CN113177746A - 一种针对生命周期评价领域的软件质量综合评估方法 - Google Patents
一种针对生命周期评价领域的软件质量综合评估方法 Download PDFInfo
- Publication number
- CN113177746A CN113177746A CN202110663105.5A CN202110663105A CN113177746A CN 113177746 A CN113177746 A CN 113177746A CN 202110663105 A CN202110663105 A CN 202110663105A CN 113177746 A CN113177746 A CN 113177746A
- Authority
- CN
- China
- Prior art keywords
- software
- evaluation
- index
- life cycle
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 claims abstract description 74
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000012854 evaluation process Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000011160 research Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 230000008676 import Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000013278 delphi method Methods 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种针对生命周期评价领域的软件质量综合评估方法,包括:对软件功能属性进行剪裁:结合生命周期评价领域与ISO/IEC25010软件质量特性,考虑软件自身的特性、用户需求和质量需求,对软件质量模型进行剪裁;确定生命周期评价领域软件的评估指标体系:基于生命周期评价过程,将待评估的新型生命周期评价软件和发展成熟的生命周期评价软件相比较,构建软件评估指标体系;对软件质量进行综合评估:基于层次分析法和信息熵确定生命周期评价软件的评估指标权重;权重确定后,对不同评估指标进行关联性分析,确定不同评估指标间的关联度,构建评估指标的最大生成树;对各指标进行评分,运用最大生成树进行综合评估。
Description
技术领域
本发明涉及一种针对生命周期评价领域的软件质量综合评估方法,属于软件的质量评估领域。
背景技术
生命周期评价的整个过程通常需要花费大量的时间收集和处理数据,为解决这一问题,高校和企业越来越关注于LCA工具的开发,LCA工具也在不断增加,如德国的GaBi、荷兰的Simapro、中国的eBalance、美国的BEES和瑞士的Ecopro等,部分软件可与其他软件集成,使LCA应用更广泛。现阶段使用较多的是GaBi软件和SimaPro软件,对于大部分情况,两者计算的结果十分接近,但也有部分情况差异很大。这两款软件数据库范围大,可计算多领域、多地域的产品生命周期环境影响,但对于某一特定的产品来说,产品所在地域、所在领域、产品周围环境的变化以及产品的迭代性等都会影响产品的实际状态,在机电产品领域,对于像GaBi和SimaPro等普适性软件会对产品生命周期评价的环境影响产品偏差,且部分软件存在没有研究者所需要的评估方法,无法满足研究者的实际需求。
发明内容
本发明目的就是为机电产品生命周期评价工具的改进提供指导,提供一种针对生命周期评价领域的软件质量综合评估方法。
本发明是通过以下技术方案实现的:
一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,包括以下步骤:
(1)对软件功能属性进行剪裁
结合生命周期评价领域与ISO/IEC25010软件质量特性,考虑软件自身的特性、用户需求和质量需求,对软件质量模型进行剪裁;
(2)确定生命周期评价领域软件的评估指标体系
基于生命周期评价过程,将待评估的新型生命周期评价软件和发展成熟的生命周期评价软件相比较,构建软件评估指标体系;
(3)对软件质量进行综合评估
首先,基于层次分析法和信息熵确定生命周期评价软件的评估指标权重;权重确定后,对不同评估指标进行关联性分析,确定不同评估指标间的关联度,构建评估指标的最大生成树;专家通过对工具的使用,对各指标进行评分,运用最大生成树进行综合评估,为机电产品生命周期评价工具的改进提供指导。
进一步地,所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,步骤(1)中所述的对软件质量模型进行剪裁,具体如下:
结合软件功能属性模型,考虑生命周期评价软件实际特点和属性,建立生命周期评价软件功能属性剪裁模型,对软件功能属性进行剪裁,具体有:
通过功能属性剪裁选出符合软件生命周期评价领域需求的质量特性,提取生命周期评价领域内软件共有的本质的、相同的属性,即标准提取特性;对于抽象提取特性,首先学习和整合生命周期领域知识,通过专家意见和用户调查情况信息,结合领域内多个软件进行分析,横向比较生命周期评价软件的相同点和不同点,将其本质的、相同的特性上升为统一的概念,确定属性与属性之间的关系。
进一步地,所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,步骤(2)中所述的确定生命周期评价领域软件的评估指标体系,具体如下:
