本发明涉及项目管理过程绩效评价技术领域,特别是涉及一种项目管理过程绩效模型及其构建方法。
背景技术:
目前现有的项目管理过程绩效模型主要表现在以下几点:
(1)现有的项目过程绩效模型在应用方面偏重于评价而非预测其主要作用是评价已完成项目的绩效收益等,通过分析人力、组织等影响因素,评价各种因素在项目绩效中的作用和影响程度,偏重事后评价;现有绩效模型在项目控制以及项目预测方面稍弱,且一般是定性的预测。
(2)目前没有专门的软件项目过程绩效模型工具现有的绩效模型工具是通用的,关注点是从利益相关方出发,汇总各组织各方面的因素,比如绩效棱柱模型工具,是从所有利益相关主体的角度出发对项目进行的评价体系。对于软件项目特有的客观不可变因素则没有考虑,比如软件类型和领域的不同会导致生产能力也不相同。
(3)现有绩效模型不支持持续改进现有的绩效模型是针对特定的已完成项目进行的分析统计,模型在实际应用中基本只适应一种规模,即一个时间段之内的项目绩效定性的评价和预测,并不能随着项目规模增大、数据量和数据类型的增加而自适应,模型不能持续改进。
由此可见,上述现有的项目管理过程绩效模型在应用上,显然仍存在有不便与缺陷,而亟待加以进一步改进。如何能创设一种新的项目管理过程绩效模型及其构建方法和绩效模型管理系统,实属当前重要研发课题之一。
技术实现要素:
本发明要解决的技术问题是提供一种项目管理过程绩效模型的构建方法,使其可实现对项目目标的预测和缺陷分布估计,从而克服现有的项目管理过程绩效模型的不足。
为解决上述技术问题,本发明提供一种项目管理过程绩效模型的构建方法,包括如下步骤:
(1)定义变量:通过分析本单位特点、单位项目数据情况得出多个变量,并根据项目特点,将所述变量分为波动因子和缺陷影响因子;
(2)变量分析:采用统计学方法对所述变量数据进行分析,确认所述变量数据能否纳入模型构建中,若能纳入模型构建中则保留,否则清除;
(3)构建模型:具体包括:
A、正态性分析:采用统计分析方法对每两个变量x的关系进行分析,确认是否属于正态分布,若属于正态分布,进入步骤B;
B、相关分析:采用统计学方法对每一个变量x与y进行相关性分析,确认x与y的相关性强弱,若相关性强则纳入模型构建中,否则剔除;
C、方差分析/回归分析:根据本单位数据特征,对于定性的变量采用方差分析,对于定量的变量采用回归分析,所述方差分析与回归分析对y和经过所述相关分析后的所有x进行分析,并采用matlab提取所述项目管理过程绩效模型公式原型。
作为本发明的一种改进,所述项目管理过程绩效模型公式原型包括:
①缺陷密度目标模型公式
对于定性的变量,通过所述方差分析得到缺陷密度目标模型公式为:
Y=CLx*(1+u*a*∑X1i*c)(1-v*b*∑X2i*c)
其中,X1为可控波动因子,X2为不可控波动因子;即过程绩效基线中值,取自历史数据;u,v为权重系数,u=0.04,v=0.1;a,b,c为调整系数;
对于定量的变量,通过所述回归分析得到缺陷密度目标模型公式为:
Y=CLx*M*(1+a*X11+b*X12+c*X13+d*X14+e*BX15+f*X21+g*X22)
其中,X1为可控波动因子,X2为不可控波动因子;即过程绩效基线中值,取自历史数据;M为基线调整系数,通过带入历史项目数据Y和Xi计算得到。a、b、c、d、e、f、g:分别为对应可控因子和不可控因子的经验系数;
②生产率目标模型公式
所述生产率目标模型公式同所述缺陷密度目标模型公式,所述生产率目标模型公式与所述缺陷密度目标模型公式中的调整系数不同;
③缺陷注入率模型公式
其中,CLXi为各阶段过程绩效基线中值,取自历史数据;Xi代表各阶段;Pi为Anderson‐Darling检验结果;∑S=∑(CLXi*∑Pi)。
④缺陷清除率模型公式
其中,Xij为阶段问题数,Xi112j为X1j到X12j,表示12个阶段的问题数。
所述步骤中将波动因子变量应用于所述生产率目标模型公式和缺陷密度目标模型公式中,将缺陷影响因子变量应用于所述缺陷注入率和缺陷清除率模型公式中。
进一步改进,所述步骤(1)中变量包括人员、环境、标准过程裁剪、复杂度以及工作产品规模。
进一步改进,所述步骤(1)中波动因子和缺陷影响因子还分别分为可控因子和不可控因子。
