[论文解读] Estimation of Characteristics of a Software Team for Implementing Effective Inspection Process through Inspection Performance Metric

T. R. Gopalakrishnan Nair, V. Suma|arXiv (Cornell University)|Jul 16, 2011

Software Engineering Research参考文献 15被引用 10

一句话总结

本文提出一种基于多元线性回归的数学模型，用于在不依赖实时缺陷计数的情况下估算软件团队的检查绩效指标（IPM）。通过从产品型与服务型IT项目中的实证数据中推导出团队特定的系数，该模型能够以高精度预测IPM值，从而实现对检查流程的主动调优，以达成目标质量水平，并提升团队及利益相关方的缺陷管理能力。

ABSTRACT

The continued existence of any software industry depends on its capability to develop nearly zero-defect product, which is achievable through effective defect management. Inspection has proven to be one of the promising techniques of defect management. Introductions of metrics like, Depth of Inspection (DI, a process metric) and Inspection Performance Metric (IPM, a people metric) enable one to have an appropriate measurement of inspection technique. This article elucidates a mathematical approach to estimate the IPM value without depending on shop floor defect count at every time. By applying multiple linear regression models, a set of characteristic coefficients of the team is evaluated. These coefficients are calculated from the empirical projects that are sampled from the teams of product-based and service-based IT industries. A sample of three verification projects indicates a close match between the IPM values obtained from the defect count (IPMdc) and IPM values obtained using the team coefficients using the mathematical model (IPMtc). The IPM values observed onsite and IPM values produced by our model which are strongly matching, support the predictive capability of IPM through team coefficients. Having finalized the value of IPM that a company should achieve for a project, it can tune the inspection influencing parameters to realize the desired quality level of IPM. Evaluation of team coefficients resolves several defect-associated issues, which are related to the management, stakeholders, outsourcing agents and customers. In addition, the coefficient vector will further aid the strategy of PSP and TSP

研究动机与目标

• 开发一种预测模型，用于在不依赖持续缺陷计数的情况下估算团队特定的检查绩效指标（IPM）。
• 利用来自IT项目的实证数据，识别并量化影响检查有效性的团队特征。
• 通过支持组织设定目标IPM值并相应调整检查参数，推动质量改进。
• 通过量化团队绩效的可测量系数，为PSP和TSP实践者提供可操作的洞察。
• 通过数据驱动的团队画像，解决管理、外包和利益相关方沟通中的缺陷相关挑战。

提出的方法

• 作者在24个产品型与服务型IT行业的项目中，应用多元线性回归方法，从实证检查数据中推导出团队特征系数。
• 该模型以检查深度（DI）和团队特定属性作为输入变量，用于预测IPM值（IPMtc）。
• 使用三个验证项目的实证数据，将模型的预测准确性与基于实际缺陷计数的IPM（IPMdc）进行对比验证。
• 通过计算团队系数，表征每个团队的独特绩效特征，从而实现在无需实时缺陷追踪情况下的IPM预测。
• 通过比较预测IPM值（IPMtc）与实际缺陷计数IPM（IPMdc），验证了模型的准确性，显示出强相关性。
• 最终模型使组织能够设定期望的IPM目标，并调整检查参数以实现这些目标。

实验结果

研究问题

• RQ1 能否基于实证数据，通过数学模型在不依赖实时缺陷计数的情况下预测团队特定的检查绩效？
• RQ2 与基于缺陷计数的IPM相比，所提出的回归模型在估算检查绩效指标（IPM）方面具有多高的准确性？
• RQ3 哪些团队特征显著影响检查绩效，以及如何对它们进行量化？
• RQ4 该模型在多大程度上能够支持检查流程的主动质量管理和参数调优？
• RQ5 所推导出的团队系数在多大程度上有助于改善包括外包团队和客户在内的各利益相关方的缺陷管理？

主要发现

• 在三个验证项目中，模型生成的IPM值（IPMtc）与基于缺陷计数的IPM值（IPMdc）高度吻合，证实了其预测准确性。
• 团队系数向量有效捕捉了软件团队的绩效特征，实现了IPM估算的一致性与可重复性。
• 该模型通过支持组织设定目标IPM水平并相应调整检查参数，实现了主动质量管控。
• 观测值与预测值之间表现出强相关性，验证了该模型在多样化IT环境中的实际应用可靠性。
• 该方法通过提供数据驱动的绩效洞察，解决了管理、利益相关方沟通和外包中的缺陷相关问题。
• 团队系数为通过可测量的绩效指标增强个人软件过程（PSP）和团队软件过程（TSP）策略奠定了基础。