量化项目管理：CMMI模型过程域系列学习中文版
QUANTITATIVE PROJECT MANAGEMENT 量化项目管理
Purpose 目的
量化项目管理（简称QPM）的目的是量化地管理项目的已定义过程，以达到项目既定的质量和过程性能目标。
Introductory Notes 简介
上述被识别的质量和过程性能目标、度量和基线，是由组织过程性能过程域相关内容开发而来。随后，实施与量化项目管理过程域相关过程的结果（如度量定义和度量数据），将成为组织过程性能过程域所指的组织过程资产库的一部分。
为有效实施本过程域的的特定实践，组织应已建立一组标准过程和相关的组织过程资产，例如已用于各项目建立其已定义过程的组织度量库和组织过程资产库。项目的已定义过程是由一组集成的和一致的项目生命周期下的子过程构成。其中一部分是通过选择和裁剪组织标准过程而来。
项目还应确保可以获得供应商工作的度量和进度数据。要成功的完成本过程域的特定实践必须与供应商建立有效的关系。
过程性能是实际过程性能结果的度量指标。过程性能由两方面组成，包括过程度量（如投入、周期时间、缺陷去除效率）和产品度量（如可靠度、缺陷密度、反应时间）。
子过程是更高级已定义过程的已定义的模块。例如，典型的组织的开发过程，由需求开发、设计、构建、测试和同行评审等子过程构成。这些子过程本身也可适时的进一步分解为其他子过程或过程元素。
量化管理的一个基本要素是对估计要有信心（应可以预测满足项目质量和过程性能目标的程度）。基于识别出来的可预测性能的需要，选定将被统计化管理的子过程。
量化管理的另一个基本要素是要了解实际过程性能变化的本质和程度，并了解在何时项目的实际性能将无法达成项目质量和过程性能的目标。
统计管理化涉及统计思想和正确使用各种统计技术，如执行图、控制图、置信区间、预测区间、假设验证等。量化管理使用统计管理得到的数据，以帮助该项目预测是否将能够实现其质量和过程性能的目标，并识别应采取的纠正措施。
本过程域用于管理项目，但相关概念也可用于管理其他组或功能组。运用相关概念管理其他组或功能组未必有助于实现组织的业务目标，但可以帮助这些组或功能组控制自己的过程。
特定目标和特定实践
SG 1Quantitatively Manage the Project 量化地管理项目
使用质量和过程性能目标，以量化的方式管理项目
SP 1.1Establish the Project’s Objectives 建立项目的目标
建立和维护项目的质量和过程性能目标。
典型的工作产品
1.项目质量和过程性能目标子实践
1. 评审组织的质量与过程性能目标。
本次评审的目的是确保项目了解应该在怎样更广阔的商业背景下运作。项目的质量和过程性能目标，应该在这些高端的组织级目标的背景下制定。
2. 识别客户、供应商、最终用户及其他相关干系人，识别质量和过程性能的需求和优先顺序。
可以从质量和过程性能属性出发，确定需求和优先级，所谓属性，举例如下：*功能性
* 可靠性
* 可维护性
* 可用性
* 持续时间
* 可预测性
* 及时性
* 准确性3. 确定如何度量过程性能。
应当考虑组织建立的度量，是否能充分地对过程进展进行评估，满足客户、最终用户以及其他干系人的需要和优先级。必要时可能需要补充其他一些度量。
4. 定义并记录项目可度量的质量与过程性能目标。
定义并记录项目的目标，包括以下内容：* 整合组织的质量和过程性能目标
* 反应客户、最终用户以及其他干系人质量和过程性能需要和优先级的书面目标，应该具有可度量性制定目标时可能涉及的质量属性，举例如下：
* 平均故障时间
* 关键资源的可用性
* 已发布产品的缺陷数量和严重级别
* 对提供的服务，客户投诉的次数和严重程度制定目标时可能涉及的过程性能属性，举例如下：
* 产品验证活动（例如同行评审、测试）中移除缺陷的百分比
* 遗留缺陷率
* 产品交付（或服务开始）后第一年的缺陷数量和密度（按照严重程度划分）
* 周期时间
* 返工时间所占的百分比5. 在适当的时机，针对生命周期的每一阶段，得出过渡性目标，以监控达到项目目标的进度。
如何预测过程未来的结果，方法之一是对产品验证活动期间（如同行评审、测试）识别的缺陷，运用过渡性度量的方法，通过过程性能模型，预测已交付产品潜在的缺陷数。
6. 解决项目质量和过程性能目标间的冲突（例如，如果一个目标没有妥协，另一个目标将无法达到）。
解决冲突，包含以下内容：* 设置目标的相对优先级
* 根据长期的商业策略以及短期需要，考虑备选的目标
* 决策权衡时，要包括客户、最终用户、高层管理者、项目经理以及其他相关干系人
