缺陷预测方法介绍

缺陷预测方法介绍

一、背景介绍

研发项目在测试初期由于没有更多的数据支撑，所以不能进行缺陷总数预测。而当数据量达到一定程度后，我们就可以通过工具来进行缺陷总数预测，同时在不同的时间段内多次预测并不断修正预测的缺陷总数，已达到对质量评估和测试计划调整起到一个指导作用。

二、工具及使用介绍

I、Excel

II、Gompertz增长模型

III、SPSS

平常测试中我们会发现，测试的初始阶段，由于对测试环境不够熟悉，日均发现的软件缺陷数量比较少，发现软件缺陷数的增长较为缓慢；随着逐渐进入状态并熟练掌握测试环境后，日均发现软件缺陷数增多，发现软件缺陷数的增长速度迅速加快。随着测试的继续进行，软件缺陷的隐藏加深，发现难度加大，需要执行较多的测试才能发现一个缺陷，尽管缺陷数还在增加，但增长速度会减缓，而软件中隐藏的缺陷是有限的，因次限制了发现缺陷数的无限增长。这种发现软件缺陷的变化趋势及增长速度是一种典型的‘S’曲线，根据这种规律我们可以使用增长模型来预测缺陷的总数。

1、Excel运用宏进行缺陷总数预测

1-1、首先先把数据列入Excel表中

1-2、加载宏

Office按钮 -> Excel选项(I) -> 加载项 -> 管理(选择“Excel 加载项”) -> 点击[转到(G)]按钮 -> 加载宏界面勾选“分析工具库”和“规划求解加载项” (确定后等待加载完成即可)，图1

图1

1-3、在数据下的菜单里点击“数据分析”(在右边)，将弹出数据分析对话框，图2

图2

1-4、在分析工具(A)选择框处选择“回归”后点击[确定]按钮，弹出回归设置对话框，如图3

图3

1-5、根据步骤4的设置，在新的sheet里查看结果，我们只需查看Upper 95%的值即可，如图4

图4

根据以上操作，我们可以预测该系统的缺陷总数约为448.4个。

2、运用Gompertz增长模型进行缺陷总数预测

模型表达式为Y=a*b^(c^T)

其中Y表示随时间T发现的软件缺陷总数，a是当T→∞时的可能发现的软件缺陷总数，即软件中所含的缺陷总数。a*b是当T→0时发现的软件缺陷数，c表示发现缺陷的增长速度。我们需要依据现有测试过程中发现的软件缺陷数量来估算出三个参数a，b，c的值，从而得到拟合曲线函数。

预测的系统仍然是使用Excel中的数据来进行分析，经过大量的数学运算可得出a、b、c三个参数的值分别为448.7、0.078、0.874 。

根据模型表达式Y=a*b^(c^T)4=448.7*0.078^(0.874^T)可得出下图5

图5

3、运用SPSS软件进行缺陷总数预测

SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（SolutionsStatistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称SPSS。

符合缺陷增长的曲线一般有S型函数(y=exp(b0+b1/t)、Logistic函数(y=1/(1/u+b0(b1)expt，其中u为预先给定的常数)。该次使用的基础数据仍然是上面所提及的数据(便于对比)，下面我们使用已知数据和S函数、Logistic函数进行曲线拟合

数据录入，可通过excel文件导入或新建数据，下面以新建数据为例

3-1、文件 -> 新建 -> 数据，打开下图6

图6

3-2、在左下方切换到“变量视图”子页面，根据要求输入变量名称及设置变量属性，图7

图7

3-3、变量设置好之后，通过窗口左下方切换到“数据视图”，根据要求输入数据，如图8

图8

3-4、菜单栏 -> 分析(A) -> 回归(R) -> 曲线估计(C)，如图9

图9

3-5、因变量选择y ，变量选择t，个案标签不用理会；在模型处勾选S(S)及Logistic (上限设置为400)，勾选“显示ANOVA 表格(Y)”，如图10

图10

3-6、确定后可得到S型函数和Logistic函数的曲线图，如图11

图11

通过上图可以看出，Logistic函数的拟合曲线与实际更加吻合，因此我们选择Logistic函数来预测缺陷的总数。

3-7、回到图10界面，只勾选Logistic，我们分别尝试Logistic函数的上线值分别为410、420、425、430、435、440、445、450共8个数来拟合，如图12

图12

根据以上8个极限值的拟合曲线对比及结合实际情况来考虑，极限值为430时的曲线拟合度比较高(极限值为410时，有16个散点与曲线接触，考虑到实际情况缺陷不会马上就变得很平稳，所以选择极限为430)。

三、总结

1、根据以上三种预测方法，可以看出使用Excel与Gompertz增长模型预测出来的结果几乎是一样的(分别为448.4和448.7)。

2、使用SPSS拟合曲线可以推出缺陷极限数为420~440之间，由于是通过拟合曲线来判断，因而偏差相对来说会大一些。

3、通过上述三种预测方法，考虑方便性及实际条件，Excel运用宏来预测缺陷总数是最简易而实用的。

4、由于Gompertz增长模型的计算比较复杂和繁琐，因此日常用来预测缺陷总数时，可以先使用Excel来预测总数，然后再使用SPSS软件来拟合曲线，进一步确认结果。