基于SPC的软件过程度量技术的研究

本文将统计过程控制原理SPC应用于软件过程度量。在介绍SPC原理的基础上,讨论了休哈特控制图的构成和分析方法,结合实例,深入分析了SPC在软件过程度量中的应用。     

一种基于SPC的软件过程质量分析方法

一个项目的开发活动是很多软件过程的集合,不同软件过程之间关联性很强,成功地分析特定软件过程质量的关键是确保软件过程分析的独立性,剔除来自于其他过程的影响。传统Shewhart控制图基于统计假设检验理论,能够区分软件过程中的偶然因素和系统因素,但Shewhart控制图是全控图,无法区分过程之间的影响。为解决这种问题,定义软件过程的总质量和分质量,把系统因素细分为外部系统因素和内部系统因素,并总结软件过程质量诊断表,以使用控制图和选控图来帮助诊断导致软件过程质量异常的偏差源。     

度量软件过程——改进软件过程

采集哪些软件数据？以及如何使用这些数据？长期以来一直困扰着积极实施SPI的软件企业。本文结合联想软件设计中心实施CMM2，CMM3的经验，阐述了在过程改进过程中为解决上述间题所采用的三种度量技术：GQM、SPC和80／20原理。     

软件过程度量研究与设计

首先介绍了软件能力成熟度模型CMM和过程度量框架，在CQM模型基础上提出了CQAM模型，并结合CMM模型设计了一个软件过程度量系统总体结构，在系统中采用SPC作为度量分析方法，简单介绍了其中的X-R图并给出了一个度量实例。     

spc技术在软件过程监控中的应用探讨

统计过程控制(SPC)是质量管理的重要内容。该文在介绍软件过程质量管理的相关理论基础上,主要探讨了SPC特别是控制图在软件过程监控中的应用,并简单讨论软件过程改进的SPC方法。     

基于AHP算法和SPC的软件过程度量方法的研究

目前,软件过程度量理论和方法还不够完善,而高效准确的过程定量管理是成功进行软件过程改进的保障,为此提出了一种结合层次分析（AHP）算法和统计过程控制（SPC）的软件过程度量新方法。方法遵循集成能力成熟度模型（CMMI）构架,从软件过程角度对软件项目进行度量。最后以实例证明本方法能有效支持软件过程的度量与改进。     

基于CMM的软件过程度量系统的研究与设计*

首先描述了软件过程的度量过程,结合软件度量定义模型GQ(I)M提供的方法和软件能力成熟度模型(CMM)提供的过程框架,给出了项目跟踪与监控过程域的一些度量实例,在此基础上完成了软件过程度量系统的设计;最后,指出了系统进一步的工作。     

统计过程控制(SPC)软件的设计

文章在分析了不同生产过程的关键质量特性的基础上设计了相应的数据文件类型。介绍了不同生产过程的统计分析技术与过程控制方法。最后重点介绍了作者开发的中文统计过程控制软件。     

软件过程度量技术的研究

软件度量是软件项目管理的关键技术。文章在介绍度量基本概念的基础上,重点分析对软件过程的度量,包括分析不同过程成熟度层次对度量的需求。研究系统化的问题驱动的度量过程ISPM（Issue－driven Software Process Measurement）,包括“剪裁”、“应用”、“实现”三个子过程。分析针对软件过程的三大类度量内容和它们子类及子类之间的结构关系,并结合软件过程的层次特性细化度量子类在各个层次的具体表现。最后探讨度量过程随着软件过程成熟度的提高而随之改善的方法。     

定性与定量相结合的软件过程度量分析方法--基于统计过程控制和层次分析方法

软件过程度量为软件过程管理提供量化数据。过程分析是软件过程度量中的一个重要阶段。文章在研究现有相关理论和技术的基础上提出了将统计过程控制和层次分析方法相结合的软件过程分析方法,并在相关支撑工具中加以实现,从理论和实践两个角度验证了方法的可行性。     

一种面向二阶动态过程的集成控制方法

针对较为复杂的二阶动态过程和稳态干扰ARMA（1,1）组成的系统模拟制造过程,采用SPC与EPC整合的集成过程控制方法,实现对全过程的监控。整合的关键是EPC控制器的设计。将状态空间分析法引入到对EPC控制器的设计中,并通过分析MMSE和PID控制器的状态空间模型,得出EPC控制器的一般设计模型。最后通过仿真实验,比较MMSE、PI控制器和文中设计的控制器的监控性能,验证了该方法的有效性。     