* 必要时要重新修订目标，将冲突的最终解决方案纳入其中7. 从来源建立项目质量和过程性能的可追溯性。
制定目标的来源，举例如下：* 需求
* 组织的质量和过程性能目标
* 客户的质量和过程性能目标
* 商业目标
* 与客户、潜在客户的讨论结果
* 市场调研如何对需要和优先级进行识别并跟踪，方法之一是质量功能部署（QFD）
8. 定义并协商供应商的质量和过程性能目标。
9. 必要时，对项目质量和过程性能目标进行修订。
SP 1.2Compose the Defined Process 组合已定义过程
基于对历史的稳定性和能力的数据，选择构成项目的已定义过程的子过程。
典型的工作产品
1. 用于识别纳入项目已定义过程的有效备选子过程的准则
2. 纳入项目已定义过程的备选子过程
3. 确定纳入项目已定义过程的子过程
4. 当选定的子过程缺乏过程性能历史数据时，所识别的风险子实践
1. 建立用于识别有效备选子过程的准则。
识别的基础包括：* 质量和过程性能目标
* 现有的过程性能数据
* 产品线标准
* 项目生命周期模型
* 客户需求
* 法律法规2. 确定要纳入统计化管理和从组织过程资产所取得的子过程，是否适合统计化管理。
如果子过程在以下方面具有历史数据，就更适合统计管理：* 以往具有可比性的实例中，拥有稳定的性能
* 过程性能数据满足项目的质量和过程性能目标历史数据主要是从组织的过程性能基线中获取。然而，这些数据可能并不适合所有的过程。
3. 分析子过程的相互关系，从而了解子过程间的关联性以及各子过程的度量属性。
分析技术包括系统动态模型、模拟。
4. 识别没有任何子过程满足质量和过程性能目标时的风险（也就是说，没有具有能力的子过程或不了解子过程的能力）。
即使没有将子过程纳入统计管理，历史数据和过程性能模型也可能显示出，子过程无法满足质量和过程性能目标。
SP 1.3Select the Subprocesses that Will Be Statistically Managed 选择将纳入统计化管理的子过程
选择将纳入统计化管理的项目的已定义过程的子过程。
典型的工作产品
1. 统计化管理所要追求的质量和过程性能目标
2. 用于选定纳入统计化管理子过程的准则
3. 纳入统计化管理的子过程
4. 所选定子过程应度量和控制的过程和产品属性子实践
1. 识别项目有哪些质量和过程性能目标要纳入统计化管理。
2. 识别用于选择对达到既定质量和过程性能目标最有影响且具有可预测性能的子过程的准则。
用于选择子过程的标准的来源，举例如下：* 质量和过程性能相关的客户需求
* 客户制定的质量和过程性能目标
* 组织制定的质量和过程性能目标
* 组织的性能基线和模型
* 子过程在其他项目中表现出的稳定性能
* 法律法规3. 运用选取准则，选定将被纳入统计化管理的子过程。
对于某些子过程，可能无法采用统计的方式进行管理（例如，如果正在试用新的子过程和新技术），还有一些情况，对特定的子过程进行统计管理，从经济角度上讲并不合理。
4. 识别用于度量和控制子过程的产品和过程属性。
产品和过程属性，举例如下：* 缺陷密度
* 周期时间
* 测试覆盖率
SP 1.4Manage Project Performance 管理项目性能
监控项目以确定是否符合项目的质量和过程性能目标，并适时地识别纠正措施。
典型的工作产品
1. 项目质量和过程性能目标达成度的估计(预测)
2. 完成项目质量和过程性能目标的风险文件
3. 完成项目目标过程中，用于处理缺陷的行动措施文件子实践
1. 定期评审每个子过程的性能，以及每个选定纳入统计化管理的子过程的能力，以评估其完成项目质量和过程性能目标的进度。
针对制定的子过程的质量和过程性能目标，确认选定的每个子过程的过程能力。这些目标是根据项目的质量和过程性能目标推导出来。
2. 定期评审项目生命周期中每个阶段性目标的实际完成状况，以评估其达到项目质量和过程性能目标的进度。
3. 追踪供应商质量和过程性能目标的完成状况。
4. 运用关键属性度量指标所调整的过程性能模型，来估计完成项目质量和过程性能目标的进度。
利用过程性能模型，估计过程达成目标的进度情况。举例来说，对产品验证活动期间（如同行评审、测试）识别的缺陷，运用过渡性度量的方法，通过过程性能模型，预测已交付产品潜在的缺陷数。
以执行子实践所获取的结果为基础进行计算。
5. 识别并管理在完成项目质量和过程性能目标的过程中，所产生的相关风险。
风险的来源，举例如下：* 组织度量库中的数据没有充分的稳定性、能力性
* 子过程的性能或能力不足
