第九章 项目范围管理

第九章 项目范围管理--9.7 确认范围 项目范围确认是正式验收项目可交付成果的关键过程,需要定期开展并由主要干系人参与。该过程包括明确确认时间、投入要素、验收标准和组织会议等步骤,不同干系人关注点各异:管理层侧重项目整体影响,客户关注产品范围,项目经理重视制约因素,团队成员关心个人工作内容。主要输入包括项目管理计划、项目文件和工作绩效数据等,采用检查、决策等工具技术。输出结果为正式验收的可交付成果、变更请求等,并需更新需求文件、跟踪矩阵和经验教训记录。该过程确保项目成果符合预期标准,为后续工作奠定基础。 阅读详情

目录

1. 产品范围和项目范围

2.项目范围管理过程

3.规划范围管理的输入输出

4.范围管理计划

5.需求管理计划

6.收集需求的输入输出

7.收集需求相关概念

8.需求分类(需求文件的内容)

9.收集需求过程的输出

10.定义范围的输入输出

11.定义范围的相关概念

12.创建WBS的输入输出

13.创建WBS的相关概念

14.分解活动(口诀:“别排接配合”)

15.WBS的结构可以采用多种形式。

16.分解时应该注意以下8个方面

17. 确认范围的输入输出

18.确认范围的一般步骤(口诀:“石头准不会”)

19.项目干系人进行范围确认时,需要检查6个方面的问题

20.干系人关注的要点

21.确认范围和控制质量的不同之处

22.控制范围的输入输出


1. 产品范围和项目范围

产品范围:指某项产品、服务或成果所具有的特征和功能。产品范围的完成情况是根据产品需求来衡量的。

项目范围:包括产品范围,是为交付具有规定特性与功能的产品、服务或成果而必须完成的工作。项目范围的完成情况是根据项目管理计划来衡量的。

2.项目范围管理过程

过程

定义

作用

开展节点

规划范围管理

是为了记录如何定义、确认和控制项目范围及产品范围,而创建范围管理计划的过程。

在整个项目期间对如何管理范围提供指南和方向.

仅开展一次或仅在项目的预定义点开展。

收集需求

是为实现目标而确定,记录并管理干系人的需要和需求的过程。

是为定义产品范围和项目范围奠定基础。

仅开展一次或仅在项目的预定义点开展。

定义范围

是制定项目和产品详细描述的过程。

作用是描述产品、服务或成果的边界和验收标准。

整个项目期间定期反复开展。

创建WBS

是把项目可交付成果和项目工作分解成较小、更易于管理的组件的过程。

作用是为所要交付的内容提供架构。

仅开展一次或仅在项目的预定义点开展。

确认范围

是正式验收已完成的项目可交付成果的过程。

①使验收过程具有客观性;

②通过确认每个可交付成果来提高最终产品、服务或成果获得验收的可能性。

整个项目期间定期开展。

控制范围

是监督项目和产品的范围状态,管理范围基准变更的过程。

在整个项目期间保持对范围基准的维护 。

整个项目期间开展。

3.规划范围管理的输入输出

输入

工具与技术

输出

  1. 项目章程
  2. 项目管理计划(质量管理计划、项目生命周期描述、开发方法)
  3. 事业环境因素
  4. 组织过程资产
  1. 专家判断
  2. 数据分析(备选方案分析)
  3. 会议
  1. 范围管理计划
  2. 需求管理计划
4.范围管理计划

范围管理计划可以是正式或非正式的,非常详细或高度概括的。

  • 制定项目范围说明书
  • 根据详细项目范围说明书创建WBS
  • 确定如何审批和维护范围基准
  • 正式验收已完成的项目可交付成果
  • 根据项目需要,项目范围管理计划可以是正式或非正式的,非常详细或高度概括的
5.需求管理计划
  • 如何规划、跟踪和报告各种需求活动
  • 配置管理活动
  • 需求优先级排序过程
  • 测量指标及使用这些指标的理由
  • 反映哪些需求属性将被列入跟踪矩阵等
6.收集需求的输入输出

