欢迎来到天天文库
浏览记录
ID:31360178
大小:109.00 KB
页数:7页
时间:2019-01-09
《基于缺陷逃逸率的过程性能模型研究与实践》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于缺陷逃逸率的过程性能模型研究与实践 摘要:随着CMMI过程能力成熟度模型在软件开发行业的普及,大多数通过CMMI3级的企业已经开始探索建立适用的过程性能模型,以期达到预测项目目标、持续优化开发过程的目的。然而,CMMI模型中并没有给出具体的建模步骤。结合CMMI4、5级实践经验,以缺陷逃逸率预测模型为例,介绍了如何高效建立过程性能模型,以及如何有效运用该模型的方法。 关键词关键词:CMMI过程性能模型;PPM;缺陷逃逸率 DOIDOI:10.11907/rjdk.162205 中图分类号:TP302 文献标识码:A文章编号文章编号:16727800(2016
2、)011001503 0引言 过程性能模型(ProcessPerformanceModel,PPM)是CMMI4级过程域“组织性能管理”中的一个术语,主要是对软件开发过程中一项或多项过程或工作产品的可度量属性的相互关系进行描述。它根据选定的过程或子过程,通过分析组织内长期积累的相关历史数据进行开发[1]。过程性能模型被用来预测选定过程的性能,比如项目进度、成本及质量状态等,从而为项目计划及监控提供调整或决策依据。7 从QCD角度划分,一般以缺陷密度、生产效率、成本及进度偏差、顾客满意度为监控和预测目标来建立过程性能模型。最好的过程性能模型就是利用企业自己长期积累的历
3、史数据回归出来的模型。笔者结合在软件企业的CMMI4及CMMI5级高成熟度组织的改进实践,将重点探讨如何建立以缺陷逃逸率为监控和预测目标的质量过程性能模型。 1缺陷逃逸率 缺陷逃逸率指软件产品发布后发现的缺陷数量与该软件产品在整个生命周期发现的所有缺陷数量之比。缺陷逃逸率通常用来衡量软件开发团队及测试团队对软件质量控制的水平。在很多软件外包行业,客户通常用缺陷逃逸率评价软件开发能力。 其中i为缺陷注入阶段,根据项目生命周期阶段定义不同,可分为需求开发、概要设计、详细设计、编码阶段。j为缺陷移除阶段,缺陷移除的手段主要有评审及测试,所以此处j可分为需求评审、概要设计评
4、审、详细设计评审、代码评审、单元测试、集成测试以及系统测试等几个阶段。如果某一个阶段不能100%移除缺陷,则必定有部分缺陷漏出到下一阶段,最终漏出到客户的缺陷数量就是缺陷逃逸数量。 2缺陷逃逸率预测 实际开发中,项目结束前难以得到缺陷注入的整体数据。但是对于高成熟度组织来说,基于大量的历史数据,不难得到缺陷注入能力,从而基于缺陷注入能力以及缺陷注入目标数据得到缺陷逃逸率公式,通过合并移除缺陷的开发阶段以达到简化输入的目的。公式变换如下: DER=DIRB*(1-DERInDesign-DERInCoding-DERInTest)(2)7 式(2)中,DIRB为根据
5、历史数据识别的缺陷注入能力(基线),DERInDesign为设计阶段的缺陷移除率,DERInCoding为代码阶段的缺陷移除率,DERInTest为测试阶段的移除率。由于设计阶段及代码阶段的缺陷移除主要依赖于评审过程的执行,因此上述公式还可以继续简化为:DER=DIR*(1-DERByReview-DERInTest)(3)DERByReview为通过评审发现的缺陷移除率。 综上分析结果,只要建立评审及测试子过程的性能模型,即可预测出整体缺陷逃逸率。 3过程性能模型建立 3.1量化目标识别 将企业的商业目标逐层分解到可量化的质量及过程性能目标,是建立过程性能模型的
6、第一步。缺陷逃逸率为客户考核企业的一个指标,因此将该模型对应的商业目标描述为“降低缺陷逃逸率,提高客户满意度”。经过层层分解,得到相应的质量与过程性能量化目标,再根据选定的质量及过程性能目标,选择对应的子过程。可以是一个子过程,也可以是多个子过程。建立的模型可以直接或间接预测相关结果,或者预测在开发生命周期中处于更下游的结果。表2列出了基于缺陷逃逸率的量化目标及子过程描述。 3.2模型因子识别7 每个子过程与多个因子相关,在建立模型之前,需要识别这些因子。因子分为可控因子和不可控因子两大类。可控因子是模型中需要识别的关键要素,通过调整可控因子可在一定程度上控制过程性能
7、,从而指导项目开发和过程改善。不可控因子则代表过程实施的环境要素,是过程实施的制约条件,对过程性能的预测准确性也起到一定的作用[3]。分析因子需要重点关注导致结果的根本原因及和结果相互关联的要素,通常使用鱼骨图方法或头脑风暴方法进行分析。针对设计评审子过程、编码评审子过程,经过分析得出可控因子为设计评审投入比例、设计评审检出效率、编码评审投入比例、编码评审检出效率;针对测试子过程,识别可控因子为测试实施投入比例、测试设计人员经验。表2的最后一列定义了该模型因子。 3.3历史数据收集,数据质量评估 识别了模型的可控因子后,就
此文档下载收益归作者所有