FP功能点估算法：
FP功能点估算分类
FP功能点估算法将功能点分为以下5类：
1、 ILF：Internal Logical File内部逻辑文件
2、 EIF: External Interface File外部接口文件
3、 EI: External Input外部输入
4、 EO: External Output外部输出
5、 EQ: External Inquiry外部查询其中ILF和EIF属于数据类型的功能点，EI、EO、EQ属于人机交互类型的功能点。
以外贸订单系统项目为例：
l 录入订单、修改订单、删除订单是EI；
l 查询订单是EO
l 统计订单是EQ
l 汇率查询转换系统为EIF
l 订单和客户是ILF
PPB：过程性能基线
ppb作用:理解过去和控制现在。
基线是一种过程能力的表现方式，如何表示呢？通常使用中位数或者均值表示过程能力的平均能力，使用标准差来表示过程能力的波动：期望值(CL)＋允许的偏差范围(UCL、LCL)
基线建立过程 分为5步：数据收集—》异常点剔出—》假设检验—》建立基线—》评审与发布—》修正基线
数据收集
1)收集数据,检查数据是否有抄锴的现象。
2)正态性检验等
3)样本数据之间的可比性,分组
剔除异常点
我们通过使用建立控制图、单值图等的方式来检查数据是否异常,如通过观察数据偏离程度、计算平均值等方式来实现。另,在软件领域里,SEI推荐的是4条规则,即1248规则
假设检验
如利用一些工具来检查数据的正态分布情况。
PPM：过程性能模型
PPM作用：根据项目的基础信息和模型来预测项目的进度，成本和质量情况。 PPM建立在组织标准过程集和组织过程性能基线的基础上，可以用来为组织建立或验证质量和过程性能量化目标的合理性。
基于项目目标。
模型的输出，应该和项目质量与过程性能目标之间是一致的。万事从“需求”开始， 当然模型也不例外。 首先我们通过对质量和过程性能目标分析达成影响分析， 识别在达成中的关键过程或子过程， 这些方面是我们首先需要建立模型的方面。
选择一个或多个过程进行分析和建模。
这可以是一个项目的过程，也可以是一个组织的过程。模型可以预测与当前被研究过程直接相关的结果，或者预测在开发生命周期中处于更下游的结果。
确定模型预测什么结果。一些典型的例子如：质量、生产率、周期时间、过程有效性和客户满意度。 注意过程可能有多种类型的结果， 所以可能要开发多个模型来探讨他们。例如，持续时间段、质量和消耗的投入，都可能是相应的过程性能结果。
设定要调查的因子。
可控的和不可控的因子应该都要包括进来。 导致结果的根本原因、 和结果相互关联的因子以及结果最主要的指示器，都是用来做分析用的好的候选对象。
获取相应数据，评估它的质量
进行数据初步分析，如 GRR假设、 （因子）相关性检查、正态性检查、和剔出异常点。
回归分析，模型检验
回归分析的结果显示出了自变量 X 与因变量 Y 之间的部分相关性。 回归方程拟合出来以后要进行统计分析（模型的检验）以解决如下四个问题：
（1） 给出回归方程的显著性检验，从总体上判定回归方程是否有效；（ F 检验， 6SQ在回归分析时自动做的，且有显著性的结果。）
（2） 给出回归方程总效果好坏的度量标准—实际观测值与拟合出来的回归线很贴近；（6SQ中为回归分析中自动产生的，且有显著性的结果。 R 平方和调整后的 R平方（多一个自变量时计算出来） ， 两者越接近， 说明模型拟合的越好。两者的值越接近 1，代表模型拟合的越好）
（3） 当回归方程效果显著时， 进行各个回归系数的显著性检验， 判定回归方程中哪些自变量是显著的， 将效应不显著的自变量删除， 以优化模型， 这点在多元回归当中至关重要；（ T 检验， 6SQ在回归分析时自动生成，当只有一个变量时，实际上 t 平方 =F，所以 F 检验和 T 检验的效果是一致的；看对应因子 X的 P值，如果小于 0.05 就是说明自变量是显著因子）