生命周期评价领域软件的评估指标体系中的指标确定需要结合生命周期评价领域的实际情况以及研究人员的经验与知识,采用GQM(Goal-Question-Metric)方法来确定生命周期评价工具的评价指标体系;GQM模型的核心主要包含三层,分别为目标、问题和度量,目标层为度量对象指定一个目标;问题层主要是通过采用一组问题来描述那些将被用来评估的目标的方法;度量层主要是针对问题层提出的问题进行量化的回答,结果为主观和客观的结合;
生命周期评价过程主要分为四个阶段,包括目标和范围的确定、清单分析、影响评价和结果解释;在开始采用生命周期评价工具对产品进行评价之前,需要确定产品的相关参数,包括产品的***边界和产品的具体清单数据,基于此,再采用相关生命周期评价工具来分析评价产品的环境影响;生命周期评价软件指标的确定可动态对比成熟生命周期评价软件和针对机电的新型定制化生命周期评价软件,考虑LCA软件的功能属性,并对其进行剪裁,采用GQM方法,确定新型定制化LCA软件的评估指标体系;
在对机电产品新型定制化软件进行评估分析前,先需要明确可供对比的成熟LCA软件和两款软件需要评估的机电产品,通过实际调研、实验测量方式确定机电产品的清单数据,保证数据的准确性和完整性;在进行清单分析之后,主要从以下展开对评估指标的确定过程:
1)清单导入:在建模之前,应明确***边界和生命周期清单数据(Life CycleInventory,LCI),存在多种数据导入的方法,通过比较这两款软件的清单数据功能,对评估软件的某些指标给予合理的评分,依据LCA研究人员或相关专家的实际评测给出度量性回答,通过专家的度量性回答,对应软件的功能属性,细分软件的评估指标;
2)影响评估:依据GQM方法先确定度量目标,再为度量目标提供一组针对性问题,通过相关人员的回答来给出度量性回答,通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标;
3)结果存储与解释:以结果解释为度量目标,从生命周期评价结果的准确性以及是否有考虑数据的不确定性等角度出发,提出有针对性的问题,并让相关人员给予合理的度量值;以结果存储为目标,从存储和调用的便利性角度出发,通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标。
进一步地,所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,
步骤(3)中所述的对软件质量进行综合评估,具体如下:
在获取确定的生命周期评价工具评估指标,基于层次分析法和熵权法确定指标权重后,通过指标间关联性分析得出边权,依据边权构建指标间的最大生成树模型,进而为生命周期评价工具的指标进行打分评估,确定了软件质量评估流程;
首先,利用AHP方法解决软件功能属性评估的权重设定问题,其计算模型如下:
1)构建层次结构模型
评价指标***的构建首先确定决策问题的目标层,然后将其分解为相应的相关标准层,将标准层分解为相应的指标层,以建立决策问题的评价指标体系;
2)构造判断矩阵
aij用作评估指标,aij表示元素i和元素j的重要比较,比较同一水平上的指标,并根据公式(1)构造比较矩阵:
3)计算指标权重
通过求和积法获得矩阵的最大特征值和相应的特征向量,通过公式(2)归一化矩阵的每一列:
使用公式(3)逐行对归一化的矩阵求和:
通过公式(5)计算最大特征值:
4)一致性检验
在计算每个指标的权重之后,为了确保最终结果的有效性和科学性,需要进行一致性测试,当一致性测试系数CR<0.1时,表示符合标准;一致性测试系数公式如公式(6)所示;其中,CI为通用一致性指标,由公式(7)求出,RI为平均随机一致性指标:
5)在层次分析法基础之上,引入信息熵的概念,利用熵权法计算指标本身存在的不确定性,通过客观信息熵改善评估指标的分配权重;具体流程如下:
a)确定生命周期评价软件评估指标集U和评估结果集W
设基于功能属性的软件评估指标集U={U1,U2,…,Un},其中,Ui表示软件的一级指标,满足U=U1∪U1∪…∪U1,每层一级指标可对应特定软件的特定功能指标,则其中的Ui={Ui1,Ui2,…,Uim},通过对软件统一周期的使用,对软件各方面进行评估,得到评估的论域,即软件的评估结果集W={W1,W2,…,Wn},在这里,将软件评估指标评估划分为四个级别A,B,C,D,其中,A表示该软件指标状态优秀,无需优化,完全满足LCA研究人员的需求,并可为其他软件提供相应的参考和指导;B表示的该软件指标状态良好,可简单优化调整,基本满足LCA研究人员的需求;C表示该软件指标状态一般,在考虑LCA研究人员需求的基础上,对软件做出相应的优化;D表示该软件指标状态较差,必须从软件的每一个环节发现问题并给予解决;
b)确定模糊矩阵
已知软件的评估指标集U和软件评估结果集W,建立W到U的模糊映射,生成模糊映射矩阵T:
其中,tij表示评估结果集Wi属于评估指标集U中Ui的隶属度,tij=zij/t,t表示对评估指标集U的访问次数,zij表示评估指标Ui被评为评估等级Wj的次数;采用Delphi法和数据统计法,选取LCA研究专家若干人组成软件评估小组,对指标进行评估;
c)基于信息熵的指标赋权
通过上文对信息熵的描述,考虑信息熵的各指标权重确定过程如下所示:
①依据上述构建的模糊矩阵,计算第i评估指标在第j个评估等级所占的比重,计算公式如下所示:
②计算***中第i个指标的***熵ei:
③计算***中第i个指标的熵权vi:
其中m表示待评估的评估指标数,通过上述公式得到了权重系数法中的指标权重向量:V=(V1,V2,…,Vm),同理可求出其他层次指标的权重向;
④综合权重计算
依据步骤③得出所有指标的熵权值V=(V1,V2,...,Vm),依据AHP确定的指标权重为A=(a1,a1,…am);给出该指标的综合权重Bi如下:
