鷲崎弘宜, "メトリクスによるソフトウェア品質評価・改善および製品品質実態", ET & IoT Technology 2018 (ET／IoT総合技術展), 横浜, 2018年11月14日

1. TS-1
1
メトリクスによるソフトウェア品質
評価・改善および製品品質実態
鷲崎 弘宜
早稲田大学グローバルソフトウェアエンジニアリング研究所長・教授
国立情報学研究所 客員教授
株式会社システム情報 取締役（監査等委員）
株式会社エクスモーション 社外取締役

2. TS-1TS-1
目次
• ソフトウェアの品質とメトリクス
• ゴール指向の測定 GQMとGQM+Strategies
• GQMに基づく組込みソフトウェア品質改善事例
• 国際規格と品質ベンチマーク
2 2

3. TS-1TS-1
品質とは
• 品質: あるものの特性または属性 [American
Heritage Dictionary]
• ソフトウェア品質: ソフトウェアの使用時に必要性
を満たす能力を決定する属性全体 [ISO9126-
1][ISO25000][JIS0129-1]
– 属性: ソフトウェアの定性的/定量的に測定可能な特徴
• 品質モデル ISO/IEC 25010:2011 SQuaRE
– 利用時の品質: 有効性、効率性、リスク回避性、満足
性、利用状況網羅性
– 製品品質（内部・外部品質）: 機能適合性、互換性、セ
キュリティ、信頼性、使用性、性能効率性、保守性、移
植性
3 3

4. TS-1TS-1
メトリクス（Metric / Metrics）
• 測定の方法と尺度
– 方法: 属性（測定可能な特徴）の尺度上の値や分類への対応
付け
– 尺度: 値や分類の集合
– 対象: プロダクト、プロセス、リソース
• 測定できない事柄は、管理できない（T. DeMarco）
– ソフトウェア工学 = ソフトウェアの開発、運用、および保守に
対する系統的で規律に基づいた定量的アプローチ
[SWEBOK]
– Prj成功率 31% → 定量的評価導入Prj 46% [矢口08]
……
……
……
測定方法測定方法
測定尺度
測定プロセス
メトリクス
測定結果
（値、分類）
4
[SWEBOK] 松本吉弘 監訳: ソフトウェアエンジニアリング基礎知識体系―SWEBOK2004, オーム社, 2005.
[矢口08] 矢口竜太郎, 吉田洋平: 成功率は31.1%, 日経コンピュータ12月1日号, 2008.
4

5. TS-1TS-1
測定方法
• ソフトウェアの抽象的な特定側面を捉える
• 測定方法が異なれば測定結果も変わる
• 定義方法: テキスト、図、数式
1:/* strncat()は、文字列srcからcount数の文字を文字列destに付加し、さ
2:らに終端にnull文字を付加する。重なるオブジェクト間でコピーしようとする
3:場合、動作は未定義である。*/
4:char *strncat(char *dest, const char *src, size_t count)
5:{
6: char *temp=dest;
7: if (count) {
8: while (*dest)
9: dest++;
10: while ((*dest++=*src++)) {
11: if (--count ==0) {
12: *dest＝‘¥0’; break;
13: }
14: }
15: } return temp;
16:}
5 5

6. TS-1TS-1
メトリクスの使いどころ
• 現在
– 把握、評価
– ヒストグラム、管理図ほか
• 未来
– 予測、計画
– 散布図、回帰分析ほか
要求
定義
設計 実装 テスト
機能
仕様書
ファンクション
ポイント
モジュール
設計
凝集度
結合度
ソース
コード
複雑度
コード行数
欠陥票
欠陥密度
テスト
ケース
消化数
工数、期間
件
数
測定値
例: サイクロマティック複雑度
被使用外部ファイル率
関数
再利
用率
鷲崎弘宜,田邉浩之,小池利和,ソースコード解析による品質評価の仕組み,日経エレクトロニクス 2010/1/25
鷲崎弘宜, 小池利和, 波木理恵子, 田邉浩之, "C言語プログラムソースコードの再利用性測定法とその評価", ソフトウェアテストシンポジウム JaSST'09
6

7. TS-1TS-1
主なメトリクス
名称 定義 用途
コード行数（LOC） コードの行数 規模の把握、他のメトリ
クスの正規化
ファンクションポイン
ト（FP）
機能量 規模の見積もり
サイクロマティック複
雑度（CC）
制御フローグラフの経路
数
複雑さの把握
凝集度 モジュール内の要素のま
とまり
複雑さの把握
結合度 モジュール間の結合関係
の多さ
複雑さの把握
欠陥密度（DD） 欠陥数 / 新規・変更LOC 品質の把握、開発プロセ
ス全体の有効性把握
欠陥除去率（DRE） 欠陥摘出数 / 当該時点
欠陥数
開発プロセス全体や工
程の有効性把握
消化済みテストケー
ス数
当該時点までの消化済
みテストケース数
テストの進捗把握
プロダクト
プロセス
7 7

8. TS-1TS-1
目次
• ソフトウェアの品質とメトリクス
• ゴール指向の測定 GQMとGQM+Strategies
• GQMに基づく組込みソフトウェア品質改善事例
• 国際規格と品質ベンチマーク
8 8

9. 落とし穴「ホーソン効果」
9nicolasdsampson.com, Observe And Learn: The Magic Of Paying Attention
http://nicolasdsampson.com/wp-content/uploads/2012/10/2010_12_06_observe-learn-magic-paying-attention.jpg