进一步改进,所述步骤B相关分析中还计算描述变量间相关程度与变化方向的量数,即Pearson相关系数r,其计算公式为:
其中,X、Y表示两个独立的变量,X为目标模型的相关因子,Y为目标,Xi和Yi表示两个变量的第i个取值,为所有Xi的平均值,为所有Yi的平均值,n为统计的X和Y的个数。r的绝对值越大表明x与y越相关,预期得到的模型越准确。
进一步改进,所述构建方法还包括对所述项目管理过程绩效模型的检验,所述检验步骤包括:
A、独立数值型变量是否接近于正态分布;
B、各个独立变量之间是否彼此强相关;
C、模型中的错误是否是随机的,且属于正态分布的;
D、检验是否存在某个项目或某几个项目对结果有过强影响的情况;
E、检验方程的回归精度r2,即拟合度检验,回归精度越接近于1,说明拟合效果越好;
F、检验F分布和t分布显著性概率,概率值低于或等于0.05时,认为模型结果是显著的。
进一步改进,所述构建方法还包括对所述项目管理过程绩效模型的改进步骤,所述改进步骤为:当项目数据积累到一定程度,使用蒙特卡洛模拟工具Crystal Ball进行模拟,将模型公式的基本形态以及积累的数据量作为输入量,比较精确的预测出系数值,实现对模型公式的纠正。
本发明还提供一种由上述的项目管理过程绩效模型构建方法构建的项目管理过程绩效模型。
本发明还提供一种应用上述的项目管理过程绩效模型的项目绩效模型管理系统,所述项目管理过程绩效模型的模型公式通过两种方式用于所述项目绩效模型管理系统中,
第一种方式,对于公式中X的系数不会随着数据积累而变化,采用内置公式的方法,灵活定义因子X的参数;
第二种方式,对于公式中X的系数随着数据积累不断更新,采用非内置公式的方法,灵活定义因子X的参数。
进一步改进,所述项目绩效模型管理系统包括绩效模型管理模块和绩效模型应用模块,
所述绩效模型管理模块包括波动因子维护模块、缺陷影响因子维护模块、生产率目标模型维护模块、缺陷密度目标模型维护模块、缺陷注入率模型维护模块和缺陷清除率模型维护模块;
所述绩效模型应用模块包括项目目标预测模块和缺陷分布估计模块,所述项目目标预测模块,用于计算出项目生产率、缺陷密度、缺陷注入率和缺陷清除率;所述缺陷分布估计模块,用于分阶段计算出各阶段的缺陷注入率、缺陷清除率和缺陷个数。
采用这样的设计后,本发明至少具有以下优点:
本发明项目管理过程绩效模型通过内置公式或非内置公式的形式置于该项目绩效模型管理系统中,通过对其绩效模型管理模块和绩效模型应用模块的应用,可实现自动计算出项目生产率、缺陷密度、缺陷注入率和缺陷清除率的项目目标预测,还可以实现分阶段展示各阶段的缺陷注入率、缺陷清除率和缺陷个数的缺陷分布估计,对这些预测结果应用在项目质量控制以及质量绩效跟踪中,为整个项目控制提供必要的数据支持。
本发明项目管理过程绩效模型还通过不断的采集项目基础数据,按照季度、年份等时间单位对绩效模型进行纠正,以此实现对本发明项目绩效模型管理系统的不断纠正,最终得到更加准确的预测结果。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明项目管理过程绩效模型的构建流程图。
图2是本发明项目管理过程绩效模型的应用结构图。
图3是本发明项目管理过程绩效模型的应用流程图。
图4是本发明项目数据采集-项目基础信息维护示意图。
图5是本发明项目数据采集-项目绩效数据维护图。
图6是本发明绩效模型维护波动因子的编辑图。
图7是本发明绩效模型维护缺陷影响因子编辑图。
图8是本发明绩效模型维护生产率目标模型基础信息编辑图。
图9是本发明绩效模型维护生产率目标模型构件图。
图10是本发明绩效模型应用项目目标预测图。
图11是本发明绩效模型应用缺陷分布估计图。
图12是本发明绩效模型应用质量绩效跟踪图。
图13是本发明绩效模型应用质量绩效跟踪柱图。
具体实施方式
本发明项目管理过程绩效模型主要通过在现有模型的基础上增加变量属性以及添加变量分类,实现对项目目标预测和缺陷分布估计的应用功能,其具体的模型构建方法如下。
本发明项目管理过程绩效模型构建方法包括如下步骤:
