.

1. บทที่ 5
การประมาณการต้นทุนโครงการซอฟต์แวร์
อ.ศันสนีย์ เลี้ยงพานิชย์
โปรแกรมวิชาวิทยาการสารสนเทศ
1

2. เนื้อหา
➢พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
➢การประมาณการขนาดของซอฟต์แวร์
➢การประมาณการแรงงานแบบ COCOMO I
➢การประมาณการแรงงานแบบ COCOMO II
2

3. พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
1. ต้นทุนโครงการซอฟต์แวร์
➢ ต้นทุนโครงการซอฟต์แวร์ (Software project cost)หมายถึงทรัพยากรที่มีการใช้ไปในการ
ดาเนินงานโครงการซอฟต์แวร์ เพื่อให้บรรลุวัตถุประสงค์และได้ผลิตภัณฑ์หรือผลลัพธ์ตามที่ต้องการ
➢ต้นทุนของโครงการซอฟต์แวร์ไม่ได้หมายถึงต้นทุนในการผลิตซอฟต์แวร์ทางตรงเท่านั้น แต่ยังรวมถึงต้นทุน
อื่น ๆ ด้วย โดยต้นทุนรวมของโครงการผลิตซอฟต์แวร์ประกอบด้วย
1.1 ค่าใช้จ่ายด้านฮาร์ดแวร์ ซอฟต์แวร์ และการบารุงรักษา (Hardware, software and
maintenance cost)
1.2 ค่าใช้จ่ายในการเดินทางและการฝึกอบรม (Travel and training cost)
1.3 ค่าใช้จ่ายแรงงาน (Effort cost) ซึ่งหมายถึงค่าแรงหรือเงินเดือนบุคลากรในโครงการ รวมถึง
ค่าใช้จ่ายอื่น ๆ เช่น ค่าใช้จ่ายในการเตรียมงาน ค่าใช้จ่ายในการบริหารโครงการ ค่าใช้จ่ายในการ
ติดต่อสื่อสาร และค่าใช้จ่ายด้านสวัสดิการ เป็นต้น
3

4. พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
2. การประมาณการต้นทุนของโครงการซอฟต์แวร์
➢ การประมาณการต้นทุนโครงการซอฟต์แวร์มีความสาคัญและมีส่วนเกี่ยวข้องในหลายขั้นตอนของการดาเนินงานโครงการ
ซอฟต์แวร์ ดังนี้
◦ การวางแผนกลยุทธ์ (Strategic planning)
◦ การศึกษาความเป็นไปได้ (Feasibility study)
◦ การกาหนดข้อกาหนดของระบบ (System specification)
◦ การประเมินราคาของผู้ขาย (Evaluation of suppliers’ proposals)
4

5. พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
3. ประเภทของการประมาณการต้นทุน
◦ การประมาณการตามลาดับความสาคัญแบบคร่าวๆ (Rough order of magnitude
(ROM) estimate) เป็นการประมาณการต้นทุนโครงการกว้าง ๆ ในช่วงเริ่มต้นของโครงการ
เพื่อให้ผู้จัดการโครงการและผู้บริหารระดับสูงนาข้อมูลที่ได้ไปใช้ในการตัดสินใจเลือกโครงการ การ
ประมาณการแบบนี้จะให้ค่าความถูกต้องเที่ยงตรงอยู่ระหว่าง -25% กับ +75% หมายความว่า
ต้นทุนที่แท้จริงของโครงการอาจมีค่าต่ากว่าที่ประมาณการไว้ 25% หรือสูงกว่าที่ประมาณการไว้
75%
◦ การประมาณการในลักษณะงบประมาณ (Budgetary estimate) เป็นการประมาณการเพื่อ
วางแผนจัดสรรเงินทุนที่มีอยู่ให้กับกิจกรรมต่าง ๆ ของโครงการ การประมาณการแบบนี้จะมีค่าความ
ถูกต้องเที่ยงตรงอยู่ระหว่าง -10% กับ +25%
◦ การประมาณการในระยะสุดท้าย (Definitive estimate) เป็นการประมาณการต้นทุนโครงการ
ที่เที่ยงตรงมากที่สุด มักจะถูกนาไปใช้ในการบริหารการจัดซื้อ และการประมาณการต้นทุนทั้งหมดของ
โครงการ การประมาณการแบบนี้มีค่าความถูกต้องเที่ยงตรงอยู่ระหว่าง -5% กับ +10%
5

6. 6

7. พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
4. ความยากและปัญหาในการประมาณการต้นทุนโครงการซอฟต์แวร์
➢ ความไม่ซ้ากันของโครงการซอฟต์แวร์
➢การเปลี่ยนแปลงของเทคโนโลยี
➢ความยากในการประมาณการ
➢ความคิดเห็นที่ไม่ตรงกันของผู้ที่เกี่ยวข้อง
7

8. พื้นฐานการประมาณการต้นทุนโครงการซอฟต์แวร์
5. การประมาณการที่สูงหรือต่าเกินไป (Over-estimate/ Under-estimate)
➢โครงการโดยส่วนใหญ่จะมีการประมาณการที่สูงกว่าความเป็นจริง แต่กรณีนี้ผู้บริหารโครงการควรพิจารณาเพราะการ
ประมาณการที่สูงเกินไปโดยเฉพาะการประมาณการแรงงาน (Effort) อาจทาให้ใช้ระยะเวลาในการดาเนินงานนานกว่า
ปกติ
➢ กฎของพาร์คินสัน (Parkinson’s law) กล่าวว่า งานจะขยายไปตามระยะเวลา หมายความว่า ทีมงานสามารถ
ทางานไปได้เรื่อย ๆ จนกว่าจะหมดเวลา มีเวลาเท่าไรก็ทางานเท่านั้น การประมาณการที่มากเกินไปจะทาให้มีค่าใช้จ่ายมาก
ขึ้น
➢กฎของบรู๊ค (Brook’s law) ที่กล่าวว่า การเพิ่มจานวนคนเพื่อมาช่วยทางานที่ช้าอยู่แล้วจะทาให้งานนั้นเสร็จช้าไป
กว่าเดิม เนื่องจากอาจต้องเสียเวลาในการอบรมให้กับคนที่จะเข้ามาทางานก่อน
➢สรุปได้ว่า การประมาณการที่สูงเกินไปอาจทาให้ใช้ระยะเวลามาก มีต้นทุนที่สูง แต่งานจะเสร็จทันตามที่กาหนด ใน
ขณะเดียวกันหากมีการประมาณการที่ต่าเกินไปก็อาจมีปัญหาได้ เช่น ทาให้งานเสร็จไม่ทันตามกาหนด ต้นทุนสูง ความ
เสี่ยงสูง และคุณภาพของงานต่า โดยอาจพบปัญหาที่ไม่คาดคิด เช่น ทีมงานมีประสบการณ์ในการทางานน้อย และการเร่ง
ให้งานเสร็จในเวลาที่กาหนดทาให้คุณภาพของงานต่า ความเสี่ยงในเรื่องของความต้องการที่อาจเปลี่ยนแปลงและไม่มีที่
สิ้นสุด สอดคล้องกับกฎของเวนเบิร์ค (Weinberg’s Zeroth law) ที่กล่าวไว้ว่า โครงการซอฟต์แวร์ ไม่ได้มีแค่ความ
ต้องการที่เก็บรวบรวมมาได้เท่านั้น แต่อาจจะมีความต้องการอื่น ๆ เพิ่มเข้ามาอีก ดังนั้นจึงต้องมีการควบคุมเป็นอย่างดี
ไม่เช่นนั้นอาจก่อให้เกิดปัญหาได้
8

9. การประมาณการขนาดของซอฟต์แวร์
9

10. การประมาณการขนาดของซอฟต์แวร์
➢การวัดประสิทธิผลในการทางาน (Productivity)
➢หมายถึง ผลที่ได้จากการผลิตงานของบุคลากรในโครงการ สามารถคานวณได้จากขนาดของซอฟต์แวร์
(Software size) หารด้วยจานวนเวลาที่ใช้ในการผลิตหรือจานวนแรงงาน (Effort)
Productivity = Size / Effort
10

