Técnicas de Calidad en el Software Sesión # 14

1. Técnicas de Calidad en el SoftwareSesión # 14

2. 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.

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

4. 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)

5. 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.

6. 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.

7. CAUSAS COMUNES Gráficas de 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)

8. 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)

9. 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)

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

11. 99.73% de los promedios de las muestras estarán fuera o dentro de este rango. Gráficas de control comunes (3σ: tres sigma) Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

12. 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.

13. 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

14. 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?

15. 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

16. 6σ: Seis Sigma Se basa en dos paradigmas: • DMAIC: Define, Measure, Analyze, Improve, and Control. • DMADV: Define, Measure, Analyze, Design, and Verify.

17. 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)

18. 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

19. 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

20. 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)

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

22. 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