A Proposal for Analyzing Productivity and Quality Data

Asako Okano

目次

背景

生産性・品質データの現象論

関係式(1/2)、関係式(2/2)

解析手法－回帰モデルのタイプとその採択

手法の適用例

今後に向けて

まとめ

背景

生産性・品質データの分析を、ツールやExcelで行ってきた。

内部の処理が不明のため、解析作業や結果の考察にも限界があると考えられた。

標本数の不足、層別の困難さ、散布図プロットで相関が見えないという問題などから、その要因を見つけるのが困難であった。

生産性・品質データの現象論

関係式(1/2)

関係式(2/2)

解析手法－回帰モデルのタイプとその採択（1/2)

利点：

１．データの確率分布を仮定しないで４タイプの

回帰分析の決定係数から適切なモデルタイプ

を採択できる。

２．背景を理解せずに、なんでも対数をとる、という

ことを避け、変数間の現象論に基づいて解析

することできる。

解析手法－回帰モデルのタイプとその採択 (2/2)

手法の適用例

１．生産量と工数

２．生産性と累積誤り検出率

今後に向けて

単純にソフトウェアの規模と工数というような指標で測ることは難しい。単位や指標などに新たな概念や工夫を取り入れることを視野に入れていく

※弊社が開発しているような科学技術計算に関するソフトウェアはIT技術の他に、 数学、物理、工学の基礎知識を必要とする。

定量的プロジェクト管理の精度向上には、意味のあるデータを見極め、関係性を導き出し、我々に気付きをも与えてくれる統計解析の基礎を固めることが必須

まとめ

生産性・品質以外の分野データでも、この手法は適用できる。

何事にも、現象を記述する方程式があると仮定する。

内部処理を理解せずに、ツールを利用してその結果をただ使用するだけでは、統計解析にはならない。変数の背景を知ろう！！

ご清聴 ありがとうございました。