输入

工具与技术

输出

  1. 项目章程
  2. 项目管理计划(范围管理计划、需求管理计划、干系人参与计划)
  3. 项目文件(假设日志、经验教训登记册、干系人登记册)
  4. 项目立项文件
  5. 协议
  6. 事业环境因素
  7. 组织过程资产
  1. 专家判断
  2. 数据收集(头脑风暴、访谈、焦点小组、问卷调查、标杆对照)
  3. 数据分析(文件分析)
  4. 决策(投票、多标准决策分析)
  5. 数据表现(亲和图、思维导图)
  6. 人际关系与团队技能(名义小组技术、观察/交谈、引导)
  7. 系统交互图
  8. 原型法
  1. 需求文件
  2. 需求跟踪矩阵
7.收集需求相关概念
  • 数据收集
  1. 访谈:是通过与干系人直接交谈来获取信息的正式或非正式的方法。访谈的典型做法是向被访者提出预设和即兴的问题,并记录他们的回答。访谈经常是一个访谈者和一个被访谈者之间的“一对一"谈话,但也可包括多个访谈者或多个被访者。访谈有经验的参与者、发起人和其他高管及主题专家,有助于识别和定义所需产品可交付成果的特征和功能。访谈也可用于获取机密信息。
  2. 焦点小组:是召集预定的干系人和主题专家,了解他们对所讨论的产品、服务或成果的期望和态度。由一位受过训练的主持人引导大家进行互动式讨论。焦点小组往往比一对一的访谈更热烈。
  3. 问卷调查:是指涉及一系列书面问题,向众多受访者快速收集信息。问卷调查方法非常适用于受众多样化,需求快速完成调查,受访者地理位置分散并且适合开展统计分析的情况。
  4. 标杆对照:将实际或计划的产品、过程和实践,与其他可比组织的实践进行比较,以便识别最佳实践,形成改进意见,并为绩效考核提供依据。标杆对照所采用的可比组织可以是内部的,也可以是外部的。
  • 文件分析指审核和评估任何相关的文件信息。
  • 决策
  1. 投票:是一种未达成某种期望结果,而对未来多个行动方案进行评估的决策技术和过程。本技术用于生成、归类和排序产品需求。
  2. 独裁型决策制定:采用这种方法,将一个人负责为整个集体制定决策。
  3. 多标准决策分析:该技术借助决策矩阵,用系统分析方法建立诸如风险水平、不确定性和价值收益等多种标准,以对众多创意进行评估和排序。
  • 数据表现
  1. 亲和图:用来对大量创意进行分组的技术,以便进一步审查和分析。
  2. 思维导图:把从头脑风暴中获得的创意整合成一张图,用以反映创意之间的共性与差异,激发新创意。
  • 人际关系与团队技能
  1. 名义小组技术:是用于促进头脑风暴的一种技术,通过投票排列最有用的创意,以便进一步开展头脑风暴或优先排序。名义小组技术是一种结构化的头脑风暴形式。由四个步骤组成
    1. 向集体提出一个问题或难题,每个人在沉思后写出自己的想法;
    2. 主持人在活动挂图上记录所有人的想法;
    3. 集体讨论各个想法,直到全体成员达成一个明确的共识;
    4. 个人私下投票决出各种想法的优先排序,通常采用5分制,1分最低,5分最高。为减少想法数量,集中关注想法,可进行数轮投票,每轮投票后,都将清点选票,得分最高者被选出。
  2. 观察和交谈:是指直接察看个人在各自的环境中如何执行工作(或任务)和实施流程。当产品使用者难以或不愿清晰说明他们的需求时,特别需要通过观察来了解他们的工作细节。观察也称为“工作跟随”,通常由旁站观察者观察业务专家如何执行工作,但也可以由“参与观察者”来观察,通过实际执行一个流程或程序,来体验该流程或程序是如何实施的,以便挖掘隐藏的需求。
  3. 引导:引导与主题研讨会结合使用,把主要干系人召集在一起定义产品需求。研讨会可用于快速定义跨职能需求并协调关系人的需求差异。因为具有群体互动的特点,有效引导的研讨会有助于参与者之间建立信任、改进关系、改善沟通,从而有利于干系人达成一致意见。此外,与分别召开会议相比,研讨会能够更早发现并解决问题。
  • 系统交互图是对产品范围的可视化描述,可以直接显示业务系统(过程、设备、计算机系统等)及其与人和其他系统(行动者)之间的交互方式。
  • 原型法是指在实际制造预期产品之前,先造出该产品的模型,并据此征求对需求的早期反馈。故事板是一种原型技术,通过一系列的图像或图示来展示顺序或导航路径。在软件开发中,故事板使用实体模型来展示网页、屏幕或其他用户界面的导航路径。
8.需求分类(需求文件的内容)
  • 业务需求:整个组织的高层级需要。
  • 干系人需求:干系人的需要。
  • 解决方案需求:分为功能需求和非功能需求,是为满足业务需求和关系人需求,产品、服务或成果必须具备的特性、功能和特征。
  • 过渡需求:如数据转换和培训需求。这些需求描述了从“当前状态”过渡到“未来状态”所需的临时能力。
  • 项目需求:项目需要满足的行动、过程或其他条件。
  • 质量需求:用于确认项目可交付成果的成功完成或其他项目需求的实现的任何条件和标准,例如,测试、认证、确认等。
9.收集需求过程的输出

