西门子PLC PROFIBUS-DP接头

浔之漫智控技术（上海）有限公司（xzm-wqy-sqw）

是中国西门子的合作伙伴，公司主要从事工业自动化产品的集成,销售和维修，是全国的自动化设备公司。

公司坐落于中国城市上海市，我们真诚的希望在器件的销售和工程项目承接、系统开发上能和贵司开展多方面合作。

以下是我司主要代理西门子产品，欢迎您来电来函咨询，我们将为您提供优惠的价格及快捷细致的服务！

在确定相关研究的过程中，关键因素是选择进行搜索的数字图书馆，还要确定搜索是自动的还是手动的。手动搜索需要查看一组（纸面或者在线）期刊的以往发行记录，然后从标题和摘要中确定哪些文章能够被候选包含在评审中。自动搜索使用字符串，通常是基于复杂布尔公式的字符串，通过在线目录查找文章。在医学文献中，建议从所研究的问题中抽取字符串做搜索。

对自动化搜索来说，Hannay等人推荐仅在ACM数字图书馆、和ISI科技网上搜索资料，因为这些书库确保涵盖了和Wiley的资料[19]。作者们也推荐对重要的主题大会刊物进行手动搜索。然而，如果你需要找到所有相关的文献，无论发表的还是未发表的，你也应该使用。此外，不同的数字图书馆在搜索方式上有一些细微的差别。所以，你应该向图书管理员咨询你的搜索流程和搜索字符串，他会给你一些好的意见。相关的问题包括如下内容。软件工程数字图书馆有不同的界面和对复杂布尔公式的不同容差，这在系统性评审的研究者寻找相关文章时会经常遇到。软件工程数字图书馆对于搜索论文主体，或仅搜索标题、摘要和关键字有着不同的程序。另外，索引系统当然只能用来搜索标题、关键字和摘要。自动化搜索不同的资料源可能会有重叠的结果（也就是说，可能在不同的库中找到相同的论文），而且每次搜索都会包含许多无关的

对别出对同一篇研究的重复汇报不总是容易的事。在近期的一次系统性评审中，我和我的同事们必须找出重复的样本量，也要找出重复作者的名单，以便确认对同一篇研究的重复汇报。在其他系统性评审中，问题会更微妙，因为不同的研究者使用同样的数据组来调查同样的数据分析方法，但不总会清楚地指出他们所使用的数据组。

医疗标准要求系统性评审由一个研究团队来执行。这是因为许多流程依赖人的主观判断，特别是：在初始搜索或是运用包含和排除的标准时，决定一篇论文是否成为原始研究的候选；回答质量评估的问题；从每篇原始研究中抽取数据。

让多个研究者来执行系统性评审是希望能削弱个人判断造成的偏差。一开始，我和我的同事们建议采取一个抽取员流程和一个检查员流程，那样也许比两个人独立抽取数据和评估质量效率高但后，这被证明是个错误的选择然而，有时系统性评审必须由单个研究者来完成，比如为研究生学位做研究，或者当人手有限的时候。举个例子，我9项在大学环境下展开。

关于系统性评审和非正式评审的区别，Dybå和Dingsøyr报告称发现了5篇在2003年及以前发表的论文，并未在2004年发布的两篇非正式评审中包含。出于对高质量证据的需求，他们否决了两次非正式评审中所汇报的所有论文，因为它们要么研究了结对编程并开展了一次元分析来集合研究结果。如果你对如何做元分析感兴趣的话，这篇论文提供了可靠的介绍。他们的系统性评审确定了18项原始研究，全部都是实验。18项研究中，4项实验只涉及对象，1项同时涉及人员和学生，其他13项用学生做研究对象。Hannay等人调研了3种不同的结果：质量、持续时间和工作量（虽然不是每项研究都处理了所有结果）。他们的初始分析显示，使用结对编程有以下效果：对质量的少许正面影响；对持续时间的中等正面效果；对工作量的中等负面效果。

这些结果似乎支持对结对编程影响的标准观点。然而，结果也指出，研究之间有显著的混杂性。混杂性指个体研究从不同的人群出发，因此研究结果不能被很好地理解，除非能识别出不同的人群。