10. TS-1TS-1
コツ: Goal-Question-Metric (GQM)
• 明確に目標を据えて、目標に対して必要なメトリクスを対応
付けるゴール指向（目標指向）な枠組み
• 目標（Goal）: 測定上の目標
• 質問（Question）: 目標の達成を評価するための質問
• メトリクス（Metric）: 質問に回答するために必要な定量的デ
ータを得るための主観的・客観的メトリクス
測定する事柄
の決定
測定結果の
解釈
M. メトリクス
G. 目標
Q. 質問
収集データ
目標達成評価
答え
測定値
R. van Solingen, E. Berghout, “The Goal/Question/Metric Method” McGraw-Hill Education, 1999; ISBN 0-07709-553-7.
10 10

11. TS-1TS-1
GQMモデル（グラフ）の例
• 目標
– G. コードクローン含有の観点から保守性の低いコードを
特定できている。
• 質問
– Q1: コードクローンは存在するか？ → M1, M2
– Q2: 発見されたコードクローンは保守上有害か？ → M3
• メトリクス
– M1： ソースコードの全体的な重複度
– M2: モジュール単位のコードクローン含有率
– M3: コードクローンに対するマネージャの主観的評価
11
G
Q1 Q2
M1 M2 M3
楠本真二, 肥後芳樹, “GQMパラダイムを用いたソフトウェアメトリクスの活用”, コンピュータソフトウェア, 2012.
V. Basili, et al.: Goal, Question, Metric Paradigm, Encycloperia of Software Engineering, Vol. 1(1994)
リンダ・M・ライルド, M・キャロル・ブレナン著, 野中誠, 鷲崎弘宜 訳 , "演習で学ぶソフトウエアメトリクスの", 日経BP社 , 2009.
11

12. TS-1TS-1
目標テンプレートとコンテキスト
• 目標の一般性、扱う範囲の明確化
• テンプレート
– 例: コードクローン含有の観点から保守性の低いコードを
特定できている。
– 対象 (Analyze) 例: ソースコード
– 目的 (Purpose) 例: 保守性の低いコードの特定
– 関心 (Respect to) 例: コードクローン情報
– 視点 (View) 例: プロジェクトマネージャ
– 環境 (Context) 例: A社の開発環境
• 環境
– ドメイン、開発者数、経験、開発プロセス・手法、規模・工
数、信頼性要求、・・・
12
楠本真二, 肥後芳樹, “GQMパラダイムを用いたソフトウェアメトリクスの活用”, コンピュータソフトウェア, 2012.
V. Basili, et al.: Goal, Question, Metric Paradigm, Encycloperia of Software Engineering, Vol. 1(1994)
リンダ・M・ライルド, M・キャロル・ブレナン著, 野中誠, 鷲崎弘宜 訳 , "演習で学ぶソフトウエアメトリクスの", 日経BP社 , 2009.
12

13. TS-1TS-1
質問導出の観点
• 測定対象そのものを目的から見て明確にする
– 例: ○○はいくらか？
• 対象の属性を評価者の視点から見て明確にす
る
– 例: ○○は（従来と比べて）改善されているか？
• 対象の特徴を評価者の視点から見て評価する
– 例: ○○は××からみて目に見えて改善されている
か？
13
楠本真二, 肥後芳樹, “GQMパラダイムを用いたソフトウェアメトリクスの活用”, コンピュータソフトウェア, 2012.
13

14. TS-1TS-1
仮定と解釈
• 仮定（Hypothesis, Assumption）
– Question導出にあたり仮定している事柄
– 例 A. 要求が不安定であれば設計は頻繁に変更される。
– 測定評価の繰り返しにおける見直し
• 解釈（Interpretation）
– もし「条件式」ならば「Goalは達成・未達成である」
– 例 I. もしLOCが少なすぎず、かつ、設計変更回数が一
定以上ならば、要求が不安定な可能性がある。
– 多面的な捉え方
– 閾値の明確化: ベンチマーク分布、経験ベース、欠陥と
の照らし合わせなど [Alves10]、最初は大まかに＆デー
タ蓄積と現物確認を経て精密に
リンダ・M・ライルドほか著, 野中誠, 鷲崎弘宜 訳 , "演習で学ぶソフトウエアメトリクスの基礎 ソフトウエアの測定と見積もりの正しい作法", 日経BP社 , 2009.
Monden, Basili, et al.: Customizing GQM Models for Software Project Monitoring, IEICE Trans., 2012.
Tiago L. Alves, et al., “Deriving Metric Thresholds from Benchmark Data,” ICSM 2010
14

15. TS-1TS-1
GQMの拡張: 仮定と解釈
15
Monden, Basili, et al.: Customizing GQM Models for Software Project Monitoring, IEICE Trans., 2012.
G. 特定プロジェクトにおける要求の不安定さを把握できている
Q. ソースファイルの
変更頻度はいくらか？
Q. ファイルの変更
規模はいくらか？
FCt. 一週間以内の
ファイル更新回数
FCd. 一週間以内の削除
を伴うファイル更新回数
FLa. 一週間以
内の追加行数
A. 要求が不安定であれば
コードは頻繁に削除を
伴って変更される
A. 要求が不安定であれば
コードは大きく変更される
FLd. 一週間以
内の削除行数
I. FCt が極端に大きくなく、かつ、
FCdが以前よりも大きいのであれ
ば、要求が不安定な可能性あり
I. FLa が極端に大きくなく、かつ、
FLdが以前よりも大きいのであれ
ば、要求が不安定な可能性あり
・・・
15

