ESQUEMA DE BASE DE DATOS RELACIONAL INFERIDO AUTOMÁTICAMENTE AL INTEGRAR ESTAS VISIONES

No fue necesario introducir cambios en las hipótesis iniciales II y III.

Figura V-2 Modelo Conceptual de los Modelos de Estimación Temprana a desarrollar luego de establecidas nuestras hipótesis iniciales

V.C.3 INDICADOR DE COMPLEJIDAD ESENCIAL Y SU SEMÁNTICA

Admitiendo que exista un indicador de complejidad esencial para SIGIDES, surgen dos preguntas:

¿Cuáles son las métricas presentes tempranamente que pueden contribuir a de- finirlo?

MODELOS AUTOMATIZABLES DE ESTIMACIÓN MUY TEMPRANA DELTIEMPO Y ESFUERZO DE DESARROLLO DE SISTEMAS DE INFORMACIÓN V—9

Estas preguntas no son independientes, nuestra definición del ICES (Definición IV- 7) y nuestro Axioma IV-9 lo vinculan al papel que juega en modelos de estimación.

Para responder la primera pregunta responderemos primero la pregunta de cuales son métricas tempranas de complejidad de un SIGIDES, construiremos modelos de estimación a partir de ellos y determinaremos el ICES a partir del rol que juegan en estos modelos las métricas de complejidad de bases de datos relacionales.

De acuerdo a nuestra Hipótesis I revisada, existe información sobre la complejidad en las visiones de datos de los usuarios finales y esta puede medirse a partir del esquema de bases de datos relacionales inferido a partir de su integración.

Entonces tenemos que medir la complejidad de un esquema relacional.

En este punto resultaron fundamentales para nuestra investigación las métricas pro- puestas por Calero, Piattini, Polo y Ruiz (grupo ALARCOS) [CAL99] que fueron tratadas en el apartado Complejidad de Bases de Datos Relacionales (II.C.3.7). En su publicación estos autores analizan detalladamente las propiedades formales de las métricas que propo- nen y sostienen que requieren soporte empírico. Nosotros a partir de ellas definiremos in- dicadores de complejidad esencial para SIGIDES y proporcionaremos, dentro de las limi- taciones impuestas por una muestra reducida, el soporte empírico solicitado por estos auto- res.

En la Figura V-5 se muestra el modelo conceptual de la investigación luego de revi- sadas nuestras hipótesis y tomando en cuenta las métricas de complejidad de bases de datos relacionales propuestas por el grupo ALARCOS.

V.C.4 NOMENCLATURA DE MODELOS Y RELACIONES ENTRE MÉTRICAS,

MODELOS E INDICADORES

En la Tabla V-1 se presentan los modelos e indicadores de complejidad a desarrollar. En la Figura V-3 se ilustra la convención de nomenclatura de los modelos. En la Figura V-4 se muestra la relación existente entre métricas, modelos e indicadores.

Es importante, para facilitar la lectura del resto del trabajo, que el lector comprenda la convención de nomenclatura y las relaciones entre métricas, modelos e indicadores.

V.C.4.1MODELOS DE ESTIMACIÓN INICIALES E INDICADORES DE COMPLEJIDAD DE LA ESTRUCTURA DE LOS DATOS

Se desarrollaron modelos de estimación temprana de tiempo y esfuerzo donde la complejidad de la estructura de los datos es representada mediante la influencia de las mé- tricas de complejidad de bases de datos relacionales desagregadas (RD=número de claves foráneas, NA=número de atributos únicos, DRT=profundidad del árbol referencial y NT=número de tablas). Estos modelos se denominan METT1 (modelo de estimación tem- prana de tiempo 1) y METE1 (modelo de estimación temprana de esfuerzo 1) respectiva- mente.

A partir de la observación de la participación en estos modelos de las métricas de complejidad de bases de datos relacionales se definieron los indicadores de complejidad de la estructura de los datos ICEDE (Indicador de Complejidad de la Estructura de los Datos derivado del modelo de estimación de Esfuerzo) e ICEDT (ídem del modelo de estimación de tiempo).

MODELOS AUTOMATIZABLES DE ESTIMACIÓN MUY TEMPRANA DELTIEMPO Y ESFUERZO DE DESARROLLO DE SISTEMAS DE INFORMACIÓN V—10

V.C.4.2NOMENCLATURA DE LOS MODELOS (FIGURA V-3)

El nombre de los modelos se forma concatenando el prefijo ME (Modelo de estima-

ción) con el momento de la estimación (T=temprana, PM=post mortem), la variable de-

pendiente que se estima (T=tiempo, E=esfuerzo) y el indicador de complejidad usado para representar la complejidad del esquema de bases de datos relacionales (ICEDE o ICEDT).

