某公司积累了27个项目的历史生产率数据,拟对其建立过程性能基线。
序号 |
项目级别 |
项目实际生产率(Loc/人天) |
1 |
大型 |
130.41 |
2 |
中型 |
211.90 |
3 |
中型 |
194.15 |
4 |
大型 |
158.00 |
5 |
中型 |
207.68 |
6 |
中型 |
235.61 |
7 |
小型 |
295.38 |
8 |
小型 |
256.54 |
9 |
大型 |
162.09 |
10 |
中型 |
248.62 |
11 |
大型 |
155.18 |
12 |
中型 |
220.39 |
13 |
小型 |
256.18 |
14 |
小型 |
283.77 |
15 |
小型 |
259.79 |
16 |
大型 |
164.27 |
17 |
大型 |
175.42 |
18 |
中型 |
272.94 |
19 |
小型 |
246.54 |
20 |
小型 |
290.44 |
21 |
小型 |
253.13 |
22 |
小型 |
236.81 |
23 |
中型 |
215.22 |
24 |
中型 |
211.45 |
25 |
中型 |
242.23 |
26 |
中型 |
235.54 |
27 |
中型 |
255.54 |
采用箱线图法建立的过程性能基线值如下:
上限:317.86
下限:69.77
中位数:235.61
从上边的基线可以看到,上下限的分布比较离散,上限是下线的4倍多,该基线在实践中对项目组的指导意义不是很大,怎么办呢?
经过探索式数据分析可以发现,其实可以按不同的项目级别分类建立基线。按项目级别分组画了箱线图后,就可以发现,大型项目的生产率是明显低于其他两类项目的,三类项目可以分类建立过程性能基线。
单因子方差分析的结果也证明了我们观察的结论:
单因子方差分析: 项目实际生产率(Loc/人天) 与项目级别
方法
原假设 所有均值都相等
备择假设 至少有一个均值不同
显著性水平 α = 0.05
已针对此分析假定了相等方差。
因子信息
因子 水平数 值
项目级别 3 大型, 小型, 中型
方差分析
来源 自由度 Adj SS Adj MS F 值 P 值
项目级别 2 41398 20698.8 48.17 0.000
误差 24 10312 429.7
合计 26 51710
模型汇总
R-sq(调
S R-sq 整) R-sq(预测)
20.7288 80.06% 78.40% 75.23%
均值
项目级别 N 均值 标准差 95% 置信区间
大型 6 157.56 15.02 (140.10, 175.03)
小型 9 264.29 20.53 (250.03, 278.55)
中型 12 229.27 22.99 (216.92, 241.62)
合并标准差 = 20.7288
因此,对于这个过程性能基线应该区分不同级别的项目分类建立基线,这样可以大幅度提高基线的实用性!