Técnicas de Calidad en el Software Sesión

Técnicas de Calidad en el Software Sesión # 14

Control Estadístico de Calidad del Software: Es una tendencia en la industria de desarrollo de software. Aplica herramientas de control estadístico de calidad de procesos de manufatura. Informa la toma de decisiones para mejorar los procesos de desarrollo.

Control Estadístico de Calidad Pasos para mejorar el proceso de desarrollo: 1. Recopilación y clasificación de datos estadísticos durante cada fase del desarrollo. 2. Análisis de datos y especificación de causas de errores. 3. Identificar las principales causas de errores y asignar prioridades. 4. Definir estrategias de mejora, de acuerdo a las prioridades. (Pressman, 1997)

Tipos de variación Variación por causas comunes Variación debida a la interacción normal o inherente entre los componentes del proceso (gente, máquinas, materiales, etc) Variación por causas asignables Variación debida a eventos que no son parte normal del proceso Representan cambios anormales repentinos o persistentes a uno o más de los componentes (Walter A. Shewhart, 1924)

Control Estadístico de Calidad Gráficas de control: Son diagramas que muestran los límites inferiores y superiores del proceso que se desea controlar, a través del tiempo. Representan datos obtenidos de diversas muestras del producto, comparadas con el objetivo deseado. Apoyan la toma de decisiones para mejorar la calidad de productos y procesos.

Gráficas de control Diagrama de variables: representa mediciones de unidades continuas, como peso, altura, temperatura, resistencia, etc. , de cada pieza en cada muestra. Diagrama de atributos: representa mediciones de los defectos encontrados en una unidad o transacción individual.

Gráficas de control Límite de Control Superior (LCS) LC + 3 CAUSAS COMUNES LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia) (Ing. Rafael Salazar)

Proceso estable (bajo control) Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia) (Ing. Rafael Salazar)

Proceso inestable (fuera de control) CAUSA ASIGNABLE Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia) (Ing. Rafael Salazar)

Un proceso puede ser estable, pero no ser capaz Límite de Control Superior (LCS) LC + 3 Límite de Tolerancia Superior LC Línea Central (LC) Límite de Tolerancia Inferior Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia) (Ing. Rafael Salazar)

Gráficas de control comunes (3σ: tres sigma) Límite de Control Superior (LCS) LC + 3 LC 99. 73% de los promedios de las muestras estarán fuera o Línea Central (LC) dentro de este rango. Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia) (Ing. Rafael Salazar)

Gráficas de control comunes (3σ: tres sigma) Una gráfica de control con límites superior e inferior calculados en base a 3σ representa el 99. 73% de las veces en que los promedios de las muestras analizadas estarán fuera o dentro en ese rango.

Gráficas de control comunes (3σ: tres sigma) En un rango de 3σ estamos seguros un 99. 73% de que: el proceso está bajo control, pues solamente muestra variaciones comunes. el proceso está fuera de control, pues se han identificado variaciones asignables. Este rango permite hasta 0. 26% de error

Gráficas de control comunes (3σ: tres sigma) El paradigma de Control Estadístico de Calidad Tradicional se basa en 3σ Permite hasta un 0. 26% de defectos 0. 26 defectos/100 líneas de código 2. 6 defectos/mil líneas de código 2, 600 defectos/millón líneas de código Es 3σ un rango aceptable: Para la industria de manufactura? Para la industria de servicio? Para la industria de desarrollo de software?

6σ: Seis Sigma Es una metodología creada por Motorola, en 1986. Apoya la administración de la calidad de procesos al reducir el nivel de fallas, errores o inconsistencias permitido a 3. 4 por cada millón de oportunidades 3σ: 2, 600/millón vs. 6σ: 3. 4/millón

6σ: Seis Sigma Se basa en dos paradigmas: DMAIC: Define, Measure, Analyze, Improve, and Control. DMADV: Define, Measure, Analyze, Design, and Verify.

6σ: Seis Sigma Paradigma DMAIC, para procesos existentes D: definición de los objetivos de calidad deseados, en base a la voz del cliente y la estrategia de la empresa M: obtención de métricas del proceso A: análisis de causas de errores (ANOVA) I: mejora continua del proceso C: definición de la capacidad del proceso (design of experiments)

6σ: Seis Sigma Paradigma DMADV, para diseñar nuevos procesos o productos D: definición de los objetivos de calidad deseados, en base a la voz del cliente y la estrategia de la empresa M: definición de métricas del proceso A: análisis de alternativas D: diseño del proceso o producto V: piloteo y verificación

Premisas del Seis Sigma Centrado en el cliente (voz del cliente) Prevención de defectos Reducción de la variación Toma de decisiones basadas en hechos Fomento del trabajo en equipo

Participantes del Seis Sigma CEO (estrategia organizacional) Champions (implementación por proceso) Master Black Belts (in-house coach) Black Belts (implementación por proyecto) Green Belts (implementación diaria)

Herramientas del Seis Sigma Customer surveys Cost-Benefit analysis Histograms QFD Design of experiments General linear model ANOVA Regression Taguchi Etc…

Actividad para la Próxima Clase Fecha: Martes 9 de Octubre Instrucciones: Identificar un caso exitoso de aplicación del paradigma 6σ en una empresa o proyecto de desarrollo de software. Describe en tu reporte: Contexto Herramientas utilizadas Mejoras obtenidas