(1)定义变量:通过分析本单位特点、单位项目数据情况得出变量。本发明中变量既包括现有的模型属性变量,例如人员、环境等,还根据软件项目特征,添加了标准过程裁剪、复杂度以及工作产品规模三个新的变量属性;根据软件项目特点,添加了变量分类和因子分类步骤,将变量分为波动因子和缺陷影响因子,将因子分为可控因子和不可控因子,以精确不同目标的预测能力。
(2)变量分析:该步骤采用现有的统计学方法,例如得出数据的方差、标准差,通过分析结果,确认数据是需要清除还是纳入模型构建中。
(3)构建模型:具体包括:
A、正态性分析:该步骤采用已有的统计分析方法对每两个x的关系进行分析,确定是否属于正态分布,是否能够进行公式模拟。通过matlab工具的Anderson-Darling检验来进行,该检验结果能够得到一个P值,代表x之间关系是否具有统计学意义。P的取值如下表1。
表1 P值判断标准
B、相关分析:该步骤采用现有统计学方法对每一个x与y进行相关性分析,确认x与y的相关性强弱,即是否足够相关,若足够相关则纳入模型构建,否则剔除。该第一步是过滤散点,对于离群点数据,在建模前删除,保证了数据的准确性以及最终模型的准确性。第二步是计算描述变量间相关程度与变化方向的量数,即Pearson相关系数r,计算公式为下式(1):
r的绝对值越大说明x与y越相关,预期得到的模型预测能力越准确。其中,X、Y表示两个独立的变量,X为目标模型的相关因子,Y为目标,Xi和Yi表示两个变量的第i个取值,为所有Xi的平均值,为所有Yi的平均值,n为统计的X和Y的个数。
C、方差分析/回归分析:根据本单位数据特征,对于定性的变量采用方差分析,对于定量的变量采用回归分析。方差分析和回归分析对y和经过相关分析后的所有x进行分析,形成特征方程式,即用matlab提取方程式原型如下:
①缺陷密度目标模型公式
对于定性的变量,通过方差分析得到的绩效模型公式(2)为:
Y=CLx*(1+u*a*∑X1i*c)(1-v*b*∑X2i*c) (2)
其中,X1为可控波动因子,X2为不可控波动因子;即过程绩效基线中值,取自历史数据;u,v为权重系数,u=0.04,v=0.1;a,b,c为调整系数,调整系数的值通过本单位积累的历史项目数据Y和X1i、X2i带入到公式(2)中得出。
对于定量的变量,通过回归分析得到的绩效模型公式(3)为:
Y=CLx*M*(1+a*X11+b*X12+c*X13+d*X14+e*BX15+f*X21+g*X22) (3)
其中,X1为可控波动因子,X2为不可控波动因子;即过程绩效基线中值,取自历史数据;M为基线调整系数,a、b、c、d、e、f、g:分别为对应可控因子和不可控因子的经验系数,基线调整系数值和经验系数值通过本单位积累的历史项目数据Y和X1i、X2i带入到公式(3)中得出。
②生产率目标模型公式
该生产率目标模型公式同上述缺陷密度目标模型公式,由于生产率和缺陷密度的影响因子相同,且通过统计模拟,最后得到的公式原型一致;但由于二者的Y和Xi不同,因此带入历史数据Y和Xi得到的调整系数不同。
③缺陷注入率模型公式
其中,CLXi为各阶段过程绩效基线中值,即Xi代表各阶段;Pi为Anderson-Darling检验结果;∑S=∑(CLXi*∑Pi)。
④缺陷清除率模型公式
其中,Xij为阶段问题数,Xi112j为为X1j到X12j,表示12个阶段的问题数。
上述步骤迭代执行,将波动因子变量应用于生产率和缺陷密度预测公式生成,将缺陷影响因子变量应用于缺陷注入率和缺陷清除率预测公式生成,分别确定。结合本单位的实际项目数据,最终验证结果为模型是显著和可用的。
(4)模型检验根据本单位数据特征,对上述模型进行以下检验:
A、独立数值型变量是否接近于正态分布。
B、各个独立变量之间是否彼此强相关。
C、模型中的错误是否是随机的,正态分布的。
D、检验是否存在某个项目或某几个项目对结果有过强影响的情况;该检验需要本单位的实际项目数据录入到matlab中进行验证。
E、检验方程的回归精度r2,即拟合度检验,回归精度越接近于1,说明拟合效果越好。
F、检验F分布和t分布显著性概率,即显著性检验。通常概率值低于或等于0.05时,认为模型结果是显著的。
(5)模型改进
