质量管理
文章平均质量分 54
麦哲思科技任甲林
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
展开
-
对软件开发过程可重复性的思考
硬件的生产过程是可重复的。因为对产品功能、质量的要求是相同的、生产设备是相同的,生产流程也是相同的,硬件的生产力来自于设备,因此硬件的生产可以要求生产能力又准又稳,要求生产系统可以持续地生产出满足需求的产品。而每个软件项目的需求是不同的、人员的经验与数量是不同的、开发方法与开发过程是不同的、外部干扰的频次是不同的,软件的生产力来自于人,因而软件过程满足需求的能力相对于硬件的生产过程是偏弱的。人操作硬件,硬件生产产品,人对生产质量有影响,但更重要的是硬件。需求是原材料,是抽象的,每个项目的原材料是不同的。原创 2024-04-25 07:56:08 · 422 阅读 · 0 评论 -
开发过程中的八种确认方法
确认是确保做了正确的事情,方向不偏。确认可以在项目前期做,也可以在项目后期做,提倡持续确认、质量左移。在前期主要是检测需求的质量,在后期是检测完成的系统是否真的是客户所需。本文概要归纳了开发过程中常见的八种确认手段。原创 2023-10-19 19:54:04 · 555 阅读 · 0 评论 -
案例:缺陷个数与返工工作量强相关
要降低返工成本,有两种方法:1)少犯错。2)提高缺陷修复的效率。原创 2023-07-30 18:50:30 · 648 阅读 · 4 评论 -
软件研发管理三部曲:以道御术、术以载道与数以达理
软件研发管理的三部曲:《以道御术》系统解释了软件研发管理的what to do。《术以载道》讲解了软件研发管理的Howto do。《数以达理》系统解释了量化研发管理的how to do。原创 2023-06-30 14:08:01 · 747 阅读 · 0 评论 -
使用ZenDAS进行Gompertz趋势分析
采用Gompertz预测缺陷总数是一个简单易用的模型,准确率也比较高。在ZenDAS中可以一键触发进行分析。原创 2023-06-26 21:08:34 · 462 阅读 · 0 评论 -
原因分析必知必会的十大要点
原因分析是对选定的现象进行全面深入的研究,找到现象背后的真正原因与深层次原因,然后采取合适的措施纠正问题、预防问题。如果没有找到真正的根因就采取措施,往往事倍功半,浪费了投入。那么在原因分析时,有哪些成功要点呢?基于我多年的咨询与引导经验,我总结了如图1所示的十个要点。原创 2023-06-12 11:36:55 · 3163 阅读 · 2 评论 -
如何把简单的事情一次做对?
在工作中领导最讨厌的人就是总把简单的事情做错的下属,在绝大多数人不会犯错的地方犯错,在领导眼中会判定为是基本素质问题,是不可原谅的。如果组织要裁员,那优先裁掉的就是哪些总是犯低级错误的人。那如何确保能够把简单的事情一次做对,提升自己的职场竞争力呢,请参考如下的七步工作。原创 2023-06-06 14:14:40 · 475 阅读 · 0 评论 -
要言不烦先行指标与滞后指标的12个要点
在设计度量体系时,可以把度量指标分为滞后指标与先行指标,二者的区别是什么呢?原创 2023-05-28 10:48:58 · 1170 阅读 · 0 评论 -
ChatGPT如何帮助做好质量管理工作?
ChatGPT自推出以来,迅速风靡全球,做为质量管理人员,如何利用ChatGPT更好的进行质量管理呢?以下我们通过9类实例来看看它能起到哪些辅助作用。原创 2023-05-23 18:09:41 · 523 阅读 · 0 评论 -
如何阅读CMMI模型的实践
CMMI模型有很多实践,如何准确理解其含义呢? 下面分享一下我多年的研读经验。原创 2023-03-15 19:47:06 · 711 阅读 · 0 评论 -
如何对质量数据进行分析?
在对质量数据分析时,应该对哪些活动,采集哪些度量数据,采用什么方法进行分析呢?请参考本文给出的系统归纳。原创 2023-03-04 17:20:51 · 1190 阅读 · 0 评论 -
拥抱ChatGPT,开启结对咨询模式!
