CMMI4级实践问题30问-1
发布于 2023-07-12
2116
版权声明
我们非常重视原创文章,为尊重知识产权并避免潜在的版权问题,我们在此提供文章的摘要供您初步了解。如果您想要查阅更为详尽的内容,访问作者的公众号页面获取完整文章。
麦哲思科技任甲林
扫码关注公众号
扫码阅读
手机扫码阅读
组织级性能基线建立与分析摘要
第1问: 应该建立哪些组织级的性能基线?
在组织级别应建立性能基线,这些基线由商务目标派生,并涉及产品质量与过程性能目标。基线可以通过特定度量元来衡量,并需分析影响目标达成的因素以及相应的度量元。尽管存在挑战,如缺乏历史数据或数据收集成本高,但应建立力所能及的基线,并等待合适时机。基线应当按照规模、质量、进度、工作量、成本、效率等类别进行分类。
第2问:如何建立组织级的基线?
组织级基线的建立基于历史数据的过程稳定性分析,采用控制图如X-R图、X-S图、XMR图等方法进行统计。在此过程中,需考虑项目的不同属性,并在必要时进行分解以单独建立基线。这些属性可能包括项目类型、生命周期模型、技术路线、人员背景、项目规模等。在控制图展现的数据点中,应注意分层或分组的现象。
第3问:5个点能否证明过程是稳定的?
根据统计学的基本常识,通常需要25-30个分组来证明过程的稳定性,因此5个点不足以证明。尽管如此,不稳定的过程也可以建立基线,使用超过3个数据点尝试建立控制限。过程稳定性可通过连续25个点无界外点、连续35个点界外点数不超过1个或连续100个点界外点数不超过2个来判断。
麦哲思科技任甲林
麦哲思科技任甲林
扫码关注公众号
麦哲思科技(北京)有限公司总经理 敏捷性能合弄模型评估师 认证的Scrum Master 认证的大规模敏捷顾问SPC CMMI高成熟度主任评估师 COSMIC MPC,IAC 成员,中国分部主席
471 篇文章
浏览 1191.8K
还在用多套工具管项目?
一个平台搞定产品、项目、质量与效能,告别整合之苦,实现全流程闭环。
查看方案
麦哲思科技任甲林的其他文章
在估算时为什么要分解估算对象?
估算 标准差 任务拆分
数据、现象与原因
某公司积累了最近2年24个项目缺陷发生率的历史数据(缺陷发生率为系统测试发现的缺陷个数除以开发的工作量),如下表所示: 对上述的历史数据,按年份画箱线图比较分析如下: 针对上述的箱线图,是否可以下结论认为2013年开发质量提升了,开发人员犯的错误就少了呢? 其实未必。 如果对年份与项目的开发方式做卡方分析,则有如下的结论:汇总统
AI开发四大核心原则
AI编码工具虽能高效生成代码片段,但在复杂系统开发中常面临逻辑偏差、架构混乱等问题。本文提出四大核心原则:1)完备规划锁定模块边界;2)分级MVP将系统拆解为最小可测单元;3)增量实现以小步快跑方式开发;4)局部修改避免全局重构。这套方法论通过标准化开发流程,将AI的编码优势转化为工程实践,强调"做加法而非改存量"的开发理念,有效解决AI开发中常见的迭代失控、错误传播等问题,实现从试错编码到规范落地的转变。核心在于用结构化方法约束AI生成,保持项目稳定性和可维护性。
快速学习COSMIC之一:COSMIC方法的简单案例
COSMIC方法是新一代的软件规模度量方法,其基本的原理很简单,就是度量软件需求中的输入、输出、读、写这4类数据移动的个数,我们通过2个简单的例子来说明其基本的原理。 案例一:针对MIS类软件的需求 对于应用软件而言,我们都有这样的需求:允许合法用户登录到系统中; 对于上述的功能需求,我们可以采用USE CASE的方式详细描述需求如下:
和任老师聊聊质量工作
2019年10月12日在厦门有某公司的6位质量管理同仁一起共进晚餐,席间讨论多个话题。10月14日,这些有心的朋友整理了问答记录,我做了简单修订,摘录如下:SQA感觉成天统计数据,没什么意义?统计数据可以,对于SQA来说,要掌握数据分析方法,从数据中找出规律,得到结论,有明确的结论来影响大家。有数据,必须有结论,这样才能充分发挥数据的价值。比如...
加入社区微信群
与行业大咖零距离交流学习
PMO实践白皮书
白皮书上线
白皮书上线