最后进行关联性分析,关联性分析是研究对象间的依存关系,并对其进一步探索和研究,是以一种研究变量间关系的统计分析方法;相关系数是用来厘清变量间相关性的强弱,在此可以衡量生命周期评价软件指标间的关联性强弱;对于指标X和指标Y,相关性系数取值范围在[-1,1]范围之间,相关系数的值越接近0表示X与Y的相关性越弱,反之相关性越强;当相关系数为1时表示X与Y是完全正线性相关的,当相关系数为-1时表示X与Y是完全负线性相关的,当相关系数为0时表示X与Y是完全独立的,不具有相关关系;
变量X和变量Y的相关系数计算公式如下:
其中,Sxy代表变量X和变量Y之间协方差,Sx代表变量X的标准差,Sy代表变量Y的标准差;
变量X与变量Y之间的协方差计算公式如下:
变量X的标准差计算公式如下:
变量Y的标准差计算公式如下:
最大生成树算法和最小生成树算法几乎一样,依据基础算法选择边权最大的边即可;最大生成树算法采用的是最大生成树的Prim算法;
最大生成树的Prim算法的基本思想是层层递进,按照顶点的逐个连通来实现最大生成树的构建;设定G=<V,E,W>是连通的,并具有n个顶点,则是从G中按照指定条件的某一顶点u0出发,选择与其关联度最大的边(u0,v),则次边和两顶点构成树的一部分;TE为最大生成树边的集合,U为点的集合,按照上述思想,首先任意选择图中G的一点作为起始点a,将该点加入集合U,再在G中找到另一点b,使得边是所有与a关联的边中权最大的边,此时将点b也加入集合U,将边(a,b)加入TE中;以此类推,现在的集合为U={a,b},再从G中找到另一点c使得点c到U中任意一点的权值最大,此时将c点加入集合U,将两点的边放入TE,当所有顶点全部被加入U,此时就构建出了一棵最大生成树;此时,TE中必有n-1条边,U中有n个顶点,T=<U,TE>为G的最大生成树;
最大生成树形成后,各节点之间存在关联,可通过各节点关联度计算及节点评估分值计算节点综合数值,具体计算流程如公式17所示:
其中,Pi为第i个指标的综合评估值,Bi和Bj为第i个和第j个指标的权重,Ai和Aj为第i个和第j个指标的评估值,Sij为第i个和第j个指标之间的相关系数,不存在相关系数以0代替。
本发明的技术效果是:
1、在机电产品领域,对于像GaBi和SimaPro等普适性软件会对产品生命周期评价的环境影响产品偏差,且部分软件存在没有研究者所需要的评估方法,无法满足研究者的实际需求;因此,本专利确定了基于功能属性的生命周期评价软件评估指标体系,依据ISO/IEC 25010软件质量模型列举出软件的共性功能属性,剪裁出符合需求以及可以进行量化的生命周期评价软件功能属性,基于生命周期评价流程,确定软件评估指标体系。
2、研究软件质量综合评估方法,形成软件评估流程;在确定各指标权重后,基于指标关联性分析和最大生成树算法,通过专家打分确定每个软件评估指标的分值,计算软件评估总得分,分析软件之间存在的差异和软件自身功能的局限性,为软件改进提供指导。
附图说明
图1为生命周期评价软件功能属性剪裁模型示意图。
图2为GQM模型示意图。
图3为生命周期评价软件评估指标确定过程示意图。
图4为软件质量模型到软件评估指标体系图。
图5为生命周期评价工具评估过程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1。
一种针对生命周期评价领域的软件质量综合评估方法,包括以下步骤:
(1)对软件功能属性进行剪裁
结合生命周期评价领域与ISO/IEC25010软件质量特性,考虑软件自身的特性、用户需求和质量需求,对软件质量模型进行剪裁;
(2)确定生命周期评价领域软件的评估指标体系
基于生命周期评价过程,将待评估的新型生命周期评价软件和发展成熟的生命周期评价软件相比较,构建软件评估指标体系;
(3)对软件质量进行综合评估
首先,基于层次分析法和信息熵确定生命周期评价软件的评估指标权重;权重确定后,对不同评估指标进行关联性分析,确定不同评估指标间的关联度,构建评估指标的最大生成树;专家通过对工具的使用,对各指标进行评分,运用最大生成树进行综合评估,为机电产品生命周期评价工具的改进提供指导;
步骤(1)中所述的对软件质量模型进行剪裁,具体概括如下:
软件功能是软件***或组件的定义目标或特征动作,ISO/IEC25010软件质量模型详细描述了软件质量特性,亦为软件的功能属性,不同的软件可以根据软件本身的特性确定自身软件的软件功能属性,根据功能属性确定评估软件的指标,进而对软件进行改进。
评估生命周期软件功能属性时,依据本身的软件特性以及软件所在领域,需要剪裁出符合需求以及可以进行量化的软件功能属性,此外,软件功能属性还需要考虑软件的用户群体、软件开发流程以及软件指标的重要性程度等。基于以上,结合软件功能属性模型,考虑生命周期评价软件实际特点和属性,建立生命周期评价软件功能属性剪裁模型,对软件功能属性进行剪裁,具体有:通过功能属性剪裁选出符合软件生命周期领域需求的质量特性,提取该领域内软件共有的本质的、相同的属性,即标准提取特性。对于抽象提取特性,首先学习和整合生命周期领域知识,通过专家意见和用户调查情况等信息,结合领域内多个软件进行分析,横向比较生命周期评价软件的相同点和不同点,将其本质的、相同的特性上升为统一的概念,确定属性与属性之间的关系。生命周期评价软件的功能属性剪裁模型如图1所示。
步骤(2)中所述的确定该领域软件的评估指标体系,具体概括如下:
生命周期评价软件的指标体系中的指标确定需要结合生命周期评价领域的实际情况以及研究人员的经验与知识,例如软件的建模方法、功能缺陷率等,对此,可采用GQM(Goal-Question-Metric)方法来确定生命周期评价工具的评价指标体系。GQM模型的核心主要包含三层,分别为目标、问题和度量,如图2所示。目标层为度量对象指定一个目标,一般是与那些时间有关的软件相关活动,包括软件的设计、测试等;问题层主要是通过采用一组问题来描述那些将被用来评估的目标的方法;度量层主要是针对问题层提出的问题进行量化的回答,结果可能为主观和客观的结合。以GQM方法确定的度量以具体的问题为导向,例如,生命周期评价工具中的效率特性中的“时间特性”,具体是指满足响应和处理时间的程度。根据这种解释我们首先为度量对象指定一个目标为“确定软件计算能力”,然后围绕该目标提出相关的问题:“是否有数据流的具体导向技术?”、“是否采用计算备份?”,最后通过相关人员的回答来对软件的时间特性给出具体的度量值。
