CMMI高成熟度过程性能模型PPM的建立(简化版).doc

CMMI高成熟度——过程性能模型PPM的建立（版） ?(苏州工业园区服务外包职业学院 曹纪清)在高成熟度组织中，PPB的作用仅仅是理解过去和控制现在，为了预测未来我们必须要建立PPM过程性能模型。有了PPM我们就可以根据项目的基础信息和模型来预测项目的进度，成本和质量情况。PPM建立在组织标准过程集和组织过程性能基线的基础上，可以用来为组织建立或验证质量和过程性能量化目标的合理性。 ? 一、 统计知识 ? 1.? 数据验证 ??? MSA, GRR 2.? 正态分布检验 ??? 在进行统计分析时，有很多情况下数据满足正态分布是套用统计学方法的前提条件．我们可以采用安德森达林(Anderson-Darling)法来进行数据分布的正态性检验。通过考察假设检验的P值可以确定数据分布的正态性。如果P值小于0．05，那么必须拒绝原假设，即不符合正态分布。 3.? 置信区间 ??? 置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信水平一般用百分比表示，因此置信水平0.95上的置信空间也可以表达为：95%置信区间。 4.? HT检验（假设检验，Hypothesis Testing) ??? 假设检验可以用来检查对数据总体的假设是否正确，是一个正规的统计方法来确定两组数据的区别是否有统计意义显著性，如新方法是否比原方法疗效好？改进后的合格率是否提高？工期是否符合正态分布等。假设检验的判断基准是P值（P值是当原假设H0成立时，出现对原假设H0更不利情况，即对备选假设H1更有利情况的概率）。当P值很小(通常的标准是P0.05)时，我们就认为要拒绝原假设，于是备择假设成立。 5.? 回归分析 ??? 回归分析就是去寻找并证明因变量Y的变化可以用一个或多个独立的自变量X迸行解释，由此我们可以用自变量X的值对Y进行具有统计意义的预测。 ??? 在回归分析结果中还有几个重要的指标。一个是估算标准差S，用每个采样点的误差的平方和。当S接近0时表示回归方程可以进行有效预测。另一个指标被称为决定系数(Coefficient of Determination)，其意义在于显示因变量的变化在多大程度受到自变量的变化的影响。该数值在回归结果中用R平方(R-Sq)和调整后的R平方(R-Sq(调整))表示。 6.? 蒙特卡罗模拟(Monte Carlo Simulation) ??? 蒙特卡罗方法可以让计算机迅速进行多达百万次的模拟，产生的结果可以被很直观地进行观察，帮助决策者据此发现最优化的解决路径。比如一个软件项目有10个阶段．每个阶段的工期进行最短、最可能、最长等三个值的估计。如果我们需要有个项目总工期的估算，将每个阶段最可能的估计值相加，得到500个工作日的估计结果，如果进行蒙特卡罗一百万次模拟，结果显示，几乎所有的事件模拟结果的工期都超过了每个阶段最可能完成工作日数的总和500个工作日。如果我们按照90%的信心度进行计划，则应该以8l7个工作日来安排，即使以50%信心度来计划，也应该以731个工作日来安排进度。由此可见，基于统计学原理的蒙特卡罗模拟方法，可以比简单直觉提供更为准确、可信的决策依据。 7.? 残差图(residual plot) ??? 　在相关回归中，残差等于实际观测值减去拟合值，拟合值是根据回归公式计算得出的。在方差分析中，残差等于测量者减去组内平均值。残差反映的是随机波动。所以残差是正态分布，并且均值等于0。????? ? 二、 创建PPB步骤 ? ???? 建立PPM的主要步骤如下： 1.?? 基于项目目标。 ??? 模型的输出，应该和项目质量与过程性能目标之间是一致的。万事从“需求”开始，当然模型也不例外。首先我们通过对质量和过程性能目标分析达成影响分析，识别在达成中的关键过程或子过程，这些方面是我们首先需要建立模型的方面。 2.???选择一个或多个过程进行分析和建模。 ???? 这可以是一个项目的过程，也可以是一个组织的过程。模型可以预测与当前被研究过程直接相关的结果，或者预测在开发生命周期中处于更下游的结果。确定模型预测什么结果。一些典型的例子如：质量、生产率、周期时间、过程有效性和客户满意度。注意过程可能有多种类型的结果，所以可能要开发多个模型来探讨他们。例如，持续时间段、质量和消耗的投入，都可能是相应的过程性能结果。 3.??设定要调查的因子。 ??? 可控的和不可控的因子应该都要包括进来。导致结果的根本原因、和结果相互关联的因子以及结果最主要的指示器，都是用来做分析用的好的候选对象。 ??? 分析模型的因子，可以使用Fish-Bone分析，也可以使用头脑风暴。可控因子的存在是过程性能模型的一个关键要素。可控因子的存在意味若我们可以通过调整可控因予来一定程度地控制过程性能，从而进行最合理的过程实施安排以满