【IT168 技術文章】
我能夠走進一些組織，和項目中的成員進行交談，在10分鐘內知道該組織的成熟度等級。- Watts Humphrey
統計思維的基礎和公理
所有的產品開發和服務都是由一系列相互關聯的過程組成。所有的過程都是動態和可變的，理解了這些變化是基於事實管理和系統改進的基礎。而統計學思維的核心就是理解過去，控制現在和預測未來。
在CMMI中過程被定義為一系列能夠被識別和在實踐中執行的活動。但是過程要能夠最終產出產品和服務，不可避免要涉及到人，材料，設備，工具等一系列的要素。
關於產品和服務的性能所涉及到的實際的過程表現，必須在做起決定之前進行充分的理解。回答以下問題有利於我們找出實際的過程表現:
1.什麼是正常的和固有的過程偏差?
2.哪些固有的誤差來源於異常的偏差?
3.造成異常偏差的根源是什麼?
統計學提供了我們需要的方法和工具，來度量和分析過程行為，得出結論並執行後續的改進步驟。在OPP中我們首先需要建立過程能力基線PPB，PPB的建立首先要要確定組織的目標，找出影響組織目標的關鍵子過程，然後收集子過程的數據進行分析。而PPB的作用僅僅是理解過去和控制現在，為了預測未來我們必須要建立PPM過程性能模型。有了PPM我們就可以根據項目的基礎信息和模型來預測項目的進度，成本和質量情況。可以使用的模型的類型主要有:
1.基本的統計和預測模型
2.蒙特卡洛模擬和優化模型(what-if分析等)
3.過程模擬模型
4.系統動態模型(基於實時的反饋)
5.概率模型(根據概率論而不是統計來進行預測)
6.可靠性成長模型(通過失敗數據測試來預測未來失敗情況)
如何使用PPB和PPM去選擇過程和一個指標來進行改進。假設組織的目標的改進產品的質量，希望把現場缺陷密度DD(Defect Density) <0.4個/KLOC。而這個目標在我們原來發布的產品和版本中很多都沒有達到，組織希望對此進行改進。為了達到這個目標，需要遵循以下步驟進行改進:
1.建立影響DD的評價準則(貢獻度，潛在變革，潛在成本和風險)。
2.識別影響DD的影響因子(通過回歸分析確定RV,DC和QC三個貢獻因子)。
3.建立回歸分析模型(DD = 389 + 2.12RV + 5.32DC -24.1QC)。
4.通過建立的評價準則評價因子(可使用蒙特卡洛模擬或敏感性分析)
建立了PPM後就需要考慮如何去改進影響因子以達到我們需要的質量目標，對於RV,DC和QC組織都可能已經有相應的過程能力基線數據，比如DC的上下限為(15,30)，均值為20。根據對多個項目的歷史數據分析，可以知道DC大致的概率分布曲線。然後我們根據蒙特卡洛模擬可以得出DD的概率值(比如90%的置信區間下的DD的值為0.42)。
有了這些數據我們可以看到，現在的實際情況是無法達到我們的改進目標的，因此我們準備對DC進行改進，將DC的上下限範圍進行縮小，並減小DC的均值。究竟要改進到多少，我們就可以進行what-if分析，通過模型可以得出結論是將DC均值減小為18,上下限為(12,25)的時候可以達到目標要求。