需求文件

  • 需求文件既可以是一份干系人和优先级分类列出全部需求的简单文件,也可以是一份包括内容提要、细节描述和附件等的详细文件。
  • 需求文件:例如,软件需求规格说明书就是一种典型的需求文件。因为项目具有证据明细的特点,一开始,可能只有概括性的需求,所以然后随着信息的增加而逐步细化。只有明确的(可测量和可测试的)、可跟踪的、完整的、相互协调的,其主要干系人愿意认可的需求才能作为基准。

需求跟踪矩阵

  • 需求跟踪矩阵的内容包括(口诀:“爷想搞铲车,业项高产测”):业务需求、机会、目的和目标;项目目标;项目范围(WBS可交付成果);产品设计;产品开发;测试策略和测试场景;高层及需求的详细需求。
  • 需求跟踪矩阵是把产品需求从其来源连接到能满足需求的可交付成果的一种表格。需求跟踪矩阵中记录每个需求的相关属性,包括唯一标识、需求的文字描述、收录该需求的理由、所有者、来源、优先级别、版本、当前状态(如进行中、已取消、已推迟、新增加、已批准、被分配和已完成)和状态日期。
10.定义范围的输入输出

输入

工具与技术

输出

  1. 项目章程
  2. 项目管理计划(范围管理计划)
  3. 项目文件(假设日志、需求文件、风险登记册)
  4. 事业环境因素
  5. 组织过程资产
  1. 专家判断
  2. 数据分析(备选方案分析)
  3. 决策(多标准决策分析)
  4. 人际关系与团队技能(引导)
  5. 产品分析
  1. 项目范围说明书
  2. 项目文件更新(假设日志、需求文件、需求跟踪矩阵、干系人登记册)
11.定义范围的相关概念
  • 由于在收集需求过程中识别出的所有需求未必都包含在项目中,所以定义范围过程需要从需求文件中选取最终的项目需求,然后制定出关于项目及其产品、服务或成果的详细描述。
  • 产品分析技术主要包括:产品分解、需求分析、系统分析、系统工程、价值分析、价值工程等,
  • 项目范围说明书是对项目范围、主要可交付成果、假设条件和制约因素的描述。详细的项目范围说明书包括内容有(直接列出或参引其他文件):
  1. 产品范围描述:逐步细化在项目章程和需求文件中所述的产品、服务或成果特征。
  2. 可交付成果:未完成某一过程、阶段或项目而必须产出的任何独特并可核实的产品、成果或服务能力。
  3. 验收标准:可交付成果通过验收前必须满足的一系列条件。
  4. 项目的除外责任:识别排除在项目之外的内容。明确说明哪些内容不属于项目范围,有助于管理干系人的期望及减少范围蔓延。
12.创建WBS的输入输出