11. การประมาณการขนาดของซอฟต์แวร์
สามารถทาได้ 2 วิธี
1. การนับจานวนบรรทัดของซอร์สโค้ด
2. การวัดจากจานวนฟังก์ชันที่ใช้งาน มีรายละเอียดดังนี้
11

12. 1.การนับจานวนบรรทัดของซอร์สโค้ด
➢เป็นวิธีการหาขนาดของซอฟต์แวร์ที่ได้รับความนิยมในยุคเริ่มแรก
➢การนับจานวนบรรทัดจึงเป็นวิธีที่ง่าย ซอร์สโค้ดในโปรแกรมจะมีส่วนของคาสั่งและส่วนอื่น ๆ ที่
นอกเหนือจากตัวคาสั่ง เช่น ส่วนของคาอธิบาย ส่วนของการเริ่มต้น ส่วนของการประกาศตัวแปร ซึ่งมี
ความแตกต่างกันในแต่ละภาษา
➢การนับจานวนบรรทัดของซอร์สโค้ดมีผู้คิดค้นวิธีการนับไว้หลายวิธี แต่ละวิธีต้องการผลที่สามารถอธิบาย
ขนาดของซอฟต์แวร์ได้ถูกต้องและชัดเจน
➢ วิธีการนับจานวนบรรทัดของซอร์สโค้ดมีดังนี้
12

13. 1.การนับจานวนบรรทัดของซอร์สโค้ด
◦ Simple line count เป็นการนับจานวนบรรทัดหมดทุกบรรทัดของโค้ดในโปรแกรมโดยนับรวมบรรทัดที่ว่างและ
บรรทัดที่เป็นส่วนของคาอธิบายด้วย
◦ Physical lines (LINES) เป็นการนับจานวนบรรทัดของโค้ดทุกบรรทัด ยกเว้นบรรทัดของการนิยามตัวแปรที่เขียน
ด้วยวิชวลเบสิค (Visual basic)
◦ Physical lines of code เป็นการนับจานวนบรรทัดของโค้ดทั้งหมด แต่ไม่รวมบรรทัดว่างและบรรทัดที่เป็น
คาอธิบาย วิธีการนับแบบนี้บางครั้งเรียกว่า Source Line of Code (sLOC)
◦ Logical lines of code (LLOC) คล้ายกับวิธี Physical lines of code แต่ในบรรทัดที่มีการเชื่อมต่อกัน
ด้วย “_” จะรวมกันนับเป็นบรรทัดเดียว
◦ Statement (STMT) เป็นการนับจานวนประโยคคาสั่ง ซึ่งโดยปกติ 1 ประโยคคาสั่งจะมี 1 บรรทัด
➢การนับจานวนบรรทัดของซอร์สโค้ดจะทาให้ทราบขนาดของซอฟต์แวร์ แต่วิธีการนับจานวนบรรทัดของ
ซอร์สโค้ดมีข้อจากัด คือ จะไม่สามารถเปรียบเทียบขนาดของซอฟต์แวร์ได้หากมีการใช้ภาษาที่แตกต่างกัน
13

14. 14

15. Productivity = Size / Effort
15

16. 2.การนับจานวนฟังก์ชัน
➢การนับจานวนฟังก์ชัน (Function point : FP) เป็นวิธีการวัดขนาดของซอฟต์แวร์ คิดค้นโดย Allan Albrecht
➢เป็นการนับจานวนฟังก์ชันโดยพิจารณาจากลักษณะฟังก์ชันของระบบงาน
➢วิธีการนี้จะช่วยลดปัญหาความแตกต่างของภาษาที่ใช้ในการพัฒนา
➢วิธีการนับจานวนฟังก์ชันที่จะกล่าวถึงนี้ถูกปรับปรุงโดยคณะกรรมการกาหนดและรวบรวมกรรมวิธีในการวัดขนาดซอฟต์แวร์
ด้วยการนับจานวนฟังก์ชัน (International function point user group : IFPUG)
➢จานวนฟังก์ชัน สามารถคานวณได้จากสูตร ดังนี้
FP = UFP * VAF
FP (Function point) คือ จานวนฟังก์ชัน หรือ ขนาดของซอฟต์แวร์ (Size)
UFP (Unadjusted function point) คือ จานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
VAF (Value adjustment factor) คือ ค่าปัจจัยคุณลักษณะ
16

17. 2.การนับจานวนฟังก์ชัน
ค่าปัจจัยคุณลักษณะของระบบ มีทั้งหมด 14 ด้าน จะใช้ในการปรับความซับซ้อนของระบบ เนื่องจากแต่
ละระบบมีคุณลักษณะเด่นที่แตกต่างกัน ดังนั้นจึงต้องนามาใช้ในการคานวณด้วยตามสูตรข้างต้น
การคานวณหาจานวนฟังก์ชัน ตามสูตร มี 3 ขั้นตอนดังนี้
◦ 2.1 การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง UFP (Unadjusted function point)
◦ 2.2 การคานวณค่าปัจจัยคุณลักษณะ (Value adjustment factor : VAF)
◦ 2.3 การคานวณจานวนฟังก์ชัน (FP)
17

18. 2.1การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
▪Unadjusted function point : UFP
▪เป็นการคานวณหาจานวนฟังก์ชันโดยพิจารณาจากลักษณะฟังก์ชันของระบบงาน ซึ่งมีทั้งหมด 5 ประเภท
ได้แก่
2.1.1 External input (EI) เป็นข้อมูลที่นาเข้าจากภายนอก เพื่อที่จะทาการปรับปรุงข้อมูลภายใน
(ILF) เช่น การเพิ่ม ลบ แก้ไขข้อมูล ตัวอย่าง EI เช่น การกรอกแบบฟอร์มข้อมูล การกรอกชื่อผู้ใช้และ
รหัสผ่าน เป็นต้น
ในการพิจารณาความซับซ้อนของ EI นี้IFPUG กาหนดให้พิจารณาจาก
- จานวนแฟ้มข้อมูลที่ถูกอ้างอิง (File type reference : FTR)
-และจานวนของข้อมูลที่เข้าถึง (Data element type : DET) การพิจารณา DET จะนับจานวน
ข้อมูลที่เข้าถึงในมุมมองของผู้ใช้ไม่ใช่นับจานวนฟิลด์ที่สร้างในฐานข้อมูล เช่น ข้อมูลที่อยู่ นับได้เพียง 1
DET เท่านั้น ถึงแม้ว่าจะมีการแยกเก็บรายละเอียดของที่อยู่เป็นหลาย ๆ ฟิลด์ในตารางของฐานข้อมูล การ
พิจารณาระดับความซับซ้อนของ EI มีเกณฑ์แสดงระดับความซับซ้อนตามตารางที่ 5.4
18

19. ตัวอย่าง
19

20. 2.1การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
2.1.2 External output (EO) เป็นข้อมูลที่ถูกส่งออกจากระบบ ซึ่งเป็นผลลัพธ์จากการ
ประมวลผลของระบบ หรือการควบคุมข้อมูลที่ต้องส่งออกจากระบบไปยังระบบภายนอก
- ให้นับการแสดงผลข้อมูลที่ได้จากการประมวลผลข้อมูลที่ไม่ซ้า
- โดย EO อาจแสดงผลได้หลายรูปแบบ เช่น รายงาน ผลการคานวณ กราฟ เป็นต้น
- การพิจารณาความซับซ้อนของ EO นี้IFPUG กาหนดให้พิจารณาจาก
◦ จานวนแฟ้มข้อมูลที่ถูกอ้างอิง (FTR)
◦ และจานวนของข้อมูลที่เข้าถึง (DET)
ระดับความซับซ้อนของ EO แสดงได้ดังตารางที่ 5.5
20

21. ตัวอย่าง
21

22. 2.1.3 External query (EQ) เป็นการนับรวมข้อมูลนาเข้าและส่งออกที่ข้อมูลนาเข้าแล้วทาให้
เกิดการส่งออกอัตโนมัติ หรืออาจกล่าวว่าเป็นการดึงข้อมูลที่ต้องการมาประมวลผลเพื่อแสดงผลลัพธ์
ให้กับผู้ใช้ เช่น Facebook authentication
การพิจารณาความซับซ้อนของ EQ นี้IFPUG กาหนดให้พิจารณาจาก
- จานวนแฟ้มข้อมูลที่ถูกอ้างอิง (FTR)
- และจานวนของข้อมูลที่เข้าถึง (DET)
ระดับความซับซ้อนของ EQ แสดงได้ดังตารางที่ 5.5
2.1การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
22