16. TS-1TS-1
落とし穴「有効な組織アクションに繋がっていない」
16
製品の信頼性や使いやす
さを改善して、顧客満足度
を10%上げるぞ！
経営層
テスト効率を上げます。
保守性も改善させます。
開発部
不具合数、さらには、プログラ
ムの複雑度を測定します。
品質保証部
16

17. TS-1TS-1
コツ「縦に、アクションに繋げる」 GQM+Strategies
17
顧客満足度10%向上
製品の信頼性
を改善する
製品の使いや
すさを改善する
不具合指摘を
20%削減
テスト効率
を改善する
保守性を
改善する
顧客満足度調査
不具合データ
プログラムの複雑さ
OG. 上位
組織目標
S. 戦略
S. 戦略
OG. 下位
組織目標
M. メトリクス
参考: Jens Heidrich, Adam Trendowicz, “測定を基にした、ソフトウェア戦略とビジネス目標の整合” IPA/SEC資料
M. メトリクス
17

18. TS-1TS-1
測定プログラム運用プロセス
18
6 パッケージ化と改善
目標と戦略を適合し改善
背景と仮定の是正
学習の記録
0 初期化
コミットメント
人材 & 責任
5 結果の分析
・データを分析し、戦略を改定
・結果のレビューと伝達
・コスト／メリットの分析
1 特性化（Characterize）
・適用範囲の定義
・環境／事実の特性化
2 目標設定
・組織構造を特定（determine）
・ギャップ分析の実施
※現状の施策、データ等の確認
・目標の優先順位づけ
・グリッド導出（derivation）プロセスの実施
3 プロセスの選択
・戦略実施の計画
・データ収集と分析の仕方の整理
・フィードバックの仕組みの定義
4 モデルの実行
・戦略の適用
・データの収集と検証
・フィードバックセッションの実施
Jens Heidrich, Adam Trendowicz, IPA訳, 測定を基にしたソフトウェア戦略とビジネス目標の整合, 2012
18

19. 落とし穴「未来が今の延長とは限らない」
19

20. TS-1TS-1
コツ「データと機械学習による改善（PDCA）」
20
10 25
300
150
M. 関数の数
M.実行行数
OK
NG
71
M. 関数の数
M.実行行数
OK
NG
△ OK, ○ NG
N. Tsuda, H. Washizaki, et al., Machine Learning to Evaluate Evolvability Defects: Code Metrics Thresholds for a Given Context, QRS2018
コマツとの共同研究
20

21. TS-1TS-1
目次
• ソフトウェアの品質とメトリクス
• ゴール指向の測定 GQMとGQM+Strategies
• GQMに基づく組込みソフトウェア品質改善事例
• 国際規格と品質ベンチマーク
21 21

22. TS-1TS-1
コツ「横に広げて多面的に見る」
22
鷲崎弘宜,田邉浩之,小池利和,ソースコード解析による品質評価の仕組み,日経エレクトロニクス 2010/1/25
[Adqua] http://www.ogis-ri.co.jp/product/b-08-000001A6.html
保守性
モジュール性 再利用性 修正性 ・・・
コールグラフ
階層の深さ
サイクロマテ
ィック複雑度
関数内の
戻り点の数
処理が複雑
すぎないか？
処理が構造化
されているか？
…… …
…… …
…… …
…… …
・・・
・・・ ・・・
G. 目標
対象
M. メトリクス
Q. 質問
22

23. TS-1TS-1
対象例: ETロボコン・コード改善
• 規模: 1481 ELOC, 18クラス, 121関数
• サイクロマティック複雑度の大きい関数をリストアップ
• しかし「数」だけでは問題は分からない → 対象の詳細調査へ
23
保守性
得点 78.6
偏差値 36.1
解析性
得点 79.3
偏差値 38.7
変更性
得点 89.3
偏差値 46.2
安定性
得点 84.3
偏差値 50.0
試験性
得点 61.5
偏差値 35.8
品質特性
品質副特性
ファイル名 関数名
サイクロマ
ティック複雑度
関数の
物理行数
Magi.cpp decideSynthetic() 12 55
Tactics.cpp getDriver(DriveStatus::eDifficultKind) 12 51
StepDriver.cpp drive(bool) 11 119
SeesawDriver.cpp drive(bool) 8 100
GarageDriver.cpp driveIn(void) 8 73
Main.cpp TASK(TaskDrive) 7 91
Magi.cpp getDriveStatus() 7 37
PositionDecision.cpp updateLocation() 6 81
Tactics.cpp ~Tactics(void) 5 15
ファイル名 関数名
サイクロマ
ティック複雑度
関数の
物理行数
Magi.cpp decideSynthetic() 12 55
Tactics.cpp getDriver(DriveStatus::eDifficultKind) 12 51
StepDriver.cpp drive(bool) 11 119
SeesawDriver.cpp drive(bool) 8 100
GarageDriver.cpp driveIn(void) 8 73
Main.cpp TASK(TaskDrive) 7 91
Magi.cpp getDriveStatus() 7 37
PositionDecision.cpp updateLocation() 6 81
Tactics.cpp ~Tactics(void) 5 15
Question 得点 偏差値 メトリック 得点
処理が複雑すぎないか 44.5 37.7
制御フローグラフの最大ネスト数 40.9
サイクロマティック複雑度 46.8
処理が構造化されているか 99.5 46.5 break等のないswitch文の数 91.0
要素間の結合度は低くなって
いるか
75.9 48.1
使用する他クラスの種類数 69.3
自クラスを使用する他クラスの種類数 70.4
要素の規模は適切か 59.1 43.7
関数の実行コード行数 34.5
クラスの実行コード行数 35.6
ファイル内の関数の数 85.6
クラス内のメソッド数 78.1
鷲崎, 阿佐美, 田邉, ETロボコンの事例で学ぶモデル活用の効能:
第2回参加チームの事例,日経エレクトロニクス, 2011年9月5日

