8 软件项目管理

软件项目管理

  • 1、软件项目管理概念
    • 1.1 软件项目管理内容
    • 1.2 软件项目管理的4P要素
      • 人员
      • 产品
      • 过程
      • 项目
  • 2、软件项目度量
    • 2.1 软件项目度量定义及度量方法
    • 2.2 面对规模的度量
    • 2.3 面对功能的度量
    • 2.4 软件估算
      • 三点期望值法
        • 案例分析
      • 基于过程分解的估算
      • 基于经验的软件估算
      • COCOMO经验估算模型
  • 3、软件项目计划
    • 3.1 项目进度计划概念与可视化
    • 3.2 WBS分解与任务网络图
      • 编制项目进度计划的步骤
      • WBS工作分解结构
      • 关键路径计算

1、软件项目管理概念

·计划、协调、度量、监控、控制及报告等管理方法在软件开发和维护中的具体应用，以保证整个过程是系统的、有原则的、可量化的(IEEE610.12-90).

软件项目管理是为了使软件项目能够按照预定的成本、进度、质量顺利完成，而对人员(People)、产品(Product)、过程(Process)和项目(Project)进行分析和管理的活动。

1.1 软件项目管理内容

在这里插入图片描述

1.2 软件项目管理的4P要素

在这里插入图片描述

人员

  1. 客户：阐明软件需求的人员。
  2. 项目管理者：计划、激励、组织和控制软件开发人员。
  3. 高级管理者：负责定义业务问题。
  4. 开发人员：拥有开发产品或应用程序所需技能的人员。
  5. 最终用户：直接使用或者与软件产品交互的人。
  • 团队类型
    1. 封闭式：按照权利层次来组织团队，做过去类似项目有优势，难以承担创新性项目。
    2. 随机式：松散。专家组合型团队。有创新优势，难以承担有次序执行的项目。
    3. 开放式：封闭式+随机式。适合解决有次序又有创新的复杂项目，效率可能不是太高。
    4. 同步式：根据项目分解进行分工，适合松散耦合子系统项目，项目集成可能会遇到问题。

产品

在这里插入图片描述

过程

在这里插入图片描述

项目

在这里插入图片描述

2、软件项目度量

2.1 软件项目度量定义及度量方法

当你能够度量你所说的事物，并能用数字表达它时，你就对它有了一定了解;反之，如果不能测量他，也不能用数字表达，就说明你对它的了解还不深入，不能令人满意。

软件项目管理的成熟化也需要度量与数字化，目的是持续改进软件过程，并用于项目估算、质量控制、生产率评估等。

  • 软件项目度量内容

    1. 生产率度量：项目工作量、项目周期、项目成本
    2. 质量度量：产品发布之前发现的缺陷数；产品发布后用户报告的缺陷数；产品的运行速度
      行业及组织的历史数据是软件项目度量的基础。

  • 软件项目度量的方法：面对规模的度量；面向功能点的度量；面向对象的度量；面向用例的度量

2.2 面对规模的度量

通过对质量和(或)生产率的测量进行规范化而得到的，这些测量是根据开发过的软件的规模得到的。

  1. 干行代码(KLOC):这些代码指的是源代码，通过源代码的行数来直观度量一个软件程序有多大规模。
  2. 生产率(PM):PM=L/E,L表示代码总量(单位:KLOC)，E表示软件工作量(单位:人月)
  3. 每干行代码的平均成本(CKL):CKL=S/L，S为软件项目总开销，L表示代码总量(单位:KLOC)
  4. 代码出错率(EQRI):EQRI=Ne/L，Ne表示代码出错的行数，L表示代码总量(单位:KLOC)
  5. 文档与代码比(DI):DI=Pd/L，Pd表示文档页数，L表示代码总量(单位:KLOC)

在这里插入图片描述

  • 优点：简单易行，自然直观
  • 缺点：依赖于程序设计语言的表达能力和功能；软件开发初期很难估算出最终软件的代码行数；对精巧的软件项目不合适。

2.3 面对功能的度量

用软件的功能表示软件规模，应用最广泛的是功能点（Function Pointment，FP）法。
项目开发初期就可估算出。功能点计算目前主要基于经验公式。
在这里插入图片描述

