如何克服组织障碍,实现实时需求追踪性

一、实时需求追踪性

在孤立的工程团队和各种工具之间,实现产品需求的实时追踪,以满足行业标准,这是大多数产品开发组织面临的首要未解决问题

一个主要的障碍在于,各个工程学科(包括系统、软件、硬件、电气、风险管理、验证和确认)都已适应了自身的流程和工具。当我们从整体上审视产品开发过程时,会发现各个独立的团队、工具以及数据使得从最初定义需求到开发和测试的整个流程的追踪变得非常困难。

因此,需求追踪变成了一个耗时、容易出错、令人沮丧的手动过程,而这种追踪通常在事实发生后进行。产品开发组织无法持续地追踪开发活动和变化以及如何回溯到用户和系统需求,这导致了遗漏需求、出现缺陷、需要重复劳动、产生延迟、收到审核警告信和超出预算等问题。

没有通用的平台

解决这种通用的流程问题的典型方法是强迫每个用户只使用一个平台并遵循同一种通用流程。这种方式适用于人力资源、销售和财务等标准的业务流程,但是在跨系统、软件、硬件、电气、风险管理、测试、验证和确认的工程学科中,每个学科都遵循不同的方法,并使用包括电子表格、桌面应用以及自行开发的应用程序等多种工具。每个工程学科都适应了自己的开发环境,他们都极力反抗任何改变这种情况的尝试。工程领导通常会让各个工程学科自行定义如何最有效地完成工作,并且不愿制定可能会对每个工程团队的绩效和士气产生负面影响的流程和工具。

除了标准化的组织障碍之外,目前甚至没有一个单一的平台能够替代这些众多的工具。一个单一的平台需要覆盖所有下列的软件类别,并处理在电子表格(例如Excel)、脚本、桌面应用以及自行开发的工具中的所有功能,包括需求管理、CAD、基于模型的系统工程(MBSE)、设计失效模式效应分析(DFMEA)/失效模式效应分析(FMEA)、软件任务管理、软件代码管理、自动化软件测试、硬件测试台工具、应用生命周期管理(ALM)、产品生命周期管理(PLM)等等。现有供应商试图创建一个共享的服务平台,以跨越所有这些软件类别并与最佳实践工具并驾齐驱,但这些努力进展缓慢。

二、如何在不强迫工程团队改变的情况下实现实时需求追踪性

那么一个组织如何在支持不同方法论、术语、字段和状态的最佳实践工具环境中实现实时追踪性呢?

答案是一个三步走的方法:

第一步、实时追踪模型

在整个产品开发过程中定义一个实时追踪模型,并制定关于跨最佳实践工具的可追踪数据元素的关系规则。下面展示的是一个 PingCode 在汽车电子领域中实现的标准需求的关系模型。所有必要的可追踪信息都被包括在内,并通过与工程团队使用的各种最佳实践工具的持续同步,实现实时追踪。

第二步、自适应数据字段映射

要实现实时追踪,需要与最佳实践工具(如示例中所示的那些)进行集成。典型的集成方式是将字段名称和状态标准化,以确保各个连接工具的一致性,但这并不能同时实现实时追踪的双重目标,同时也不需要改变每个工程团队的工作方式。另一种已经被验证过的方法是应用自适应数据字段映射,这样可以在不改变工程团队的字段和状态的同时,确保有一个一致的、广泛的、实时的追踪模型。这是通过强大的映射和标准化逻辑功能实现的,能够轻松处理每个工程团队采取的不同方法。

第三步、异常管理

一旦实现了实时追踪,工程组织就可以第一次实时管理端到端的产品开发过程,提早发现流程的例外,并采取行动显著减少缺陷、返工、延迟和成本超支。

需求管理

 需求管理指南: 

需求管理: 需求管理主要内容  |  需求管理的重要性  |  采用敏捷方法进行需求管理  |  如何克服需求管理的 5 大挑战  |  更多 

需求编写: 功能需求的示例和模板  |  采用 EARS 方法来改进需求工程  |  如何编写一份优秀的产品需求文档(PRD)  功能性需求与非功能性需求的区别  |  有效需求的特征  |  更多 

需求收集和管理流程: 需求工程概述  |  产品团队的需求分析指南  |  敏捷产品团队的 11 种需求收集技巧  |  定义和实施需求基线  |  更多  需求的可追溯性: 什么是需求可追溯性  |  可追溯性在现代产品和系统开发中的关键作用  |  如何创建和使用需求追溯矩阵  |  更多 

需求确认和验证: 产品团队的需求验证和确认  |  更多 ​​​​​​​

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值