การวัดและแบบจำลอง
แบบจำลองมีประโยชน์สำหรับการตีความพฤติกรรมขององค์ประกอบตัวเลขของเอนทิตีในโลกแห่งความเป็นจริงและการวัดผล เพื่อช่วยในกระบวนการวัดผลโมเดลของการทำแผนที่ควรเสริมด้วยแบบจำลองของโดเมนการแมป โมเดลควรระบุด้วยว่าเอนทิตีเหล่านี้เกี่ยวข้องกับแอ็ตทริบิวต์อย่างไรและมีความสัมพันธ์กันอย่างไร
การวัดมีสองประเภท -
- การวัดโดยตรง
- การวัดทางอ้อม
การวัดโดยตรง
นี่คือการวัดที่สามารถวัดได้โดยไม่ต้องเกี่ยวข้องกับเอนทิตีหรือแอตทริบิวต์อื่นใด
มาตรการทางตรงต่อไปนี้มักใช้ในวิศวกรรมซอฟต์แวร์
- ความยาวของซอร์สโค้ดโดย LOC
- ระยะเวลาในการทดสอบตามเวลาที่ผ่านไป
- จำนวนข้อบกพร่องที่ค้นพบในระหว่างกระบวนการทดสอบโดยการนับข้อบกพร่อง
- เวลาที่โปรแกรมเมอร์ใช้กับโปรแกรม
การวัดทางอ้อม
นี่คือการวัดที่สามารถวัดได้ในรูปของเอนทิตีหรือแอตทริบิวต์อื่น ๆ
มาตรการทางอ้อมต่อไปนี้มักใช้ในวิศวกรรมซอฟต์แวร์
$$ \ small Programmer \: Productivity = \ frac {LOC \: produce} {Person \: months \: of \: effort} $$
$ \ small Module \: Defect \: Density = \ frac {Number \: of \: deficiency} {Module \: size} $
$$ \ small Defect \: Detection \: Efficiency = \ frac {Number \: of \: Defect \: detect} {Total \: number \: of \: Defect} $$
$ \ small Requirement \: Stability = \ frac {Number \: of \: initial \: requirements} {Total \: number \: of \: requirements} $
$ \ small Test \: Effectiveness \: Ratio = \ frac {Number \: of \: items \: covered} {Total \: number \: of \: items} $
$ \ small System \: spoilage = \ frac {Effort \: spend \: for \: fixing \: faults} {Total \: project \: effort} $
การวัดผลเพื่อการทำนาย
ในการจัดสรรทรัพยากรที่เหมาะสมให้กับโครงการเราจำเป็นต้องคาดการณ์ความพยายามเวลาและต้นทุนในการพัฒนาโครงการ การวัดผลสำหรับการทำนายจำเป็นต้องใช้แบบจำลองทางคณิตศาสตร์ที่เกี่ยวข้องกับแอตทริบิวต์ที่จะทำนายกับแอตทริบิวต์อื่น ๆ ที่เราสามารถวัดได้ในขณะนี้ ดังนั้นระบบการทำนายจึงประกอบด้วยแบบจำลองทางคณิตศาสตร์ร่วมกับชุดของขั้นตอนการทำนายเพื่อกำหนดพารามิเตอร์ที่ไม่รู้จักและตีความผลลัพธ์