UFC相关的五类组件

  1. ·内部逻辑文件(ILF,Internal Logical Files )
    • 一个用户可识别的逻辑相关的数据组，它在应用程序边界内，由用户输入来维护。
    • 它可能是某个大型数据库的一部分或是一个独立的文件。
  2. 外部接口文件(EIF,External Interface Files)
    • ·一个用户可识别的逻辑相关的数据组但只能被引用，且数据完全存于软件外部，由另一个应用程序进行维护
    • 是机器可读的全部接口(如磁盘或磁带上的数据文件)
    • 是另一个应用程序的内部逻辑文件
  3. 外部输入(El,ExternalInput)
    • 来自于软件外部的数据输入
    • 控制信息(不更新ILF)/业务逻辑信息(更新ILF)
    • 可来自于一个数据输入屏幕或其他应用程序。
  4. 外部输出(EO,External Output)
    • 经过处理的数据，由程序内部输出到外部
    • 从ILF、EIF中取出数据经过一定的组合、计算后得出的输出数据,如生成报表,派生数据,可能更新ILF
  5. 用户查询(EQ.External Query)
    • 一个输入输出的组合过程，从一个或多个ILF、EIF中取出数据输出到程序外部
    • 输入过程不更新ILF，输出过程不进行任何数据处理

在这里插入图片描述

  • UFC计算
    在这里插入图片描述
    在这里插入图片描述

14个复杂性调节因素 F i F_i Fi​

在这里插入图片描述

  • 优点:与程序设计语言无关,在开发前就可以估算出软件项目的规模
  • 不足:没有直接涉及算法的复杂度，不适合算法比较复杂的软件系统；功能点计算主要靠经验公式，主观因素比较多。

一个功能点开发代码行数

在这里插入图片描述

2.4 软件估算

概念：项目启动之前，软件团队应该估算将要做的工作、所需要的资源、成本、从开始到完成的时间，也即是对这些内容进行预测。

策略：项目度量方法为项目估算提供了依据与有效输入；尽量把估算推迟到项目的后期进行；根据已经完成的项目进行估算

  • 项目估算方法
    1. 基于分解技术的项目估算方法：基于问题分解的估算（基于LOC、基于功能点FP）；基于过程分解的估算
    2. 基于经验的项目估算方法：基于回归分析的经验估算模型（基于LOC、基于功能点FP）；COCOMO模型

三点期望值法

在基于问题的分解估算方法中，通过估计最大值，最小值，最可能值的加权平均值作为期望值来估算。
估计期望值 = ( 最大值 + 4 × 最可能值 + 最小值 ) / 6 估计期望值=(最大值+4\times最可能值+最小值)/6 估计期望值=(最大值+4×最可能值+最小值)/6

例如:如果估计系统X规模的最大值为100KLOC，最小值为50KLOC，最可能值为60KLOC，则其估计期望规模为 ( 100 + 4 x 60 + 50 ) / 6 = 65 K L O C (100+4x60+50)/6=65KLOC (100+4x60+50)/6=65KLOC

案例分析

在这里插入图片描述

  • 基于LOC的估算
    在这里插入图片描述
  • 基于功能点的估算
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

基于过程分解的估算

在这里插入图片描述

基于经验的软件估算

基于回归分析的经验估算模型
在这里插入图片描述
在这里插入图片描述

COCOMO经验估算模型

  • COCOMO模型?
    COCOMO是指COnstructive COst MOdel，构造性成本模型。Boehm于1981年提出，用于对软件开发项目的规模、成本、进度等方面进行估算。COCOMO模型是一个综合经验模型，模型中的参数取值来自于经验值，并且综合了诸多的因素、比较全面的估算模型。在欧盟国家应用较为广泛。

  • COCOMO模型的层次：支持不同的阶段

    1. 基本COCOMO摸型：系统开发的初期，估算整个系统的工作量(包括维护)和软件开发和维护所需的时间
      在这里插入图片描述
      在这里插入图片描述