Así el modelo de estimación temprana de esfuerzo en base al ICEDE se denomina METEICEDE y el modelo de estimación post mortem de tiempo en base al ICEDT MEPMTICEDT.

V.C.4.3RELACIONES ENTRE MÉTRICAS MODELOS E INDICADORES (FIGURA V-4)

Los modelos de estimación temprana se desarrollan a partir de variables indepen- dientes que representan la complejidad de la estructura de los datos y las condiciones de ejecución del proyecto.

Las condiciones de ejecución del proyecto que se consideran son la volatilidad de los requisitos (VR) y el esfuerzo medio inicial (EMI).

En los modelos METE1 y METT1 la complejidad de la estructura de los datos es re- presentada por las métricas de complejidad de bases de datos relacionales (NT, DRT, NA y RD).

Observando la influencia en estos modelos de las métricas de complejidad de bases de datos relacionales se definen los indicadores de complejidad de la estructura de los da- tos ICEDE e ICEDT respectivamente. Estos indicadores sustituyen en los demás modelos a las métricas de complejidad de bases de datos relacionales desagregadas y representan su efecto conjunto.

Los modelos de estimación post mortem agregan a las variables independientes ante-

riores, métricas que representan la complejidad de la estructura del flujo de control (IF= numero de alternativas, IFAN= número de alternativas anidadas, FOR= número de estruc- turas de control repetitivas y FORAN= número de estructuras repetitivas anidadas).

MODELOS AUTOMATIZABLES DE ESTIMACIÓN MUY TEMPRANA DELTIEMPO Y ESFUERZO DE DESARROLLO DE SISTEMAS DE INFORMACIÓN V—11

METE1 Modelo de estimación temprana de esfuerzo en el que la complejidad se mide mediante las métricas de complejidad de bases de datos relacionales desagregadas.

ICEDE Indicador de complejidad esencial de la estructura de los datos inferido a partir de la par- ticipación de las variables independientes que representan la complejidad de la estructura de los datos en el modelo de estimación temprana de esfuerzo METE1.

METEICEDE Modelo de estimación temprana de esfuerzo en que las variables independientes que re- presentan la complejidad de la estructura de los datos son sustituidas por el ICEDE. MEPMEICEDE Modelo de estimación post mortem de esfuerzo, en el que, además de tomarse en cuenta

la influencia de la complejidad de la estructura de los datos representada por el ICEDE, se considera la complejidad de la estructura de flujo de control del programa.

METT1 Modelo de estimación temprana de tiempo en el que la complejidad se mide mediante las métricas de complejidad de bases de datos relacionales desagregadas.

ICEDT Indicador de complejidad esencial de la estructura de los datos deducido a partir de la participación de las variables independientes que representan la complejidad de la estruc- tura de los datos en el modelo de estimación temprana de tiempo METT1.

METEICEDT Modelo de estimación temprana de esfuerzo en que las variables independientes que re- presentan la complejidad de la estructura de los datos son sustituidas por el ICEDT. MEPMEICEDT Modelo de estimación post mortem de esfuerzo, en el que, además de tomarse en cuenta

la influencia de la complejidad de la estructura de los datos representada por el ICEDT, se considera la complejidad de la estructura de flujo de control del programa.

METTICEDE Modelo de estimación temprana de tiempo en que las variables independientes que repre- sentan la complejidad de la estructura de los datos son sustituidas por el ICEDE

MEPMTICEDE Modelo de estimación post mortem de tiempo, en el que, además de tomarse en cuenta la influencia de la complejidad de la estructura de los datos representada por el ICEDE, se considera la complejidad de la estructura de flujo de control del programa.

METTICEDT Modelo de estimación temprana de tiempo en que las variables independientes que repre- sentan la complejidad de la estructura de los datos son sustituidas por el ICEDT

MEPMTICEDT Modelo de estimación post mortem de tiempo, en el que, además de tomarse en cuenta la influencia de la complejidad de la estructura de los datos representada por el ICEDT, se considera la complejidad de la estructura de flujo de control del programa.

Tabla V-1 Modelos e Indicadores de Complejidad a Desarrollar

PREFIJO