主画布 子画布_完善变更画布以表示最小可行变更

主画布 子画布

使用变更画布有助于变更代理人实现精益变更方法的第一个承诺，即协商变更。 遵循协商变更的原则，成功的变更要求变更代理人和变更接受者都参与一个创造性的过程，以确保任何建议的变更都可以满足被要求变更的人的特定需求。

变更画布的使用是受精益启动方法启发的。 这很重要，因为第二个承诺（即变革将最大程度地利用经过验证的学习）也受到精益启动方法的启发。 第二个原则是改变要经过有效的学习 。 验证的学习是基于这样的前提，即学习应基于假设，实验，测量方法。

在精益创业世界中，有效学习的核心推动力是所谓的最低限度可行的产品。 习惯采用精益启动方法的人们有兴趣最大化他们在不确定的市场（通常使用全新且未经测试的产品）中建立可持续业务的机会。 因此，轻巧和可行的产品可以看作是最小的产品增量，可以使了解特定企业或产品的可持续性所必需的学习成为可能。

精益变更方法借鉴了这一概念，称其为最小可行变更。 我们将最小可行变更定义为最小可能变更，以最大程度地学习和接受必要的内容，以建立可行的变更程序并执行一套可行的变更策略。

最小可行的更改可以被视为更改实验。 使用MVC方法构建变更模型时，最好将模型的组件视为未经检验的假设。 根据在变更计划中所学到的知识，可以并且应该基于最新信息重新创建模型的不同方面

为了使更改被视为最小可行更改，它应包含两个属性。

属性1最低：

首先，更改应最小化，即很小，同时仍应视为完整更改。 例如，它仍应具有一组目标更改接收者，一组操作，目标状态，紧急程度以及画布上表示的所有其他组件。 为了使更改被认为是最小的，应该尽可能地减少这些更改组成部分，而所有这些仍然导致完整的更改。 换句话说，画布的所有部分都应填写并考虑。

只需将紧急程度，更改接收者或目标状态框中的元素缩减为1个或2个主题，就可以缩小我们先前的变更模型的范围。 这使得重新查看模型的其余部分变得容易，并且同样减小了范围。

如果您看一下Danny和他的团队创建的以前的变更模型，我们可以说有很多想法不一定是所建议的变更的核心。 如果我们看一下目标状态，实际上有三个不同的主题。 实现连续流和建立稳定吞吐量的概念可能是使用精益导向的技术（例如看板），协作建模以及协作管理方法的思想，最后是稳定的补货节奏。

如果我们同意Danny团队当前面临的大多数问题是由于与客户之间的不良协作而产生的前提，那么我们有可能减少变更模型，而只专注于采用更多的协作建模方法，例如故事映射，敏捷建模等。 。

这将具有将变更倡议的范围缩小为更易于管理的功能。 然后，我们可以减少划分以反映这一较小的范围以及承诺。 如果我们查看操作和收益部分，就会看到提到了可重用和可重复的方法框架或库。 尽管这可能对组织有用，但它并不能真正解决原始变更模型中所述的任何紧急情况。 实际上，对于一个努力学习新事物以及按时完成项目的团队而言，这似乎毫无意义，并且至少可以在以后考虑。

如果我们再次查看原始变更模型并将其与新变更模型进行比较，我们会发现新变更模型不那么复杂，而是更加专注于一个总体主题，使用敏捷建模方法来达成对解决方案功能的共同理解。 。

物业2：

最小可行的更改也必须可行。 这意味着我们需要验证我们的变更模型是否代表可行的变更计划。 这是通过将我们的更改作为一组改进实验来实现的。 可以在画布上表示的更改模型的上下文中评估每个实验。

一种方法是通过看板改进委员会。 然后可以使用改进中的每个工作单系统来验证由画布表示的变更模型的特定方面。

改进工作单被填充到积压的待办事项列表中，以表示建议的更改的持续时间。 在这种情况下，我们看到变更代理将每2周与变更利益相关者合作处理新的改进项目。

在故障单进入准备阶段时，我们要做的第一件事就是重写故障单，以使其支持可测试性的概念。 每个测试应在变更画布的一个或多个部分中验证变更背后的假设。

我们建议变更代理随时尝试使用票证的确切格式，我们着眼于以下几点：

将导致

一个例子可能是：

“与业务分析师和业务主题专家共同主持的故事映射会议将使他们能够在3个受支持的会议之后独立有效地确定解决方案的范围和结构”

该活动应该是变更代理将与变更接收者协作执行的一组动作。 特定的更改接受者只是画布上列出的一个或多个更改接受者，他们将成为此改进实验的接受者。 结果是预期的结果，可以采用改进的功能，改进的性能或某些其他好处的形式。

限制条件应以时间的形式表示，即“两周后”或某种活动的多个实例，即“三节后”。 约束也可以指定为特定事件发生的时间，即。 “当下一个紧急缺陷发生时”。

将每张票证移入“准备”列时，将使用此实验格式对其进行重写。 然后，将“改进实验”移至“采用”列，此时开始进行改进实验。

改进实验将继续进行，直到该实验被证明为是或假，或者约束已消失。

重要的是，变革推动者不要落入自己评估实验的陷阱，最终是变革接受者需要对改进实验是否成功做出决定。 根据我们的经验，改进实验并不总是简单地通过或失败，因此，我们使用了三种结果方法。 成功，失败和部分成功。

随着各种改进实验通过“学习”列，可以评估画布的正确性。 失败的实验是可以预料的，它将表明需要调整甚至完全改变画布的某些部分。 当大量实验不符合预期时该考虑旋转了，更改画布的大部分以反映已学到的知识。 这可能是头几次的痛苦的练习。

参考： 精益转型博客上的JCG合作伙伴杰夫·安德森（Jeff Anderson） 细化了变更画布，以表示最小可行变更 。

翻译自: https://www.javacodegeeks.com/2013/08/refining-a-change-canvas-to-represent-a-minimum-viable-change.html

主画布 子画布