输入

工具与技术

输出

  1. 项目管理计划(范围管理计划)
  2. 项目文件(项目范围说明书、需求文件)
  3. 事业环境因素
  4. 组织过程资产
  1. 专家判断
  2. 分解
  1. 范围基准
  2. 项目文件更新(假设日志、需求文件)
13.创建WBS的相关概念
  • WBS:WBS是对项目团队为实现项目目标、创建所需可交付成果而需要实施的全部工作范围的层级分解。WBS 组织并定义了项目的总范围,代表着经批准的当前项目范围说明书中所规定的工作。工作分解结构每向下分解一层,代表对项目工作更详细的定义。
  • 工作包:WBS的最低层级是带有独特标识号的工作包。这些标识号未进行成本、进度和资源信息的逐层汇总提供了层级结构,即账户编码。每个工作包都是控制账户的一部分,而控制账户则是一个管理控制点。工作包对相关活动进行分类,以便对工作安排进度,进行估算,开展监督与控制。在该控制点上,把范围、预算和进度加以整合,并与挣值相比较,以测量绩效。控制账户包含两个或更多工作包,但每个工作包只与一个控制账户关联。
  • 范围基准是经过批准的范围说明书、WBS和相应的WBS字典,只有通过正式的变更控制程序才能进行变更,它被用作比较的基础。范围基准是项目管理计划的组成部分,包括项目范围说明书、WBS、工作包、规划包和WBS字典等。
  • 规划包:规划包是一个低于控制账户而高于工作包的工作分解结构组件,工作内容已知,但详细的进度活动未知,一个控制账户可以包含一个或多个规划包。
  • 项目范围说明书;项目范围说明书包括对项目范围、主要可交付成果、假设条件和制约因素的描述。
  • WBS字典:WBS字典是针对WBS中的每个组件,详细描述可交付成果、活动和进度信息的文件。WBS字典对WBS提供支持,其中大部分信息由其他过程创建,然后在后期添加到字典中。WBS字典中的内容一般包括账户编码标识、工作描述、假设条件和制约因素、负责的组织、进度里程碑、相关的进度活动、所需资源、成本估算、质量要求、验收标准、技术参考文献和协议信息等。
14.分解活动(口诀:“别排接配合”)
  • 识别和分析可交付成果及相关工作;
  • 确定WBS结构和编排方法;
  • 自上而下逐层细化分解;
  • 为WBS组成部分制定和分配标识编码;
  • 核实可交付成果分解的程度是否恰当;
15.WBS的结构可以采用多种形式。
  • 以项目生命周期的各个阶段作为分解的第二层
  • 以主要可交付成果作为分解的第二层
  • 纳入由项目团队以外的组织开发的各种较低层次组件如(外包工作)。随后作为外包工作的一部分,卖方需制定相应的合同WBS
16.分解时应该注意以下8个方面
  • WBS必须是面向可交付成果的:项目的目标是提供产品或服务,WBS中的各项工作是为提供可交付的成果服务的。
  • WBS必须符合项目的范围:WBS必须包括也仅包括为了完成项目的可交付成果的活动。100%原则(包含原则)认为,在WBS所有下一级的元素之和必须100%代表上一级的元素。
  • WBS的底层应该支持计划和控制:WBS的底层不但要支持项目管理计划,而且要让管理层能够监视和控制项目的进度和预算。
  • WBS中的元素必须有人负责,而且只有一个人负责。WBS和责任人可以使用工作责任矩阵来描述。
  • WBS应控制在4~6层,一个工作单元只能从属于某个上层单位,避免交叉从属。
  • WBS应包括项目管理工作(因为管理是项目具体工作的一部分),也要包括分包出去的工作。
  • WBS的编制需要所有(主要)项目干系人的参与。
  • WBS并非是一成不变的:在完成了WBS之后的工作中,仍然有可能需要对WBS进行修改。
17. 确认范围的输入输出