24. TS-1TS-1
//=============================================================================
// 走行ステータスに応じて走行クラスを返却
Driver* Tactics::getDriver(DriveStatus::eDifficultKind kind)
{
Driver* drive;
drive = 0;
switch(kind)
{
case DriveStatus::LINETRACE:
if(mLineTraceDriver == 0)
{
mLineTraceDriver = new LineTraceDriver(mMaimai, mPid);
}
drive = mLineTraceDriver;
break;
case DriveStatus::SEESAW:
if(mSeesawDriver == 0)
{
mSeesawDriver = new SeesawDriver(mrGyro, mMaimai, mPid);
}
drive = mSeesawDriver;
break;
case DriveStatus::STEPS:
if(mStepDriver == 0)
{
mStepDriver = new StepDriver(mrGyro, mMaimai, mPid);
}
drive = mStepDriver;
break;
case DriveStatus::OUTCOURSE_GARAGE:
if(mGarageDriver == 0)
{
mGarageDriver = new GarageDriver(mPositionDecision);
}
drive = mGarageDriver;
break;
case DriveStatus::INCOURSE_GARAGE:
if(mGarageDriver == 0)
{
mGarageDriver = new GarageDriver(mPositionDecision);
}
drive = mGarageDriver;
break;
default:
if(mLineTraceDriver == 0)
{
mLineTraceDriver = new LineTraceDriver(mMaimai, mPid);
}
drive = mLineTraceDriver;
break;
}
return drive;
}
//=============================================================================
// 走行ステータスに応じて走行クラスを返却
Driver* Tactics::getDriver(DriveStatus::eDifficultKind kind)
{
Driver* drive;
drive = 0;
switch(kind)
{
case DriveStatus::LINETRACE:
if(mLineTraceDriver == 0)
{
mLineTraceDriver = new LineTraceDriver(mMaimai, mPid);
}
drive = mLineTraceDriver;
break;
case DriveStatus::SEESAW:
if(mSeesawDriver == 0)
{
mSeesawDriver = new SeesawDriver(mrGyro, mMaimai, mPid);
}
drive = mSeesawDriver;
break;
case DriveStatus::STEPS:
if(mStepDriver == 0)
{
mStepDriver = new StepDriver(mrGyro, mMaimai, mPid);
}
drive = mStepDriver;
break;
case DriveStatus::OUTCOURSE_GARAGE:
if(mGarageDriver == 0)
{
mGarageDriver = new GarageDriver(mPositionDecision);
}
drive = mGarageDriver;
break;
case DriveStatus::INCOURSE_GARAGE:
if(mGarageDriver == 0)
{
mGarageDriver = new GarageDriver(mPositionDecision);
}
drive = mGarageDriver;
break;
default:
if(mLineTraceDriver == 0)
{
mLineTraceDriver = new LineTraceDriver(mMaimai, mPid);
}
drive = mLineTraceDriver;
break;
}
return drive;
}
//=============================================================================
// 難所走行状態の更新
void Magi::decideSynthetic()
{
// 次に目指す難所を取得
ChangePoint p = mStrategy.getChangePoint();
// 事前に登録した判定クラスから難所を取得
int decideCount = 0;
for (SINT i = 0; i < mNumOfJudge; i++) {
if (mJudgeAddressTable[i]->decideHard(p)) {
decideCount++;
}
}
if (decideCount >= 1) {
switch (p.getPointKind()) {
case ChangePoint::SEESAW_IN:
mDifficultKindBuf = DriveStatus::SEESAW;
mCangeCount = 0;
break;
case ChangePoint::SEESAW_OUT:
mDifficultKindBuf = DriveStatus::LINETRACE;
mCangeCount = 0;
break;
case ChangePoint::STEPS_IN:
mDifficultKindBuf = DriveStatus::STEPS;
mCangeCount = 0;
break;
case ChangePoint::STEPS_OUT:
mDifficultKindBuf = DriveStatus::LINETRACE;
mCangeCount = 0;
break;
case ChangePoint::OUTCOURSE_GARAGE:
mDifficultKindBuf = DriveStatus::OUTCOURSE_GARAGE;
mCangeCount = 0;
break;
case ChangePoint::INCOURSE_GARAGE:
mDifficultKindBuf = DriveStatus::INCOURSE_GARAGE;
mCangeCount = 0;
break;
default:
break;
}
// 目指す難所を更新する
mStrategy.next();
}
// 難所判定後、時間差で走行を切替えるケースに備える
if (mCangeCount > 0) {
mCangeCount--;
} else if (mCangeCount == 0) {
mCangeCount--;
// 走行切替
mStatus.setDifficultKind(mDifficultKindBuf);
}
}
//=============================================================================
// 難所走行状態の更新
void Magi::decideSynthetic()
{
// 次に目指す難所を取得
ChangePoint p = mStrategy.getChangePoint();
// 事前に登録した判定クラスから難所を取得
int decideCount = 0;
for (SINT i = 0; i < mNumOfJudge; i++) {
if (mJudgeAddressTable[i]->decideHard(p)) {
decideCount++;
}
}
if (decideCount >= 1) {
switch (p.getPointKind()) {
case ChangePoint::SEESAW_IN:
mDifficultKindBuf = DriveStatus::SEESAW;
mCangeCount = 0;
break;
case ChangePoint::SEESAW_OUT:
mDifficultKindBuf = DriveStatus::LINETRACE;
mCangeCount = 0;
break;
case ChangePoint::STEPS_IN:
mDifficultKindBuf = DriveStatus::STEPS;
mCangeCount = 0;
break;
case ChangePoint::STEPS_OUT:
mDifficultKindBuf = DriveStatus::LINETRACE;
mCangeCount = 0;
break;
case ChangePoint::OUTCOURSE_GARAGE:
mDifficultKindBuf = DriveStatus::OUTCOURSE_GARAGE;
mCangeCount = 0;
break;
case ChangePoint::INCOURSE_GARAGE:
mDifficultKindBuf = DriveStatus::INCOURSE_GARAGE;
mCangeCount = 0;
break;
default:
break;
}
// 目指す難所を更新する
mStrategy.next();
}
// 難所判定後、時間差で走行を切替えるケースに備える
if (mCangeCount > 0) {
mCangeCount--;
} else if (mCangeCount == 0) {
mCangeCount--;
// 走行切替
mStatus.setDifficultKind(mDifficultKindBuf);
}
}
24
鷲崎, 阿佐美, 田邉, ETロボコンの事例で学ぶモデル活用の効能: 第2回参加チームの事例,日経エレクトロニクス, 2011年9月5日

