A Solution to Improve the Effort Estimation Error in Software Projects

Abstract

Abstract. Nowadays users are not highly satisfied with the results obtained when using function points (FP) and other metrics and techniques in order to estimate effort: the estimation errors are still too big. The solution hereby presented is the use of a set of three metrics, Transactions (T), Entity Objects (EO) and Paths (P), as variables of the multi-relational model, when employing the neural network (NN) technique. A case study demonstrates that the estimation error could be thus reduced. It should be pointed out that it was possible to apply the Data Mining technique because the hours worked on each use case had been duly registered. This level of detail about the data has derived into a higher level of precision.

Resumo. Hoje em dia, os usuários não estão muito satisfeitos com os resultados obtidos com os pontos de função (PF) e outras métricas e técnicas para estimativa de esforço: os erros de estimação são ainda demasiado grande. A solução aqui apresentada é a utilização de um conjunto de três indicadores, transações (T), Entity Objects (EO) e Caminhos (P), como variáveis do modelo multi-relacional, quando se emprega a rede neural (RN) técnica. Um estudo de caso demonstra que o erro de estimativa pode ser assim reduzido. Deve-se salientar que foi possível aplicar a técnica de Data Mining, pois as horas trabalhadas em cada caso de uso tenha sido devidamente registrado. Este nível de detalhe sobre os dados obtidos em um nível mais elevado de precisão