一种项目风险判断方法、装置、设备及可读存储介质
文献发布时间:2023-06-19 11:11:32
技术领域
本发明涉及软件测试技术领域,具体而言,涉及一种项目风险判断方法、装置、设备及可读存储介质。
背景技术
在软件测试工作中,测试风险是不可避免、一定存在的,严重的测试风险意味着测试工作无法正常完成,作为测试经理,能够准确分析当前项目测试风险,评估项目测试风险是否在可控范围内,对项目整体工作是非常重要的。一旦发现测试风险,需要立刻向项目经理以及开发经理反馈,重新评估项目整体进度。然而,目前评估项目测试风险的方法一般都是靠测试经理主观判断,难免会遗漏一些影响因素,导致评估结果不够客观准确。
发明内容
本发明的目的在于提供一种项目风险判断方法、装置、设备及可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种项目风险判断方法,所述方法包括:建立第一模型,所述第一模型的输入为项目进度参数,所述第一模型的输出为项目风险参数;获取历史数据和误差阈值,所述历史数据包括多个参照组,且每个所述参照组包括一个项目进度参数和对应的一个项目参考值,所述误差阈值为第一误差值的最大值;根据所述历史数据调节所述第一模型,使所述历史数据中的多个所述参照组与调整后的第一模型对应的多个第一误差值均小于或等于所述误差阈值;以及获取当前的项目进度参数,并带入所述第一模型,得到项目风险参数。
所述项目进度参数包括:项目测试实际进度值、项目测试预计进度值、目前已发现有效缺陷数量、开发未修复有限缺陷数量、项目需求变更频繁程度、项目测试环境稳定程度值、项目需求分析测试案例评审值、项目沟通协调风险值、测试技术风险值和偶发缺陷数量,所述项目测试环境稳定程度值用于评测所述测试设备的稳定性,所述测试技术风险值用于检测项目存在技术难度,测试人员的能力水平不足可能影响测试进度。
可选地,所述根据所述历史数据调节所述第一模型,包括:
通过依次调取所述历史数据中的每个参照组,逐次调节所述第一模型,使所述第一模型依次满足所述参照组对应的第一误差小于或等于所述第二误差,所述历史数据包括至少一个所述参照组。
可选地,所述使所述历史数据中的多个所述参照组与调整后的第一模型对应的多个第一误差值均小于或等于所述误差阈值,包括:
调取每个所述参照组;
通过调整后的所述第一模型分别计算出每个所述参照组对应的所述第一误差值;
分别对比每个所述第一误差值与所述误差阈值的大小,若任意一个所述第一误差值大于所述误差阈值,则执行所述根据所述历史数据调节所述第一模型。
可选地,所述使所述第一模型依次满足所述参照组对应的第一误差小于或等于所述第二误差,包括:
调取历史数据中的一个所述参照组;
将所述项目进度参数带入当前的所述第一模型中,得到项目风险参数;
根据所述项目风险参数和所述项目风险参考值,得到对应的所述第一误差值;
判定对应的所述第一误差值与误差阈值的大小,若所述第一误差值大于所述误差阈值,通过调整所述第一模型中的多个判定系数进而调整所述第一误差值,直至对应的所述第一误差值小于所述误差阈值,输出当前的所述第一模型;
调取另一个未被调取的所述参照组,执行所述将所述项目进度参数带入当前的所述第一模型中,得到项目风险参数。
可选地,所述根据所述项目风险参数和所述项目风险参考值,得到对应的所述第一误差值,包括:
建立第二模型,所述第二模型用于计算所述项目风险参数和对应的项目风险参考值之间的第一误差值;
调取所述项目风险参数和对应的所述项目风险参考值;
将所述项目风险参数和对应的所述项目风险参考值带入所述第二模型,获得所述第一误差值。
可选地,所述调整所述第一模型中的多个判定系数,直至对应的所述所述第一误差值小于所述误差阈值,输出当前的第一模型,包括:
调取所述第一模型中的多个判定系数;
依次对每个所述判定系数通过梯度下降法进行调节得到新的所述第一模型,且每调节一次均需判定新的所述第一模型与所述对照组所对应的所述第一误差值与所述误差阈值的大小关系,若所述第一误差值小于或等于所述误差阈值,则停止对未被调节的所述子系数的调节。
第二方面,本申请实施例提供了一种项目风险判断系统,所述系统包括第一计算模块、第一数据获取模块、第二计算模块和第三计算模块;第一计算模块,用于建立第一模型,所述第一模型的输入为项目进度参数,所述第一模型的输出为项目风险参数;第一数据获取模块,用于获取历史数据和误差阈值,所述历史数据包括多个参照组,且每个所述参照组包括一个项目进度参数和对应的一个项目参考值,所述误差阈值为第一误差值的最大值;第二计算模块,用于根据所述历史数据调节所述第一模型,使所述历史数据中的多个所述参照组与调整后的第一模型对应的多个第一误差值均小于或等于所述误差阈值;以及第三计算模块,用于获取当前的项目进度参数,并带入所述第一模型,得到项目风险参数。