23. 2.1.4 Internal logical files (ILF) แฟ้มข้อมูลเชิงตรรกะ เป็นแฟ้มข้อมูลที่ใช้ในระบบ เช่น
แฟ้มข้อมูลสินค้า แฟ้มข้อมูลพนักงาน แฟ้มข้อมูลประเภทนี้มักถูกปรับปรุงด้วยข้อมูลที่มาจากภายนอก
(EI) การนับให้นับรวมเรคคอร์ดที่ทาหน้าที่เทียบเท่ากับแฟ้มข้อมูลด้วย
การพิจารณาความซับซ้อนของ ILF นี้IFPUG กาหนดให้พิจารณาจาก
- จานวนเรคคอร์ด (Record element type : RET)
- และจานวนของข้อมูลที่เข้าถึง (DET)
การพิจารณาจากจานวนเรคคอร์ดซึ่งคือกลุ่มย่อยของข้อมูลที่ผู้ใช้สามารถเข้าใจได้ เช่น ในแฟ้มข้อมูล
พนักงาน จะมีข้อมูลย่อยสองส่วนคือ ข้อมูลเงินเดือน และข้อมูลจานวนชั่วโมงการทางาน จะถูกนับเป็น 2
RET ระดับความซับซ้อนของ ILF แสดงได้ดังตารางที่ 5.6
2.1การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
23

24. ตัวอย่าง
24

25. 2.1.5 External interface files (EIF) แฟ้มข้อมูลที่ส่งผ่านหรือแลกเปลี่ยนระหว่างระบบ เป็น
แฟ้มข้อมูลที่ใช้ร่วมกับระบบอื่น ถูกเรียกใช้โดยระบบที่พัฒนาแต่จะมีการบารุงรักษาโดยระบบอื่นภายนอก
การพิจารณาความซับซ้อนของ EIF นี้IFPUG กาหนดให้พิจารณาจาก
-จานวนเรคคอร์ด (RET)
-และจานวนของข้อมูลที่เข้าถึง (DET)
ระดับความซับซ้อนของ EIF แสดงได้ดังตารางที่ 5.6
ตัวอย่างการพิจารณาจานวนของข้อมูลที่เข้าถึง (DET) เช่น ข้อมูลฟิลด์นาเข้า (Input field),
ค่าคานวณ, ปุ่มคาสั่งต่าง ๆ, ปุ่ม Checkbox, ปุ่ม Radio ตัวอย่างแสดงได้ดังภาพด้านล่าง
2.1การคานวณหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
25

26. ➢ตัวอย่างการพิจารณาจากจานวนเรคคอร์ด (RET) เช่น ข้อมูลจากฐานข้อมูล, แหล่งที่มาของข้อมูล,
ระบบภายนอก เป็นต้น
➢หลังจากพิจารณาหาจานวนฟังก์ชันทั้ง 5 ประเภท และทราบถึงระดับความซับซ้อนของฟังก์ชันซึ่งมี 3
ระดับ คือ ระดับต่า ระดับปานกลาง และระดับสูง เรียบร้อยแล้ว
➢ให้นับว่าแต่ละฟังก์ชันมีระดับต่า ปานกลาง และสูงจานวนเท่าใด นามาคูณกับค่าถ่วงน้าหนักของแต่ละ
ระดับตามตารางที่ 5.7 แล้วหาผลรวมฟังก์ชันทั้งหมด จะได้ค่าจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง (UFP)
26

27. ตัวอย่าง
27

28. ตัวอย่างการหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง (UFP) ของระบบสารสนเทศขององค์กรแห่ง
หนึ่ง ซึ่งจากข้อกาหนดของระบบงานนี้สามารถแบ่งเป็นระบบย่อยได้ 4 ระบบ แต่ละระบบมีฟังก์ชันการ
ทางาน และได้มีการพิจารณาแยกประเภทฟังก์ชันการทางาน มีรายละเอียดดังนี้
ตัวอย่าง 5.2 การหาจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง(UFP)
28

29. 29

30. หลังจากที่ได้ประเภทฟังก์ชันเรียบร้อยแล้ว
ให้คานวณหาระดับความซับซ้อนของฟังก์ชันแต่ละประเภท
มีรายละเอียดตามตารางที่ 5.4 ถึงตารางที่ 5.6 ดังต่อไปนี้
30

31. ระดับความซับซ้อนของ EI
ดูจากตาราง 5.4
31

32. 32
ระดับความซับซ้อนของ EQ
ดูจากตาราง 5.5

33. ระดับความซับซ้อนของ EO
ดูจากตาราง 5.5
33

34. ระดับความซับซ้อนของ EIF
ดูจากตาราง 5.6
34
4.คานวณหาระดับความซับซ้อนของ EIF ดังตาราง

35. ระดับความซับซ้อนของ ILF
ดูจากตาราง 5.6
35

36. ➢เมื่อได้ระดับความซับซ้อนเรียบร้อยแล้ว ให้คานวณหาผลรวมของจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง (UFP) ของ
ทั้ง 4 ระบบย่อย แยกตามประเภทฟังก์ชันทั้ง 5 ประเภท
➢โดยการนับว่าแต่ละฟังก์ชันทั้ง 5 นั้นมีระดับความซับซ้อนเป็นระดับต่า ปานกลาง และสูงจานวนเท่าใด แล้ว
นามาคูณกับค่าถ่วงน้าหนักของแต่ละระดับ จากนั้นหาผลรวมฟังก์ชันทั้งหมดที่นับได้
รายละเอียดตัวอย่างอธิบายได้ว่า มีจานวน EI รวมทั้งหมด 4 ฟังก์ชันการทางานที่อยู่ในระดับต่า
ส่วน EO มีทั้งหมด 3 ฟังก์ชันการทางานที่อยู่ในระดับต่า
มีจานวน EQ 1 ฟังก์ชันการทางานที่อยู่ในระดับต่า
มีจานวน EIF 1 ฟังก์ชันการทางานที่อยู่ในระดับต่า
มีจานวน ILF 4 ฟังก์ชันการทางานที่อยู่ในระดับต่า
นาจานวนฟังก์ชันที่นับได้คูณกับค่าถ่วงน้าหนักจากนั้นหาผลรวม ผลลัพธ์สุดท้ายจะได้จานวนฟังก์ชันที่ยังไม่ได้
ปรับแต่ง (UFP) ซึ่งในตัวอย่างของการพัฒนาระบบงานสารบรรณนี้จะได้จานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง
(UFP) รวมทั้งหมด 60 ฟังก์ชัน (60 FP)
36

37. ค่าน้าหนักอยู่ในตารางที่ 5.7
(4*3)+(0*4)+(0*6) = 12
37
หาผลรวมจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง (UFP)

38. 2.2การคานวณค่าปัจจัยคุณลักษณะ▪การคานวณค่าปัจจัยคุณลักษณะ (Value adjustment factor : VAF)
◦ เป็นคุณลักษณะเด่นของระบบ 14 ด้านที่จะส่งผลต่อความแตกต่างกันของระบบ คุณลักษณะเด่นแต่ละด้านจะมีค่าความเกี่ยวข้องตั้งแต่ 0 ถึง 5 โดย 0 มีค่า
ความเกี่ยวข้องน้อยที่สุด และ 5 มีค่าความเกี่ยวข้องมากที่สุด คุณลักษณะเด่นทั้ง 14 ด้าน ได้แก่
◦ การติดต่อสื่อสาร
◦ การประมวลผลข้อมูลแบบกระจาย
◦ ประสิทธิภาพของระบบ
◦ การแก้ไขค่าของระบบ
◦ ปริมาณรายการข้อมูล
◦ การป้อนข้อมูลเข้าสู่ระบบแบบออนไลน์
◦ ประสิทธิภาพการใช้งานของผู้ใช้
◦ การปรับปรุงข้อมูลแบบออนไลน์
◦ ความซับซ้อนของการประมวลผล
◦ การนาไปใช้ซ้า
◦ ความง่ายในการติดตั้ง
◦ ความง่ายในการดาเนินงาน
◦ การใช้งานได้หลายที่
◦ รองรับการเปลี่ยนแปลงความต้องการของผู้ใช้
38