（4） 残差分析， 检验数据是否符合我们对回归的基本假定， 检验整个回归模型与数据拟合得是否很好， 是否能进一步改进回归方程以优化我们的模型。 （在6SQ回归分析结果中直接看残差图，一是残差与时间图，看残差值是否在水平轴上下无规则地波动； 残差与拟合值图， 看是否有漏斗形和喇叭形， 无则表明是残差是等方差的；三是看残差的正态概率图，如 P 大于 0.05 则是正态分布；参与 与 X 自变量为横轴的散点图，应无弯曲的趋势。）由以上残差分析得出结论：数据符合我们对于回归的基本假定，整个线性回归方程与数据拟合是较好的。
模型评审与发布
需要有《基线、模型建立和维护手册》 （明确什么基线和模型在什么时候维护，如何维护）和《基线模型的使用指南》两个文档 。 建立模型的使用指南，即应用场景，介绍内容包括但不限于模型的用途、输入、输出、算法、指标、使用时机、使用人、使用条件等。模型的使用场景不清楚， SEI 审计时，建立方法就不看了。
组织 EPG会议， 对组织级新的模型进行评审， 并把组织级的模型和相应的目标进行比较，使大家对组织级的新模型、新目标达成共识 . 把组织过程模型信息（包括模型使用指南）发布到组织资产库， EPG组织相应的培训，指导项目经理和相关人员了解和使用新的模型 。
模型的应用
模型在使用时还需要注意的是预测要在一个预测区间进行考虑， 而不是进行一个单点预测。
QPM：软件量化管理
首先要注意定量项目管理的目的，项目管理的质量和过程性能目标必须和企业的业务目标和组织目标相符合。在QPM前已经有了组织的过程性能基线和过程性能模型，项目是在组织级过程定义的基础上，根据目标驱动，确定项目哪些子过程需要进行定量管理，通过对项目进行定量管理以期望达到项目预定的质量和过程性能目标。
定量项目管理涉及到以下内容:
-
建立和维护项目质量和过程性能目标；
-
根据过程性能基线和／或模型中的稳定性和能力的历史数据确定适合的子过程，用以组成项目已定义过程；
-
选择项目已定义过程的子过程，对其实施统计管理；
-
选择度量值和分析技术，用于对所选择的子过程进行统计管理；
-
运用所选择的度量值和分析技术，建立并维护对所选择的子过程的统计过程控制：
-
确定所选择的子过程是否能满足其质量和过程性能目标，并且在必要时采取纠正措施；
-
确定项目已定义过程是否能满足项目目标，并且在适当时采取纠正措施；
-
统计管理数据和质量管理数据纳入组织的度量值库。
上述的过程性能目标，度量值和基线首先要来源于OPP组织过程性能过程域中的PPB信息。而对于项目实施了QPM后执行产生的数据又会进入了度量数据库和过程资产库为组织的下一轮基线数据提供输入。在OPP中组织已经定义了标准的过程定义集合，定义了这些过程可以采用量化管理的方法，工具和技术，项目只是根据项目目标选择哪些子过程要量化管理。
项目的过程性能注意也是包含两方面的内容，一方面是过程本身的质量，一方面是产品的质量。过程性能是过程所达到的实际过程结果的度量，用过程度量值（例如工作量、周期时间和缺陷消除率）和产品度量值（例如可靠性、缺陷密度和响应时间）来表证其特征。注意QPM要求管理的子过程，具体的分解是项目->阶段->过程->子过程(过程单元)->子过程要素。
定量管理是要过程稳定受控和可预测，定量管理包括两个基本要素。一个是能够预测项目能够达到预计的项目质量和过程性能目标的程度，一个是能够监控在过程执行过程中各种因素变化对达成目标的影响和偏差，当偏差超过了预定的限度后能够及时的采取各种纠正措施。
统计管理涉及到统计思想和对各种统计技术的正确运用，例如，运行图、控制图、置信度间隔、预报间隔、以及假设测试等。利用采集自统计管理的数据进行定量管理将有助于项目预测它是否能达到它的质量和过程性能目标和在适当时采取纠正措施。