    2. 中间COCOMO模型：估算各个子系统的工作量和开发时间
      在这里插入图片描述

      • EAF的取值(考虑15个因素)：
        1. 软件产品属性(3):软件可靠性，软件复杂性，数据库的规模
        2. 计算机属性(4):程序执行时间，程序占用内存大小，软件开发环境的变化，软件开发环境的响应速度
        3. 人员属性(5):分析员能力，程序员能力，领域经验，开发环境的经验，程序设计语言的经验
        4. 项目属性(3):软件开发方法的能力，软件工具的数量和质量，软件开发的进度要求
      • EAF的取值(范围)：很低、低、正常、高、很高、极高；Boehm建议取值范围[0.70-1.66]；·EAF的计算=ПF:(i=1…15)
      • 调节因子及其取值由统计结果和经验决定，不同的软件开发组织在不同的时期可能会有不同的取值

    3. 详细COCOMO摸型：估算独立的软构件，如各个子系统的各个模块的工作量和开发时间

3、软件项目计划

3.1 项目进度计划概念与可视化

对项目进行任务划分，定义任务之间的依赖关系，并进行时间估算和资源分配，确保以最佳的时间与成本输出满足质量要求的产品。

编制项目计划本质是一个优化问题。
在这里插入图片描述

  • 表示软件项目工作量（成本）与开发时间之间的PNR曲线
    在这里插入图片描述

  • 项目进度计划的价值

    1. 有序、可控制地对软件项目进行管理；
    2. 确保员工保持高生产率；
    3. 及时交付软件产品；
    4. 降低软件开发成本；
    5. 提高客户满意度；
    6. 及时发布产品新版本。

  • 项目进度计划的可视化

    1. 甘特图
      在这里插入图片描述
      工具：微软的Project软件，可以显示进度条模式
      在这里插入图片描述

  • 里程碑
    里程碑显示项目进展中重大工作完成。里程碑不同于活动，活动是需要消耗资源的，里程碑仅仅表示事件的标记。
    在这里插入图片描述

3.2 WBS分解与任务网络图

编制项目进度计划的步骤

在这里插入图片描述

WBS工作分解结构

工作分解结构（Work Breakdown Structure）是将项目按照功能或过程进行逐层分解，直到划分为若干内容单一、便于组织管理的单项工作，最终形成的树型结构示意图。

  • 作用：

    1. 相关成员可直观了解软件项目中的各项任务（活动）；
    2. 将项目分解为可管理的任务（活动）；
    3. 作为项目计划与跟踪的基础。

  • 分解模式
    在这里插入图片描述

  • WBS构建应该注意的原则

    1. 一个任务只应该在WVBS中的一个地方出现
    2. WVBS中某项任务的内容是其下所有VVBS项的总和
    3. 一个WBS项只能由一个人责任，其他人只能是参与者
    4. WBS必须与实际工作中的执行方式一致
    5. 应让项目团队成员积极参与创建VVBS，以确保WVBS的一致性
    6. 每个WVBS项都必须文档化，以确保准确理解已包括和未包括的工作范围
    7. WBS可以根据需求进行必要变更维护

  • 任务网络图
    在这里插入图片描述

关键路径计算

在任务网络图中，从项目开始到项目完成有许多条路径，路径上所有弧权重之和最大的路径（路径最长）叫关键路径。

在整个任务网络图中非最长的路径都叫非关键路径。
在这里插入图片描述
关键路径的意义：关键路径上任何任务（活动）的延长都会导致整个项目周期的延长；如果缩短项目周期，就必须缩短关键路径的长度；项目经理应该随时关注关键路径上任务（活动）的完成情况以及关键路径是否发生了变化；对WBA中任务的串行和并行安排方式有指导意义。

  • 可用资源对项目计划与关键路径的影响
    实例:
    有一个停车管理软件需要开发，包含三个功能:停车位管理、停车收费管理、人员管理
    每个功能都需要经过三个活动:需求分析、系统设计、系统开发，假定这三个功能在这三个活动上花费的时间分别为(5天、4天、3天)，(5天、4天、4天)，(4天、5天、5天)。
    有三个工程师:一个需求分析员、一个软件设计师、一个程序员。如何安排此项目活动比较好?

