Generalización del Método Puntos de Función utilizando lógica difusa

• Liannis Soria Barreda ^[1] ; Manuel Ramón Almaguer Ochoa ^[1] ; Julio Cesar Diaz Vera ^[1] ; Lizandra Arza Perez ^[1]
  1. [1] Universidad de las Ciencias Informáticas

     Universidad de las Ciencias Informáticas

     Cuba

     
• Localización: Revista Cubana de Ciencias Informáticas, ISSN-e 2227-1899, Vol. 10, Nº. 1, 2016
• Idioma: español
• Títulos paralelos:
  • Generalization of Function Points method using fuzzy logic
• Enlaces
  • Texto completo
• Resumen
  • español

    En los últimos años se ha incrementado la utilización del método Puntos de Función para la estimación del software. A pesar de los buenos resultados que se alcanzan con este método, aún existen dificultades que afectan la exactitud de las estimaciones, dentro de estas dificultades se destacan el "arranque en frio" y los "límites bruscos". En este trabajo se propone una generalización del método Puntos de Función mediante el uso de la lógica difusa que contribuye a atenuar el efecto de los "límites bruscos" y al mismo tiempo, es capaz de operar con eficacia en situaciones en las que no existen resultados históricos en la organización sobre desarrollos anteriores, por lo que no se ve afectado este proceso por el "arranque en frio". La efectividad de la propuesta es constatada mediante un experimento en el cual se obtiene la estimación utilizando el método de Puntos de Función clásico y la generalización propuesta en un caso de estudio. Los resultados alcanzados con la generalización mostraron ser más cercanos a la realidad que las estimaciones realizadas con el enfoque clásico.

  • English

    In the last years it has increased the use of Function Point method for estimating software. Despite the good results achieved with this method, there are difficulties that affect the accuracy of the estimates, among these difficulties highlight the "cold start" and "rough limits". In this paper a generalization of the method Function Point is proposed by using fuzzy logic, which helps to mitigate the effect of "rough limits" and at the same time is able to operate effectively in situations where the organization don't have historic results about previous developments, so it is not affected this process by the "cold start". The effectiveness of the proposal is proven by an experiment in which the estimate is obtained using the classical method Function Points and the generalization proposed in a case study. The results achieved with the generalization showed to be closer to reality than estimates using the classical approach.