25. TS-1TS-1
「数」から問題・原因の特定へ
• 散らばり or もつれあい
• 「難所に関する処理・責務（関心事）」のパッケージ横断な散らばり
25
コンポーネント
ECROBOT API
走行系
判定処理系
3重多数決
+ 走行ステータス更新() : 走行ステータス
+ 開始判定() : boolean
+ 総合判定() : void
戦略
+ 目標切替ポイント取得() : 切替ポイント
切替ポイント
- 灰色検知フラグ
- 座標
- 推定時間
審判
+ 難所判定(切替ポイント) : boolean
+ フェイルセーフ判定(走行ステータス) : boolean
時間判定
- 現在時間
+ 時間判定(推定時間) : void
- 時間更新() : void
位置判定
- 現在位置
+ ロケーション判定(座標) : void
- 現在位置更新() : void
色判定
- 現在色
+ 灰色検知(灰色検知フラグ) : void
- 現在色更新() : void
Main
+ 初期化() : void
+ 走行開始() : void
走行ステータス
- IN/OUTフラグ
+ getter() : void
+ setter() : void
<<enum>>
走行種別
- キャリブレーション
- 走行
- 停止
<<enum>>
難所種別
- ライントレース
- 階段
- シーソー通過
- ガレージイン
戦術
- 走行
+ 走行クラス取得(走行ステータス) : 走行
走行
+ 走る() : void
ライントレース走行
階段走行
シーソー通過走行
ガレージイン走行
ロケーション
+ 現在座標取得() : void
まいまい式
- 補正ライトセンサ値
- 定周期ライトON() : void
- 定周期ライトOFF() : void
+ 補正ライトセンサ値取得() : void
PID制御
- PID算出() : void
+ 進行方向取得() : 進行方向
インテリジェントモーター
- 補正係数
+ モーター出力補正() : void
+ モーター出力設定(右出力, 左出力) : void
タッチセンサ
+ センサ値取得() : boolean
タイマー
+ 時間取得() : 時間
ジャイロセンサ
+ センサ値取得() : ジャイロセンサ値
ライトセンサ
+ センサ値取得() : ライトセンサ値
+ ランプ設定(ON/OFF) : void
モーター
+ モーター出力設定(出力) : void
+ 回転数取得() : 回転数
1
走行クラスを
取得する
1
切替ポイントを
取得する
*
1
3
難所を判定する
1
走行ステータスを取得する
1
走る
4
生成する
1
センサ値を
取得する
1
1
時間を取得
する
1
1
現在座標を
取得する
1
1
センサ値を
取得する
1
1
ライトセンサ値を
取得する
1
1
センサ値を
取得する
1
1
モーター値を設定する
2
1
モーター値を
設定する
1
1
進行方向を
取得する
1
1
ライトセンサ値を
取得する
1
1
回転数を取得する
2
鷲崎, 阿佐美, 田邉, ETロボコンの事例で学ぶモデル活用の効能: 第2回参加チームの事例,日経エレクトロニクス, 2011年9月5日