ChatGPT刮起了一阵旋风,ChatGPT到底能做什么?做到什么程度?真的会让咨询顾问失业吗?原创 2023-02-14 15:34:22 · 4464 阅读 · 0 评论 -
过程改进的关注点之测试过程
总结了一下在咨询过程中看到的测试过程的常见问题,梳理出来进行测试过程改进的关注点原创 2023-01-14 21:28:03 · 738 阅读 · 0 评论 -
写年度总结报告的注意事项
年度总结报告怎么写?掌握以下九个要点!原创 2022-11-05 14:08:02 · 577 阅读 · 0 评论 -
需求访谈的三驾马车
需求用户需求时,应该有几个人参与呢?分别承担什么职责呢?怎么和用户澄清需求呢?三驾马车的做法可以帮你更高效地获取需求!原创 2022-09-27 10:41:23 · 518 阅读 · 0 评论 -
案例:如何评价代码走查的效果?
实施了代码走查,效果如何呢?我们可以通过定量的数据进行分析!数据中隐藏着结论,我们要努力发现它!原创 2022-09-04 11:04:57 · 1215 阅读 · 0 评论 -
迭代总结会议的旁观感想
初创团队,迭代总结会议以后,有哪些可以改进的地方呢?原创 2022-07-13 17:44:11 · 713 阅读 · 0 评论 -
使用Gompertz模型拟合上线后缺陷收敛趋势
采用Gompertz模型预测缺陷的收敛趋势,简单易行,拟合效果很好!原创 2022-06-29 17:10:20 · 639 阅读 · 0 评论 -
案例:客户满意度的综合统计分析
采集了客户满意度的数据后,可以从哪些维度进行统计分析呢?本文给出了一个具体案例,通过七张图分析客户满意度的数据!原创 2022-05-30 20:58:51 · 3943 阅读 · 0 评论 -
测试用例评审的旁观记录
测试用例评审应该如何做?原创 2022-05-25 08:23:39 · 700 阅读 · 0 评论 -
流程管理的基本理念
澄清一下关于流程的基本概念与理念。原创 2022-05-20 08:09:30 · 1319 阅读 · 0 评论 -
系统测试缺陷检出密度越大越好吗?
这是一个很有意思的话题。很多人对此困惑。困惑在什么地方呢? 从开发的角度看,是希望系统测试发现的缺陷越少越好,那意味着在开发阶段都把缺陷找干净了。 从测试的角度看,是希望系统测试时把缺陷找干净了,不要遗留给客户去发现。在潜在的缺陷数恒定的前提下,找到的缺陷越多越好。 在组织级确定质量目标时,这个系统测试缺陷检出密度到底是定义为越高越好,还是越小越好呢?系统测试缺陷检出密度的大小能代表产品质量吗? 产品质量只能通过上线后的缺陷多少来衡量,上线后的缺陷密度越小越好...原创 2022-01-10 14:55:39 · 1624 阅读 · 0 评论 -
普通原因与特殊原因的区别
在SPC中,对过程的偏差区分了信号与噪音,信号是特殊原因造成的偏差,噪音是普通原因造成的偏差。这两类原因有啥区别呢?我归纳整理如下: 普通原因 特殊原因 定义 普通原因指的是造成随着时间的推移具有稳定的且可重义的分布过程中的许多变差的原因,我们称之为:“处于统计控制状态”、“受统计控制”,或有时简称“受控”。普通原因表现为一个稳定系统的偶然原因。只有变差的普通原因存在且不改变时,过程的输出才是可以预测的。 特殊原因(通常也叫查明原因)指的是造成不是始终作用于过程的变差的原.原创 2021-09-25 08:38:16 · 3100 阅读 · 0 评论 -
Lehman的软件演化定律
自20世纪70年代以来,M. M. Lehman通过对软件系统演化现象的观察,陆续总结了8条定律,称之为定律并非那么严谨,但是对于认识软件维护的规律,改进软件维护的过程具有很好的指导意义。1 (1974年)持续变更定律。系统必须持续调整以适应各种变化,否则这些系统将变得越来越不令人满意。2 (1974年)复杂度增长定律。随着系统的演化,其复杂度会逐渐增加,除非采取措施来降低或保持其复杂度。3 (1974年)自我调整定律。软件演化过程的是自调整的,每次演化版本的度量数据近似正态分布。4 .原创 2021-02-17 17:19:14 · 1072 阅读 · 1 评论 -
GOV与II两个PA的案例
CMMI V2.0中GOV与II两个PA比较抽象,我通过实施案例来帮助大家解释一下这2个PA中每条实践的含义。PA 实践编号 Measures校对后的中文翻译 针对培训过程的实施案例 针对编码过程的实施案例 GOV 1.1 高级管理者识别开展工作的要点,并定义实现组织目标所需要的方法 老板要求每个部门有人负责培训工作。 每个部门每个月至少要有1次技术培训。 每个部门每2个月至少要有2次管理培训。 每次培训应该制作录像,便于重复培训。.原创 2020-05-21 09:17:16 · 1975 阅读 · 0 评论 -
如何近似计算回归方程的预测区间?
