1 / 21

Técnicas de Calidad en el Software Sesión # 15

Técnicas de Calidad en el Software Sesión # 15. Avisos. Jueves 18 de octubre Sesión de videoconferencia con SMU “SQA Strategies in the USA” LUGAR: CIAP-414 Jueves 25 de octubre Visita del Ing. Rafael Salazar “Estrategias de SQA en México” PSP/TSP. Control Estadístico de Calidad.

rashad
Télécharger la présentation

Técnicas de Calidad en el Software Sesión # 15

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Técnicas de Calidad en el SoftwareSesión # 15

  2. Avisos • Jueves 18 de octubre • Sesión de videoconferencia con SMU • “SQA Strategies in the USA” • LUGAR: CIAP-414 • Jueves 25 de octubre • Visita del Ing. Rafael Salazar • “Estrategias de SQA en México” • PSP/TSP

  3. Control Estadístico de Calidad Control Estadístico de Calidad del Software: • Es una tendencia en la industria de desarrollo de software. • Aplica herramientas de control estadístico de calidad de procesos de manufatura. • Informa la toma de decisiones para mejorar los procesos de desarrollo.

  4. Control Estadístico de Calidad Pasos para mejorar el proceso de desarrollo: • Recopilación y clasificación de datos estadísticos durante cada fase del desarrollo. • Análisis de datos y especificación de causas de errores. • Identificar las principales causas de errores y asignar prioridades. • Definir estrategias de mejora, de acuerdo a las prioridades. (Pressman, 1997)

  5. CAUSAS COMUNES Gráficas de control Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

  6. Proceso estable (bajo control) Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

  7. Proceso inestable (fuera de control) CAUSA ASIGNABLE Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

  8. Límite de Tole-rancia Superior Límite de Tole-rancia Inferior Un proceso puede ser estable, pero no ser capaz Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

  9. 99.73% de los promedios de las muestras estarán fuera o dentro de este rango. Gráficas de control comunes (3σ: tres sigma) Límite de Control Superior (LCS) LC + 3 LC Línea Central (LC) Límite de Control Inferior (LCI) LC - 3 Tiempo (o secuencia)  (Ing. Rafael Salazar)

  10. Gráficas de control comunes (3σ: tres sigma) Una gráfica de control con límites superior e inferior calculados en base a 3σ representa el 99.73% de las veces en que los promedios de las muestras analizadas estarán fuera o dentro en ese rango.

  11. Gráficas de control comunes (3σ: tres sigma) • En un rango de 3σ estamos seguros un 99.73% de que: • el proceso está bajo control, pues solamente muestra variaciones comunes. • el proceso está fuera de control, pues se han identificado variaciones asignables. • Este rango permite hasta 0.26% de error

  12. 6σ: Six Sigma • Es una metodología creada por Motorola, en 1986. • Apoya la administración de la calidad de procesos al reducir el nivel de fallas, errores o inconsistencias permitido a 3.4 por cada millón de oportunidades • 3σ: 2,600/millón vs. 6σ: 3.4/millón

  13. 6σ: Six Sigma Se basa en dos paradigmas: • DMAIC: Define, Measure, Analyze, Improve, and Control. • DMADV: Define, Measure, Analyze, Design, and Verify.

  14. 6σ: Six Sigma Paradigma DMAIC, para procesos existentes • D: definición de los objetivos de calidad deseados, en base a la voz del cliente y la estrategia de la empresa • M: obtención de métricas del proceso • A: análisis de causas de errores (ANOVA) • I: mejora continua del proceso • C: definición de la capacidad del proceso (design of experiments)

  15. 6σ: Six Sigma Paradigma DMADV, para diseñar nuevos procesos o productos • D: definición de los objetivos de calidad deseados, en base a la voz del cliente y la estrategia de la empresa • M: definición de métricas del proceso • A: análisis de alternativas • D: diseño del proceso o producto • V: piloteo y verificación

  16. Premisas del Six Sigma • Centrado en el cliente (voz del cliente) • Prevención de defectos • Reducción de la variación • Toma de decisiones basadas en hechos • Fomento del trabajo en equipo

  17. Participantes del Six Sigma • CEO (estrategia organizacional) • Champions (implementación por proceso) • Master Black Belts (in-house coach) • Black Belts (implementación por proyecto) • Green Belts (implementación diaria)

  18. Herramientas del Six Sigma • Customer surveys • Cost-Benefit analysis • Histograms • QFD • Design of experiments • General linear model • ANOVA • Regression • Taguchi • Etc…

  19. 6σ: Ejemplos Instrucciones: Identificar un caso exitoso de aplicación del paradigma 6σ en una empresa o proyecto de desarrollo de software. Describe en tu reporte: • Contexto • Herramientas utilizadas • Mejoras obtenidas

  20. 6σ: Ejemplos • GE Six Sigma Strategy http://www.ge.com/sixsigma/makingcustomers.html • Accelerating Adoption of IT: Six Sigma and CMMIhttp://www.sei.cmu.edu/news-at-sei/features/2004/1/feature-3.htm

  21. 6σ: Ejemplos • Six Sigma: Hardware or Software? http://www.rbsc.com/pages/sixsig.html • Honeywell Six Sigmahttp://www.honeywell.com/sites/sm/rlss/bandj/qualitysafety.htm

More Related