26. TS-1TS-1
改善結果
26
走行系判定処理系
3重多数決
+ 難所判定(切替ポイント) : boolean
切替ポイント
- 灰色検知フラグ
- 座標
- 推定時間
審判
+ 難所判定(切替ポイント) : boolean
+ フェイルセーフ判定(走行ステータス) : boolean
時間判定
- 現在時間
+ 時間判定(推定時間) : void
- 時間更新() : void
位置判定
- 現在位置
+ ロケーション判定(座標) : void
- 現在位置更新() : void
色判定
- 現在色
+ 灰色検知(灰色検知フラグ) : void
- 現在色更新() : void
Main
+ 初期化() : void
+ 走行開始() : void
走行ステータス
- IN/OUTフラグ
+ getter() : void
+ setter() : void
<<enum>>
走行種別
- キャリブレーション
- 走行
- 停止
戦術
- 走行
+ 走行開始() : void
走行
+ 走る() : void
+ 切替ポイント取得(IN/OUT) : 切替ポイント
ライントレ ース走行
階段走行
シーソー通過走行
ガレ ージイン走行
1 1
3
難所を判定する
1
1
難所を判定する
1
1 1
+構成要素1..* {ordered}
1
+出時0..1
1
+入時0..1
1
1
走行を開始する
1
Question 得点 偏差値 メトリック 得点
処理が複雑すぎないか 52.0 42.7
制御フローグラフの最大ネスト数 48.0
サイクロマティック複雑度 55.2
処理が構造化されているか 98.7 46.1 break等のないswitch文の数 90.8
要素間の結合度は低くなって
いるか
75.6 47.9
使用する他クラスの種類数 68.8
自クラスを使用する他クラスの種類数 67.7
要素の規模は適切か 62.7 47.4
関数の実行コード行数 37.6
クラスの実行コード行数 39.6
ファイル内の関数の数 87.6
クラス内のメソッド数 81.1
7.5
UP
3.6
UP
7.1
UP
8.4
UP
3.1
UP
• 関心事の局
所化
• 保守性改善
鷲崎, 阿佐美, 田邉, ETロボコンの事例で学ぶモデル活用の効能: 第2回参加チームの事例,日経エレクトロニクス, 2011年9月5日

27. TS-1TS-1
目次
• ソフトウェアの品質とメトリクス
• ゴール指向の測定 GQMとGQM+Strategies
• GQMに基づく組込みソフトウェア品質改善事例
• 国際規格と品質ベンチマーク
27 27

28. 落とし穴「オレオレ品質」
28
画像: @VS_oresagi https://twitter.com/vs_oresagi

29. TS-1TS-1
コツ「関係をつかむ」
29
コードの規模・
複雑さメトリクス
開発主体
変更回数
変更規模
欠陥
M. ファイル規模
M. 他ファイルとの呼び出し関係
・・・
S. Sato, et al., Effects of Organizational Changes on Product Metrics and Defects, APSEC'13
富士通コネクテッドとの共同研究
29

30. TS-1TS-1
コツ「国際規格の活用」
30
ISO/IEC 25023
内部・外部品質測定
ISO/IEC 25023
内部・外部品質測定
利用時の
品質
利用時の
品質
外部品質外部品質内部品質内部品質
ソフトウェア システム 業務
……
……
……
……
……
……
どのように
影響？
ISO/IEC 25022
利用時の品質測定
ISO/IEC 25022
利用時の品質測定
ISO/IEC 25051 既製ソフト品質要求ISO/IEC 25051 既製ソフト品質要求
ISO/IEC 25010 品質モデルISO/IEC 25010 品質モデル
現実の入力から
どのように
測定評価
すればよいか？
• PSQ認証
– コンピュータソフトウェア協会（CSAJ）
– カタログ、マニュアル、仕様書、試験文書
– 全品質特性
30

31. TS-1TS-1
IPA RISE委託研究: 測定評価と分析によるソフトウェア製
品品質の実態定量化および総合的品質評価枠組みの確立
31
• 21製品個別評価と業界実態分析
• 国際標準ベンチマークへ Waseda
Software Quality Benchmark (WSQB2017)
http://www.washi.cs.waseda.ac.jp/wsqb/
SEC journal, Vol. 14, No. 1, 2018
• 国際規格 ISO/IEC 25000
SQuaRE シリーズを具体化
• 製品品質、利用時品質の網羅
と関係分析
0
20
40
60
80
100
機能適合性
性能効率性
互換性
使用性
信頼性
セキュリティ
保守性
移植性
0
5
10
1 2 3 4 5 6
12ベンダ
21製品
4評価機関
一部委託
一部結果
ISO/IEC JTC1/SC7/WG6
SQuaREエディタ
協力
評価結果

32. TS-1TS-1
品質測定評価の枠組み
32
Q1. 社内サーバのみ使用する経路は？
Q2. 社外サーバも使用する経路は？
Q3. クライアント間直接通信(P2P等)は？
Q4. 申請者管理サーバ使用の経路は？
G.情報アクセスや情報伝達などの
行為とその内容が偽って否認され
ないようにシステムができている
M. 署名経路率 = 署名経路数
/ 各種別の経路数
例: 否認防止性
研究チーム 製品提供元
1 GQM法でSQuaREメ
トリクス具体化
2 測定ツール化（様
式、コード解析、アン
ケート・テスト）
3 コード解析実施、
ユーザテスト実施
様式記入、ア
ンケート回収
4 測定値・スコア計算、
診断、集計
パーセンタイルによるスコア化
例: 全体のうち70%の製品群よりも上 = 0.7
対応言語
認証方式
配備形態
不具合情報
試験情報
機能情報※
DB情報※
NW情報※
コード※
運用情報※
（※任意） 高低
件
数
測定値

33. TS-1TS-1
33
機能適合性 性能効率性 互換性 使用性
信頼性 セキュリティ 保守性 移植性
有効性 効率性 満足性 リスク回避性
利用状況網羅性 • 信頼性: 全体的に同程度
• 使用性、保守性: 低いほうにやや集中
• 互換性: 2極化、データ交換を一部考慮せず
• セキュリティ: 2極化、暗号化や破損防止に差あり
• 有効性、効率性: 2極化、タスク実行に一部難あり

