Técnicas de Calidad en el Software

Sesión # 14

Control Estadístico de Calidad

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 comunesVariación debida a la interacción normal o inherente entre los componentes del proceso (gente, máquinas, materiales, etc)

Variación por causas asignablesVariación debida a eventos que no son parte normal del procesoRepresentan 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.

LC + 3

LC - 3

LC

Límite de ControlSuperior (LCS)

Límite de ControlInferior (LCI)

Línea Central (LC)

Tiempo (o secuencia)

CAUSAS COMUNES

(Ing. Rafael Salazar)

Gráficas de control

LC + 3

LC - 3

LC

Límite de ControlSuperior (LCS)

Límite de ControlInferior (LCI)

Línea Central (LC)

Tiempo (o secuencia) (Ing. Rafael Salazar)

Proceso estable (bajo control)

CAUSA ASIGNABLE

LC + 3

LC - 3

LC

Límite de ControlSuperior (LCS)

Límite de ControlInferior (LCI)

Línea Central (LC)

Tiempo (o secuencia) (Ing. Rafael Salazar)

Proceso inestable (fuera de control)

Límite de Tole-rancia Superior

Límite de Tole-rancia Inferior

LC + 3

LC - 3

LC

Límite de ControlSuperior (LCS)

Límite de ControlInferior (LCI)

Línea Central (LC)

Tiempo (o secuencia) (Ing. Rafael Salazar)

Un proceso puede ser estable, pero no ser capaz

LC + 3

LC - 3

LC

Límite de ControlSuperior (LCS)

Límite de ControlInferior (LCI)

Línea Central (LC)

Tiempo (o secuencia)

99.73% de los promedios de las muestras estarán fuera o dentro de este rango.

(Ing. Rafael Salazar)

Gráficas de control comunes (3σ: tres sigma)

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 defectos0.26 defectos/100 líneas de código2.6 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 SigmaParadigma DMAIC, para procesos existentes

D: definición de los objetivos de calidad deseados, en base a la voz del cliente y la estrategia de la empresaM: obtención de métricas del procesoA: análisis de causas de errores (ANOVA)I: mejora continua del procesoC: 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 empresaM: definición de métricas del procesoA: análisis de alternativasD: diseño del proceso o productoV: 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 surveysCost-Benefit analysisHistogramsQFDDesign of experimentsGeneral linear modelANOVARegressionTaguchiEtc…

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