在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/web/59664.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

游戏引擎学习第12天

游戏引擎学习第12天

视频参考:https://www.bilibili.com/video/BV1yom9YnEWY 这节没讲什么东西，主要是改了一下音频的代码 后面有介绍一些alloc 和malloc,VirtualAlloc 的东西 _alloca 函数（或 alloca）分配的是栈内存，它的特点是： 生命周…
阅读更多...
如何保证Redis与MySQL双写一致性

如何保证Redis与MySQL双写一致性

什么是双写一致性问题？ 双写一致性主要指在一个数据同时存在于缓存（如Redis）和持久化存储（如MySQL）的情况下，任何一方的数据更新都必须确保另一方数据的同步更新，以保持双方数据的一致状态。这一…
阅读更多...
STM32设计学生宿舍监测控制系统

STM32设计学生宿舍监测控制系统

目录 前言 一、本设计主要实现哪些很“开门”功能？ 二、电路设计原理图 电路图采用Altium Designer进行设计： 三、实物设计图 四、程序源代码设计 五、获取资料内容 前言 随着科技的飞速发展和智能化时代的到来，学生宿舍的安全、舒适…
阅读更多...
算法--解决二叉树遍历问题

算法--解决二叉树遍历问题

第一 实现树的结构 class Node(): # 构造函数，初始化节点对象，包含数据和左右子节点 def __init__(self, dataNone): self.data data # 节点存储的数据 self.left None # 左子节点，默认为None self.rig…
阅读更多...
【C#】C#编程入门指南：构建你的.NET开发基础

【C#】C#编程入门指南：构建你的.NET开发基础

文章目录 前言：1. C# 开发环境 VS的基本熟悉2. 解决方案与项目的关系3. 编辑、编译、链接、运行4. 托管代码和CLR4.1 CLR：4.2 C# 代码第编译过程（两次编译的） 5. 命名空间6. 类的组成与分析7. C# 的数据类型7.1 值类型7.2 引用类型…
阅读更多...
算法闭关修炼百题计划（八）

算法闭关修炼百题计划（八）

一半来自力扣的push题单 1.最大连续1的个数II2.长度为k的无重复字符子串3.句子的相似性4.移位字符串分组5.x的平方根6.Z字形变换 1.最大连续1的个数II 给定一个二进制数组nums，如果最多可以翻转一个0，则返回数组中连续1的最大个数 之前是Window&#x…
阅读更多...
论文笔记（五十六）VIPose: Real-time Visual-Inertial 6D Object Pose Tracking

论文笔记（五十六）VIPose: Real-time Visual-Inertial 6D Object Pose Tracking

VIPose: Real-time Visual-Inertial 6D Object Pose Tracking 文章概括摘要I. INTRODACTIONII. 相关工作III. APPROACHA. 姿态跟踪工作流程B. VIPose网络 文章概括 引用： inproceedings{ge2021vipose,title{Vipose: Real-time visual-inertial 6d object pose tra…
阅读更多...
K8S containerd拉取harbor镜像

K8S containerd拉取harbor镜像

前言 接前面的环境 K8S 1.24以后开始启用docker作为CRI，这里用containerd拉取 参考文档 正文 vim /etc/containerd/config.toml #修改内容如下 #sandbox_image "registry.aliyuncs.com/google_containers/pause:3.10" systemd_cgroup true [plugins.…
阅读更多...
LM2 : A Simple Society of Language Models Solves Complex Reasoning

LM2 : A Simple Society of Language Models Solves Complex Reasoning

文章目录 题目摘要简介相关工作方法论实验结果结论局限性 题目 LM2：简单的语言模型社会解决复杂推理问题 论文地址：https://aclanthology.org/2024.emnlp-main.920/ 项目地址： https://github.com/LCS2-IIITD/Language_Model_Multiplex 摘要…
阅读更多...
STM32从上电开始启动过程详解(上电-＞分散加载-＞main函数)

STM32从上电开始启动过程详解(上电-＞分散加载-＞main函数)

1.硬件复位之后，CPU 内的时序逻辑电路首先完成如下两个工作（ 程序代码下载到内部 flash 为例，flash首地址 0x0800 0000）  将 0x08000000 位置存放的堆栈栈顶地址存放到 SP 中(MSP)。  将 0x08000004 位置存放的向量地址装入 P…
阅读更多...
新版Apache tomcat服务安装 Mac+Window双环境（笔记）