34. TS-1TS-1
品質特性間の関係分析
34
製品品質 利用時の品質
p値<0.1p値<0.1
性能効率性 互換性 使用性 信頼性 セキュリティ 保守性 移植性 有効性 効率性 満足性 リスク回避性 利用状況網羅性
機能適合性 0. 31 0. 19 -0. 72 0. 37 -0. 05 0. 50 0. 31 -0. 14 0. 52 1. 00 1. 00 1. 00
性能効率性 0. 44 0. 24 0. 36 -0. 17 0. 37 0. 32 0. 32 -0. 10 -0. 50 -0. 50 -0. 50
互換性 0. 04 0. 17 -0. 06 0. 36 -0. 04 -0. 14 0. 05 -0. 50 -0. 50 -0. 50
使用性 0. 17 -0. 21 0. 11 0. 44 -0. 09 -0. 20 -1. 00 -1. 00 -1. 00
信頼性 0. 30 0. 41 0. 45 -0. 08 0. 11 1. 00 1. 00 1. 00
セキュリティ -0. 06 0. 19 0. 64 -0. 34 0. 50 0. 50 0. 50
保守性 0. 26 -0. 29 0. 01 1. 00 1. 00 1. 00
移植性 -0. 21 0. 67 0. 50 0. 50 0. 50
有効性 0. 03 -1. 00 -1. 00 -1. 00
効率性 1. 00 1. 00 1. 00
満足性 1. 00 1. 00
リスク回避性 1. 00
• 信頼性が高いほど、保守性や移植
性も高い
– 高信頼製品ほど長期にわたる保守や
様々な環境への移植や適合が求めら
れる可能性
• 移植性が高いほど、使用性や効率
性が高い
• セキュリティが高いほど、有効性も高
い
• 機能適合性が高いほど、使用性が
低い
– 副作用、使用性軽視の可能性
• 信頼性が高いほど、保守性や移植
性も高い
– 高信頼製品ほど長期にわたる保守や
様々な環境への移植や適合が求めら
れる可能性
• 移植性が高いほど、使用性や効率
性が高い
• セキュリティが高いほど、有効性も高
い
• 機能適合性が高いほど、使用性が
低い
– 副作用、使用性軽視の可能性

35. TS-1TS-1
互換性性能効率性機能適合性
安定 漸増 爆発
信頼性 有効性
信頼性モデル: 発見時間と数の関係を分析し欠陥数を予測
爆発（3）漸増（3）安定（3製品）
• 機能適合性、有効性: 安定
で高品質
• 性能効率性、互換性: 爆発
において低品質
• 他の特性: 信頼性タイプで相
違無し

36. TS-1TS-1
コンテキスト別の分析
36
• ドメイン別: 互換性、セキュリ
ティに顕著な差
• パッケージ製品: セキュリテ
ィ強化が課題
• クラウド製品: 移植性、保守
性、信頼性の測定方法が不
適当な可能性
• 規模、期間、開発形態: 顕著
な相違無し
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
機能
適…
性能
効…
互換
性
使用
性
信頼
性
セ
キ…
保守
性
移植
性
有効
性
効率
性
満足
性
リスク
回…
利用
状…
グループ支援
(n=5)
データ集計(n=5)
会計(n=4)
セキュリティ(n=3)
数値計算シミュ
レーション(n=3)
エンドユーザ向け
サービス(n=1)
区別なし(n=21)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
機能
適…
性能
効…
互換
性
使用
性
信頼
性
セキュ
リティ
保守
性
移植
性
有効
性
効率
性
満足
性
リスク
回…
利用
状…
パッケージ
(n=17)
クラウド(n=4)
区別なし
(n=21)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
機能適合性
性能効率性
互換性
使用性
信頼性
セキュリティ
保守性移植性
有効性
効率性
満足性
リスク回避
性
利用状況網
羅性
0-10K(n=2)
10K-50K(n=6)
50K-100K(n=2)
100K-(n=6)
区別なし(n=16)

37. TS-1TS-1
37
ベンチマークによりポジショニング
確認ができ、該当製品が目指し
た強みが実現できた
小島嘉津江，森田純恵，廣瀬竹男，若本雅晶
，菊池慎司，楾晃歓，鷲崎弘宜, “ソフトウェ
ア品質技術が品質特性に与える効果の見える
化とその検証”, SEC journal, Vol. 14, No. 1, pp.
50-57, 2018.
活用: 富士通グループの事例
有効性 効率性 満足性
リスク回避
性
利用状況
網羅性
機能適合
性
性能効率
性
互換性 使用性 信頼性 セキュリティ 保守性 移植性
データ処理能力重視 ○ ○ ○ ◎ ○ ○ △ ○
早期デリバリー △ △ △ × ×
利用時の品質 システム／ソフトウェア製品品質
プロジェクト要件
要件を満たすための品質特性 （最優先：◎→○→△→×：低優先）注力する品質特性を決定
時間効率性
の試験有無
応答時間平
均
応答時間実
測対目標
ターンアラウン
ドタイム平均
ターンアラウン
ドタイム実測
対目標
スループット目
標達成率
資源効率性
の試験有無
CPU使用率
最大値
メモリ使用率
最大値
容量満足性
の試験有無
ユーザ同時ア
クセス可能数
目標達成率
大or小が望ましい 大 小 小 小 小 大 大 小 小 大 大
メトリクス測定値 1 - - - - 2.08 1 0.03 NA 1 NA
-
ログイン画面
表示
- プロセス起動 - データ蓄積 - データ保存 データ保存 - ﾕｰｻﾞ数
- - -
データ検索
(500件)
- - - データ検索 データ検索 - -
RISEメトリクス（性能効率性）
測定条件
(サンプル)
メトリクスにより品質達成度評価
RISEベンチマークによるポジショニング評価