生命周期评价过程主要分为四个阶段,包括目标和范围的确定、清单分析、影响评价和结果解释。在开始采用生命周期评价工具对产品进行评价之前,需要确定产品的相关参数,包括产品的***边界和产品的具体清单数据等,基于此,再采用相关生命周期评价工具来分析评价产品的环境影响。因此,影响软件评估指标确定的生命周期过程主要为清单导入过程、影响评估过程和结果存储与解释过程。生命周期评价软件指标的确定可动态对比成熟生命周期评价软件和针对机电的新型定制化生命周期评价软件,考虑LCA软件的功能属性,并对其进行剪裁,采用GQM方法,确定新型定制化LCA软件的评估指标体系,具体过程如图3所示。因此,以上则实现了对度量进行分解,扩展软件质量模型,形成生命周期评价软件的评估指标体系,如图4所示。生命周期评价工具具体流程如图5所示。
在对机电产品新型定制化软件进行评估分析前,先需要明确可供对比的成熟LCA软件和两款软件需要评估的机电产品,通过实际调研、实验测量等方式确定机电产品的清单数据,保证数据的准确性和完整性。在进行清单分析之后,主要从以下展开对评估指标的确定过程。
1)清单导入。在建模之前,应明确***边界和生命周期清单数据(Life CycleInventory,LCI),存在多种数据导入的方法,通过比较这两款软件的清单数据功能,对评估软件的某些指标给予合理的评分。可以“确定清单导入能力”为度量目标,对该目标提出一组问题,可以为“是否具有良好的清单预处理功能?”、“是否具有批量导入功能?”以及“是否具有成熟LCA软件的导入速度?”等等问题,依据LCA研究人员或相关专家的实际评测给出度量性回答。通过专家的度量性回答,对应软件的功能属性,细分软件的评估指标。
2)影响评估。影响评估的目的就是对产品的环境排放进行分析,量化产品的环境影响,从而更好的运用其进行产品改进。不同的评估方法将具有不同的影响类型和指标参数,并且分析的目的通常是不同的。影响评估可能会涉及到建模方式和具体的评估方法等,可依据GQM方法先确定度量目标,再为度量目标提供一组针对性问题,通过相关人员的回答来给出度量性回答。通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标。
3)结果存储与解释。解释阶段是LCA研究的关键步骤,它保证了它们的质量和一致性,并通过提供与确定的目标和范围相一致的结果(得出结论并解释局限性)而使工作有意义;评估结果需要完全保存以备下次使用。因此,该部分在生命周期的主要功能为提供结果解释与存储。以结果解释为度量目标,可以从生命周期评价结果的准确性以及是否有考虑数据的不确定性等角度出发,提出有针对性的问题,并让相关人员给予合理的度量值;以结果存储为目标,则可以从存储和调用的便利性角度出发。通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标。
步骤(3)中所述的进行软件质量评估方法研究,具体概括如下:
在获取确定的生命周期评价工具评估指标,基于层次分析法和熵权法确定指标权重后,通过指标间关联性分析得出边权,依据边权构建指标间的最大生成树模型,进而为生命周期评价工具的指标进行打分评估,确定了软件质量评估流程。
首先,利用AHP方法解决软件功能属性评估的权重设定问题,其计算模型如下:
1)构建层次结构模型
评价指标***的构建首先确定决策问题的目标层,然后将其分解为相应的相关标准层。将标准层分解为相应的指标层,以建立决策问题的评价指标体系。
决策问题程序的指标***是一个多级***。需要从多个方面和多个角度建立指标体系,以更全面地反映每个程序的优缺点。指标的构建必须遵循可行性,层次结构,***和通用性。结合点和特征的原理可确保结果的客观性和准确性。
2)构造判断矩阵
aij用作评估指标,aij表示元素i和元素j的重要比较,具体数值及含义如表1所示。比较同一水平上的指标,并根据公式(1)构造比较矩阵。
表1判断矩阵元素取值
3)计算指标权重
通过求和积法获得矩阵的最大特征值和相应的特征向量。通过公式(2)归一化矩阵的每一列:
使用公式(3)逐行对归一化的矩阵求和:
通过公式(5)计算最大特征值:
4)一致性检验
在计算每个指标的权重之后,为了确保最终结果的有效性和科学性,需要进行一致性测试。一般而言,当一致性测试系数CR<0.1时,表示符合标准。一致性测试系数公式如公式(6)所示。其中,CI为通用一致性指标,由公式(7)求出,RI为平均随机一致性指标,对应于判断矩阵的顺序,如下面的表2所示。
表2平均随机一致性指标RI的标准值
其次,层次分析法虽能解决生命周期评价软件的评估指标权重分配问题,但本身存在明显的主观性,过多的人为参与可能会导致权重分配存在一定的局限性,因此,在层次分析法基础之上,引入信息熵的概念,利用熵权法计算指标本身存在的不确定性,通过客观信息熵改善评估指标的分配权重。具体流程如下:
1)确定生命周期评价软件评估指标集U和评估结果集W
设基于功能属性的软件评估指标集U={U1,U2,…,Un},其中,Ui表示软件的一级指标,满足U=U1∪U1∪…∪U1,每层一级指标可对应特定软件的特定功能指标,则其中的Ui={Ui1,Ui2,…,Uim},通过对软件统一周期的使用,对软件各方面进行评估,得到评估的论域,即软件的评估结果集W={W1,W2,…,Wn},在这里,将软件评估指标评估划分为四个级别A,B,C,D,其中,A表示该软件指标状态优秀,无需优化,完全满足LCA研究人员的需求,并可为其他软件提供相应的参考和指导;B表示的该软件指标状态良好,可简单优化调整,基本满足LCA研究人员的需求;C表示该软件指标状态一般,在考虑LCA研究人员需求的基础上,对软件做出相应的优化;D表示该软件指标状态较差,必须从软件的每一个环节发现问题并给予解决。
