欢迎您收看本次月刊
内容简介:
CMMI高成熟度实施要点?
¨ 高成熟度实施框架
¨ 基线建立
¨ 模型建立
¨ 可控因子的确定
¨ 主模型与子模型、基线的关联应用
¨ 问题及误解
¨ 思考
本文下载地址:
http://www.processis.org/newsletters/express_20125.pdf
================
l 高成熟度实施框架?
实施框架要非常清楚。过程改进与项目开发联系起来。应用场景先考虑清楚。不要一上来就定度量项,建立基线和模型,而不知道为什么要做这些。
建立高成熟度框架五步曲:
- 描述商业目标;
- 列举为实现商业目标公司主要的过程和活动;
- 针对某一目标选2-3个最关键的过程,作为重要的目标;
- 对选中的目标,明确是否需要定义量化目标;
- 定义哪些目标要做统计过程控制和模型。
l 基线建立
建立基线的方法:
建立基线需要注意:
- 样本数少于20个点时,偏差较大,先不清除异常点。分析要做。
- 差不多有30个点左右,清除异常点,重新计算一次。如果再有异常点,再重新计算一下。直到有稳定的控制图。
- 项目差异很大的项目,不应放在一起。
- 控制图的维护与调整需要关注。过程改变了,前面的数据可能就没有用了,需要重新计算基线。
- 度量数据一定要闭环:使用基线数据,使用的结果数据需要提供。以便维护组织基线。
- 基线建立要注意分类处理,否则容易造成垃圾基线:举例:同类规模组件发现的不同类型缺陷数矩阵(不同类型的缺陷)。鱼龙混杂在一起,发现不了问题。应该将不同类型的分别建立基线。——缺陷数合计后的控制图没有异常。但每个组织分别建立控制图,很显明发现异常点。
- SEI要求,重要的基线都需要做假设检验。(用新的数据来检验,是否基线有问题)
联想:我们公司维护项目的基线有没有办法建?基线建立要分类处理。(生产效率:代码行除维护工作量。其中代码行有自动生成的一类;代码修改关键内容,代码量少,但测试工作量非常大的一类)
· 模型建立
业界模型:刚博士模型、蒙特卡罗模型,导入模型时,需要用公司自己的数据做调整。
建模工具:建立模型一定要用工具,MINITAB工具、蒙特卡罗
建模六步曲:
· 数据整理,数据整理工作量占建模工作量的95%。
· 先要想清楚模型想要预测什么?有哪些变量、因子要考虑(自然度量项就出来了)?
– 可以与未来模型的使用者采用头脑风暴方法,分析影响过程性能的因子。
– 建立关键子过程模型时:与项目经理,测试策划师沟通,引导相关人员什么容易引导过程的差异。——越早做越好。
– 模型发布前,做过的头脑风暴或评审证据需要保留,现场评估时需要提供证据:
· 模型的应用场景要想清楚!
– 需要有《基线、模型建立和维护手册》;《基线模型的使用指南》(更重要,如果有可能,先完成使用指南,至少是同步完成)。
– 模型的应用场景在《模型使用指南》中需要加入。OPP中有一个子实践;EPG要辛苦点,将场景分析写的更好一点,等PM能力提高了,可以简单一些。
– 模型的使用场景不清楚,SEI审计时,建立方法就不看了。
– 基线使用指南中,需要写明基线的使用说明。(几个点继续上升或下降等),要从项目实际情况出发。
– 组织需要有维护指南,明确什么基线在什么时候维护。
· 进行数据初步分析,因子相关性分析
– 因子的选择对模型的最终预测结果必须相关的,对最终结果没有任何影响的因子应去除;
– 两个因子是非常强相关的,选择一个就可以,比如,规模和工作量是强相关的,可以选择一个;强相关是指相关性在70%左右;
– 包括一些正态检验;
– 可能因子需要调整;
· 选择最佳子集,形成模型
· 得到公式
建模必要条件:高质量的数据(数据不准确,后面的工作都白做)、工具、情商
建模关键:
– 愿景。(数据不能满足愿景的需要。没有愿景,也不清楚的统计分析)
– 判断手上的数据是否满足要求。
– 度量数量的可操作定义(为什么做?——否则就是垃圾;数据是什么?什么时候收集?谁收集?如何保证所有人都理解了数据?等等)
– 度量的要求:一致性!度量项不要追求完美,只要保证一致性,即具有可比性!
