18、软件维护数据的智能分析

软件维护数据的智能分析

1. 引言

许多组织期望制定可靠的维护任务计划，这有助于按时完成任务并优化资源管理。软件维护在软件生命周期中耗时费力，其成本常占软件预算的一半以上。因此，软件行业愈发关注提升软件维护流程。软件工程师借助多种工具支持维护活动，如基于模型的软件组件分析、指标提取、测量展示以及统计分析与评估等工具。此外，维护人员需要工具来理解软件组件属性与维护任务之间的关系，以深入了解代码大小、复杂度、功能等属性对维护任务的影响。

软件维护分为四类：纠错性、适应性、完善性和预防性。其中，纠错性维护与消除软件缺陷相关，是确保软件及时发布和高质量的关键。除了支持缺陷纠正活动的工具和系统，还需要构建支持决策任务、制定缺陷消除计划的系统。这些系统应提供定量预测，给出预测的可信度，并向维护工程师解释缺陷消除工作的相关知识。

管理者和软件维护工程师在软件系统缺陷消除方面常提出以下问题：
- 缺陷消除过程是否依赖软件组件的功能？
- 缺陷消除过程是否与缺陷进入系统的时间有关？
- 影响纠正单个缺陷所需时间的因素有哪些？
- 从软件维护数据中能发现软件组件属性与消除缺陷所需时间之间的何种关系？
- 对于缺陷消除过程与软件组件属性之间的依赖关系，我们能有多大的信心？

2. 软件数据模型

软件开发和维护活动中收集的软件工程数据是了解软件属性与软件活动各方面关系的宝贵信息源。软件质量是软件系统的重要方面，可从满足指定要求和满足客户或用户需求两个角度定义。构建和维护无缺陷系统并非易事，需要进行一系列软件质量保证活动。为有效规划这些活动，需要理解代码缺陷的成因以及隔离和消除缺陷所需的时间和精力。

<