2)确定模糊矩阵
已知软件的评估指标集U和软件评估结果集W,建立W到U的模糊映射,生成模糊映射矩阵T:
其中,tij表示评估结果集Wi属于评估指标集U中Ui的隶属度,tij=zij/t,t表示对评估指标集U的访问次数,zij表示评估指标Ui被评为评估等级Wj的次数。本文采用Delphi法和数据统计法,选取LCA研究专家若干人组成软件评估小组,对指标进行评估。
3)基于信息熵的指标赋权
通过上文对信息熵的描述,考虑信息熵的各指标权重确定过程如下所示:
①依据上述构建的模糊矩阵,计算第i评估指标在第j个评估等级所占的比重,计算公式如下所示:
②计算***中第i个指标的***熵ei:
③计算***中第i个指标的熵权vi:
其中m表示待评估的评估指标数,通过上述公式得到了权重系数法中的指标权重向量:V=(V1,V2,…,Vm)。同理可求出其他层次指标的权重向量。
④综合权重计算
依据步骤③得出所有指标的熵权值V=(V1,V2,...,Vm),依据AHP确定的指标权重为A=(a1,a1,…am)。给出该指标的综合权重Bi如下:
最后进行关联性分析,关联性分析是研究对象间的依存关系,并对其进一步探索和研究,是以一种研究变量间关系的统计分析方法。相关系数是用来厘清变量间相关性的强弱,在此可以衡量生命周期评价软件指标间的关联性强弱。对于指标X和指标Y,相关性系数取值范围在[-1,1]范围之间,相关系数的值越接近0表示X与Y的相关性越弱,反之相关性越强;当相关系数为1时表示X与Y是完全正线性相关的,当相关系数为-1时表示X与Y是完全负线性相关的,当相关系数为0时表示X与Y是完全独立的,不具有相关关系,具体数值范围如表3所示。
变量X和变量Y的相关系数计算公式如下:
其中,Sxy代表变量X和变量Y之间协方差,Sx代表变量X的标准差,Sy代表变量Y的标准差。
变量X与变量Y之间的协方差计算公式如下:
变量X的标准差计算公式如下:
变量Y的标准差计算公式如下:
表3评估指标相关系数分级
最大生成树算法和最小生成树算法几乎一样,依据基础算法选择边权最大的边即可。构造最大生成树与构造最小生成树类似,必须紧密结合两个问题。首先在于权值的选择,在选择权值最大的边的时候注意避免回路;其次,我们所选的边要涵盖所有的点。最大生成树算法可以分为最大生成树的避圈法、破圈法和Prim算法。本专利采用的是最大生成树的Prim算法。
最大生成树的Prim算法的基本思想是层层递进,按照顶点的逐个连通来实现最大生成树的构建。假设G=<V,E,W>是连通的,并具有n个顶点,则是从G中按照指定条件的某一顶点u0出发,选择与其关联度最大的边(u0,v),则次边和两顶点构成树的一部分。TE为最大生成树边的集合,U为点的集合,按照上述思想,首先任意选择图中G的一点作为起始点a,将该点加入集合U,再在G中找到另一点b,使得边是所有与a关联的边中权最大的边,此时将点b也加入集合U,将边(a,b)加入TE中;以此类推,现在的集合为U={a,b},再从G中找到另一点c使得点c到U中任意一点的权值最大,此时将c点加入集合U,将两点的边放入TE,当所有顶点全部被加入U,此时就构建出了一棵最大生成树。此时,TE中必有n-1条边,U中有n个顶点,T=<U,TE>为G的最大生成树。
最大生成树形成后,各节点之间存在关联,可通过各节点关联度计算及节点评估分值计算节点综合数值,具体计算流程如公式17所示:
其中,Pi为第i个指标的综合评估值,Bi和Bj为第i个和第j个指标的权重,Ai和Aj为第i个和第j个指标的评估值,Sij为第i个和第j个指标之间的相关系数,不存在相关系数以0代替。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,包括以下步骤:
(1)对软件功能属性进行剪裁
结合生命周期评价领域与ISO/IEC25010软件质量特性,考虑软件自身的特性、用户需求和质量需求,对软件质量模型进行剪裁;
(2)确定生命周期评价领域软件的评估指标体系
基于生命周期评价过程,将待评估的新型生命周期评价软件和发展成熟的生命周期评价软件相比较,构建软件评估指标体系;
(3)对软件质量进行综合评估
首先,基于层次分析法和信息熵确定生命周期评价软件的评估指标权重;权重确定后,对不同评估指标进行关联性分析,确定不同评估指标间的关联度,构建评估指标的最大生成树;专家通过对工具的使用,对各指标进行评分,运用最大生成树进行综合评估。
2.根据权利要求1所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,步骤(1)中所述的对软件质量模型进行剪裁,具体如下:
结合软件功能属性模型,考虑生命周期评价软件实际特点和属性,建立生命周期评价软件功能属性剪裁模型,对软件功能属性进行剪裁,具体有:
通过功能属性剪裁选出符合软件生命周期评价领域需求的质量特性,提取生命周期评价领域内软件共有的本质的、相同的属性,即标准提取特性;对于抽象提取特性,首先学习和整合生命周期领域知识,通过专家意见和用户调查情况信息,结合领域内多个软件进行分析,横向比较生命周期评价软件的相同点和不同点,将其本质的、相同的特性上升为统一的概念,确定属性与属性之间的关系。
3.根据权利要求1所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,步骤(2)中所述的确定生命周期评价领域软件的评估指标体系,具体如下:
