Study on the relationships between cohesion and coupling metrics on fault prediction in object oriented systems

Abstract

Contextualização: Existem diversas métricas propostas na literaturapara medir a coesão e acoplamento em sistemas orientados aobjetos e anualmente vão surgindo novas métricas. Algumas dessasmétricas são úteis na predição de sistemas propensos a falhas. Porém,identificar tais métricas não é uma tarefa trivial. Objetivo: O presentetrabalho faz o agrupamento das métricas de coesão e acoplamento existentesna literatura, com as respectivas ferramentas para automatizaro cálculo dos valores correspondentes a cada métrica. Este trabalhotambém faz uma análise cuidadosa de aplicação das métricas de coesãoe acoplamento na predição de falhas, para permitir a identificação demétricas úteis. Espera-se que os resultados obtidos possam facilitar oplanejamento e a elaboração de um novo modelo para predição de sistemaspropensos a falhas. Finalmente, este trabalho procura encontrara relação entre métricas de coesão e acoplamento, analisando estatisticamente os resultados das experiências. Método: Foram realizados dois mapeamentos sistemáticos da literatura e uma análise estatística. Resultado: Os resultados obtidos no primeiro mapeamento sistemático(95estudos selecionados), apresentaram 95 métricas de coesão e 118 métricasde acoplamento, criando um agrupamento de 213 métricas decoesão e acoplamento. Dentre as 213 métricas agrupadas, 65 métricasde coesão e 81 métricas de acoplamento (totalizando 146) possuemferramentas para automatizar o cálculo do valor correspondente a cadamétrica. No total, foram encontrados 64 ferramentas, onde cada umacalcula mais de uma métrica de coesão ou acoplamento. Os resultadosobtidos no segundo mapeamento sistemático(24 estudos selecionados),apontam para LCOM (métrica de coesão), CBO, e RFC (métricas de acoplamento) como sendo as mais úteis na predição de falhas, enquantoPROMISE Repository foi o sistema mais usado (36.4% dos estudos) nacoleta de dados. A maioria dos projetos encontrados nos estudos depredi¸cão de falhas (94.6% de estudos) foram escrito em linguagemJava. CKJM é a ferramenta mais usada (37.5% dos estudos) para extrairas métricas de projetos em java. O estudo empírico mostrou queas métricas de coesão e acoplamento são inversamente correlacionadas.Conclusão: Algumas métricas de coesão e acoplamento (LCOM, CBO,and RFC) são úteis na predição de falhas. Porém, existem outras métricasque são úteis na predição de falhas (são pouco usadas) e não temferramentas para automatizar o cálculo do valor correspondente.

Abstract : Contextualization: There are several metrics proposed in the literatureto measure cohesion and coupling in Object-Oriented Systems(OOS) and several new metrics continue to appear annually. Some ofthose metrics are useful for detecting fault-prone systems. However,assessing the utility of such metrics is not a trivial task. Objective: Thepresent work makes the grouping of the cohesion and coupling metricsexisting in the literature, with the respective tools to automatethe calculation of the corresponding values. This work also makes acareful analysis of the application of cohesion and coupling metrics infault prediction, to allow the identification of useful metrics. This resultis expected to ease the planning and elaboration of a new predictionmodel for fault prone systems. Finally, this work attempts to find mutualrelationships between cohesion and coupling metrics by statisticallyanalyzing the results of experiments. Method: A systematic literaturemapping (SLM) and a statistical analysis was conducted. Result: Theresults obtained in the first SLM (95 selected studies) presented 95 cohesionmetrics and 118 coupling metrics, thus resulting in a set of 213metrics of cohesion and coupling. Among the 213 metrics found, 65cohesion metrics and 81 coupling metrics (totaling 146) have tools toautomate the calculation of the corresponding value. In total, 64 toolswere found, where each one calculates more than one metric of cohesionor coupling. The results obtained in the second SLM (24 selectedstudies) pointed to LCOM (cohesion metric), CBO, and RFC (couplingmetrics) as the most useful in fault prediction, while the PROMISERepository was the most used system in data collection(36.4% of studies).The project written in Java is the most used in studies of faultprediction (94.6% of studies). CKJM is the tool mostly used to extractmetrics in Java projects(37.5% of studies). The empirical study showsthat cohesion and coupling metrics are inversely correlated. Conclusion:Some cohesion and coupling metrics (LCOM, CBO, and RFC) are usefulin fault prediction. However, there are other useful metrics in faultprediction that are less used and doesn t have tools to automate thecalculation of the corresponding value.