可选地,所述第二计算模块包括:
第一计算子模块,用于通过依次调取所述历史数据中的每个参照组,逐次调节所述第一模型,使所述第一模型依次满足所述参照组对应的第一误差小于或等于所述第二误差,所述历史数据包括至少一个所述参照组。
可选地,所述第二计算模块包括:
第一数据获取子模块,用于调取每个所述参照组;
第二计算子模块,用于通过调整后的所述第一模型分别计算出每个所述参照组对应的所述第一误差值;
第三计算子模块,用于分别对比每个所述第一误差值与所述误差阈值的大小,若任意一个所述第一误差值大于所述误差阈值,则执行所述根据所述历史数据调节所述第一模型。
可选地,所述第一计算子模块包括:
第一数据获取单元,用于调取历史数据中的一个所述参照组;
第一计算单元,用于将所述项目进度参数带入当前的所述第一模型中,得到项目风险参数;
第二计算单元,用于根据所述项目风险参数和所述项目风险参考值,得到对应的所述第一误差值;
第三计算单元,用于判定对应的所述第一误差值与误差阈值的大小,若所述第一误差值大于所述误差阈值,通过调整所述第一模型中的多个判定系数进而调整所述第一误差值,直至对应的所述第一误差值小于所述误差阈值,输出当前的所述第一模型;
可选地,所述第二计算单元包括:
第一计算子单元,用于建立第二模型,所述第二模型用于计算所述项目风险参数和对应的项目风险参考值之间的第一误差值;
第一数据获取子单元,用于调取所述项目风险参数和对应的所述项目风险参考值;
第二计算子单元,用于将所述项目风险参数和对应的所述项目风险参考值带入所述第二模型,获得所述第一误差值。
可选地,所述第二计算单元包括:
第二数据获取子单元,用于调取所述第一模型中的多个判定系数;
第三计算子单元,用于依次对每个所述判定系数通过梯度下降法进行调节得到新的所述第一模型,且每调节一次均需判定新的所述第一模型与所述对照组所对应的所述第一误差值与所述误差阈值的大小关系,若所述第一误差值小于或等于所述误差阈值,则停止对未被调节的所述子系数的调节。
第三方面,本申请实施例提供了一种项目风险判断设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述项目风险判断方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述项目风险判断方法的步骤。
本发明的有益效果为:
本发明通过将多个可能影响项目研发的进度参数即所述项目进度参数客观数值化,并带入所述第一模型得到对应的项目风险参数,根据所述对应的项目风险参数客观评价当前所述项目研发的风险是否在可控范围内,避免了传统的人为靠经验判断项目研发风险的可控性导致的判断不精确的问题。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例中所述的一种项目风险判断方法流程示意图;
图2是本发明实施例中所述的一种项目风险判断系统结构示意图;
图3是本发明实施例中所述的一种项目风险判断设备结构示意图;
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种项目风险判断方法,该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1.建立第一模型,所述第一模型的输入为项目进度参数,所述第一模型的输出为项目风险参数;
所述第一模型可以为:
其中所述项目进度参数包括:项目测试实际进度值X
步骤S2.获取历史数据和误差阈值,所述历史数据包括多个参照组,且每个所述参照组包括一个项目进度参数和对应的一个项目参考值,所述误差阈值为第一误差值的最大值;
历史数据包括多个往年的项目研发测试过程中某一具体的研发进度值,即X
步骤S3.根据所述历史数据调节所述第一模型,使所述历史数据中的多个所述参照组与调整后的第一模型对应的多个第一误差值均小于或等于所述误差阈值;
通过历史数据中的多组X
其中所述第一误差值为L的计算公式即所述第二模型为:
公式中:L为第一误差值、y为项目风险参数、为项目风险参考值。