生命周期评价领域软件的评估指标体系中的指标确定需要结合生命周期评价领域的实际情况以及研究人员的经验与知识,采用GQM方法来确定生命周期评价工具的评价指标体系;
生命周期评价过程主要分为四个阶段,包括目标和范围的确定、清单分析、影响评价和结果解释;在开始采用生命周期评价工具对产品进行评价之前,需要确定产品的相关参数,包括产品的***边界和产品的具体清单数据,基于此,再采用相关生命周期评价工具来分析评价产品的环境影响;生命周期评价软件指标的确定可动态对比成熟生命周期评价软件和针对机电的新型定制化生命周期评价软件,考虑LCA软件的功能属性,并对其进行剪裁,采用GQM方法,确定新型定制化LCA软件的评估指标体系;
在对机电产品新型定制化软件进行评估分析前,先需要明确可供对比的成熟LCA软件和两款软件需要评估的机电产品,通过实际调研、实验测量方式确定机电产品的清单数据,保证数据的准确性和完整性;在进行清单分析之后,主要从以下展开对评估指标的确定过程:
1)清单导入:在建模之前,应明确***边界和生命周期清单数据,存在多种数据导入的方法,通过比较这两款软件的清单数据功能,对评估软件的某些指标给予合理的评分,依据LCA研究人员或相关专家的实际评测给出度量性回答,通过专家的度量性回答,对应软件的功能属性,细分软件的评估指标;
2)影响评估:依据GQM方法先确定度量目标,再为度量目标提供一组针对性问题,通过相关人员的回答来给出度量性回答,通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标;
3)结果存储与解释:以结果解释为度量目标,从生命周期评价结果的准确性以及是否有考虑数据的不确定性等角度出发,提出有针对性的问题,并让相关人员给予合理的度量值;以结果存储为目标,从存储和调用的便利性角度出发,通过相关人员的度量性回答,对应软件的功能属性,细分软件的评估指标。
4.根据权利要求1所述的一种针对生命周期评价领域的软件质量综合评估方法,其特征在于,
步骤(3)中所述的对软件质量进行综合评估,具体如下:
在获取确定的生命周期评价工具评估指标,基于层次分析法和熵权法确定指标权重后,通过指标间关联性分析得出边权,依据边权构建指标间的最大生成树模型,进而为生命周期评价工具的指标进行打分评估,确定了软件质量评估流程;
首先,利用AHP方法解决软件功能属性评估的权重设定问题,其计算模型如下:
1)构建层次结构模型
评价指标***的构建首先确定决策问题的目标层,然后将其分解为相应的相关标准层,将标准层分解为相应的指标层,以建立决策问题的评价指标体系;
2)构造判断矩阵
aij用作评估指标,aij表示元素i和元素j的重要比较,比较同一水平上的指标,并根据公式(1)构造比较矩阵:
3)计算指标权重
通过求和积法获得矩阵的最大特征值和相应的特征向量,通过公式(2)归一化矩阵的每一列:
使用公式(3)逐行对归一化的矩阵求和:
通过公式(5)计算最大特征值:
4)一致性检验
在计算每个指标的权重之后,为了确保最终结果的有效性和科学性,需要进行一致性测试,当一致性测试系数CR<0.1时,表示符合标准;一致性测试系数公式如公式(6)所示;其中,CI为通用一致性指标,由公式(7)求出,RI为平均随机一致性指标:
5)在层次分析法基础之上,引入信息熵的概念,利用熵权法计算指标本身存在的不确定性,通过客观信息熵改善评估指标的分配权重;具体流程如下:
a)确定生命周期评价软件评估指标集U和评估结果集W
设基于功能属性的软件评估指标集U={U1,U2,...,Un},其中,Ui表示软件的一级指标,满足U=U1∪U1∪...∪U1,每层一级指标可对应特定软件的特定功能指标,则其中的Ui={Ui1,Ui2,...,Uim},通过对软件统一周期的使用,对软件各方面进行评估,得到评估的论域,即软件的评估结果集W={W1,W2,...,Wn},在这里,将软件评估指标评估划分为四个级别A,B,C,D,其中,A表示该软件指标状态优秀,无需优化,完全满足LCA研究人员的需求,并可为其他软件提供相应的参考和指导;B表示的该软件指标状态良好,可简单优化调整,基本满足LCA研究人员的需求;C表示该软件指标状态一般,在考虑LCA研究人员需求的基础上,对软件做出相应的优化;D表示该软件指标状态较差,必须从软件的每一个环节发现问题并给予解决;
b)确定模糊矩阵
已知软件的评估指标集U和软件评估结果集W,建立W到U的模糊映射,生成模糊映射矩阵T:
其中,tij表示评估结果集Wi属于评估指标集U中Ui的隶属度,tij=zij/t,t表示对评估指标集U的访问次数,zij表示评估指标Ui被评为评估等级Wj的次数;采用Delphi法和数据统计法,选取LCA研究专家若干人组成软件评估小组,对指标进行评估;
c)基于信息熵的指标赋权
通过上文对信息熵的描述,考虑信息熵的各指标权重确定过程如下所示:
①依据上述构建的模糊矩阵,计算第i评估指标在第j个评估等级所占的比重,计算公式如下所示:
②计算***中第i个指标的***熵ei:
③计算***中第i个指标的熵权vi:
其中m表示待评估的评估指标数,通过上述公式得到了权重系数法中的指标权重向量:V=(V1,V2,…,Vm),同理可求出其他层次指标的权重向;
④综合权重计算
依据步骤③得出所有指标的熵权值V=(V1,V2,...,Vm),依据AHP确定的指标权重为A=(a1,a1,…am);给出该指标的综合权重Bi如下:
最后进行关联性分析,关联性分析是研究对象间的依存关系,并对其进一步探索和研究,是以一种研究变量间关系的统计分析方法;相关系数是用来厘清变量间相关性的强弱,在此可以衡量生命周期评价软件指标间的关联性强弱;对于指标X和指标Y,相关性系数取值范围在[-1,1]范围之间,相关系数的值越接近0表示X与Y的相关性越弱,反之相关性越强;当相关系数为1时表示X与Y是完全正线性相关的,当相关系数为-1时表示X与Y是完全负线性相关的,当相关系数为0时表示X与Y是完全独立的,不具有相关关系;