1 预测区间与置信区间的差别 预测区间估计(prediction interval estimate):利用估计的回归方程,对于自变量 x 的一个给定值 x0 ,求出因变量 y 的一个个别值的估计区间。变量的估计叫预测区间,预测区间反映了单个数值的不确定性; 置信区间估计(confidence interval estimate):利用估计的回归方程,对于自...原创 2020-04-29 16:02:19 · 35588 阅读 · 4 评论 -
各阶段缺陷检出密度的统计分析案例
某企业积累了10个项目的历史度量数据,积累了5个阶段的缺陷密度,即从需求评审的缺陷密度,直至交付后3个月内的缺陷密度,计量单位统一为缺陷数/KLOC。 需求评审缺陷密度 设计评审缺陷密度 代码评审缺陷密度 测试发现缺陷密度 交付后缺陷密度 P1 ...原创 2020-04-18 20:23:19 · 2307 阅读 · 4 评论 -
回归方程有效性的检查
我梳理了一下,整理成下表给大家参考,也比较好记忆,回归之前六条,回归之后六条:检查回归方程的有效性 回归分析之前 1 对y进行正态分布的检验,如果y不服从正态分布,则需要进行变换。 2 通过相关性分析,判断x与y的相关性,如果不相关,则不需要纳入此x到方程中。 3 通过相关性分析,判断x与x之间的相关性,相关的x不能出现在同一个方程中。 4 通过散...原创 2020-04-13 12:35:26 · 9032 阅读 · 0 评论 -
你是否真的读懂了回归方程y=ax+b?
当我们对一些现象进行回归分析之后,可以得到回归方程y=ax+b,很简单的一根直线,如果结合我们的实际应用场景,则可以从该方程的2个系数中发现很多问题:1 当b比a大很多时,如何理解?比如,工作量=10*规模+10000此时:b=10000为固定成本, a=10为变动成本。说明在这家公司中,项目一立项就有比较高的固定成本!需要减少无用功,降低很多与直接生产无关的...原创 2020-04-09 09:09:54 · 10366 阅读 · 1 评论 -
采用Minitab进行logistic回归分析
在研究Y与X之间的因果关系时,如果Y不是一个定比或定距变量时,就需要进行logistic回归。logistic回归是一种广义线性回归(generalized linear model)。logistic回归根据Y的取值分为三类: logistic回归分析类型 因变量Y的特征 举例 二元logistic...原创 2020-04-07 09:41:52 · 8131 阅读 · 0 评论 -
项目级目标与组织级目标的差别
项目级的目标要与组织级的目标相匹配,他们关注的是同一件事情,但未必是同一个度量元,请看下边的案例。 某公司积累了2013年到2018年期间66个里程碑的工期偏差率数据如下: 序号 里程碑工期偏差率 序号 里程碑工期偏差率 序号 里程碑工期偏差率 ...原创 2020-03-13 11:03:31 · 1523 阅读 · 0 评论 -
使用Gompertz模型预测非典的趋势
在预测软件的可靠性时,可以根据该软件多轮测试发现的缺陷个数来预测应该发现的总缺陷数。在软件测试过程中,最开始的时候,会呈现缺陷增长较快的趋势状态,随着测试的进行,测试难度加大,需要执行较多的测试用例才能发现一个缺陷,虽然继续投入测试,仍然会持续发现缺陷,但是明显缺陷的增长速度会减缓,同时软件中隐藏的缺陷是有限的,因而限制了发现缺陷数的无限增长。在实践中预测总缺陷数的常用方法是Gompertz模型,...原创 2020-01-29 19:57:30 · 11558 阅读 · 7 评论 -
