Yapay sinir ağları ve K-MEANS kullanarak sınır değerlerine göre yazılım efor tahmini

Abstract

Efor tahmini, yazılım proje yönetiminde, projenin ihtiyaç duyduğu kaynakların belirlenmesinde kullanılan yöntemlerdendir. Proje için gereken adam/zaman değeri hesaplanır ve proje planı bu bilgiler göz önünde bulundurularak yapılır. Efor tahmini için çeşitli yöntemler vardır. En bilinen yöntemlerden biri COCOMO adındaki parametrik modeldir. Esasında bir hesaplama fonksiyonu olan modelde, parametreler proje ve yazılım ortamı ile ilgili değerlendirme niteliklerine atanmış kategorik ifadelerin sayısal karşılığı olan değerlerle bir hesap yapar ve sonuçta adam/ay hesabına göre bir tahmin değeri oluşturulur. Ek olarak, efor tahmininde, önceki proje verilerinden daha etkin şekilde yararlanmak için veri madenciliği teknikleri de sürece dahil edilmiştir. En çok kullanılan yöntemlerden biri yapay sinir ağlarıdır (YSA). YSA esneklik ve kabiliyetleri ile COCOMO bazı modellerde birleştirilmiş ve daha başarılı sonuçlar alındığı görülmüştür. Bu çalışmada da benzer şekilde bir yapı söz konusudur. Ancak mevcut çalışmalarda ortaya tek bir değer çıkarılmaktadır. Bu şekilde karar aşamasında yeterli bilgi olmayabilir. Bu çalışmada önerilen, tek bir değer üretmek yerine geçmiş bilgilere dayanılarak hesaplanan bir aralık değer kümesi oluşturmaktır. Buna göre, YSA ve COCOMO kullanılmakla beraber, K-Means algoritmasıyla olası üst ve alt limitler hesaplanmıştır. Bu şekilde daha başarılı tahminler yapılacağı, karar aşamasında yardımcı değerlerin üretilebileceği öngörülmüştür. Test verileri ile yapılan denemelerde bu öngörünün gerçekleşebileceği gözlemlenmiştir.

Effort estimation is one of the methods used to determine the resources needed for a project in software project management. Required man/time value for project is calculated and project plan is made considered to this value. There are various methods for effort estimation. One of the best-known method is a parametric model which is called COCOMO. In this model, which is basically a function, a calculation process is made via numerical equivalent values for categorical parameters whihc are about project and software environment and eventually a man/month estimation is calculated. In addition, data mining techniques are included in effort estimation process in order to benefit more from previous project management data. One of the most widely used methods is artificial neural networks (ANN). ANN flexibilities and capabilities are combined with COCOMO in some models and more successful results are obtained. There is a similar structure in this study. However there is only single value is outputted in these researches. In this way, there may not be enough information in decision making process. Proposed model in this study is that instead of producing single output value, a value range set is generated. In addition to ANN and COCOMO are used, possible upper and lower limits are calculated with K-Means algorithm. Thus, it is intented to make more precise estimations and give helpful values for decision making. Experimental results show that this prescience can be achieved.