MTRICAS DE DISEO A NIVEL DE COMPONENTES

Las mtricas de diseo a nivel de componentes se concentran en las

caractersticas internas de los componentes del software e incluyen medidas de
las 3Cs la cohesin, acoplamiento y complejidad del mdulo. Estas tres
medidas pueden ayudar al desarrollador de software a juzgar la calidad de un
diseo a nivel de los componentes. Estas mtricas son de caja blanca en el
sentido de que requieren conocimiento del trabajo interno del mdulo en cuestin.
Las mtricas de diseo de los componentes se pueden aplicar una vez que se ha
desarrollado un diseo procedimental. Tambin se pueden retrasar hasta tener
disponible el cdigo fuente.

MTRICAS DE COHESIN.
Una coleccin de mtricas que proporcionan una indicacin de la cohesin de un
mdulo. Las mtricas se definen con cinco conceptos y medidas:
Porcin de datos. Dicho simplemente, una porcin de datos es una marcha atrs
a travs de un mdulo que busca valores de datos que afectan a la localizacin de
mdulo en el que empez la marcha atrs. Debera resaltarse que se pueden
definir tanto porciones de programas (que se centran en enunciados y
condiciones) como porciones de datos.
Muestras de datos. Las variables definidas para un mdulo pueden definirse
como muestras de datos para el mdulo.
Seales de unin. El conjunto de muestras de datos que se encuentran en una o
ms porciones de datos.
Seales de superunin. La muestras de datos comunes a todas las porciones de
datos de un mdulo.
Pegajosidad. La pegajosidad relativa de una muestra de unin es directamente
proporcional al nmero de porciones de datos que liga.
Bieman y Ott desarrollan mtricas para cohesiones funcionales fuertes (CFF),
cohesiones funcionales dbiles (CFD) y pegajosidad (el grado relativo con el que
las seales de unin ligan juntas porciones de datos).
Estas mtricas se pueden interpretar de la siguiente manera:

Todas estas mtricas de cohesin tienen valores que van de 0 a 1. Tienen un

valor de O cuando un procedimiento tiene ms de una salida y no muestra ningn
atributo de cohesin indicado por una mtrica particular. Un procedimiento sin
muestras de superunin, sin muestras comunes a todas las porciones de datos, no
tiene una cohesin funcional fuerte (no hay seales de datos que condbuyan a
todas las salidas). Un procedimiento sin muestras de unin, es decir, sin muestras
comunes a ms de una porcin de datos (en procedimientos con ms de una
porcin de datos), no muestra una cohesin funcional dbil y ninguna adhesividad
(no hay seales de datos que contribuya a ms de una salida).
La cohesin funcional fuerte y la pegajosidad se obtienen cuando las mtricas de
Bieman y Ott toman un valor mximo de 1. Se deja un estudio ms detallado de
las mtricas de Bieman y Ott para que sean revisadas sus fuentes [BIE94]. Sin
embargo, para ilustrar el carcter de estas mtricas,
considere la mtrica para la cohesin funcional fuerte: donde SU (SA(i)) denota
muestra de superunin (el conjunto de seales de datos que se encuentran en
todas las porciones de datos de un mdulo i). Como la relacin de muestras de
superunin con respecto al nmero total de muestras en un mdulo i aumenta
hasta un valor mximo de 1, la cohesin funcional del mdulo tambin aumenta.
MTRICAS DE ACOPLAMIENTO.
El acoplamiento de mdulo proporciona una indicacin de la conectividad
de un mdulo con otros mdulos, datos globales y el entorno exterior.
acoplamiento del mdulo que combina el acoplamiento de flujo de datos y de
control, acoplamiento global y acoplamiento de entorno. Las medidas necesarias
para calcular el acoplamiento de mdulo se definen en trminos de cada uno de
los tres tipos de acoplamiento apuntados anteriormente.
Para el acoplamiento de flujo de datos y de control:
di = nmero de parmetros de datos de entrada
ci = nmero de parmetros de control de entrada
do = nmero de parmetros de datos de salida
c, = nmero de parmetros de control de salida
Para el acoplamiento global:
g, = nmero de variables globales usadas como datos
g, = nmero de variables globales usadas como control
Para el acoplamiento de entorno:
w = nmero de mdulos llamados (expansin)
r = nmero de mdulos que llaman al mdulo en cuestin

Usando estas medidas, se define un indicador de acoplamiento de mdulo, m,, de

la siguiente manera:
donde k=l es una constante de proporcionalidad'. m, = k/M
M = di + a xci + do + b xc, + g, + c xg, + w + r
donde a = b = c = 2.
Cuanto mayor es el valor de m,, menor es el acoplamiento de mdulo. Por
ejemplo, si un mdulo tiene
un solo parmetro de entrada y salida de datos, no accede a datos globales y es
llamado por un solo mdulo:
mC= 1 /( 1 + O + 1 +O+O+O+ 1 +O) = 1 /3 =0,33.
Deberamos esperar que un mdulo como ste presentara un acoplamiento bajo.
De ah que, un valor de mc = 0,33 implica un acoplamiento bajo. Por el contrario,
si un mdulo tiene S parmetros de salida y 5 parmetros de entrada de datos, un
nmero igual de parmetros de control, accede a 10 elementos de datos globales
y tiene una concentracin de 3 y una expansin de 4,
m,= 1 /(S + 2 x 5 + 5 + 2 x 5 + 10 + O + 3 + 4) = 0,02 el acoplamiento implicado es
grande.
Para que aumente la mtrica de acoplamiento a medida que aumenta el grado de
acoplamiento, se puede definir una mtrica de acoplamiento revisada como: C=lmc donde el grado de acoplamiento no aumenta linealmente entre un valor mnimo
en el rango de 0,66 hasta un mximo
que se aproxima a 1 ,O.

Mtricas de complejidad. Se pueden calcular una variedad de mtricas del

software para determinar la complejidad del flujo de control del programa. Muchas
de stas se basan en una representacin denominada gafo de flujo. Tal y como se
dijo en el Captulo 17, un gafo es una representacin compuesta de nodos y
enlaces (tambin denominados aristas). Cuando se dirigen los enlaces (aristas), el
grafo de flujo es un grafo dirigido. McCabe [MCC94] identifica un nmero
importante de usos para las mtricas de complejidad:
Las mtricas de complejidad pueden emplearse para predecir la informacin
crtica sobre la fiabilidad y mantenimiento de sistemas software de anlisis
automticos de cdigo fuente (o informacin de diseo procedimental). Las
mtricas de complejidad tambin realimentan la informacin durante el proyecto
de software para ayudar a controlar l [actividad del diseo]. Durante las pruebas y
el mantenimiento, proporcionan una detallada informacin sobre los mdulos
software para ayudar a resaltar las reas de inestabilidad potencial.
La mtrica de complejidad ms ampliamente usada (y debatida) para el software
es la complejidad ciclomtica, originalmente desarrollada por Thomas
McCabe[MCC76]
La mtrica de McCabe proporciona una medida cuantitativa para probar la
dificultad y una indicacin de la fiabilidad ltima. Estudios experimentales indican

una fuerte correlacin entre la mtrica de McCabe y el nmero de errores que

existen en el cdigo fuente, as como el tiempo
requerido para encontrar y corregir dichos errores.