案例:工时数据分析
有网友提供了如下的工时数据,希望进行分析一下, 我尝试分析如下: 表1:工时的原始数据1 数据整理任务数,需求数,人数,工时数是基本度量元,先有需求数,再有根据项目的规模配备了人员,拆分了任务,项目完工后才有实际消耗的工时数,我们...原创 2020-01-09 16:07:38 · 9298 阅读 · 0 评论 -
案例:缺陷状态数据分析
有网友询问如表1所示的原始数据如何分析,发现问题,我觉得很有代表性,试着分析进行了分析,供大家参考。 表1: 11个项目的缺陷状态原始数据 产品名称 未解决 设计如此 重复Bug 外部原因 已解决 ...原创 2020-01-08 15:38:00 · 3205 阅读 · 2 评论 -
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...原创 2019-10-15 20:41:12 · 1791 阅读 · 2 评论 -
产品的内部质量与外部质量
质量是我们天天挂在嘴边的词,质量的真正含义到底是什么?不同的标准中有不同的定义。我们不去讨论其严格的定义,换一种角度来看产品的质量。 产品的质量可以划分为外部质量与内部质量。外部质量是用户可见、用户可以体验到的质量,比如你新买了一辆车,你可以感受到车的外观、车提速的快慢等,这是车的外部质量;再如我们买了新房子,我们可以看到房子的地面是否水平、墙皮是否脱落等。内部质量是用户难以看到、难原创 2013-10-28 11:46:25 · 9442 阅读 · 0 评论 -
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:汇总统原创 2013-12-23 09:35:49 · 2338 阅读 · 0 评论 -
案例:建立工作量分布过程性能基线
某应用软件开发公司积累了最近3年的29个项目的工作量分布历史数据,试图建立工作量分布的过程性能基线。在该公司内对项目从3个维度做了项目分类:规模:大,中,小;开发方法:全新开发,修改;类型:常规,紧急,优化,外包。 原始数据如下表: 对工作量分布的数据与项目类型做了方差分析,发现:对这些原始数据采用箱线图的方法进行分析后得到如下的结论:原创 2013-12-27 19:01:26 · 2627 阅读 · 0 评论 -
案例:区分项目类型建立过程性能模型
同一家公司中不同类型的项目其过程性能的规律很可能是不同的,在建立过程性能模型时要区别对待,请看下边的案例。某公司积累了19个项目的缺陷密度与圈复杂度超过15的函数个数比例的历史数据如下:对上述的数据画散点图观察之: 图1 原始数据的散点图 发现如果删除右上角的3个点,则X和Y之间并不存在明显的相关性。缺陷密度不服从正态分布,进行对数变换后,发现Ln(缺陷密度)服从正态分布,对Ln(缺陷密度)与圈复原创 2014-04-11 14:57:50 · 2544 阅读 · 0 评论 -
做好同行评审的24个细节
同行评审是在软件开发完成之前,通过技术专家发现潜在缺陷的一种有效手段,和在代码完成之后进行的软件测试可以相辅相成,提升软件的质量。而同行评审发现缺陷的成本低、修改缺陷的效率高,在开发中更值得投入。但是,在很多软件组织中这种手段却没有得到很高的推广,从本质上是没有建立起同行评审的文化。通过对多家组织同行评审活动的观察,我发现同行评审的质量取决于多个细节,细节决定成败,因此我总结了做好同行评审的24个原创 2015-02-09 10:56:47 · 3955 阅读 · 0 评论