39. 2.2การคานวณค่าปัจจัยคุณลักษณะ
การคานวณหาค่าปัจจัยคุณลักษณะนี้สามารถคานวณได้จากสูตร
VAF = 0.65 + (0.01 * ผลรวมค่าคุณลักษณะ 14 ด้าน)
39

40. 40
จากตัวอย่าง 5.3 มีพิจารณาค่าปัจจัยคุณลักษณะและความเกี่ยวข้องของระบบงาน มีรายละเอียดตามตาราง

41. 2.2การคานวณค่าปัจจัยคุณลักษณะ
จากตัวอย่าง 5.3 สามารถคานวณหาค่าปัจจัยคุณลักษณะได้ดังนี้
สูตร VAF = 0.65 + (0.01 * ผลรวมค่าคุณลักษณะ 14 ด้าน)
= 0.65 + (0.01 * 42)
= 1.07
41

42. 2.3การคานวณจานวนฟังก์ชัน (FP)
◦ การคานวณจานวนฟังก์ชัน (FP) หรือขนาดของซอฟต์แวร์ สามารถคานวณได้จากการนาค่าจานวนฟังก์ชันที่ยังไม่ได้
ปรับแต่งคูณกับค่าปัจจัยคุณลักษณะ จากตัวอย่างการพัฒนาระบบสารสนเทศงานบุคลากรที่ได้กล่าวมาแล้วข้างต้นใน
ตัวอย่างที่ 5.2 และ 5.3 พบว่าจานวนฟังก์ชันที่ยังไม่ได้ปรับแต่ง (UFP) มีค่าเป็น 60 ฟังก์ชัน และค่าปัจจัย
คุณลักษณะ มีค่าเป็น 1.07 ดังนั้นสามารถคานวณหาจานวนฟังก์ชัน (FP) หรือขนาดของซอฟต์แวร์ได้ดังนี้
สูตร FP = UFP * VAF
= 60 * 1.07
= 64.2 FP
▪นอกจากนี้เมื่อได้จานวนฟังก์ชันของระบบหรือขนาดของซอฟต์แวร์แล้ว สามารถนาไปหาค่า Productivity หรือ
Effort ได้ แต่ในบางครั้งอาจต้องใช้ขนาดของซอฟต์แวร์เป็นจานวนบรรทัดของซอร์สโค้ด ซึ่งเมื่อทราบค่าจานวนฟังก์ชัน
ของระบบแล้วจะสามารถคานวณหาจานวนบรรทัดของ ซอร์สโค้ดได้
▪โดยมีตารางเปรียบเทียบข้อมูลตามมาตรฐาน QSM (Quantitative Software Management) เวอร์ชัน
5.0 ซึ่งได้มีการปรับปรุงข้อมูลและเพิ่มภาษาใหม่ ๆ เข้าไป (QSM. Online. 2014) รายละเอียดแสดงได้ในตารางที่
5.16
42

43. 43

44. Q&A
44

45. การประมาณการต้นทุนและแรงงาน
การประมาณการต้นทุนและแรงงานมีเทคนิคที่ช่วยในการประมาณการหลายเทคนิค
1.การประมาณการโดยผู้เชี่ยวชาญ
การประมาณโดยผู้เชี่ยวชาญ (Expert judgment) เป็นการประมาณการโดยอาศัยผู้เชี่ยวชาญ หรือ
ผู้ที่มีความรู้และประสบการณ์ วิธีการประมาณการจะใช้การคาดเดาอย่างมีหลักการจากประสบการณ์หรือ
ใช้เทคนิคของการเทียบเคียง รวมกับเทคนิคการประมาณการแบบล่างขึ้นบนเพื่อประมาณการ
45

46. การประมาณการต้นทุนและแรงงาน
2.การประมาณการแบบล่างขึ้นบน และการประมาณการแบบบนลงล่าง
➢ การประมาณการแบบล่างขึ้นบน (Bottom-up) เป็นการประมาณการโดยอาศัยกิจกรรมของโครงการเป็น
พื้นฐานในการประมาณการ โดยจะต้องทราบรายละเอียดกิจกรรมของโครงการ เช่น แต่ละกิจกรรมประกอบด้วยกี่
โมดูล แต่ละโมดูลใช้ระยะเวลาในการดาเนินงานเท่าใด เพื่อที่จะประมาณการค่าใช้จ่ายในแต่ละโมดูลก่อน จากนั้น
จึงรวมทุกโมดูลเพื่อประมาณการเป็นค่าใช้จ่ายของทั้งโครงการ การประมาณการแบบล่างขึ้นบนนี้เป็นการ
ประมาณการที่ได้รับความนิยม สามารถประมาณการค่าใช้จ่ายของโครงการได้ ถึงแม้ว่าจะไม่มีข้อมูลในอดีตจาก
โครงการที่เคยทามาก่อน
➢การประมาณการจากบนลงล่าง (Top-down) เป็นการประมาณการในภาพรวมของทั้งโครงการก่อนโดย
อาศัยตัวขับ (Driver) จากนั้นจึงแบ่งการประมาณการไปในแต่ละส่วนกิจกรรมโครงการ เช่น โครงการมีการ
กาหนดตัวขับเป็นแรงงาน (Effort) หรือ ระยะเวลา โดยกาหนดว่าโครงการนี้ต้องดาเนินการใน 100 วัน จากนั้น
จึงกระจายรายละเอียดงาน และแบ่งประมาณการในแต่ละงานนั้น แสดงตัวอย่างได้ดังภาพที่ 5.2 ซึ่งการประมาณ
การจากบนลงล่างนี้อาจต้องอาศัยข้อมูลจากโครงการในอดีตที่เคยดาเนินการมาแล้ว
46

47. 47

48. การประมาณการต้นทุนและแรงงาน
3.การประมาณการแบบพาราเมตริกซ์
การประมาณการแบบพาราเมตริกซ์ (Parametric) เป็นการประมาณการโดยการใช้สูตรหรือฟังก์ชัน
เข้ามาเกี่ยวข้อง เช่น
➢การประมาณการขนาดซอฟต์แวร์ด้วยเทคนิคฟังก์ชันพอยต์ (Function point)
➢การประมาณการด้วยวิธีโคโคโม (COCOMO) ซึ่งเป็นการประมาณการที่ได้รับความนิยมเป็นอย่าง
มากในปัจจุบัน รายละเอียดจะกล่าวถึงในหัวข้อถัดไป
48

49. การประมาณการต้นทุนและแรงงาน
4.การประมาณการแบบเทียบเคียง
➢ การประมาณการแบบเทียบเคียง (Analogy) เป็นการประมาณการโดยใช้การเทียบเคียงจากข้อมูล
โครงการในอดีตที่มีลักษณะคล้ายกันที่ดาเนินการมาแล้วและประสบความสาเร็จ โดยนาข้อมูลจาก
โครงการดังกล่าวมาเป็นพื้นฐานในการประมาณการ การประมาณการแบบเทียบเคียงอาจใช้หลักการของ
Euclidean distance มาช่วยในการเลือกโครงการที่มีลักษณะใกล้เคียงเพื่อนามาใช้เป็นพื้นฐานใน
การประมาณการ
➢Euclidean distance เป็นทฤษฎีในการวัดระยะทางระหว่างจุดสองจุดในแนวเส้นตรง สามารถ
นามาประยุกต์ใช้ในการเทียบเคียงโครงการได้ โดยพิจารณาจากจานวนข้อมูลนาเข้า (Input) และ
จานวนข้อมูลออก (Output) ที่เป็นผลลัพธ์จากระบบที่สร้าง สามารถหาระยะทางเพื่อเทียบเคียง ได้
ตามสูตร
49

50. 50
2.24
3.16
โครงการใหม่ที่กาลังจะทา
It=7
Ot=15
โครงการ A
Is=8
Os=17
โครงการ B
Is=6
Os=12

