代码评审的速度与缺陷密度是啥关系?
发布于 2024-10-02
882
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
一家企业对8个项目的代码评审数据进行分析,虽然样本量有限,但其中仍可见一些规律。这些数据展示了代码评审中发现的缺陷密度和评审速度之间的关系。
根据收集的数据,得到了如下度量信息:
- 评审缺陷密度的范围从3.03个/kLoc到60个/kLoc不等。
- 评审速度的范围从100 loc/小时到3295 loc/小时。
通过对这些数据的散点图进行观察,发现了两个主要的趋势:
- 评审发现的缺陷密度与评审速度之间存在曲线相关性。
- 随着评审速度的增加,评审发现的缺陷数量逐渐减少。
为了深入研究这种关系,对缺陷密度进行了数学变换,即new y = 1/sqrt(评审缺陷密度),这样转换后可以与评审速度建立线性回归方程。通过这种变换,得到了以下回归方程:
new y = 0.1343 + 0.000138 * 评审速度(loc/小时)
最终,通过逆向运算,可以用上述方程来估计评审的缺陷密度,其计算公式为:
评审的缺陷密度 = 1 / (0.1343 + 0.000138 * 评审速度)^2
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
425 篇文章
浏览 567.4K
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
重磅:CMMI DEV V2.0发布!
未来已来,拥抱时代! CMMI Development V2.0于今日正式发布,这标志着过程改进领域又精进到了新的高度! 网址:https://cmmiinstitute.com/cmmi/dev 为了应对不断变化的全球化商业格局的挑战,CMMI DEV V2.0将通过标杆对比帮助企业建立并提高关键能力以提高企业绩效。CMMI DEV V2.0的核心是一组经过证实行之有效的全球最佳实践,这些
结论简单,教训深刻:一个大型项目关于需求工程的反思
某公司承担一个大型软件项目的开发,该项目的计划工期为2年,实际工期为2.5年。该项目为本公司新进入的一个行业,公司在其他行业里有相近软件的开发经验,但是对进入的这个行业并不熟悉。本项目采用了瀑布模型,高峰期70多人参与,最少时也有30多人参与。投入了接近100人年的工作量,而浪费的工作量大概在25人年,需求返工的比例占了40-50%。项目结束后做了复盘,我作为外部咨询顾问参与了项目回顾...
莫要混淆控制限与规格限
有的软件企业实施SPC时,在画控制用控制图时不但在同一张控制图上画了上下的1sigma、2sigma、3sigma线,还画了规格线,其实是画蛇添足,因为规格限如果在上下3sigma内,就失去了控制用控制图的意义。控制限是指通过对历史数据采用控制图(如XbarS图、XMR图)分析得到的,其值与均值偏离上下3sigma,规格限是由客户或者公司指定的,是对过程的能力要求,一般要比控制限宽,否则无
快速学习COSMIC方法之四:早期快速估算功能规模的方法
在介绍详细的COSMIC方法之前,我们先介绍一下在项目早期,在需求没有详细到可测试的程度时,如何估算软件的规模。实际上很多公司为了减少度量的工作量,往往采用近似的估算方法进行确定项目的预算。 进行快速估算的原理为:通过分析历史的粗颗粒度需求与实际规模之间的相关关系,找到二者之间的换算关系,然后对于新的粗颗粒度需求参考历史的换算关系快速地得到近似规模。这里的粗颗粒度需求的规模可以是功能处理个数
需求评审会议亲历记
最近参加了一次需求评审,整理了整个过程如下: 评审组构成: 由EPG的组长担任评审会议主持人,评审组成员有12个人,6个开发人员,包括项目经理,都是项目组内部的人员,1个测试人员,4个EPG成员,1个外部咨询顾问。 准备工作: (1)提前1天发了会议通知,没有为评审组成员准备检查单。 (2)有2个人提前进行了准备,阅读了被审查文档,但是只找出了2-5个问题 (3)QA提前进行了文档与标准符合性的检
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