输入

工具与技术

输出

  1. 项目管理计划(范围管理计划、需求管理计划、范围基准)
  2. 项目文件(经验教训登记册、质量报告、需求文件、需求跟踪矩阵)
  3. 核实的可交付成果
  4. 工作绩效数据
  1. 检查
  2. 决策(投票)
  1. 验收的可交付成果
  2. 工作绩效信息
  3. 变更请求
  4. 项目文件更新(经验教训登记册、需求文件、需求跟踪矩阵)
18.确认范围的一般步骤(口诀:“石头准不会”)
  • 确定需要进行范围确认的时间;
  • 识别范围确认需要哪些投入;
  • 确定范围正式被接受的标准和要素;
  • 确定范围确认会议的组织步骤;
  • 组织范围确认会议。
19.项目干系人进行范围确认时,需要检查6个方面的问题
  • 可交付成果是否具是确定的、可确认的。
  • 每个可交付成果是否有明确的里程碑,里程碑是否有明确的、可辨别的事件,例如,客户的书面认可等。
  • 是否有明确的质量标准:可交付成果的交付不但要有明确的标准标志,而且要有是否按照要求完成的标准,可交付成果和其标准之间是否有明确联系。
  • 审核和承诺是否有清晰的表达:项目发起人必须正式同意项目的边界,项目完成的产品和服务,以及项目相关的可交付成果。
  • 项目范围是否覆盖了需要完成的产品或服务的所有活动,有没有遗漏或错误。
  • 项目范围的风险是否太大:管理层是否能够降低风险发生时对项目的影响。
20.干系人关注的要点

干系人

关注点

企业管理层

关注项目范围投入产出的合理性。

客户

关心产品的范围,关心项目的可交付成果是否足够完成产品或服务。

项目管理人员

注可交付成果是否足够和必须完成,时间、资金和资源是否足够。

项目团队成员

关注项目范围中自己参与的元素和负责的元素。

21.确认范围和控制质量的不同之处

确认范围

控制质量

关注点

可交付成果的验收

可交付成果的正确性及是否满足质量要求

进行阶段

一般在阶段末尾进行

一般在确认范围前进行,也可同时进行

检查形式

外部干系人(客户或发起人)对项目可交付成果进行检查验收

内部检查

22.控制范围的输入输出

输入

工具与技术

输出

  1. 项目管理计划(范围管理计划、需求管理计划、变更管理计划、配置管理计划、范围基准绩、效测量基准)
  2. 项目文件(经验教训登记册、需求文件、需求跟踪矩阵)
  3. 工作绩效数据
  4. 组织过程资产
  1. 数据分析(偏差分析、趋势分析)
  1. 工作绩效信息
  2. 变更请求
  3. 项目管理计划更新(范围管理计划、范围基准、进度基准、成本基准、绩效测量基准)
  4. 项目文件更新(经验教训登记册、需求文件、需求跟踪矩阵)
信息系统项目管理师-第九章-项目范围管理 规划范围管理:为了记录如何定义、确认和控制项目范围及产品范围,创建范围管理计划。收集需求:为了实现项目目标,确定、记录并管理干系人的需要和需求。定义范围:制定项目和产品详细描述。创建WBS: 将项目可交付成果和项目工作分解为较小的、更易于管理的组件。确认范围:正式验收己完成的项目可交付成果。控制范围:监督项目和产品的范围状态,管理范围基准的变更。定义范围是制定项目和产品详细描述的过程。本过程的主要作用是描述产品、服务或成果的边界和验收标准。本过程需要在整个项目期间多次反复开展。 阅读详情