变量X和变量Y的相关系数计算公式如下:
其中,Sxy代表变量X和变量Y之间协方差,Sx代表变量X的标准差,Sy代表变量Y的标准差;
变量X与变量Y之间的协方差计算公式如下:
变量X的标准差计算公式如下:
变量Y的标准差计算公式如下:
最大生成树算法和最小生成树算法几乎一样,依据基础算法选择边权最大的边即可;最大生成树算法采用的是最大生成树的Prim算法;
最大生成树的Prim算法的基本思想是层层递进,按照顶点的逐个连通来实现最大生成树的构建;设定G=<V,E,W>是连通的,并具有n个顶点,则是从G中按照指定条件的某一顶点u0出发,选择与其关联度最大的边(u0,v),则次边和两顶点构成树的一部分;TE为最大生成树边的集合,U为点的集合,按照上述思想,首先任意选择图中G的一点作为起始点a,将该点加入集合U,再在G中找到另一点b,使得边是所有与a关联的边中权最大的边,此时将点b也加入集合U,将边(a,b)加入TE中;以此类推,现在的集合为U={a,b},再从G中找到另一点c使得点c到U中任意一点的权值最大,此时将c点加入集合U,将两点的边放入TE,当所有顶点全部被加入U,此时就构建出了一棵最大生成树;此时,TE中必有n-1条边,U中有n个顶点,T=<U,TE>为G的最大生成树;
最大生成树形成后,各节点之间存在关联,可通过各节点关联度计算及节点评估分值计算节点综合数值,具体计算流程如公式17所示:
其中,Pi为第i个指标的综合评估值,Bi和Bj为第i个和第j个指标的权重,Ai和Aj为第i个和第j个指标的评估值,Sij为第i个和第j个指标之间的相关系数,不存在相关系数以0代替。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663105.5A CN113177746A (zh) | 2021-06-15 | 2021-06-15 | 一种针对生命周期评价领域的软件质量综合评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110663105.5A CN113177746A (zh) | 2021-06-15 | 2021-06-15 | 一种针对生命周期评价领域的软件质量综合评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177746A true CN113177746A (zh) | 2021-07-27 |
Family
ID=76927894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110663105.5A Pending CN113177746A (zh) | 2021-06-15 | 2021-06-15 | 一种针对生命周期评价领域的软件质量综合评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177746A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626323A (zh) * | 2021-07-31 | 2021-11-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 软件生命周期各阶段质量Bug测试评价方法 |
CN115618771A (zh) * | 2022-12-16 | 2023-01-17 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种cfd软件的可信度量化评价方法 |
CN116561017A (zh) * | 2023-07-12 | 2023-08-08 | 北京太极信息***技术有限公司 | 一种信创应用成熟度测评方法及信创应用开放平台 |
CN117786899A (zh) * | 2024-02-23 | 2024-03-29 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
-
2021
- 2021-06-15 CN CN202110663105.5A patent/CN113177746A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113626323A (zh) * | 2021-07-31 | 2021-11-09 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 软件生命周期各阶段质量Bug测试评价方法 |
CN113626323B (zh) * | 2021-07-31 | 2024-03-15 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 软件生命周期各阶段质量Bug测试评价方法 |
CN115618771A (zh) * | 2022-12-16 | 2023-01-17 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种cfd软件的可信度量化评价方法 |
CN115618771B (zh) * | 2022-12-16 | 2023-03-10 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种cfd软件的可信度量化评价方法 |
CN116561017A (zh) * | 2023-07-12 | 2023-08-08 | 北京太极信息***技术有限公司 | 一种信创应用成熟度测评方法及信创应用开放平台 |