51. 51
โครงการใหม่ที่กาลังจะทา
It=7
Ot=15
โครงการ A
Is=8
Os=17
โครงการ B
Is=6
Os=12

52. การประมาณการต้นทุนและแรงงาน
5.การประมาณการตามกฎของพาร์คินสัน
การประมาณการตามกฎของพาร์คินสัน (Pakinson’s law) เป็นการประมาณการโดยการจัดสรร
งานให้ทีมงานตามระยะเวลาที่มีอยู่ เช่น ถ้ามีทีมงาน 4 คน และต้องส่งมอบซอฟต์แวร์ภายในเวลา 12
เดือน ดังนั้นต้องจัดให้ทีมงานทั้ง 4 คนนี้ทางานให้ได้ 48 man-month
6.การประมาณการเพื่อให้ชนะการประมูล
การประมาณการเพื่อให้ชนะการประมูล (Price to win) เป็นเทคนิคการประมาณการต้นทุนให้ต่า
ที่สุด โดยมีจุดหมายเพื่อให้ชนะการประมูล
52

53. แบบฝึกหัด
ข้อ 1,2,3,4,5,8
53

54. การประมาณการแรงงานโดยใช้ค่าอัตราประสิทธิผลในการทางาน
54

55. 55
การประมาณการแรงงานโดยใช้ค่าอัตราประสิทธิผลในการทางาน
➢การประมาณการแรงงานโดยใช้อัตราการส่งมอบโครงการหรืออัตราประสิทธิผลในการทางาน
(Productivity rate)
➢ซึ่งจะคานวณโดยใช้ขนาดของซอฟต์แวร์ที่ได้จากการนับจานวนฟังก์ชัน การประมาณการแรงงานวิธีนี้จะวัด
จานวนชั่วโมงที่ใช้ในการพัฒนาโปรแกรมใน 1 ฟังก์ชัน หากมีจานวนชั่วโมงมาก หมายความว่าประสิทธิผลใน
การทางานต่า แต่ถ้ามีจานวนชั่วโมงน้อย ประสิทธิผลในการทางานจะดี แต่ทั้งนี้ขึ้นอยู่กับความสามารถของ
ทีมงานด้วย
➢จากที่เคยกล่าวไว้ว่า ค่าประสิทธิผลในการทางาน (Productivity) สามารถคานวณได้จากการนา
ขนาดของซอฟต์แวร์หารด้วยจานวนแรงงานตามสูตร
Productivity = Size / Effort
และสามารถหาค่าจานวนแรงงานได้จากสูตร
Effort =Size / Productivity

56. 56
การประมาณการแรงงานโดยใช้ค่าอัตราประสิทธิผลในการทางาน
➢จากข้อมูลของ Arnuphaptrairong (2013) ที่ได้ทาการศึกษาในเรื่องอัตราประสิทธิผลในการทางานและค่า
จานวนแรงงานโดยได้มีการทบทวนงานวิจัยและสรุปผลได้ดังนี้

57. 57
การประมาณการแรงงานโดยใช้ค่าอัตราประสิทธิผลในการทางาน
➢จากการศึกษาข้อมูลข้างต้นของ Arnuphaptrairong พบว่า อัตราประสิทธิผลในการทางานของ
Jeffer Et Al. สามารถใช้ประมาณการแรงงานได้ดีพอสมควรสาหรับการพัฒนาซอฟต์แวร์ของไทย โดย
สามารถคานวณแรงงานได้จากสมการ Effort = 2.2 x FP จะได้จานวนแรงงานที่มีหน่วยเป็น คน-ชั่วโมง
➢ตัวอย่าง โครงการซอฟต์แวร์โครงการหนึ่งมีจานวนฟังก์ชันที่ได้คานวณออกมาแล้วมีค่าเท่ากับ 10 เมื่อ
แทนค่า FP ลงในสมการ Effort = 2.2 x FP จะได้แรงงานเท่ากับ 22 คน-ชั่วโมง และถ้าหากต้องการ
คานวณต้นทุนโครงการซอฟต์แวร์จะต้องทราบอัตราค่าแรงในการพัฒนา จากนั้นนาอัตราค่าแรงไปคูณกับ
จานวนแรงงานที่ได้ จะได้ต้นทุนค่าแรงในการพัฒนาซอฟต์แวร์ของโครงการ
➢นอกจากนี้จากการศึกษาของ Rollo (2006) ยังพบว่าการประมาณการแรงงานจะต้องเลือกใช้อัตรา
ประสิทธิผลในการทางานที่เหมาะสม หากเลือกไม่เหมาะสมจะทาให้การประมาณการมีค่าความผิดพลาด
มาก ทั้งนี้ขึ้นอยู่กับความสามารถของทีมงานหรือบุคลากรในโครงการด้วย

58. การประมาณการแรงงานแบบ COCOMO I
58

59. การประมาณการแรงงานแบบCOCOMO I
▪การประมาณการแบบ COCOMO (Constructive cost model) เป็นเทคนิคการประมาณ
การแรงงาน (Effort) ที่ได้รับความนิยม เทคนิคนี้ได้รับการพัฒนาขึ้นมาในปี ค.ศ. 1981 โดย Barry
Boehm เป็นการนาหลักการทางคณิตศาสตร์ การใช้ค่าสถิติ และปัจจัยอื่น ๆ ที่ส่งผลกระทบในการ
ประมาณราคาซอฟต์แวร์มาใช้ในการคานวณ เทคนิคการประมาณการแบบ COCOMO นี้ได้มีการ
พัฒนาและยังมีการใช้งานในปัจจุบัน
59

60. การประมาณการแรงงานแบบCOCOMO I
COCOMO I เป็นการประมาณการแบบ COCOMO ในยุคแรก บางครั้งเรียกว่า COCOMO81 โดย Barry
Boehm ผู้คิดค้น ได้สร้างแบบจาลองเพื่อการคานวณในระยะนี้ไว้ 3 ระดับ ดังนี้
1. Basic COCOMO
เป็นแบบจาลองเพื่อการประมาณการที่ต้องการความรวดเร็ว ไม่ละเอียด มีการกาหนดค่าคงที่ในการประมาณการ และ
คานวณโดยใช้ขนาดของซอฟต์แวร์โดยการนับจานวนบรรทัด มีแบบจาลอง 3 แบบที่ใช้ ได้แก่
1.1 การหาแรงงาน (Effort) หาได้จากสูตร
Effort = a * Sizeb
Effort แรงงาน มีหน่วยเป็น man-month / person month
Size ขนาดของซอร์สโค้ด มีหน่วยเป็นหลักพันบรรทัด (KLOC)
a, b ค่าคงที่ตามขนาดของระบบ (จากตารางที่ 5.9)
60

61. ตารางที่ 5.9 เป็นตารางค่าคงที่ a, b และ c ของแบบจาลอง Basic COCOMO จาแนกตามขนาดของโครงการ ดังนี้
Organic เป็นโครงการซอฟต์แวร์ขนาดเล็ก ไม่ซับซ้อน มีทีมงานน้อย สามารถพัฒนางานภายในองค์กร มีความยืดหยุ่นใน
การขอปรับเปลี่ยนรายละเอียดของซอฟต์แวร์
Semi-detached เป็นโครงการซอฟต์แวร์ขนาดกลาง มีเงื่อนไขหรือความซับซ้อนในระดับปานกลาง ทีมงานประกอบด้วย
คนที่มีประสบการณ์และไม่มีประสบการณ์ในระบบงานที่ดาเนินการ
Embedded เป็นโครงการซอฟต์แวร์ขนาดใหญ่ มีเงื่อนไขและข้อจากัดในการพัฒนางานมาก มีความซับซ้อนของการ
ประมวลผลในระดับสูง ทีมงานไม่มีความคุ้นเคยกัน หากมีการเปลี่ยนแปลงระบบจะทาให้เสียค่าใช้จ่ายสูง
61

62. 1.2 การหาระยะเวลาในการพัฒนา หาได้จากสูตร
TDEV = 2.5 * Effortc
TDEV ระยะเวลาในการพัฒนา มีหน่วยเป็นเดือน (Month)
Effort แรงงาน มีหน่วยเป็น man-month / person month
c ค่าคงที่ตามขนาดของระบบ (จากตารางที่ 5.9)
Basic COCOMO
62