相关推荐

【软考高项】【教材知识梳理】- 9 - 第九章 - 项目范围管理

1:收集需求的技术有哪些?(5种)头脑风暴:多种创意访谈:一对一,可以正式或者非正式焦点小组:专家和预定干系人参与、需要受训过的主持人、比访谈更热烈问卷调查:受访者多样化标杆对照:内部和外部对比、形成改进意见2:项目范围说明书包含什么?(常考)基本属性:它属于定义范围的输出。定义范围是制定项目和产品详细描述的过程。内容a.产品范围描述b.可交付成果c.验收标准d.项目的除外责任注意(1)在整个项目期间多次反复(非单次不重复!)开展(2)

欢迎来到我的博客,一起探索代码里的世界! 1033

【软考】-高项-范围管理-子过程ITTO记忆技巧

"章程、需求,两者皆需,产品、备选,多标准决。范围说明,书写清楚,定义范围,步步稳足。

Andy0214的专栏 7049

《信息系统项目管理师教程(第4版)》软考高级 第九章 项目范围管理 知识点、思维导图整理

我想问问那些通过的大神们,在这个考试上用了多长的时间呢?我买了野人老师的课,现在基本保持两到三天一章,看课程、整理思维导图、做练习题。信息系统项目管理师教程的知识点是真的多啊,思维导图都画到麻了。上传了第九章项目范围管理的xmind,大家可以一起来整理呀。已经到第九章啦,坚持!希望能上岸,一起加油!

weixin_45274678的博客 754

软考高项10大管理领域ITO规律总结

例如,规划范围管理产生了范围管理计划,后面的收集需求、定义范围、创建WBS的输入都有范围管理计划,一直到确认范围、控制范围,输入变为项目管理计划。:输入都有【项目管理计划、工作绩效数据】,输出都有【变更请求、工作绩效信息】(整体领域监控项目工作过程,输入信息,输出报告)→可交付成果(执行肯定出成果)、工作绩效数据(执行肯定要考核绩效)、变更请求(执行可能会发生变化)(10) 规划范围管理→需求管理计划,范围管理计划((12) 定义活动→活动清单、活动属性、里程碑清单((14) 制定进度计划→进度计划、

主宰 1661

WGCNA样本量不够怎么办?5种替代方案帮你解决小样本基因共表达分析难题

本文针对WGCNA样本量不足的问题,提供了5种科学替代方案,包括CEMiTool、参数调整、多组学数据整合、机器学习特征提取和公共数据利用。这些方法帮助研究者在小样本条件下仍能进行可靠的基因共表达分析,特别适用于罕见病和珍贵临床样本研究。

weixin_42554042的博客 304

西门子 S7-200 SMART 系列六:手把手教你配置S7-200 SMART Modbus RTU

最新发表:https://www.ics-pedia.com/%e8%a5%bf%e9%97%a8%e5%ad%90-s7-200-smart-%e7%b3%bb%e5%88%97%e5%85%ad%ef%bc%9a%e6%89%8b%e6%8a%8a%e6%89%8b%e6%95%99%e4%bd%a0%e9%85%8d%e7%bd%aes7-200-smart-modbus-rtu%e5%ae%9e%e4%be%8b/

John_09040211的博客 3280

【软考高项】第九章 项目范围管理

项目范围管理过程包括:●规划范围管理:为了记录如何定义、确认和控制项目范围及产品范围,创建范围管理计划。●收集需求:为了实现项目目标,确定、记录并管理干系人的需要和需求。●定义范围:制定项目和产品详细描述。●创建WBS:将项目可交付成果和项目工作分解为较小的、更易于管理的组件。●确认范围:正式验收已完成的项目可交付成果。●控制范围:监督项目和产品的范围状态,管理范围基准的变更。本过程的主要作用是描述产品、服务或成果的边界和验收标准。