* 供应商没有达成质量和过程性能目标
* 对供应商的能力缺乏了解
* 错误运用组织的过程性能模型预测未来的性能
* 预测的过程性能（估计的进度情况）不足
* 与识别的不足情况相关的其他风险6. 确定并记录在完成项目质量和过程性能目标的过程中，用于处理缺陷的行动措施。
这些措施的目的在于策划并部署一些正确的活动、资源、进度安排，使项目进入正轨并能够最大程度上满足目标。
为了解决项目无法达成目标的问题，采取的措施举例如下：* 改变质量和过程性能目标，使其控制在项目已定义过程的预期范围以内
* 改进与增强项目已定义过程的执行，减少正常的偏差（如果能减少偏差，就可能在不移动均值的情况下，使项目的性能控制在目标范围之内）
SG 2Statistically Manage Subprocess Performance 统计化管理子过程的性能
用统计化的方式，管理的项目的已定义过程的子过程的性能。
SP 2.1Select Measures and Analytic Techniques 选择度量和分析技术
选择用于统计化管理已选择的子过程的度量和分析技术。
典型的工作产品
1. 用于(或建议采用)统计化管理子过程的度量指标和分析技术的定义
2. 度量指标及其在子过程度量数据收集点，以及如何判定度量指标完整性的操作定义
3. 度量指标的可追溯性，可回溯至项目质量和过程性能目标
4. 支持自动化数据采集的工具化组织支持环境子实践
1. 从保障统计化管理的组织过程资产中，识别共性度量指标。
产品线或其他的层次标准，都可以分出一些共性度量项。
2. 识别此实例所需的额外度量指标，以涵盖所选定子过程的关键产品和过程属性。
在一些情况下，度量项是以研究为导向的，应该明确地识别出这类度量。
3. 识别适用于统计化管理的度量指标。
选择统计化管理的度量指标的标准包括：* 可控性（例如，如果改变了子过程的执行情况，度量值是否会发生变化）
* 充分的性能指标（例如，度量子过程是否按照目标执行时，该度量指标能否算得上一个很好的指标？）
子过程的度量指标，举例如下：
* 需求波动性
* 对策划参数（例如，规模、成本、进度）的度量值的预估率
* 同行评审的覆盖率和效率
* 测试的覆盖率和效率
* 培训的有效性（例如，策划的培训完成的百分比以及考试的分数）
* 可靠性
* 项目生命周期不同阶段注入或发现的总缺陷数的百分比
* 项目生命周期不同阶段花费的总工作量的百分比4. 制定度量指标及其在子过程中度量数据收集点，以及如何确定度量指标完整性的操作性定义。
操作性定义要使用准确的、明确的术语进行阐述，主要强调以下两个重要原则：* 传达性：度量什么，如何度量，度量单位是什么，哪些应纳入度量或排除在外
* 重复性：度量项是否具有可重复性，如果给出同样的定义，能否得出相同的结果5. 分析指定度量与组织和项目目标之间的关联性，并得出目标，说明每个选定子过程的度量属性，必须符合的特定目的的度量指标或范围。
6. 配置组织支持环境，支持统计化度量数据的收集、推导和分析。
配置的基础包括：* 组织标准过程集的说明
* 组织已定义过程的说明
* 组织支持环境的能力7. 识别适用于对所选定子过程进行统计化管理的恰当的统计分析技术。
俗话说“一鞋难合众人脚”，这同样适用于统计分析技术。适合采用哪种特定的技术，不仅取决于度量的类型，更重要的是看度量的目的是什么，其背景是否适合采用那种特定的度量技术。要想正确地选择，必须不断地调查分析。
统计分析技术的示例，将在下一特定实践中进行介绍。
8. 必要时，对度量指标和统计分析技术进行修订。
SP 2.2Apply Statistical Methods to Understand Variation 利用统计的方法理解变化
使用选定的度量和分析技术，建立和维护对选定的子过程的变化的理解。
典型的工作产品
1. 收集的度量结果
2. 每个所选定子过程的度量属性的过程性能正常范围
3. 与每个所选定子过程的度量属性的过程性能正常范围相比较的过程性能子实践
1. 针对具有适当历史性能数据的子过程，建立试验性质的正常范围。
属性的正常边界是指出现正常偏差的范围。所有的过程每次执行时，其过程和产品的度量都会显示一定的偏差。而问题的关键在于，偏差是由于共同原因引起的过程的正常性能偏差，还是由于特殊原因引起的偏差，这就需要识别并移除这些特殊原因。