轴承统计过程控制的研究及软件编制

统计过程控制（SPC）是指应用统计分析技术对生产过程进行实时监控,区分出生产过程中产品质量的异常波动,以便管理人员及时采取措施,消除异常,达到提高和控制质量的目的。针对SPC的实际应用研究,SPC的软件编制阐述了统计过程控制原理,提出相关数学模型,对其模拟软件的设计进行了研究分析,并对相关的内容作了进一步的讨论。在理论知识的基础上采用高级编程语言进行软件编制,实现具有一定实用性的软件应用系统。     

基于统计过程控制的软件过程管理

真正有效管理软件过程的关键是定量管理。统计过程控制是判断软件过程是否异常,预测过程未来行为的重要工具。把统计过程控制技术融合到软件开发过程中,可以实现对软件过程的定量管理,也有助于组织更快地实现CMMI 4/5目标。     

统计分析软件驱动的可重构SPC系统

全面集成化的制造企业信息系统需要多样化、敏捷化的统计过程控制（Statistical Process Control,SPC）系统,以实现基于数据的产品质量管理决策。基于领域分析构造了SPC领域模型,设计了基于通用统计分析软件平台的可重构SPC系统框架,以具有扩展点的组件化可重构架构满足制造企业应用模式和配置模式的可重构需求。然后采用SPSS（Statistical Package for the Social Science,社会科学统计软件包）实现了可重构SPC系统,通过引入SPSS组件,执行SPSS Syntax命令,实现对SPC的可视化统计分析。最后以加工误差分析实例说明系统的有效性,为全面质量控制提供了一种数字化应用。     

自相关过程SPC控制及其ARL的Monte-Carlo分析

对受控自相关过程建立其时间序列模型,并得出自相关过程的预测及预测误差。其次,通过Shewhart控制图原理验证预测误差的独立性;最后讨论了对均值发生阶跃型故障的自相关过程的SPC控制,并通过Monte-Carlo模拟,对Shewhart控制图以及EWMA控制图的ARL进行了深入地比较分析。     

测量过程监控技术与软件实现

文章分析了测量过程的特点,详细介绍了测量过程控制的数据采集方法,根据所构造的统计量的分布,提出了适用于测量过程稳定性监控的三种控制图技术。最后介绍了笔者开发设计的基于网络环境的测量过程监控软件的功能与实现技术。     

A general fuzzy-statistical clustering approach for estimating the time of change in variable sampling control charts

Despite their capability in monitoring the variability of the processes, control charts are not effective tools for identifying the real time of such changes. Identifying the real time of the change in a process is recognized as change-point estimation problem. Most of the change-point models in the literature are limited to fixed sampling control charts which are only a special case of more effective charts known as variable sampling charts. In this paper, we develop a general fuzzy-statistical clustering approach for estimating change-points in different types of control charts with either fixed or variable sampling strategy. For this purpose, we devise and evaluate a new similarity measure based on the definition of operation characteristics and power functions. We also develop and examine a new objective function and discuss its relation with maximum-likelihood estimator. Finally, we conduct extensive simulation studies to evaluate the performance of the proposed approach for different types of control charts with different sampling strategies.     

A hybrid fuzzy-statistical clustering approach for estimating the time of changes in fixed and variable sampling control charts

Control charts are the most popular Statistical Process Control (SPC) tools used to monitor process changes. When a control chart produces an out-of-control signal, it means that the process has changed. However, control chart signals do not indicate the real time of the process changes, which is essential for identifying and removing assignable causes and ultimately improving the process. Identifying the real time of the process change is known as change-point estimation problem. Most of the traditional change-point methods are based on maximum likelihood estimators (MLE) which need strict statistical assumptions. In this paper, first, we introduce clustering as a potential tool for change-point estimation. Next, we discuss the challenges of employing clustering methods for change-point estimation. Afterwards, based on the concepts of fuzzy clustering and statistical methods, we develop a novel hybrid approach which is able to effectively estimate change-points in processes with either fixed or variable sample size. Using extensive simulation studies, we also show that the proposed approach performs considerably well in all considered conditions in comparison to powerful statistical methods and popular fuzzy clustering techniques. The proposed approach can be employed for processes with either normal or non-normal distributions. It is also applicable to both phase-I and phase-II. Finally, it can estimate the true values of both in- and out-of-control states’ parameters.     

基于SPSS的可重构统计过程控制系统

为满足制造企业多样、敏捷的统计过程控制（SPC)需求,实现单元应用以及与其他制造信息系统的集成应用,通过分析和构建SPC领域模型,提出并实现了基于社会科学统计软件包(SPSS)的可重构统计过程控制系统。通过引入SPSS组件,执行SPSS Syntax命令,基于SPSS强大的统计分析功能实现对SPC的可视化统计分析,并以具有扩展点的组件化可重构架构满足企业应用模式和配置模式的可重构需求。最后以实例说明系统具有良好的可用性,为制造企业全面质量控制提供了一种数字化手段和应用平台。