La industria del software es un terreno en constante evolución, y con ella, las técnicas y estrategias para su desarrollo y gestión.
En el centro de esta evolución se encuentra la crucial tarea de la estimación de costos y esfuerzos, un proceso que, a pesar de años de investigación y avances, sigue presentando desafíos significativos. Este artículo se sumerge en un estudio reciente realizado por investigadores de la Universidad Europea del Atlántico (UNEATLANTICO), que arroja luz sobre las técnicas más actuales y efectivas en este ámbito.
El Dr. Manuel Masías Vergara, director de la Escuela Politécnica Superior e investigador de UNEATLANTICO, junto con Ernesto Bautista Thompson, otro destacado investigador de la misma institución, han colaborado en un estudio que analiza y compara la evolución de las técnicas de estimación de costos y esfuerzos en los proyectos de software.
El estudio se centra en la necesidad de una estimación precisa para completar los proyectos a tiempo y dentro del presupuesto. Las estimaciones incorrectas pueden llevar a sobrecostes y esfuerzos adicionales, lo que resulta en pérdidas económicas y de tiempo. A pesar de la investigación continua en este campo, este sigue siendo un desafío persistente en la industria del software.
Asimismo, el estudio destaca el papel de las técnicas de aprendizaje automático (ML) y no ML en la estimación de costos. Sin embargo, la precisión sigue siendo un problema, especialmente en proyectos complejos o aquellos con requisitos cambiantes. Para garantizar proyectos exitosos y la satisfacción del cliente, las organizaciones están invirtiendo considerablemente en mejorar la precisión de estas técnicas de estimación.
El objetivo de la investigación fue proporcionar una visión general del estado actual de la investigación sobre la estimación de costos y señalar oportunidades para que los futuros investigadores optimicen la precisión y efectividad de los métodos de valoración de costos. Para ello, se utilizaron técnicas de ML y no ML, evaluando sus limitaciones y desafíos, como la necesidad de datos históricos y la dificultad de interpretar los resultados.
Conclusiones del estudio
La revisión sistemática concluyó que las técnicas de estimación más utilizadas son ANN y COCOMO, seguidas por Ensemble y FPA. Además, se encontró que ANN ha demostrado ser más eficiente que varias otras técnicas de ML y no ML. La métrica de precisión más utilizada es MMRE.
Este estudio de UNEATLANTICO marca un avance significativo en la comprensión y mejora de la estimación de costos y esfuerzos en proyectos de software. A medida que la industria del software continúa evolucionando, es vital que la investigación y las técnicas de estimación sigan el ritmo para asegurar proyectos exitosos y rentables.
En este sentido, cabe recordar que dentro de la oferta académica de la Universidad Europea del Atlántico (UNEATLANTICO) se imparten los grados en Ingeniería de Organización Industrial y en Ingeniería Informática.
Foto: Todos los derechos reservados.