CN117786899A (zh) * | 2024-02-23 | 2024-03-29 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
CN117786899B (zh) * | 2024-02-23 | 2024-05-10 | 中机生产力促进中心有限公司 | 基础机械零部件生命周期属性决策方法、装置、计算机及储存介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113177746A (zh) | 一种针对生命周期评价领域的软件质量综合评估方法 | |
Pang et al. | ELECTRE I Decision Model of Reliability Design Scheme for Computer Numerical Control Machine. | |
Xu et al. | A decision support system for product design in concurrent engineering | |
Ansah et al. | Analytic hierarchy process decision making algorithm | |
Wu et al. | Case-based reasoning with optimized weight derived by particle swarm optimization for software effort estimation | |
Panoutsos et al. | A neural-fuzzy modelling framework based on granular computing: Concepts and applications | |
Nasab et al. | Finding a probabilistic approach to analyze lean manufacturing | |
Zhang et al. | A quantitative approach to design alternative evaluation based on data-driven performance prediction | |
Deng et al. | Simulation-based evaluation of defuzzification-based approaches to fuzzy multiattribute decision making | |
Gautam et al. | TOPSIS for multi criteria decision making in intuitionistic fuzzy environment | |
Tian et al. | A fuzzy TOPSIS model via chi-square test for information source selection | |
CN108460191B (zh) | 基于质量功能展开的机床横梁设计方案的优选方法 | |
Tembusai et al. | K-nearest neighbor with k-fold cross validation and analytic hierarchy process on data classification | |
CN113706328A (zh) | 基于fassa-bp算法的智能制造能力成熟度评价方法 | |
CN113822499A (zh) | 一种基于模型融合的列车备件损耗预测方法 | |
Scherger et al. | The OWA distance operator and its application in business failure | |
CN115237878A (zh) | 基于增材制造的工艺数据库构建方法及介质 | |
Dammak et al. | Crisp multi-criteria decision making methods: State of the art | |
Çakıt et al. | Comparative analysis of machine learning algorithms for predicting standard time in a manufacturing environment | |
CN111639837B (zh) | 路网服役性能评价方法、装置、存储介质及终端 | |
Bardsiri et al. | Towards improvement of analogy-based software development effort estimation: A review | |
Ocampo et al. | A framework for capturing uncertainty of group decision-making in the context of the AHP/ANP | |
CN113393023B (zh) | 模具质量评估方法、装置、设备及存储介质 | |
Kupchyn et al. | Technology foresight model based on fuzzy logic | |
Kaczyńska et al. | A new approach to dealing with interval data in the TOPSIS method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210727 |
|
RJ01 | Rejection of invention patent application after publication |