo se consideran diferentes categoras de riesgos:
Riesgos del proyecto: Afectan a la planificacin temporal y al coste del proyecto. Identifican problemas potenciales de presupuesto, calendario, personal, recursos ... Riesgos tcnicos: Amenazan la calidad y la planificacin temporal del software que hay que producir. Identifican posibles problemas de diseo, implementacin, interfaz, verificacin y mantenimiento.
Gestin de riesgos Definicin y clasificacin

Riesgos del negocio: Amenazan la viabilidad del software. Los principales riesgos de negocio son:

riesgo de mercado riesgo estratgico riesgo de ventas riesgo de direccin riesgo de presupuesto
Se puede hacer otra categorizacin de los riesgos en funcin de su facilidad de deteccin [Charette, 1989] :
Riesgos conocidos: son aquellos que se pueden predecir despus de una evaluacin del plan del proyecto, del entorno tcnico y otras fuentes de informacin fiables. Riesgos predecibles: se extrapolan de la experiencia de proyectos anteriores. Riesgos impredecibles: pueden ocurrir, pero extremadamente difcil identificarlos por adelantado. es
Gestin de riesgos 7.2. Actividades

z
La gestin continuada de los riesgos permite aumentar su eficiencia [Rosenberg, et al., 2000]:
Evaluar continuamente lo que pueda ir mal Determinar qu riesgos son importantes Implementar estrategias para resolverlos Asegurar la eficacia de las estrategias
Elementos de la gestin de riesgos:

Estimacin de riesgos: Identificacin de riesgos: lista de riesgos capaces de romper la planificacin del proyecto. Anlisis de riesgo: medicin de la probabilidad y el impacto de cada riesgo, y los niveles de riesgo de los mtodos alternativos. Priorizacin de riesgos: lista de riesgos ordenados por su impacto. Control de riesgos: Planificacin de la gestin de riesgos: plan para tratar cada riesgo significativo. Resolucin de riesgos: ejecucin del plan. Monitorizacin de riesgos: comprobacin del progreso del control de un riesgo e identificacin de la aparicin de nuevos riesgos.
Gestin de riesgos 7.3. Estimacin de riesgos Identificacin de riesgos

z
Constituye un intento sistemtico para especificar las amenazas al plan del proyecto. Las incertidumbres sobre diferentes caractersticas del proyecto se transforman en riesgos que pueden ser descritos y medidos. Un mtodo para identificar los riesgos es crear una lista de comprobacin de elementos de riesgo que debe contener dos categoras de riesgos:
Riesgos especficos del producto: para identificarlos se examina el plan del proyecto y la declaracin del mbito del software. Riesgos genricos: Son comunes a todos los proyectos de software. Para identificarlos se crean las siguientes subcategoras: Tamao del producto Impacto en el negocio Caractersticas del cliente Definicin del proceso Entorno de desarrollo Tecnologa a construir Tamao y experiencia de la plantilla.
Gestin de riesgos Estimacin de riesgos Anlisis de riesgos

z
Es el proceso de examinar los riesgos en detalle para determinar su extensin, sus interrelaciones y su importancia. Las actividades bsicas son:
Evaluacin: mejor comprensin del riesgo. Se cuantifican los siguientes conceptos: Impacto: prdida que ocasiona el riesgo. Probabilidad: probabilidad de que ocurra el riesgo. Marco de tiempo: periodo de tiempo posible mitigar el riesgo. en el que es
Clasificacin: se clasifican los riesgos para entender su naturaleza y elaborar planes de mitigacin.
ATRIBUTO
Impacto
VALOR
Catastrfico Crtico Marginal Muy probable Probable Improbable Corto plazo Medio plazo Largo plazo
DESCRIPCIN
Prdida del sistema. Coste >50% Recuperacin de la capacidad operativa Coste > 10% (<50%) Coste < 10% > 70% Entre 30% y 70% <30% 30 das 1 a 4 meses Ms de 4 meses
Probabilidad
Marco de tiempo
Gestin de riesgos Estimacin de riesgos Priorizacin de riesgos

