案例:分类建立过程性能基线以提高其实用性!

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


最初 EPG 没有分类基线基线,所有的项目放在一起建立了基线如下:  


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 

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    P

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!

猜你喜欢

转载自blog.csdn.net/dylanren/article/details/79556285
今日推荐