统计过程控制（SPC）在软件过程改进的应用

统计过程控制（SPC）在软件过程改进的应用

 

软件产业历来就存在着一些问题，而这些问题的是不会自动解决的。为了解决这些问题，需要用基于数据的客观方法来观察问题，研究问题的内容以及产生问题的原因，从而找到一些解决问题的方法和途径，不断改善软件的开发管理过程，提高产品的质量。统计过程控制（SPC）有助于对软件开发中的各项活动进行定量的了解和精确的控制，同时也有助于对过程的改进和产品的改进提供明确的指导。SPC有利于事先分析改进活动的成本效益，预测改进后的效果；事中进行定量的跟踪与监控，客观及时地发现活动中的问题，便于采取精确的纠正措施；事后能够进行客观定量化的分析与总结，对于软件企业的资产积累就有非常实用的效益。

尽管很多人并不认可软件度量是软件工程和管理方面的一个重要因素，认为测量很难进行，测量的结果很少有使用价值和参考意义。但是在实际的活动中人们却一直试图用测量来管理和监控自己的项目。开发人员通过测量软件的特性，以了解软件需求是否一致和完整，实际的质量达到了什么程度，代码是否可以进行测试；PM通过测量过程和产品的特性，来了解项目的进度和成本是否在控制范围之内，对未来的发布时间和预算进行预测；当然客户也要通过测量，来检验最终的产品是否满足需求和产品的质量到底达到了什么程度；而维护人员也需要通过测量来对当前的产品进行评估，以便做出是否需要进行升级和改进的决策。

虽然，现在越来越多的软件从业人员都认识到了历史数据对项目的帮助极为重要，都想使用数据来进行估算和预测，但是大多数人对究竟怎样去进行度量和收集数据还并不清楚，或者收集了数据，却不知道怎样利用收集到的数据区进行分析，并用于指导自己的工作。另外，在软件行业还存在这样一些不正确的观点，许多人认为软件是一个高度智力化的人为的工作，由于从业人员的经验、技能，所使用的过程，方法和工具等很多方面的不确定性，这些因素的组合将导致各种不同的结果。因此他们认为软件项目的性能和过程是无法进行统一的测量的，或者说测量的结果可参考的意义也是不大的。为了消除人们的这种错误认识，并且帮助那些已经意识到历史数据的重要性的人去利用这些数据来客观的确定组织的强项、弱项，需要改进的问题，问题的根本原因，以及产品和过程性能的发展趋势，就需要使用工程度量领域的统计过程控制理论。

统计过程控制（SPC）起源于20世纪20年代，由贝尔实验室的Walter A Shewhart提出，二战后，W.Edwards Deming 和 Joseph M Juran 对这一方法进行了推广。以Watts S. Humphrey为代表的CMU SEI：CMM/CMMI，他们把SPC的理论用于软件的开发领域。SPC是适用于任何过程的一系列解决问题的工具，主要包括：柱状图，帕累托图，趋势图，因果图，控制图，散点图等，统计控制图是SPC中最强大的和应用最广泛的。统计是对数据进行收集、分析的技术和过程，以此帮助人们在面对选择时进行决策。统计学和概率论、数理统计密切相关，它们都是研究和揭示随机现象统计规律性的学科，“随机现象”指事物产生的结果具有不确定性，但是有符合统计规律性的现象。统计过程控制（SPC）就是我们用来研究过程的不确定性，分析其中的统计规律，识别过程改进，并指导分析与决策的一个工具或者技术。在软件过程改进活动中，SPC有助于人们理解人类过程的“可靠性”；为过程建立管理希望的边界；理解偏差的原因和模式；确认用于预测和计划的度量分析模型；对项目进行定量的管理和控制。

本文基于以下几个假设展开讨论：