z
Es el proceso de ordenar los riesgos en funcin de su importancia para determinar cuales se deben solucionar antes y a cuales hay que asignarle ms recursos. Los riesgos pueden ordenarse segn la magnitud de la exposicin al riesgo [Knsl, 1997]:
Exposicin al riesgo = f (magnitud del impacto, probabilidad)
La asignacin de prioridades se realizar en el orden resultante del paso anterior. Hay que considerar la posibilidad de priorizar grupos de riesgos encadenados. La asignacin de prioridades depende de la precisin y exactitud de las estimaciones de la magnitud del impacto y de la probabilidad del riesgo. Las condiciones y prioridades pueden cambiar a lo largo del proyecto por lo que el anlisis y asignacin de prioridades debe realizarse de manera continuada aprovechando la informacin disponible en cada momento.
Gestin de riesgos 7.4. Control de riesgos Planificacin de la gestin de riesgos

z
Consiste en la elaboracin de un plan que controle cada uno de los riesgos de prioridad alta identificados en etapas anteriores. Hay que considerar cuatro opciones:
Investigar: establecer un plan para investigar el riesgo. Aceptar: decidir aceptar el riesgo documentar las razones. Observar: controlar las condiciones del riesgo para obtener indicaciones de cambio en la probabilidad o el impacto. Mitigar: reasignar recursos e indicar acciones a realizar Para reducir la probabilidad o el impacto potencial de los riesgos.
Resolucin de riesgos
z
Mediante el proceso de resolucin de riesgos se pone en prctica el plan elaborado en la etapa anterior. Algunos de los mtodos usados para tratar el riesgo son:
Evitar el riesgo Trasladarlo a otra parte del sistema Eliminar el origen del riesgo Informar sobre el riesgo controlar el riesgo ...
Gestin de riesgos Control de riesgos Monitorizacin de riesgos

z
El objetivo de la monitorizacin es la toma de decisiones efectivas, documentadas y a tiempo mediante la observacin de los riesgos y de los planes de mitigacin. Se necesita conocer cuando o donde se produce un cambio significativo en los atributos y la efectividad de los planes de mitigacin. Las formas de proceder son las siguientes:
Replanificar: se requiere un plan nuevo o modificado cuando se excede un valor umbral. Cerrar el riesgo: la probabilidad del riesgo es inferior al valor umbral o el riesgo se convierte en un problema que se resuelve. Invocar un plan de contingencia: se ha activado un disparador o se necesita realizar una accin. Continuar con el plan actual: no se requiere ninguna accin adicional porque todo est sucediendo como estaba previsto.
El control es un punto crucial en la toma de decisiones sobre el proyecto.
Gestin de riesgos 7.5. Los riesgos en el modelo COCOMO

z
El el modelo COCOMO el riesgo para cada mdulo se calcula sumando los riesgos parciales:
Riesgo de planificacin Riesgo de personal Riesgo del producto Riesgo del proceso Riesgo de la plataforma Riesgo de reutilizacin Los riesgos anteriores se obtienen a partir de las guas de coste.
El riesgo tambin se contempla en los factores de escala:
BIBLIOGRAFA
Bailey, J.W. And Basili, V.R., A meta-model for software development resource expenditure, Proc. 5th International Conference on Software Engineering, IEEE Computer Society Press, 189-97, 1981. Boehm, B.W., Software Risk Management, IEEE-CS Press, 1989. Boehm, B.W., Software Engineering Economics, Prentice Hall, Englewood Cliffs, NJ, 1981. Boehm, B.W., Software Risk Management:Principles and practices, IEEE Software, 32-41, enero 1991. Boehm, B.W., Clark, B., Horowitz, E. Et al., Cost models for future life cycle processes: COCOMO 2.0, Annals of Software Engineering 1(1), 1-24, 1995. Burnett, K., The project management paradigm, Springer-Verlag, 1998. Charette, R., Softwae Engineering Risk analysis and management, McGraw-Hill, 1989 DeMarco, T., Controlling Software Projects, Yourdon Press, 1982. Fenton, N.E. y Pfleeger, S.L., Software metrics. A rigorous & practical approach , 1997. Knsl, K., Integrating Risk Assessment with Cost Estimation, IEEE Software, 14 (3) 61-67, enero 1997. McConnell, S., Desarrollo y gestin de proyectos informticos, Mc Graw Hill 1997. Paulk, M. et al., Capability Maturity Model for Software, Software Engineering Institute, Carnie Mellon University, Pittsburgh, P.A., 1993. Pressman, R.S., Ingeniera del Software, un enfoque prctico, Mc Graw Hill, 1998. Putnam, L.H., A general empirical solution to the macrosoftware sizing and estimating problem, IEEE Transaction on Software Engineering,4(4), 345-61 1978. Rosenberg, L.H., Gallo, A., Hammer, T. And Parolek, F., Continuing risk management at NASA, CrossTalk, 13 (2),7-11, 2000

