如何应用度量（茹海燕）

如果想要寻找6sigma与CMMI的联系，最直接的就是数据，它是构建6sigma的砖石，也是达到CMMI目标的基础。图1是最为普遍和广为接受的描述CMMI等级逻辑的图形化表述。与之相适应的，度量在各个级别的寓意如图2 所示。

图1 CMMI等级图示

图2 CMMI等级与度量的寓意

在CMMI的阶段式表示中，度量与分析（Measurment and Analysis，MA）过程域出现在二级。此时它对于项目和组织的要求不高，主要是建立度量的框架，而度量的意义却是在后续级别中逐渐体现出来的：三级要求建立能力基线；四级要求过程可控，并且改进特殊原因造成的样本偏移；五级要求通过改进普遍原因而提高过程能力、减少波动。

我们知道，任何一个度量数据的得到都是要付出成本的，那么如果客户不能从数据中得到信息，这样的付出就不值得。所以，在收集数据之前，就要明确我们用它如何为提高组织和项目管理水平、和产品的质量水平服务，我们永远要提醒自己，度量是拿来用的，不是拿来炫的。这里有两条经验：一是慎用度量数据，从客户最关注的少数度量项开始；第二个方面，也是更加重要和容易忽视的，就是一定要用这些来之不易的度量数据，让它发挥作用，让它对客户有个交待。

如何用呢？至今还有不少QA或者EPG的成员面对度量数据束手无策，而另一边项目经理们不断的申诉没有数据可供量化管理参考用。也许这些人已完成了6sigma的绿带培训，具备一定的统计学基础，却仍然不知道这些技能如何与自己的日常工作相结合。

CMMI阶段式表示法，要求建好整体基础架构，再继续前进，基本上是横向逻辑更强一些。这也是许多人在实际执行的时候经常抱怨的原因，从低级别开始实施的度量，费心费力收集了数据，却不知道它与组织高级目标的联系。与之对应6sigma要求收集的数据都有明确的目标，数据收集计划紧紧围绕着Y和X进行，所以行动都更加有目的性，比较容易让人认同。由此受到启发，改善CMMI执行中的这个问题其实并不难，只需要稍微改变我们看待问题的角度：加强CMMI纵向逻辑，度量的应用就轻而易举了。

如我们选择一个常用的度量项来说，变更请求流程是伴随着配置管理、需求管理等建立的流程，它的应用也已经成为研发人员日常工作的辅助，我们就选择故障CQ的处理周期来分析。一到具体问题，6sigma就可以大显身手了。首先是定义，这个度量项有什么用？对任何一个流程来说，周期是非常重要的度量项，因为时间就是成本，减少时间就能让我们在竞争中更加主动。尤其是外部故障的处理周期直接关系到对客户的反应速度，关系到客户满意度，所以可以说是直接与组织级KPI关联的。

接着是测量，为了这个度量项需要收集哪些度量属性数据？至少有CQ的ID，CQ的诞生时间、关闭和归档时间，以及为了深入分析用的整个流程内部各个步骤（或者关键控制点）的时间等等。谁来收集？数据是否可靠？如果这些时间数据都可以在流程使用者填写相应信息的同时，由系统自动生成，那么这样做就能保证时间数据的一致和可信——我们的电子流程就是这样设计的。我们选定样本数据是某个时间段的组织所有验证关闭的故障CQ记录，这个采样是按照时间片来抽样的。

按照此样本数据，二级的应用可以是：计划与实际的对比。此时项目更经常用的是“CQ按期关闭率”的度量项。不过按照统计学的观点，连续数据比离散数据包含的信息量大得多，CQ按期关闭率就是把连续数据转换成了离散数据，虽然在二级可以满足管理要求，但是如果需要更加深入的分析和改进，就不能满足需求了。三级的要求是建立过程能力基线，在图2 中就是CMMI L3的蓝线，由流程周期的样本数据可以得出其均值。据此结合管理目标，可以直接用此数据，或者按某个百分比减少此数据（即提高水平）来作为组织的能力基线。此处6sigma与CMMI也有不同，因为6sigma从统计学角度出发，更加强调波动，因此过程能力通常不是只用一个均值来体现的，而是用一组数据：均值、USL/LSL、过程能力Cpk/Ppk。如果按照统计的要求设定（均值＋过程能力）的能力基线，就能直接跨越CMMI L3的要求，按照CMMI L4/5的要求来做。例如在一段时期内固定USL/LSL，使用均值和过程能力来作为能力基线，用于管理和衡量持续改进的效果。

四级的图示有两根线，就是USL与LSL，所有越过界限的样本都需要引起特别关注。此USL与LSL的界定，可以依据以前样本的UCL/LCL数据来确定：USL＝UCL＝Mean+3sigma，LSL＝LCL＝Mean-3sigma，那么越界的几率就是0.27%，实际出现的样本就是小概率事件，一定有特殊原因，值得关注。当然出于管理逐步改善的目的，也可以为了引导组织成员，在UCL/LCL基础上略加调整作为USL/LSL。

度量的应用可以按照下述问题来引导思路：

（1）       这个数据是真的吗？——这个问题在于首先提醒大家关注数据的质量；

（2）       这个数据的现实含义是好还是坏？——这是把数据含义从统计意义转化成实际意义的步骤；

（3）       造成它的原因是什么？

（4）       我们怎么办？——如果是好的结果，那么分析原因可以让我们确定“成功因素”，也可以由此造就一个“最佳实践”，成为组织资产，加以推广应用，可以为提高组织水平作出贡献。如果是坏的结果，那么分析原因后一方面要采取措施改进，一方面要加强针对此缺陷将来可能发生的风险管理。

五级的要求有两个方面，一是流程的能力提高：均值降低并且减少波动，这与朱兰的质量改进思路一致，完全可以借鉴DMAIC或DFSS实现。之后长期保持改进后的效果，可以借鉴朱兰的质量控制和质量策划思路，多数是借助于SPC。这就与四级做的事情基本一致。另一个方面是由度量引导组织的持续改进需求，这可以通过各个过程域的能力数据确定短板所在，实施重点改进。四级与五级的图示与朱兰三步曲也有异曲同工之妙，如图3 所示。

图3 朱兰三步曲示意图

       由此可见，6sigma的思路能够帮助我们从另一个角度认识CMMI的改进逻辑，并且在度量应用上给出具体的指导。