Metoder för att förfina estimat i projekt

Abstract

Estimering av mjukvara är den process som hjälper till med att förutspå ett projekts kostnad, tidsåtgång eller storlek. Denna process har inom mjukvaruutveckling alltid varit betydelsefull men har med tiden blivit alltmer avgörande vartefter användningen av mjukvara blivit mer omfattande. Genom åren har flertalet modeller och metoder för estimering tagits fram, alla med sina för- och nackdelar.

Syftet med denna avhandling är att hitta metoder eller sätt för att förbättra estimat i projekt. Arbetet avgränsas till ett enskilt mjukvaruteam i produktutvecklingen då dokumenterat data skiljer sig åt mellan arbetsgrupperna. Utgångsläget är att välja de enligt litteraturen mest kända och beprövade metoderna för fortsatt analys samt enligt den typ av historiskt data som finns tillgängligt.

I resultatanalysen behandlas de hinder som påträffades i användningen av klassiska algoritmiska metoder som grund i ett agilt projekt. Dessa hinder, som till exempel krav på specifikt historiskt nyckeldata, analyserades för att i framtiden göra det möjligt att testa de algoritmiska metoderna. Även särskilda tekniker för estimering i agila projekt berörs.

I sammanfattningen kartläggs behoven för att i framtiden kunna använda algoritmiska metoder som grund i estimeringen samt förslag till vad som man redan nu kunde göra för att förbättra tidsuppskattningarna.

Software estimation is the process that aids in predicting a project’s cost, effort or size. In software development, this has always been meaningful but has over the time gotten more crucial as the use of software has increased. Many estimation methods and models have been developed over the years, each with their advantages and disadvantages.

The purpose of this thesis is to find one or more ways to refine estimates in projects. The thesis is limited to a single software team within the product development of the employer. The starting point is to identify those methods, that according to the literature are the most tested and proven ones. Out of these, and for which we should have the correct type of historical data, a few methods will be selected for further analysis.

The result analysis examines the problems that were encountered by using classic algorithmic methods as a base in an agile project. These problems, for example the lack of historical key data, were analyzed in order to be able to use and test these algorithmic methods in the future. Specific techniques for estimating agile projects were also examined.

The summary of the thesis lists the requirements for future testing of algorithmic methods as a basis for time estimation as well as proposals for what could already be done in order to improve the current estimates.

Arviointi on prosessi joka auttaa projektin kustannuksen, keston ja koon ennustamisessa. Tämä prosessi ohjelmistokehityksessä on aina ollut tärkeä kuitenkin arvioinnin rooli on muuttunut tärkeämmäksi ja ratkaisevammaksi sen mukaan kun ohjelmistojen käyttö on laajennut. Arvioinnin malleja ja menetelmiä on kehitetty useampi vuosien aikana, kaikki omilla eduilla ja haitoilla.

Opinnäytetyön tarkoituksena on löytää menetelmiä tai tapoja jolla voisi parantaa aika-arvioita projekteissa. Työ on rajattu yhteen ohjelmistoryhmään koska tuotekehityksen työryhmien välissä dokumentoitu data eroaa. Lähtökohta on valita kirjallisuuden mukaan käytetyimmät menetelmät sekä valita niistä ne menetelmät jonka toimeksiantajan historiallisen ja dokumentoidun datan mukaan voisivat toimia parhaiten.

Tulosanalyysissä tutkitaan ne esteet johon törmättiin käyttäen perinteisiä algoritmisia menetelmiä ketterässä projektissa. Nämä esteet, esim. tarvittava historiallinen avaindata, analysoidaan siten että algoritmiset menetelmät voitaisiin testata tulevaisuudessa. Tietyt menettelytavat ketterien projektien aika-arvioinnissa käsitellään myös

Yhteenvedossa kartoitetaan algoritmien menetelmien tarpeet jotta voidaan tulevaisuudessa käyttää niitä pohjana aika-arvioinnissa sekä ehdotuksia aika-arvioiden parantamiseksi.