从此不归路 1596

恶意代码分析实战——使用Apatedns和Inetsim模拟网络环境

恶意代码分析实战——使用Apatedns和Inetsim模拟网络环境 注:本次实验主要是《恶意代码分析实战》一书中进入动态恶意代码分析篇章的开始,主要通过Apatedns以及Inetsim来模拟为恶意代码提供其需要的网络环境,本次实验以Lab01-03.exe为例。 一、实验环境及工具。 Vmware虚拟机:win10(win7)、kali 主要工具:Apatedns、Inetsim 二、工具的安装下载 1、Apatedns:需安装至windows虚拟机客户端(win10,win7均可) 下载地址:http

妙蛙种子吃了都会妙妙秒的妙脆角的博客 7936

【高项】第九章 项目范围管理

目录9.1 项目范围管理过程9.2 产品范围和项目范围的区别联系9.3 范围管理计划:9.4 需求管理计划9.5 收集需求的工具与技术访谈群体创新技术多标准决策分析9.6 需求的类别:9.7 需求跟踪矩阵(画图)9.8 项目范围说明书内容9.9 WEB分解结构(画图)9.10 范围基准9.11 确认范围9.12 范围变更的原因9.13 WBS词典画图高频易错点总结 项目范围管理过程包括: 1、规划范围管理:为了记录如何定义、确认和控制项目范围及产品范围,创建范围管理计划。 2、收集需求:为了实现项目目标,确

1、测试博主技术知识分享 2、pos行业知识技术分享 3、java后端技术知识分享 4、嵌入式技术知识分享 5、运维部署相关知识分享 1222

ch32v103xx 烧写

烧写方式 串口uart, usb,swd(wch link)但不建议按此使用,参官方说明。

qq_39239990的博客 637

基于Cesium的简易淹没分析效果

淹没分析是通过模拟水体扩散过程来评估洪水、海平面上升等情景下可能影响的区域,其核心作用是为防灾减灾、规划设计和风险管理提供科学依据。预测淹没的范围、水深和持续时间,识别高风险区域,帮助政府制定应急预案和疏散路线,减少人员伤亡和财产损失。

星云数海的博客,一个专注GIS十多年的GISer人。 531

高项第九章——项目范围管理

高项第九章——项目范围管理

keven2840的博客 1002

反激电源及其变压器计算与绕制

本内容以一个宽电压输入 24V3A 输出的 72W 反激电源为例来计算电路的各个参数和器件选型,包含反激变压器的计算与绕制方法。

让你爱上电路设计 1937

大匠老师,第九章 项目范围管理

大匠老师-高项第九章

m0_62405739的博客 247

探索gtwr of mgtwr in python

代码】探索gtwr of GWmodel in python。

m0_46268055的博客 3388

ABAP CDS 视图参数 parameter_list 详解与最佳实践:从语法、作用域到可运行范例

本文系统梳理了ABAP CDS视图的WITH PARAMETERS定义与使用。主要内容包括:1)参数声明语法及其在整条SELECT语句中的贯穿使用;2)参数在WHERE/HAVING/ON等位置的多种写法(:pname和$parameters.pname);3)参数在航空公司航线筛选等实际业务场景中的应用;4)参数与会话变量的协作策略;5)在JOIN ON、HAVING、CASE等高级用法中的实践;6)提供完整的CDS视图与ABAP程序示例,展示参数声明、使用及Open SQL传参方式。所有内容均基于SAP