Tema2y3VRI I

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tema2y3VRI I

Uploaded by

Copyright:

Available Formats

MTODOS DE ESTIMACIN Y GESTIN DEL RIESGO

1. Introduccin 2. Precisin y exactitud de las estimaciones 3. Principios de estimacin 4. Estimacin de costes

Administracin de proyectos Informticos

5. Modelos de coste y esfuerzo

6. Las estimaciones en el CMM 7. Gestin de riesgos

Mtodos de estimacin y gestin del riesgo 1

Administracin de proyectos Informticos

Administracin de proyectos Informticos

Figura 1. Predicciones necesarias durante el ciclo de vida

Mtodos de estimacin y gestin del riesgo 3

Administracin de proyectos Informticos

2. Precisin y exactitud de las estimaciones

Mtodos de estimacin y gestin del riesgo 4

Administracin de proyectos Informticos

Precisin y exactitud de las estimaciones

Mediana 0,15 0,1 0,05 0 0 4 8 12 16 20 24 Tiempo (meses)

Mtodos de estimacin y gestin del riesgo 5

Administracin de proyectos Informticos

Precisin y exactitud de las estimaciones

Error relativo medio: RE = (1/n) REi

MRE = (1/n) MREi

Administracin de proyectos Informticos

Mtodos de estimacin y gestin del riesgo 7

Administracin de proyectos Informticos

Mtodos de estimacin y gestin del riesgo 8

Administracin de proyectos Informticos

Estimacin de costes 4.1. Tcnicas de estimacin

Administracin de proyectos Informticos

Estimacin de costes 4.2. Curva de aprendizaje

Mtodos de estimacin y gestin del riesgo 10

Administracin de proyectos Informticos

Estimacin de costes Curva de aprendizaje

Administracin de proyectos Informticos

Estimacin de costes Curva de aprendizaje

a xbdx = (a n b+1)/ (b+1)

Mtodos de estimacin y gestin del riesgo 12

Administracin de proyectos Informticos

5. Modelos de coste y esfuerzo

Hay dos tipos de modelos que se utilizan para estimar el esfuerzo:

Mtodos de estimacin y gestin del riesgo 13

Administracin de proyectos Informticos

Modelos de coste y esfuerzo 5.1. Modelos de regresin

Administracin de proyectos Informticos

Modelos de coste y esfuerzo Modelos de regresin

Mtodos de estimacin y gestin del riesgo 15

Administracin de proyectos Informticos

Modelos de coste y esfuerzo 5.2. Modelo de Bailey-Basili

Experiencia acumulada (EXP)

Mtodos de estimacin y gestin del riesgo 16

Administracin de proyectos Informticos

Modelos de coste y esfuerzo 5.3. Modelo COCOMO

Modelo COCOMO original (I)

Se puede considerar como una coleccin de tres modelos:

Estn definidos para tres tipos de proyectos:

Mtodos de estimacin y gestin del riesgo 17

Administracin de proyectos Informticos

Modelos de coste y esfuerzo Modelo COCOMO

Modelo bsico: E = a (KDSI)b

Modelo Intermedio: E = a (KDSI)b F

Mtodos de estimacin y gestin del riesgo 18

Administracin de proyectos Informticos

Modelos de coste y esfuerzo Modelo COCOMO

Duracin del proyecto.

Mtodos de estimacin y gestin del riesgo 19