浔之漫智控技术（上海）有限公司 是一家从事西门子工业自动化产品和数控系统销售、技术服务，工业自动化设备安装，工业自动化控制设备、电气设备、机电设备、电子产品、五金产品、金属材料、仪器仪表的公司。在西门子工业自动化产品领域，公司凭借雄厚的技术实力及多年从事 SIEMENS 产品的销售经验。公司是德国SIEMENS中国授权代理商，本着树立公司形象和对用户认真负责的精神开展业务，赢得了 SIEMENS 公司与广大用户的好评及大力支持。        浔之漫科技有限公司是德国SIEMENS中国授权代理商，主营产品或服务:西门子PLC，西门子变频器，西门子数控系统，西门子伺服电机，西门子人机界面，西门子软启动器，西门子触摸屏，西门子工业以太网，西门子LOGO！，西门子SITOP电源，西门子软件，西门子线缆等。 西门子代理商，西门子华东一级代理，西门子上海总代理，西门子PLC代理商，西门子变频器代理商，西门子触摸屏代理商，西门子中国代理商 。

西门子变频器(授权)代理商

时借鉴考虑了社会和技术背景的证据以及包含两者之间关系的证据。

例如，理解面向方面的设计对你项目的沟通结构所产生的影响，需要先观察那项技术的整个应用场景。对方法的良好应用意味着“对症下药”，也意味着合理使用那些和问题相关并且服务于目的的证据好，而定量的工作也可以同样严格并提供对相关问题的有用回答[26]。构建更强大证据集合的开始，是真正拓的方法，即整合实证研究的结果提供技能、习惯和基础，以便支持软件工程的决策。我们通常会拿软件工程与循证医学及其对严格临床证据的依赖做比较。我们的目的不是为了证明软件工程忽视了证据（虽然基于有争议观点和迷信的软件工程无疑仍然存在），而是为了说明我们的学科缺乏一个组织、文化和技术基础，以支持对不同渠道知识的聚集和整合。Barbara Kitchenham在第3章中介绍了这项运动。

我们还可以看到其他一些对软件工程的思考和反省，用来改善软件工程实践的例子。比如Fred Brooks和Walter Vincenti这样的作家，通过提取经验并使用从实践和经验中来的例证来关注实践，以此思考工程活动的本质。我们不会仅仅因为他们的论文基于的不是科学实验而是反思经验，就抵制他们的重要性。但是我们会仔细思考他们的结论：我们是否同意这些结论，这些结论是否适合我们的环境，是否与我们的经验匹配。也就是说，它们是否与我们熟悉的证据相一致。

但不论我们依靠的是科学研究（剩余章节都会关注于此），还是开明人士的报告，我们认为，作为一个软件工程师，需要对证据有十分**的理解，才能帮助我们做出正确的决定，才能根据我们想问的问题来评估对证据的需求。我们本质上并不需要更多的指标，或是广泛使用的科学方法，也不需要死板的方法论和教科书似的说教。强加的流程和方法本身不能产出质量，当然也不能保证质量。然而，我们通常试图用这些方法来达到真正的目标：系统性的、博识的、循证的批判性思维。展可接受证据的定义，以此混合定性和定量的资源。也就是说，更多关于技术为什么能行或者为什么不行的文本或图片数据，以及技术影响力多少的定量数据。

然而，真正有影响力的证据实体走得更远

西门子变频器(授权)代理商

收完全不同种类的证据。不止是试图找到具有统计意义的研究，也包含能提供更多关于技术实践应用信息的调查经验汇报。这种经验汇报目前被低估了，因为它们被认为不如现有的文献严格。比如，不总能确保各方面利益都被**衡量，不能保证混淆的因素已经排除，或者不能证明流程一致作为软件工程师，我们对什么起作用、什么不起作用或者不太起作用都有各自的意见。我们因此共享实践故事和经验，它们终化作文化知识和各种常识。但问题是，“地球人都知道的东西”常常是错的。虽然我们不断收集信息，但是也许并未细致准确地评估并整合那些信息，甚至都没有必要的手段来这么做。性因素已经避免。然而，这些报告应该是任何软件开发技术"证据线索"的一个显而易见的部分。早期采纳者可能找到的是包含相对低可信度的可行性研究的一个小集合，或者一到两个"**"研究，这已经足够使他们采纳改变。特别是当这些研究的背景显示出证据是在一个与他们相似的环境中收集的。大部分采纳者需要看到不同上下文中的多样研究，才会相信研究的想法是有价值的，被证实不止在一个合适的环境中可行，并且已经开始成为被部分接受的行事方式。