为了适应项目规模增大、数据量和数据类型的增加而提高自适应能力,需对上述项目管理过程绩效模型公式进行改进和纠正,以便适应更多的情况,如新技术、新工具、新过程方法的应用以及旧方法的抛弃等。其改进方法为:当项目数据积累到一定程度,使用蒙特卡洛模拟工具Crystal Ball进行模拟。将公式的基本形态以及积累的数据量作为输入,即Y已知,模拟次数设置超过1万次,即x值有超过1万个样本,能够比较精确的预测出系数值,从而达到对公式的纠正。
本发明将上述项目管理过程绩效模型应用于项目绩效模型管理系统中。该项目绩效模型管理系统基于.NET的WEB平台实现,该系统包括web前端、业务逻辑端和数据持久化端三层架构,具体由MASTER模板加JAVASCRIPT、CSS等编写,后台由C#、SQL等编写。其中,该项目管理过程绩效模型公式通过两种方式用于该项目绩效模型管理系统中,一种由于公式中X的系数不会随着数据积累而变化,则采用内置公式的方法,灵活定义因子X参数,公式Y被置于程序内,如缺陷注入率和缺陷清除率模型公式即采用内置公式的方式被直接置于程序内;另一种由于公式中X的系数会随着数据积累而不断更新,则采用灵活输入公式的方法,灵活定义因子参数,如生产率目标模型公式和缺陷密度目标模型公式即采用非内置公式的方式应用于该系统中。
参照附图1所示,该项目绩效模型管理系统的构建方法如下:(1)维护波动因子和缺陷影响因子;(2)维护波动因子和缺陷影响因子的级别;(3)维护生产率目标模型、缺陷密度目标模型以及缺陷注入率和缺陷清除率模型属性;(4)选择波动因子或缺陷影响因子;(5)判断是内置公式模型还是非内置公式模型,若是内置公式模型,直接设置公式即实现项目绩效模型管理系统的构建;若是非内置公式模型,需维护绩效模型公式即实现项目绩效模型管理系统的构建。
其中,如附图4至9所示,波动因子和缺陷影响因子的维护方法主要是维护各因子的标识、名称、级别、各级别值的范围;生产率目标模型等子模型主要是维护子模型的标识、名称,选择影响目标的因子;如果采用非内置公式则维护模型公式;缺陷注入率和缺陷清除率模型是按照标准过程阶段进行分类的,一个阶段活动一个模型;模型发布主要是按照项目类型、领域将各子模型进行组合,最终形成一个模型集合进行发布使用;项目过程数据采集是对已经完成项目的基础数据进行维护,包括项目标识、名称、项目实际规模、实际工作量、项目类型等。
参照附图2所示,本发明项目绩效模型管理系统包括绩效模型管理模块和绩效模型应用模块。该绩效模型管理模块包括波动因子维护模块、缺陷影响因子维护模块、生产率目标模型维护模块、缺陷密度目标模型维护模块、缺陷注入率模型维护模块和缺陷清除率模型维护模块。该绩效模型应用模块包括项目目标预测模块和缺陷分布估计模块。
该项目绩效模型应用模块基于绩效模型管理模块基础上,对非内置公式的应用采用调用的方式,对内置公式则在算法中直接进行逻辑计算。在运用公式进行计算的时候,首先给出公式中的因子值,然后通过标识带入公式中计算最终值。
参照附图3所示,该项目绩效模型应用模块应用在项目生产率目标预测、缺陷密度目标预测,缺陷注入率和缺陷清除率中,其具体应用流程如下:(1)根据项目类型、领域选择绩效模型;(2)维护选择的绩效模型的因子值;(3)调用相应绩效模型公式,若为内置公式,直接采用算法计算缺陷注入率和/或缺陷清除率;若为非内置公式,则调用公式,然后进行生产率和/或缺陷密度的计算;则完成该项目绩效模型应用模块的应用。
本发明项目绩效模型管理系统实际应用界面如附图10至13所示。
本发明项目绩效模型管理系统通过对其绩效模型管理模块和绩效模型应用模块的应用,可实现自动计算出项目生产率、缺陷密度、缺陷注入率和缺陷清除率的项目目标预测,还可以实现分阶段展示各阶段的缺陷注入率、缺陷清除率和缺陷个数的缺陷分布估计。
本发明项目绩效模型管理系统可实现在项目开始之前对该项目的生产率、缺陷密度、缺陷注入率以及缺陷清除率进行目标预测,对这些目标的预测结果可以应用在项目质量控制以及质量绩效跟踪中,为整个项目控制提供必要的数据支持。
本发明项目管理过程绩效模型不断的采集项目基础数据,可以按照季度、年份等时间单位对绩效模型进行纠正,以此实现对本发明项目绩效模型管理系统的不断纠正,得到更加准确的预测结果。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。