63. Basic COCOMO
1.3 การหาจานวนคนในการพัฒนา หาได้จากสูตร
P = Effort / TDEV
P จานวนคนในการพัฒนา
Effort แรงงาน มีหน่วยเป็น man-month / person month
TDEV ระยะเวลาในการพัฒนา มีหน่วยเป็นเดือน (Month)
63

64. ตัวอย่าง 5.5 การประมาณการด้วยวิธี BASIC COCOMO
64

65. การประมาณการแรงงานแบบCOCOMO I
2. Intermediate COCOMO
เป็นแบบจาลองการประมาณการที่มีการพัฒนามาจากแบบ Basic COCOMO มีการปรับค่าที่ได้จากแบบจาลอง Basic COCOMO โดย
การนาตัวแปรที่เกี่ยวข้องกับพัฒนาหรือเรียกว่าปัจจัยขับ (Cost driver) ซึ่งมีทั้งหมด 15 ตัว ตามตารางที่ 5.11 เข้ามาช่วยในการประมาณการ
ซึ่งจะช่วยให้การประมาณการมีค่าใกล้เคียงความเป็นจริงมากขึ้น การประมาณการแรงงาน สามารถคานวณได้จากสูตร
Effort = EAF * Effortnorminal
Effort แรงงาน มีหน่วยเป็น man-month / person month
EAF ค่าปัจจัยปรับแรงงาน (Effort adjustment factor) เป็นค่าผลคูณของระดับตัวแปรที่เกี่ยวข้องกับการพัฒนาจาก
ตารางที่ 5.11
Effortnorminal แรงงานจากการคานวณแบบปกติ จากสูตร a * Sizeb
(ค่าคงที่ a, b อ้างอิงจากตาราง 5.10)
65

66. 66

67. 67
ตารางที่ 5.11 ปัจจัยขับที่เกี่ยวข้องกับการพัฒนาของแบบจาลอง Intermediate COCOMO

68. 68

69. ตัวอย่าง 5.6 การประมาณการด้วยวิธี Intermediate COCOMO
▪สมมติโครงการพัฒนาซอฟต์แวร์เป็นโครงการประเภท Organic (a=3.2, b=1.05, c=0.38)
โครงการนี้มี 4 โมดูล แต่ละโมดูลมีขนาด (Size) 0.6, 0.6, 0.8 และ 1.0 ตามลาดับ และมีปัจจัยขับ
ที่เกี่ยวข้องดังนี้
ปัจจัยขับ (Cost driver) ระดับ EAF
Complexity of the pro
duct
สูง 1.15
Memory constraints สูง 1.06
Application
experience
ต่า 1.13
Software engineer cap
ability
ต่า 1.17
จงคานวณหาค่าแรงงาน ระยะเวลา และจานวนคนที่ต้องใช้ทั้งหมดในโครงการนี้
69

70. หาแรงงานได้จากสูตร
Effort = EAF * Effortnorminal
= (1.15*1.06*1.13*1.17) * (3.2 * (0.6+0.6+0.8+1.0)1.05)
= 16.35 man-months
หาระยะเวลาในการพัฒนาได้จากสูตร
TDEV = 2.5 * Effortc
= 2.5 * (16.35)0.38
= 7.23 months
หาจานวนคนในการพัฒนาได้จากสูตร
P = Effort / TDEV
= 16.35 / 7.23
= 3 people
70

71. การประมาณการแรงงานแบบCOCOMO I
3.Advanced หรือ Detailed COCOMO
Advanced หรือ Detailed COCOMO เป็นแบบจาลองการประมาณการที่เหมาะกับโครงการ
ซอฟต์แวร์ที่มีขนาดใหญ่ มีการประมาณการแบบเดียวกันกับ Intermediate COCOMO แต่จะมี
การคานวณหาค่าประมาณการแรงงานจากขั้นตอนของการพัฒนาซอฟต์แวร์ทุกขั้นตอน
เช่น ขั้นตอนการวางแผนความต้องการและการออกแบบผลิตภัณฑ์ (Requirements planning
and product design : RPD) ขั้นตอนการออกแบบรายละเอียด (Detailed design :
DD) ขั้นตอนการเขียนโปรแกรมและการทดสอบระดับหน่วย (Code and unit test : CUT) และ
ขั้นตอนของการรวมระบบและการทดสอบ (Integration and test : IT)
71

72. การประมาณการแรงงานแบบ COCOMO II
72

73. การประมาณการแรงงานแบบCOCOMO II
➢COCOMO II เป็นแบบจาลอง COCOMO ที่ได้รับการพัฒนาขึ้นมาในปี ค.ศ. 1997 เนื่องจาก
การพัฒนาซอฟต์แวร์ในยุคหลัง ๆ ได้มีการเปลี่ยนแปลงไป ซอฟต์แวร์มีความซับซ้อนมากขึ้นเทคโนโลยี
และเครื่องมือในการพัฒนาซอฟต์แวร์เปลี่ยนแปลงไป เช่น มีการใช้เทคโนโลยีเชิงวัตถุมาช่วยในการ
ออกแบบและเขียนโปรแกรม มีเทคโนโลยีในการพัฒนาซอฟต์แวร์เป็นคอมโพเนนท์ รวมทั้งมีเครื่องมือใน
การทดสอบอัตโนมัติ
➢ดังนั้นแบบจาลอง COCOMO I ในยุคก่อนจึงไม่เหมาะสมในการนามาใช้ในการประมาณการใน
ปัจจุบัน Barry Boehm จึงได้พัฒนาแบบจาลองตัวใหม่ คือ แบบจาลอง COCOMO II ขึ้นมา
➢ ซึ่งแบบจาลองนี้มีการใช้งานอย่างแพร่หลายในปัจจุบัน COCOMO II แบ่งแบบจาลองเป็น 3
ประเภทตามระยะของการพัฒนามีรายละเอียดดังนี้
➢1. Application composition
➢2. Early design
➢3. Post architecture
73

74. การประมาณการแรงงานแบบCOCOMO II
1.Application composition
➢เป็นแบบจาลองที่ใช้สาหรับการประมาณการแรงงานในช่วงเริ่มต้นโครงการ โดยยังไม่ทราบรายละเอียด
ของระบบงาน จะทราบแค่ฟังก์ชันการทางานแบบไม่ละเอียด
➢การประมาณการนี้จะใช้ออบเจ็กต์พอยต์ (Object point) แทนขนาดของซอฟต์แวร์ เป็นการนับ
จานวนออบเจ็กต์ ซึ่งหมายถึงคอมโพเนนท์ 3 ส่วน ได้แก่ หน้าจอ (Screen) รายงาน (Reports)
และโมดูลที่เขียนด้วยภาษายุค 3GL (3GL Modules) ขึ้นไป
➢แบบจาลองนี้จะเหมาะกับการพัฒนาซอฟต์แวร์แบบคอมโพเนนท์
➢การประมาณการแรงงานสามารถคานวณได้จากสูตร
74

75. Effort = ROP / Productivity constant
Effort แรงงาน มีหน่วยเป็น man-month / person month
ROP ค่าออบเจ็กต์ที่ถูกปรับลดแล้ว (Revised object point)
Productivity constant ค่าคงที่ของสัมประสิทธิ์ในการผลิตซอฟต์แวร์ (จากตารางที่ 5.12)
ROP = Object point * (100 - % reuse) / 100
ROP ค่าออบเจ็กต์ที่ถูกปรับลดแล้ว
Object point จานวนออบเจ็กต์ที่นับได้
% reuse อัตราการนาไปใช้ใหม่
1.Application composition
75

76. 76
ตารางที่ 5.12 ค่าคงที่ของสัมประสิทธิ์ในการผลิตซอฟต์แวร์พิจารณาจากระดับประสบการณ์
และความสามารถของทีมงาน

