Применение статистических моделей в инженерии качества процессов производства программных систем

• Published in: Проблеми програмування
• Date: 2012
• Main Authors: Матвеева, Л.Е., Гориславец, Т.Н.
• Language: Russian
• Published: Інститут програмних систем НАН України 2012
• Subjects: Методи та засоби програмної інженерії
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/86601
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Применение статистических моделей в инженерии качества процессов производства программных систем / Л.Е. Матвеева, Т.Н. Гориславец // Проблеми програмування. — 2012. — № 2-3. — С. 174-181. — Бібліогр.: 8 назв. — рос.

Эффективный и корректно исполняемый процесс производства программных систем в рамках средних и больших проектов является определяющим фактором качества этих систем. С целью предупреждения возникновения дефектов в процессах руководители проектов должны регулярно проводить анализ процессов. Моделирование процессов является важной частью их анализа. Статистические модели процессов позволяют оценивать и прогнозировать состояние применяемых процессных практик. В данной работе представлены примеры практического применения статистического подхода в управлении; для контроля и прогнозирования возможностей процессов используются метод, основанный на расчёте значений контрольных пределов контрольных карт процессов, а также метод, базирующихся на построении Модели Показателей Процесса. Ability to manage performance of software engineering processes contributes to the quality of developed software systems. By analyzing the processes’ models it is possible to gain deeper insight into the nature of the processes, control and improve them, and therefore enhance the software product quality. This paper presents the examples of the statistical process control methods use, namely Process Capability Baselines establishment and their analysis by means of control charts, and development of Process Performance Model which is used to predict the value of process performance measure.