落后者或者后期采纳者可能需要压倒性的证据，这可能包括大量的高可信度研究，以及在大范围不同背景下得到的有益结果。

一些混合这些不同类型证据的方法已经被提出[29]。但重要的是，定性报告和定量数据之间的相互影响。我们经常看到从业者在混合不同数据类型的数据集后收到更好的效果。例如，一个同时包含硬数据和真实团队正面经验的丰富集合，帮助了软件检查技术在不同NASA中心的散播[28]。

从良好设计的经验性研究中得出的证据可以帮助结果

西门子变频器(授权)代理商

际运用中的证据可能对益处更有说服力，但是通常不太严格。经常需要同时结合两种证据，相互巩固，才会具说服力

正如Andres把"观察"定义地足够广泛来包含主观印象，如果我们不根据他们的标记去创建无根据的规则，即使不那么严格的输入模式也可以帮助我们找到有效的结论。对这些证据源赋予信心指数非常重要，这样，方法论的问题就可以被凸显出来。（当然，即使严格的研究也不会完全没有任何方法论的问题。）

经验汇报可以通过证明实践约束下达成的结果不总是与我们对给定技术的期望相匹配，从而使研究有根有据。同样重要的是，他们对于需要如何剪裁或修改技术来应对日常软件开发的实践约束提供了见解。在技术转移领域，我们经常发现，一个描述技术在实践中正面经验的案例分析，对从业者来说，比大量额外的研究报告更有价值。如此令人信服的证据体，也能通过提供对不同用户有用的证据来帮助引导改变。Rogers提出了一个经常被引用的模型，用钟形曲线刻画了一些创新产品（如研究结果）的消费者：左边的尾巴包含了创新者，钟形的突出部分代表了大多数人，他们随着这个创新想法逐渐流行而采纳，右边的尾巴包含了抵触改变的落后者[24]。了解自己观众的研究者能从真正健壮的数据集中选择适当的子集来构建他们的案例

现在，令人吃惊的来了。这些试探性搜索方法虽然有用，但却对研究结果施加了一个偏差。如果你改变上下文，也改变了偏差，那这些算法就会找到不同的"佳"方案。例如，在对软件过程模型的人工智能搜索实验中，Green等人使用了两种不同的目标函数[15]。一个目标代表了安全性至关重要的政府项目，试图同时减少开发工作量和软件交付的缺陷数。另一个目标代表了更标准的商业情况，急于发布软件至市场，并一直努力不要插入过多缺陷。此研究用人工智能优化器搜索了4个不同项目。每次搜索在每个目标下重复。一个惊人的结果是，

目标产出的建议通常在另一个目标下会被否决。比如，使用一个目标的人工智能搜索推荐增加交付前的时间，而另一个则建议减少时间。

对任何试图找到证据来说服人们改变现有软件开发流程和工具的人来说，这个结果都有重要意义。我们需要根据观众调整证据，而不是假设所有证据都能说服所有人。站在台上像变戏法似的拿出看似动人的证据并不足够。即使是从**研究中取得的有统计强度的、可复制的证据，如果证据与观众问题不相关，那也不能激发任何改变。换句话说，观众可能会自问："这到底有什么好处？"而我们需要尊重他们的"业务偏差"。

1.5　展望未来

虽然软件工程研究已经进行了几十年，但是至今我们只看到了极少的有力证据，能引导软件项目运行方式的改变。我们推测这是由于背景的问题：研究者制造了关于A的证据，而观众却关注B、C、D等。我们推荐研究者在搜寻软件工程证据时多一点谦卑，至少和现在持平，并愿意结识并倾听软件从业者，他们可以帮助我们更好地领会B、C、D究竟是什么。我觉得我们的领域需要在至少一段时间内，停止搜，探索把数据用较少的开销置于不同背景的方法，如用一套丰富的元数据标记所有的数据集，元数据描述了数据的出处。这些数据经验回过头来成为另一个"经验教训"知识库的支柱，这个知识库由美国国防部的国防采办大学维护，可以让终用户指定他们自己的背景参数，比如项目的大小、重要性或者领域，以此找到在相似环境中被证实的实践。定的标准接口，允许用户设置和调整组件的参数和属性。

（5）互操作性。组件之间的严格统一的连接标准，实现组件之间、组件与用户程序之间的互操作。这种互操作是在目标代码级上的，与具体的开发语言无关。

组件技术将面向对象特征和分布式（物理或逻辑的）结合起来，是分布式计算和Web服务的基础。由于组件技术的出现，软件开发的方式有了很大变化，可以把软件开发的内容分成若干个层次，