通过不断调整所述第一模型中的所述W
步骤S4.获取当前的项目进度参数,并带入所述第一模型,得到项目风险参数。
将当前的所述X
在本公开的一种具体实施方式中,所述步骤S3后,还可以包括步骤S31。
步骤S31.通过依次调取所述历史数据中的每个参照组,逐次调节所述第一模型,使所述第一模型依次满足所述参照组对应的第一误差小于或等于所述第二误差,所述历史数据包括至少一个所述参照组。
所述一个参照组即为一组X1~X10和对应的
在本公开的一种具体实施方式中,所述步骤S3,还可以包括步骤S32、步骤S33和步骤S34。
步骤S32.调取每个所述参照组;
步骤S33.通过调整后的所述第一模型分别计算出每个所述参照组对应的所述第一误差值;
步骤S34.分别对比每个所述第一误差值与所述误差阈值的大小,若任意一个所述第一误差值大于所述误差阈值,则执行所述根据所述历史数据调节所述第一模型。
本实施例公开了一种通过历史数据中的多个所述参照组调节逐次调节训练所述第一模型的方法。
在本公开的一种具体实施方式中,所述步骤S31,还可以包括步骤S311、步骤S312、步骤S313、步骤S314和步骤S315。
步骤S311.调取历史数据中的一个所述参照组;
步骤S312.将所述项目进度参数带入当前的所述第一模型中,得到项目风险参数;
步骤S313.根据所述项目风险参数和所述项目风险参考值,得到对应的所述第一误差值;
步骤S314.判定对应的所述第一误差值与误差阈值的大小,若所述第一误差值大于所述误差阈值,通过调整所述第一模型中的多个判定系数进而调整所述第一误差值,直至对应的所述第一误差值小于所述误差阈值,输出当前的所述第一模型;
步骤S315.调取另一个未被调取的所述参照组,返回再次执行所述步骤S312。
本实施例公开了一种利用一个所述参照组中的一个所述项目风险参数和对应的一个所述项目风险参考值来依次调节所述第一模型中的判定系数:W
其中依次分别调节W
在本公开的一种具体实施方式中,所述步骤S313,还可以包括步骤S3131、步骤S3132和步骤S3133。
步骤S3131.建立第二模型,所述第二模型用于计算所述项目风险参数和对应的项目风险参考值之间的第一误差值;
所述第二模型为:
公式中:L为第一误差值、y为项目风险参数、
步骤S3132.调取所述项目风险参数和对应的所述项目风险参考值;
步骤S3133.将所述项目风险参数和对应的所述项目风险参考值带入所述第二模型,获得所述第一误差值。
可选地,所述步骤S314,还可以包括步骤S3141和步骤S3142。
步骤S3141.调取所述第一模型中的多个判定系数;
步骤S3142.依次对每个所述判定系数通过梯度下降法进行调节得到新的所述第一模型,且每调节一次均需判定新的所述第一模型与所述对照组所对应的所述第一误差值与所述误差阈值的大小关系,若所述第一误差值小于或等于所述误差阈值,则停止对未被调节的所述子系数的调节。
在软件测试工作中,测试风险是不可避免、一定存在的,严重的测试风险意味着测试工作无法正常完成,作为测试经理,能够准确分析当前项目测试风险,评估项目测试风险是否在可控范围内,对项目整体工作是非常重要的。一旦发现测试风险,需要立刻向项目经理以及开发经理反馈,重新评估项目整体进度。然而,目前评估项目测试风险的方法一般都是靠测试经理主观判断,难免会遗漏一些影响因素,导致评估结果不够客观准确,本发明通过将多个可能影响项目研发的进度参数即所述项目进度参数客观数值化,并带入所述第一模型得到对应的项目风险参数,根据所述对应的项目风险参数客观评价当前所述项目研发的风险是否在可控范围内,避免了传统的人为靠经验判断项目研发风险的可控性导致的判断不精确的问题。
实施例2
如图2所示,本实施例提供了一种项目风险判断系统,所述系统所述系统包括第一计算模块71、第一数据获取模块72、第二计算模块73和第三计算模块74;
第一计算模块71,用于建立第一模型,所述第一模型的输入为项目进度参数,所述第一模型的输出为项目风险参数;
第一数据获取模块72,用于获取历史数据和误差阈值,所述历史数据包括多个参照组,且每个所述参照组包括一个项目进度参数和对应的一个项目参考值,所述误差阈值为第一误差值的最大值;
第二计算模块73,用于根据所述历史数据调节所述第一模型,使所述历史数据中的多个所述参照组与调整后的第一模型对应的多个第一误差值均小于或等于所述误差阈值;以及
第三计算模块74,用于获取当前的项目进度参数,并带入所述第一模型,得到项目风险参数。