Hannay等人在调查发表偏倚的可能性时发现了更多问题。这指表现出显著效果的论文比未表现出显著效果的论文更有可能被接受发表。他们的分析指出了发表偏倚的可能性，并发现如果根据可能的偏倚做出调整的话，那对质量的效果就完全抹去了，对持续时间的效果会从中等变成少许，但是对工作量的效果会有一点增加（虽然这仅发生在一项特别的分析模式中）。

他们指出，混杂性和可能存在的发表偏倚可能是由干扰变数（也就是造成不同研究结果之间差异的变数）的存在所导致的。为了研究可能的干扰变数的影响，他们仔细查看了一项研究。那是迄今为止大的一项研究，涉及295个对象，使用了三个级别的软件工程师（、中级和初级）。他们总结，任务的复杂性和结果之间可能存在相互作用。所以很复杂的任务可能在使用结对编程时能以大工作量为代价达到高质量，而低复杂度的任务可能以低质量为代价迅速完成。他们推荐研究者在将来的原始研究中关注干扰变数。是经验学习的论文，要么就是针对单个实践的研究，而并没有与其他可选方法比较所关注的技巧。

Dybå和Dingsøyr发现，虽然一些研究汇报了XP存在的问题（在大而复杂的项目背景下），大多数讨论XP的论文发现它容易引入而且在不同环境下都运作良好。至于XP的局限性，他们发现有一些原始研究汇报了现场客户这个角色从长期来看不可行。

然而，他们从敏捷方法的实证研究中找出了许多局限性。大部分研究只关心XP，而Scrum和精益软件开发分别只有1篇论文讨论到。而且，只有一个研究小组（被包含的原始研究中有4篇是他们完成的）检测了成熟团队使用敏捷方法的情况。

此外，从不同角度评估了现存证据的质量，包括研究设计的严谨性、单个原始研究的质量（在基本设计的约束下）、不同研究的结果一致程度、以及研究对真实软件开发的代表性。他们发现，证据的总体质量很低，而且他们总结出，除了XP以外的其他敏捷方法需要更多的研究，特别是针对成熟团队的研究，因为研究者可以使用更严谨的方法在时间紧迫和资源有限的情况下，自己完成了一项初步图谱研究。在这种情况下，研究者应该使用一些技巧来评估主观决定的准确性，如Fink所建议的测试-再测试的流程。

后，关于质量标准，我发现很少有软件工程的系统性评审真正评估了各个单项研究的质 量[33][34]。然而，质量判断是系统性评审的流程中不可缺少的元素，它对适当地集合原始研究的结果和解读结果都非常重要。在一次近针对顺势疗法疗效的系统性评审中，我们可以找到低质量对研究结果影响的例子[46]。如果所有的研究都被包含的话，这种方法将项目分成三个阶段：项目前期、项目生命周期和项目后期。它基于9个原则：用户必须持息让我学习到了独立开发这样一个大型系统的经验。我发现Knuth介绍的很多错误类型在我自己编程的时候也有，不过也发现了很多不曾见过的问题，这些都让我可以更好地思考我的代码出问题的原因。作为一个研究员，我还从这篇文章中学习到了软件开发背后的人为因素，即：我们如何思考，我们的记忆是如何工作的以及我们如何做计划以及进行推理。这些都是影响软件质量的重要因素。和这篇文章类似的还有一些，它们把我引领到了一条研究人为因素的职业道路上，让我可以通过研究更好的编程语言、工具以及流程来改善软件的质量。

不过，在阅读之后马上就学到东西的情况并不多见。我也是在读完之后的几个月中逐渐在自己的工作中意识到Knuth所描述的错误种类，而除了这篇文章之外，还有很多文章都引起了我的研究兴趣。这是精细地解读定性研究的重中之重：研究的推论需要时间才能体现出来，而且你还需要坦诚地对这些推论进行反思。如果你仅仅因为某个纰漏或者你不认同的结论就把整篇文章都作废，那么你可能会错过所有其他有用的启示，而想要得到这些启示你必须要认真而持续的对研究的结果进行反思。整天，看看他们在做什么。这样你就能直接观察到他们决定放弃新系统，使用旧系统的那一瞬间。