最初执行子过程时，适合建立试验性正常边界的数据往往是从组织度量库中取得的，以往的子过程实例或者具有可比性的子过程、过程性能基线、过程性能模型的相关数据。随着子过程的深入执行，也会收集到一些专门的数据，要利用这些数据对试验边界进行更新，并逐渐替换掉试验性质的正常边界。然而，如果子过程进行了重大的裁剪，或者当前的背景与之前的实例完全不同，那就不要使用存储库中的相关数据。
在一些情况下，可能不存在具有可比性的历史数据（例如，引进一个新的子过程，进入一个新的应用领域，或者子过程出现重大变更）。在这些情况下，确定试验性的正常范围时，就要利用该子过程以前的过程数据，而且后续要对试验性的正常范围逐步进行更新。
确认数据是否具有可比性的标准，举例如下：* 产品线
* 应用领域
* 工作产品和任务属性（例如，产品的规模）
* 项目的规模2. 依据选定的度量指标，收集子过程在执行时的度量数据。
3. 针对每一个度量属性，计算过程性能的正常范围。
从哪里可以计算正常边界范围，举例如下：
* 控制图
* （分布参数的）置信区间
* （未来成果物的）预测区间4. 识别变异的特殊原因。
在控制图中，确定属于过程偏差的特殊原因有很多标准，举例来说，如果一个点落在3西格玛控制界限以外，就算是特殊原因。
发现过程偏差特殊原因的标准，是以统计理论和经验为基础的，并取决于经济上是否合理。随着标准的不断增加，一旦出现特殊原因就很容易识别，但是发出错误预警信号的概率也随之增加。
5. 分析过程变异的特殊原因，以判定发生异常的原因。
分析特殊原因造成偏差的技术，举例如下：* 因果图（鱼骨图）
* 设计试验
* 控制图（适用于子过程的输入或者更低层次的子过程）
* 子群组（将相同的数据分成一个子组，根据对如何执行子过程的了解，对各组数据进行分析，这样可以促进对特殊原因进行隔离）有些异常点只是一些极端的表现，在分布线以下，实际上并不是真正的问题。子过程的执行人员往往是能够分析和了解偏差的特定原因的最佳人选。
6. 一旦识别出变异的特殊原因，应确定采取什么纠正措施。
移除过程偏差的特殊原因，并没有改变主要的子过程。它只是对子过程的错误执行方式进行处理。
7. 必要时，针对所选定子过程的每一度量属性，重新计算其正常范围。
如果度量值显示子过程已经发生了改变，没有按预期运行或者出现武断的决策，就应该根据这些度量值，重新计算（统计化预估）正常范围。
何时需要重新计算正常范围，举例如下：* 子过程逐渐改进
* 子过程部署了新工具
* 部署了新的子过程
* 收集的度量表明子过程的均值已经长久出现偏离，或者子过程已经长久出现了偏差
SP 2.3Monitor Performance of the Selected Subprocesses 监控选定的子过程的性能
监控选定的子过程的性能，以确定满足其质量和过程性能目标的能力，并适时地识别纠正措施。
典型的工作产品
1. 每一选定子过程的过程性能的正常范围与其目标(或衍生目标)的比较
2. 每一子过程的过程能力
3. 每一子过程解决过程能力缺陷的纠正行动子实践
1. 比较质量和过程性能目标与度量属性正常范围的差异。
所谓的比较是针对子过程每个可度量的属性，评估过程的能力。比较的结果可以用图表的方式呈现，将预计的正常范围与目标或者过程能力指标联系起来，概括出目标和正常范围的关联关系。
2. 监控质量和过程性能目标，以及所选定子过程的过程能力的变化。
3. 识别并记录子过程的能力缺陷。
4. 确定并记录解决子过程能力缺陷所必需的行动措施。
如果选定的子过程的性能无法满足目标时，可以采取的纠正措施，举例如下：* 改变质量和过程性能目标，使其控制在子过程的过程能力范围之内
* 加强现有子过程的执行，减少正常的偏差（如果能减少偏差，就可能在不移动均值的情况下，使正常边界控制在目标范围之内）
* 采用新的过程要素和子过程，以及采用能够管理相关风险并能够满足目标的新技术
* 针对子过程的过程能力的每个不足之处，识别风险以及风险缓解计划
SP 2.4Record Statistical Management Data 记录统计管理的数据
在组织度量库中，记录统计和质量管理的数据。
典型的工作产品
1. 记录于组织度量库的统计和质量管理资料
CMMI, CMM, and Capability Maturity Model are registered in the U.S. Patent and Trademark Office.
CMM Integration, SCAMPI, and IDEAL are service marks of Carnegie Mellon University.
本文属于个人学习所用，请使用者用毕及时清理。
止于至善的博客 http://tyou1215.csai.cn/