77. ตัวอย่าง 5.7 การประมาณการแรงงานของโครงการหนึ่ง ซึ่งมีจานวนออบเจ็กต์ที่นับได้ 45 ออบเจ็กต์ มีอัตราการนาโค้ดที่
สร้างไปใช้ใหม่ 10% และมีการวัดประสบการณ์และความสามารถของทีมงานพบว่าอยู่ในระดับสูง สามารถคานวณหาแรงงาน
ได้ดังนี้
หาค่าออบเจ็กต์ที่ถูกปรับลดแล้ว จากสูตร
ROP = Object point * (100 - % reuse) / 100
= 45 * (100-10)/100
= 40.5
หาแรงงานได้จากสูตร
Effort = ROP / Productivity constant
= 40.5 / 25
= 1.62 man-months
1.Application composition
77

78. 2. Early design
Early design เป็นแบบจาลองที่ใช้ในการประมาณการในระยะก่อนการออกแบบซอฟต์แวร์ หลังจากที่
ได้กาหนดความต้องการแล้ว การประมาณการจะใช้ฟังก์ชันพอยต์ (Function point) แทนขนาดของ
ซอฟต์แวร์แล้วมีการปรับเป็นจานวนบรรทัดของซอร์สโค้ด (LOC) การประมาณการแรงงานสามารถ
คานวณได้จากสูตร
78

79. Effort = A * Sizesf * (em1) * (em2) * … * (emn)
Effort แรงงาน มีหน่วยเป็น man-month / person month
A ค่าคงที่ของประสิทธิผลในการผลิตซอฟต์แวร์ มีค่าเท่ากับ 2.94
Size ขนาดของซอฟต์แวร์มีหน่วยเป็นหลักพันบรรทัด (KLOC)
em ตัวคูณแรงงาน (Effort multipliers) เพื่อปรับค่าของแรงงานให้สอดคล้องกับลักษณะของ
โครงการซอฟต์แวร์ มีรายละเอียดตามตารางที่ 5.14
sf ค่าปัจจัยที่ส่งผลกระทบต่อขนาด สามารถคานวณได้จากสูตร
sf = 0.91 + 0.01 * (σ1
5
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡 𝑑𝑟𝑖𝑣𝑒𝑟 𝑟𝑎𝑡𝑖𝑛𝑔𝑠)
driver rating ค่าปัจจัยขับมีทั้งหมด 5 ปัจจัยตามตารางที่ 5.13
2. Early design
79

80. ➢ค่า sf ที่คานวณได้ หากมีค่าเท่ากับ 1 หมายความว่า ปัจจัยขับไม่ส่งผลกระทบกับขนาดของซอฟต์แวร์ แต่ถ้าค่า sf มีค่ามากกว่า 1
หรือน้อยกว่า 1 หมายความว่า ปัจจัยขับมีผลต่อขนาดของซอฟต์แวร์ทาให้ขนาดของซอฟต์แวร์มีการเปลี่ยนแปลงเพิ่มขึ้นหรือลดลง
➢ค่าปัจจัยขับทั้ง 5 ปัจจัยตามตารางที่ 20 เป็นปัจจัยที่อาจส่งผลต่อการประมาณการ รายละเอียดของปัจจัยขับทั้ง 5 มีดังนี้
Precedentedness : PREC เป็นปัจจัยที่เกี่ยวกับความคล้ายคลึงกันของซอฟต์แวร์ใหม่กับซอฟต์แวร์เดิมที่เคยพัฒนา
มาแล้ว
Flexibility : FLEX เป็นปัจจัยเกี่ยวกับความยืดหยุ่นในการบริหารจัดการและการดาเนินงานโครงการซอฟต์แวร์
Risk Resolution : RESL เป็นความสามารถในการจัดการและควบคุมความเสี่ยงขององค์กรหรือทีมงานโครงการ
ซอฟต์แวร์
Team Cohesion : TEAM เป็นความสามารถในการทางานเป็นทีมของทีมงานโครงการซอฟต์แวร์
Process Maturity : PMAT เป็นระดับกระบวนการวุฒิภาวะขององค์กรหรือทีมงานโครงการซอฟต์แวร์ เป็นการวัดค่า
ความสมบูรณ์ของกระบวนการ
80

81. 81

82. 82
ตารางที่ 5.14 ตัวคูณแรงงาน (Effort multipliers) สาหรับ COCOMOII (Early design)

83. จากตาราง 5.14 ตัวคูณแรงงานสาหรับ COCOMOII (Early design) มีทั้งหมด 7 ตัว ได้แก่
Product reliability and complexity : RCPX ความน่าเชื่อถือและความซับซ้อนของ ระบบงาน
Required reusability : RUSE การนาโปรแกรมกลับมาใช้ใหม่
Platform difficulty : PDIF ความยากของแพล็ตฟอร์ม
Personnel capability : PERS ความสามารถของบุคลากรหรือทีมงาน
Personnel experience : PREX ประสบการณ์ของบุคลากรหรือทีมงาน
Facilities available : FCIL สิ่งอานวยความสะดวกในการดาเนินงาน
Schedule pressure : SCED ความกดดันจากตารางเวลาดาเนินงาน
83

84. ตัวอย่าง 5.8 การพัฒนาโครงการซอฟต์แวร์โครงการหนึ่งมีการวัดขนาดของซอฟต์แวร์แบบ Function
point แล้วมีการแปลงมาเป็นจานวนบรรทัดได้ 15 KLOC โดยสมมติว่าปัจจัยขับทั้ง 5 อยู่ในระดับต่า และมี
ค่า RCPX, PDIF, PREX, PERS, FCIL, SCED และ RUSE ทั้งหมดอยู่ในระดับ ปานกลาง ให้
คานวณหาแรงงาน
84

85. คานวณหาค่า sf จากสูตร
sf = 0.91 + [0.01 * (σ1
5
𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑡 𝑑𝑟𝑖𝑣𝑒𝑟 𝑅𝑎𝑡𝑖𝑛𝑔)]
= 0.91 + 0.01 * (4.96+ 4.05+5.65+4.38+6.24)
= 1.16
หาแรงงานได้จากสูตร
Effort = A * Sizesf * (em1) * (em2) * … * (emn)
= 2.94 * 151.16 * 1 * 1* 1 * 1* 1 * 1 * 1
= 68 man-months
85

86. 3.Post architecture
Post architecture เป็นการประมาณการในระยะหลังการออกแบบสถาปัตยกรรมซอฟต์แวร์ เป็น
การประมาณการขนาดซอฟต์แวร์ให้ถูกต้องแม่นยามากขึ้น การคานวณจะใช้วิธีการเดียวกันกับ
แบบจาลองแบบ Early design แต่จะแตกต่างกันที่ตัวคูณแรงงาน ซึ่งมีทั้งหมด 17 ตัว มีรายละเอียด
ตามตารางที่ 5.15
86

87. 87
ตารางที่ 5.15 ตัวคูณแรงงาน (Effort multipliers) สาหรับ COCOMOII (Post architecture)

88. 88

89. จากตารางที่ 5.15 ตัวคูณแรงงานสาหรับ COCOMOII (Post architecture) มีทั้งหมด 17 ตัว แบ่งตาม
ประเภทได้ดังนี้
Product Attributes ประเภทผลิตภัณฑ์ ประกอบด้วย
Required Reliability : RELY ความน่าเชื่อถือของผลิตภัณฑ์ซอฟต์แวร์
Database Size : DATA ขนาดของฐานข้อมูล
Product Complexity : CPLX ความซับซ้อนของผลิตภัณฑ์ซอฟต์แวร์
Required Reusability : RUSE ความต้องการนาซอร์สโค้ดไปใช้ซ้า
Documentation Required : DOCU ความเป็นมาตรฐานของเอกสาร
89

90. Platform Attributes ประเภทแพล็ตฟอร์ม ประกอบด้วย
Execution Time Constraints : TIME ข้อจากัดด้านเวลาในการประมวลผล
Main Storage Constraints : STOR ข้อจากัดด้านเนื้อที่ในการเก็บข้อมูล
Platform Volatility : PVOL ความถี่ในการเปลี่ยนแพล็ตฟอร์ม
Personnel Attributes ประเภทบุคลากร ประกอบด้วย
Analyst Capability : ACAP ความสามารถของนักวิเคราะห์ระบบ
Applications Experience : APEX ประสบการณ์ของนักวิเคราะห์ระบบ
Programmer Capability : PCAP ความสามารถของนักเขียนโปรแกรม
Personnel Continuity : PCON ความถี่ในการเปลี่ยนแปลงทีมงาน
90