在本公开的一种具体实施方式中,所述第二计算模块73包括:
第一计算子模块731,用于通过依次调取所述历史数据中的每个参照组,逐次调节所述第一模型,使所述第一模型依次满足所述参照组对应的第一误差小于或等于所述第二误差,所述历史数据包括至少一个所述参照组。
在本公开的一种具体实施方式中,所述第二计算模块73包括:
第一数据获取子模块732,用于调取每个所述参照组;
第二计算子模块733,用于通过调整后的所述第一模型分别计算出每个所述参照组对应的所述第一误差值;
第三计算子模块734,用于分别对比每个所述第一误差值与所述误差阈值的大小,若任意一个所述第一误差值大于所述误差阈值,则执行所述根据所述历史数据调节所述第一模型。
在本公开的一种具体实施方式中,所述第一计算子模块731包括:
第一数据获取单元7311,用于调取历史数据中的一个所述参照组;
第一计算单元7312,用于将所述项目进度参数带入当前的所述第一模型中,得到项目风险参数;
第二计算单元7313,用于根据所述项目风险参数和所述项目风险参考值,得到对应的所述第一误差值;
第三计算单元7314,用于判定对应的所述第一误差值与误差阈值的大小,若所述第一误差值大于所述误差阈值,通过调整所述第一模型中的多个判定系数进而调整所述第一误差值,直至对应的所述第一误差值小于所述误差阈值,输出当前的所述第一模型;
在本公开的一种具体实施方式中,所述第二计算单元7313包括:
第一计算子单元73131,用于建立第二模型,所述第二模型用于计算所述项目风险参数和对应的项目风险参考值之间的第一误差值;
第一数据获取子单元73132,用于调取所述项目风险参数和对应的所述项目风险参考值;
第二计算子单元73133,用于将所述项目风险参数和对应的所述项目风险参考值带入所述第二模型,获得所述第一误差值。
在本公开的一种具体实施方式中,所述第三计算单元7314包括:
第二数据获取子单元73141,用于调取所述第一模型中的多个判定系数;
第三计算子单元73142,用于依次对每个所述判定系数通过梯度下降法进行调节得到新的所述第一模型,且每调节一次均需判定新的所述第一模型与所述对照组所对应的所述第一误差值与所述误差阈值的大小关系,若所述第一误差值小于或等于所述误差阈值,则停止对未被调节的所述子系数的调节。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种项目风险判断设备,下文描述的一种项目风险判断设备与上文描述的一种项目风险判断方法可相互对应参照。
图3是根据一示例性实施例示出的一种项目风险判断设备800的框图。如图3所示,该项目风险判断设备800可以包括:处理器801,存储器802。该项目风险判断设备800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该项目风险判断设备800的整体操作,以完成上述的项目风险判断方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该项目风险判断设备800的操作,这些数据例如可以包括用于在该项目风险判断设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该项目风险判断设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,项目风险判断设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的项目风险判断方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的项目风险判断方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由项目风险判断设备800的处理器801执行以完成上述的项目风险判断方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种项目风险判断方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的项目风险判断方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种项目风险判断方法、装置、设备及可读存储介质
- 一种节点离线判断方法、装置、设备及可读存储介质