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 372

第九章:项目范围管理

项目范围管理包括确保项目做且只做所需的全部工作,以成功完成项目。项目范围管理主要在于定义和控制哪些工作应该包括在项目内,哪些不应该包含在项目内。

weixin_56141930的博客 484

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

软考高项-第九章 项目范围管理考点集锦

只有明确的(可测量和可测试的)、可跟踪的、完整的、相互协调的,且主要干系人愿意认可的需求,才能作为基准。⑦高层级需求到详细需求等。②非功能需求:是对功能需求的补充,是产品正常运行所需的环境条件或质量要求,例如,可靠性、保密性、性能、安全性、服务水平、可支持性、保留或清除等。需求跟踪矩阵中记录的典型属性包括唯一标识、需求的文字描述、收录该需求的理由、所有者、来源、优先级别、版本、当前状态和状态日期。(1)WBS必须是面向可交付成果的:项目的目标是提供产品或服务,WBS中的各项工作是为提供可交付的成果服务的。

2301_78583973的博客 728

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

第九章 项目范围管理--9.5 定义范围

摘要 项目范围管理是通过详细描述产品、服务或成果的边界和验收标准来明确项目工作内容的过程。其核心输入包括项目章程、计划文件等,采用专家判断、数据分析、多标准决策等技术。主要输出是项目范围说明书,包含产品范围描述、可交付成果、验收标准和除外责任等关键要素,相比项目章程提供了更详细的范围定义。该过程需要在整个项目周期中持续进行,并更新相关项目文件。

onebutterfly 338

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

【信息系统项目管理师】【综合知识】【备考知识点】第九章 项目范围管理

指某项产品、服务或成果所具有的特征和功能。包括产品范围,是为交付具有规定特性与功能的产品、服务或成果而必须完成的工作。含义定义范围是制定项目和产品详细描述的过程。作用描述产品、服务或成果的边界和验收标准。开展周期本过程需要再整个项目期间多次反复开展。输入(1)项目章程项目章程中包含对项目的高层级描述、产品特征和审批要求。(2)项目管理计划定义范围中使用的项目管理计划是范围管理计划。(3)项目文件①假设日志;②需求文件;③风险登记册。(4)事业环境因素(5)组织过程资产。

ky887690的博客 1390

【信息系统项目管理师】第九章 项目范围管理 考试重点

定义范围:应根据项目启动过程中记载的主要可交付成果、假设条件和制约因素来编制详细的项目范围说明书。在项目规划过程中,随着对项目信息了解的逐渐深入,应该更加详细、具体地定义和描述项目范围。此外,还需要分析现有风险、假设条件和制约因素的完整性,并做必要的增补或更新。数据分析备选方案分析可用于评估实现项目章程中所述的需求和目标的各种方法。决策:多标准决策分析是一种借助决策矩阵来使用系统分析方法的技术,目的是建立诸如需求、进度、预算和资源等多种标准来完善项目和产品范围。人际关系与团队技能。

知识分享,学习记录,技术人生,,经验心得交流,IT晋升之路,一起成长,一起进步。 1993

软考高项-第九章-项目范围管理

2.收集需求 = 依据项目章程、计划和相关方登记册,通过访谈、问卷、原型、引导等方式,全面获取并梳理各方需求,最终输出需求文件和需求跟踪矩阵。4.创建 WBS = 把项目范围说明书里的工作逐层拆解成细小、可管理、可交付的工作包,最终形成范围基准(项目范围说明书,WBS,WBS字典)。3.定义范围 = 基于需求文件,明确项目做什么、不做什么,细化边界与验收标准,最终输出正式的项目范围说明书。6.控制范围 = 监督项目范围执行情况,对比计划发现偏差,处理范围蔓延与变更,确保范围不跑偏。

aloha 68

第九章 项目范围管理-- 9.2 项目范围管理过程

onebutterfly 110

【软考高级信息系统项目管理师--第九章:项目范围管理】

【软考高级信息系统项目管理师--第九章:项目范围管理】

qq_45832651的博客 1371

【信息系统项目管理师】【综合知识】【备考知识点】【思维导图】第九章 项目范围管理

移动端【思维导图】☞。

ky887690的博客 383
上一篇: 安装Node版本管理器NVM
下一篇: 第十章 项目进度管理
优雅鹅
博客等级 码龄9年 1484粉丝 60原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值