38. TS-1TS-1
まとめ、メッセージ
• ソフトウェア開発の厳しさとメトリクスの重要性
– 開発の管理、品質把握と改善
• メトリクスの限界を知り意思決定に役立てる
– 測定方法、信頼性、妥当性、負のホーソン効果
• GQMによるゴール指向の測定
– 測定と改善のプロセス
– アクションに向けて: GQM+Strategies
• 応用
– GQMを用いた組込みソフトウェア品質改善
– 品質ベンチマーク WSQF
38 38

39. TS-1TS-1
参考資料• メトリクス全般
– リンダ・M・ライルド, M・キャロル・ブレナン著, 野中誠, 鷲崎弘宜
訳 , "演習で学ぶソフトウエアメトリクスの基礎 ソフトウエアの測定
と見積もりの正しい作法", 日経BP社 , 2009.
• GQM
– 鷲崎弘宜、”ゴール指向の測定評価と留意 – GQMパラダイムと
拡張 -”、メトリクス公団、Vol.1、TEF東海メトリクス勉強会、2013.
– 楠本真二、肥後芳樹: “GQMパラダイムを用いたソフトウェアメトリ
クスの活用”、コンピュータソフトウェア、29(3)、pp.29-38、2012.
• GQM+Strategies
– 早稲田大学ゴール指向経営研究会、「残念なシステム」のなくしか
た、日経ITPro、連載、2014年5月14日～6月11日
– Victor Basili, Adam Trendowicz, Martin Kowalczyk, Jens
Heidrich, Carolyn Seaman, Jürgen Münch, Dieter Rombach
著, 鷲崎弘宜, 小堀貴信, 新谷勝利, 松岡秀樹 監訳, 早稲田大学
グローバルソフトウェアエンジニアリング研究所ゴール指向経営研
究会 訳, “ゴール&ストラテジ入門: 残念なシステムの無くし方
(GQM+Strategies)”, オーム社, 2015年9月10日発行
• 事例
– 鷲崎弘宜, 田邉浩之, 小池利和, “ソースコード解析による品質評
価の仕組み”, 日経エレクトロニクス, 2010年1月25日号, 2010.
– 鷲崎弘宜, 阿左美勝, 田邉浩之, “モデル活用の効能: 第1回 モデ
ルを書く意味”～ “モデル活用の効能: 第4回 参加チームの事例
3″,日経エレクトロニクス, 日経BP社, 2011年8月8日号～11月号
39 39

40. TS-1
ご紹介: enPiT-Pro スマートエスイー
40
⚫ 文部科学省社会人教育事業 ‘17-’21 （代表: 鷲崎） http://smartse.jp/
⚫ 12月10日(月) スマートエスイー シンポジウム
クラウド
センサ・IoT
人工
知能
ビッグ
データ
生成
知識
抽出
革新
アプリケーション
ビジネス
価値
創造
通信・物理
情報処理
総合実践
連携校(13校）
茨城大学 群馬大学
東京学芸大学 東京工業大学
大阪大学 九州大学
工学院大学 東京工科大学
東洋大学 鶴見大学
北陸先端科学技術大学院大学
奈良先端科学技術大学院大学
情報・システム研究機構
(国立情報学研究所)
協力校(2校）
立命館大学
The BigClouT Project
教材・指導
地区展開
進学・共同
研究接続
連携企業・業界団体（23団体）
日本電気 富士通
日立製作所 東芝
いい生活 ヤフー
モバイルコンピューティング推進コンソーシアム
次世代センサ協議会
日本IT団体連盟
IT検証産業協会
コンピュータソフトウェア協会
組込みシステム技術協会
電子情報技術産業協会
全脳アーキテクチャ・イニシアティブ
新経済連盟
先端IT活用推進コンソーシアム
日本オープンオンライン教育推進協議会
デンソー ハレックス
情報医療 システム情報
題材・事例
教材・指導
受講生派遣
外部評価
想定受講者
情報系の一定知識を
持っている人
組込み・
IoTプロフェッショナル
クラウド・
ビジネスイノベー
ター
システムオブシステムズ・
品質アーキテクト
目標人材像
環境連携
BigClouT
(日欧ビックデータ・クラウド・IoT融合基盤）JMOOC
(オンライン大学講座）
オンライン全国展開
実施拠点
WASEDA NEO
(コレド日本橋内）
社会人教育プログラム
スマートエスイー SmartSE
IoT・ビッグデータ・AI × ビジネス
IoT・クラウド、ビッ
グデータ、人工知
能を活用し、高セ
キュリティかつプラ
イバシを考慮した
スマートシステム
＆サービスを開発
運用し、技術領域
や分野を超え価値
創造をグローバル
にリード可能な実
践的人材の育成と
全国展開
IoT・クラウド、ビッ
グデータ、人工知
能を活用し、高セ
キュリティかつプラ
イバシを考慮した
スマートシステム
＆サービスを開発
運用し、技術領域
や分野を超え価値
創造をグローバル
にリード可能な実
践的人材の育成と
全国展開