91. Platform Experience : PLEX ประสบการณ์ของนักเขียนโปรแกรมที่มีต่อฮาร์ดแวร์และซอฟต์แวร์
Language and Tool Experience : LTEX ประสบการณ์ในการใช้ภาษาและเครื่องมือ
Project Attributes ประเภทโครงการ ประกอบด้วย
Use of Software Tools : TOOL การใช้เครื่องมือหรือซอฟต์แวร์บริหารโครงการ
Multiple Site Development : SITE จานวนของไซต์งาน
Required Development Schedule : SCED ความต้องการของตารางเวลาในการดาเนินงาน
โครงการ
91

92. การประมาณการโดยใช้หลักการวิเคราะห์การถดถอย
➢Regression Analysis
➢เป็นการวิเคราะห์ความสัมพันธ์ของตัวแปรตาม (Y) กับตัวแปรอิสระ (X) หรือบางครั้งเรียกว่าตัวพยากรณ์หรือ
ตัวประมาณการที่มีความสัมพันธ์กันตั้งแต่ 2 ตัวขึ้นไป
➢ถามีตัวพยากรณเพียงตัวเดียวจะเรียกว่า การวิเคราะหการถดถอยอย่างงาย หรือ การวิเคราะหการถดถอยเชิง
เสน (Linear Regression Analysis)
➢แตถ้ามีตัวพยากรณตั้งแต 2 ตัวขึ้นไป โดยมีตัวแปรตามเพียงตัวเดียวจะเรียกวาการวิเคราะห์การถดถอยพหุคูณ
(Multiple Regression Analysis)
92

93. การวิเคราะหการถดถอยอยางงาย
93

94. การประมาณการโดยใช้หลักการวิเคราะห์การถดถอย
➢สาหรับการนาหลักการนี้มาช่วยในการประมาณการแรงงานสาหรับโครงการซอฟต์แวร์นั้น ได้มีผู้คิดค้นสร้างฟังก์ชันที่สามารถนามา
ประมาณการแรงงานได้ มีหลายรูปแบบฟังก์ชัน (functional form) แต่ทุกรูปแบบฟังก์ชัน แรงงานจะขึ้นอยู่กับขนาดของซอฟต์แวร์
➢ยกตัวอย่าง เช่น รูปแบบฟังก์ชัน Linear สามารถประมาณการแรงงานจากโมเดลที่สร้างขึ้นมาจากข้อมูลในอดีต ซึ่งโมเดลนี้จะอยู่ใน
รูปแบบสมการ
Effort = a + (b x Size)
Effort คือ ค่าประมาณการแรงงานซึ่งเป็นตัวแปรตาม
Size คือ ขนาดของซอฟต์แวร์ซึ่งเป็นตัวแปรอิสระ
a คือ ค่าคงที่ที่ตัดกับแกน y
b คือ ความชันของกราฟ
94

95. 95

96. 96

97. การประมาณการโดยอาศัยการเรียนรู้ของเครื่อง
➢Machine learning: ML
➢ เป็นการประมาณการโดยอาศัยข้อมูลจากโครงการเก่าที่เคยดาเนินการผ่านมาแล้ว เพื่อนามาสร้างเป็นโมเดลหรือฟังก์ชันสาหรับใช้
ประมาณการโครงการที่กาลังจะพัฒนา
➢สามารถเลือกใช้เทคนิควิธีการที่เหมาะสม เช่น Bayesian network, Genetic programming, Neural
networks, Classification and regression trees (CART) เป็นต้น
97

98. การประมาณการโดยอาศัยการเรียนรู้ของเครื่อง
➢Classification and Regression Trees (CART)
➢เป็นทฤษฎีการประมาณการแบบนอนพาราเมตริกซ์ซึ่งเป็นวิธีการทางสถิติที่ไม่มีข้อจากัดใดๆ ใช้สาหรับการวิเคราะห์ข้อมูลโดยที่ตัวแปรอิสระจะเป็น
ตัวแปรเชิงกลุ่มหรือเชิงปริมาณก็ได้
➢หากเป็นตัวแปรเชิงกลุ่มจะใช้หลักการ Classification แต่ถ้าเป็นเชิงปริมาณจะใช้เทคนิคของ Regression tree
➢วิธีการ CART นี้จะต้องมีการสร้างตัวโมเดลขึ้นมาเองจากข้อมูลในอดีต ในที่นี้หมายถึงโมเดลจะถูกสร้างขึ้นมาโดยอาศัยการเรียนรู้จากข้อมูลใน
อดีต (Training data) และเมื่อได้โมเดลแล้ว จะสามารถพยากรณ์ข้อมูลใหม่ที่ไม่ทราบคาตอบได้
➢พื้นฐานโมเดล CART จะอยู่ในกลุ่มของ Machine learning methods จะมีการเรียนรู้ข้อมูลและสร้างต้นไม้ตัดสินใจ (Decision
trees) โมเดลนี้จะสามารถนามาใช้กับปัญหาแบบ Classification และแบบ Regression ซึ่งสามารถอธิบายได้ดังนี้
➢หลักการ Classification จะเป็นการจาแนกประเภทข้อมูลที่เป็นแบบ nominal ซึ่งเป็นข้อมูลแบบไม่ต่อเนื่อง ผลลัพธ์ที่ได้จะเป็นค่าคาตอบ
ที่แน่นอน เช่น ใช่/ไม่ใช่ สูง/กลาง/ต่า เป็นต้น
➢ในส่วน Regression จะคาดเดาคาตอบที่เป็นค่าตัวเลข (Ordinal) ซึ่งอาจเป็นตัวเลขใดๆ ไม่จากัด เช่น ควรผลิตสินค้าปริมาณเท่าไร
98

99. การประมาณการโดยอาศัยการเรียนรู้ของเครื่อง
➢การสร้างโมเดล CART จะใช้หลักการของต้นไม้ตัดสินใจ ซึ่งโดยปกติต้นไม้ตัดสินใจจะไม่ยอมรับข้อมูลแบบต่อเนื่อง
➢ดังนั้นจะต้องมีการแบ่งข้อมูลให้เป็นแบบไม่ต่อเนื่องเสียก่อน และต้นไม้ตัดสินใจจะจากัดข้อมูลที่เป็นตัวแปรตามโดย 1 ตัวแปรตามต่อ 1 โมเดล
➢ในการสร้างโมเดลจะประกอบด้วยขั้นตอนทั้งหมด 4 ขั้น ได้แก่ Tree building, Stopping tree building, Tree pruning และ
Optimal tree selection
ตัวอย่างต้นไม้ตัดสินใจสาหรับการพยากรณ์ค่า Productivity ของโครงการพัฒนาซอฟต์แวร์ของ ESA (European space
agency) แสดงได้ดังภาพ
99

100. 100

101. การประมาณการโดยอาศัยการเรียนรู้ของเครื่อง
➢จากภาพโมเดลต้นไม้ตัดสินใจข้างต้น อธิบายได้ว่า
➢ในการพยากรณ์ค่า Productivity จะขึ้นอยู่กับขนาดของทีม หากทีมมีขนาดไม่เกิน 7 และประเภทเป็น “onboard” หรือ
“simulators” แล้ว ค่า Productivity เฉลี่ยจะมีค่า 0.35 ซึ่งในที่นี้มีทั้งหมด 10 โครงการ
➢ แต่ถ้า ประเภทไม่ใช่ “onboard” และ “simulators” แล้วค่า Productivity เฉลี่ยจะมีค่า 0.58 ซึ่งในที่นี้มีทั้งหมด 19 โครงการ
➢อธิบายอีกแขนงหนึ่งหากทีมมีขนาดมากกว่า 7 และ Tool support มีค่ามากกว่า “Nominal” แล้ว ค่า Productivity เฉลี่ยจะมีค่า
0.1 ซึ่งในที่นี้มีทั้งหมด 16 โครงการ
➢ แต่ถ้า Tool support มีค่าไม่เกิน “Nominal” แล้ว ค่า Productivity เฉลี่ยจะมีค่า 0.22 ซึ่งในที่นี้มีทั้งหมด 11 โครงการ
101