新版Apache tomcat服务安装 Mac+Window双环境（笔记）

简介：Tomcat服务器器的下载和安装： 安装前提 1）电脑需要有java环境，jdk8以上，否则启动不不成功 2）已经安装Sublime⽂文件编辑软件 3）window电脑需要显示⽂文件拓拓展名 官网（https:…
阅读更多...
数据重塑：长宽数据转换【基于tidyr】

数据重塑：长宽数据转换【基于tidyr】

在数据分析和可视化过程中，数据的组织形式直接影响着我们能够进行的分析类型和可视化效果。这里简单介绍两种常见的数据格式：长格式（Long Format）和宽格式（Wide Format），以及如何使用tidyr包进行…
阅读更多...
ollama+springboot ai+vue+elementUI整合

ollama+springboot ai+vue+elementUI整合

1. 下载安装ollama (1) 官网下载地址：https://github.com/ollama/ollama 这里以window版本为主，下载链接为：https://ollama.com/download/OllamaSetup.exe。 安装完毕后，桌面小图标有一个小图标，表示已安装成功&…
阅读更多...
基于lighthouse搭建私有网盘Cloudreve【开源应用实践】

基于lighthouse搭建私有网盘Cloudreve【开源应用实践】

基于lighthouse搭建私有网盘Cloudreve【超高性价比】 今天给大家分享一款私人网盘神器，既能存放你的文件文档，也能替你保存那不可告人的秘密~ 香菇今天将手把手教给大家如何在腾讯云轻量应用服务器上搭建个人专属网盘 1. 既爱又恨的网盘存储 很多小伙伴…
阅读更多...
JavaScript高级篇 - 浏览器事件详解 DOM事件以及独立封装事件Util和Ajax封装

JavaScript高级篇 - 浏览器事件详解 DOM事件以及独立封装事件Util和Ajax封装

Dom事件 Model（特定领域对象的抽象）、Protocal（针对数据格式的约定） DOM(Document Object Model，文档对象模型)是针对HTML文档和XML文档的一个API。DOM描绘了一个层次化的节点树，允许开发人员添加、移出和…
阅读更多...
MinIO 的 S3 over RDMA 计划： 为高速人工智能数据基础设施设定对象存储新标准

MinIO 的 S3 over RDMA 计划： 为高速人工智能数据基础设施设定对象存储新标准

随着 AI 和机器学习的需求不断加速，数据中心网络正在迅速发展以跟上步伐。对于许多企业来说，400GbE 甚至 800GbE 正在成为标准选择，因为数据密集型和时间敏感型 AI 工作负载需要高速、低延迟的数据传输。用于大型语言处理、实时分析和计算机视…
阅读更多...
git config是做什么的？

git config是做什么的？

git config是做什么的？ git config作用配置级别三种配置级别的介绍及使用，配置文件说明 使用说明git confi查看参数 默认/不使用这个参数 情况下 Git 使用哪个配置等级？ 一些常见的行为查看配置信息设置配置信息删除配置信息 一些常用的配置信…
阅读更多...
使用 npm 安装 Yarn

使用 npm 安装 Yarn

PS E:\WeChat Files\wxid_fipwhzebc1yh22\FileStorage\File\2024-11\spid-admin\spid-admin> yarn install yarn : 无法将“yarn”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后…
阅读更多...
常用在汽车PKE无钥匙进入系统的高度集成SOC芯片：CSM2433

常用在汽车PKE无钥匙进入系统的高度集成SOC芯片：CSM2433

CSM2433是一款集成2.4GHz频段发射器、125KHz接收器和8位RISC（精简指令集）MCU的SOC芯片，用在汽车PKE无钥匙进入系统里。 什么是汽车PKE无钥匙进入系统？ 无钥匙进入系统具有无钥匙进入并且启动的功能，英文名称是PKE&…
阅读更多...
机器学习基础05

机器学习基础05

目录 1.随机森林 1.1随机森林的介绍 1.2算法原理 1.3API 2.线性回归 2.1回归的含义 2.2线性回归 2.3损失函数 2.4多参数回归 2.5最小二乘法MSE 2.6API 1.随机森林 集成学习的基本思想就是将多个分类器组合，从而实现一个预测效果更好的集成分类器。 集成…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023