– 数据检查要做,要初步分析一下:(最小值、最大值?有没有异常?选择一些数据看一下?数据“0”,是什么意思?是没有?还是没有采集?“其他”是什么意思?(太多是不是有问题?)
– 样本点少于三个时,建议不要考虑建立模型或基线。
– 每条基线与模型,都要有适用范围。
– 统计人员要做的内容:
– 正态检验?转换?(画图、放到MINITAB中验检一下)
– 数据的相关性分析:强关联性,只选择一个。相关性75%作为强相关的界线。选择一个即可。
– MINITAB:应使用SPEARMANP‘S RANK(正相关) 不要使用SPEARMAN’S RHO(负相关?)
· 可控因子的确定
可控因子:对项目目标有直接影响的,项目可以控制的因子。
必要时,非可控因子也需要考虑。(如使用的技术评台、客户的刚性进度要求等)
可控因子分类:
– 人相关:可用时间(人员地域分布)、人员态度、人员的技能
– 环境相关:可用会议室、小组距离、办公室、培训室、温度
– 技术工具相关:语言、开发工具、复用率、开发工具引用的新旧
– 过程相关:过程符合度、工作产品复杂度的要求、代码的度量
– 客户相关:客户成熟度、人脉、行业背景
– 供应商相关:
不可控因子:如规模、复杂度
· 主模型与子模型、基线的关联应用
l 一些对高成熟度常见的误解
Q:如果我们度量更多东西,在检查和度量中投入更多人力,我们最终就将达到成熟度4级……
A:CMMI的第4级称之为定量管理,定量管理是有一定的基础要求的,进行定量管理的项目必须是性质近似的,生产过程类似的,这样才可能在一段时间类积累了一堆有同类可比性的数据,对这些数据进行统计分析后才可能得出用于项目控制的基线,并利用经验数据得出的指标,对将来的项目进行管理。另外对商业目标进行分解,分析出哪些过程和子过程对达到这个商业目标起关键作用,然后对这些过程和子过程进行度量分析,如果没有选择正确的过程搜集到正确的数据,那么投入再大的人力和收集再多的数据也是没用的。
Q:达到高成熟度的关键是度量正确的东西,使用正确的技术去分析和解释度量……
A:关键是过程和子过程的选择,这些过程能够对提升公司的商业目标起到关键性的作用,然后对这些过程进行度量,再采用正确的技术区分析和解释数据,度量分析技术只是为了证明选择的过程和子过程是正确的。
Q:我们只有等到拥有更多的合适的数据后,才能尝试进行高成熟度实践……
A:基于前期收集准备的项目历史数据,通过运用统计分析方法,建立了组织级基线及模型。基线,即描述过程性能的历史分布,建立基线的目的是为了刻画历史过程的性能,确定过程输出的稳定的范围,如果过程是稳定的,则说明过程是可以预测的。
通过dephi估算方法可以提出意见和管理经验,建立的基线模型进行小范围的试用,然后在后续的项目中继续搜集项目数据,结合根本原因分析调整原来的基线。至此,组织基线和模型的建立标志着CMMI4实施过程中一个重要里程碑的达成。
基线=均值+-3标准差(3个sigma)
Q:我只要使用控制图分析输出结果及关键子过程,我们就能控制过程了……
A:SPC控制图,sPC属于统计技术,强调用科学方法对生产过程中的各工序参分析、质量控制和质量改进的目的。控制图是指利数进行监控来保证软件项目管理全过程的预防,从用概率统计原理,在普通坐标纸上做出两条控制线而达到改进、保证产品质量的目的。
随着深入实施CMMI,将SPC技术和CMMI和全面质量管理等行业先进的理论规范结合起来,通过运用sPc技术分析过程(如软件设计过程、开发计划设计过程、开发过程、运维管理过程等)状态变化来研究过程的能力和稳定性,可以及时发现系统性因素出现的征兆,并采取措施消除其影响,使过程维持在仅受随机性因素影响的受控状态,从而达到控制、改定因素,进行过程改进,并指导分析与决策的一项进和提高过程质量的目的。
统计知识的缺失。统计方法应用非常广,缺少统计思维不容易发现可使用的场景。
建立基线和模型,度量数据的真实性是前提,非常重要。
员工对CMMI的理解误区:反感!
做到CMMI四级的难点:项目经理的能力的提升
组织建立的过程性能基线和模型,一定要是项目经理、客户关注的;
项目每一个目标,应该有基线和模型帮助项目经理来做预测;
项目经理做决策,不再凭感觉,用项目数据来说话;
项目经理只针对项目目标实现有影响的事项进行风险管理;