CMMI四级里面对风险的量化分析，和基于量化数据的改进是很重视的。前面我们谈到过当我们确定要改进一个目标的时候，比如缺陷密度DD，我们首先要确定有哪些因子会影响到缺陷密度，分析出来后需要根据历史数据进行相关性分析，分析完成后即可以建立起PPM的预测模型。比如我们可以得到关于缺陷密度的预测模型为:

 

 

RV - 需求的不稳定性。

DC - 设计的复杂度。

QC - 评审和Review等坚持工作的有效性。

 

有了这个模型后，我们就可以结合我们的目标来寻找如何去改进。比如我们现在的目标是期望在90%的概率的情况下，缺陷密度都能够控制在<0.35的范围内。根据现在的历史数据我们可以得到如下的各个因子的分布区间:

 

 

有了这个数据后我们就可以按照水晶球软件对我们期望的DD值进行蒙特卡洛模拟。该软件的下载地址为:http://www.crystalball.com/。我们只需要对三个影响因子的概率分布进行简单的设置，对需要模拟的目标进行设置后，系统就会自动的根据概率分布进行1000次的模拟。通过模拟后我们可以得到下图:

 

 

可以看到在90%的概率下，现在能够保证的是缺陷密度DD是<0.42。没有达到我们的要求。因此我们必须对三个影响因子进行改进，可以是调整均值，也可以是调整其标准差。究竟是调整哪个因子，我们可以通过因子的敏感性分析来确定究竟哪些因子对目标的影响最大，如下图:

 

 

通过该图我们可以调整对目标影响较大的QC，调整完成后我们再进行模拟看是否目标已经达到我们的要求。达到要求后我们就可以得到具体的QC的改进目标，比如QC需要调整到(7,10)的范围内，最可能值在8左右才能够满足我们对目标的需求。