《基于Flask的深度学习自动化部署系统工作量追踪与统计分析报告》是关于软件工程实验的一个详细报告，旨在记录和分析各个实验阶段的工作量。该报告由C小组成员聂磊、张文斌、张利鹏、张竹君、崔昕宇、李坤浩和许京爽共同完成，版本为1.0.0。
报告分为多个部分，首先介绍了文档的概述，明确了文档的目的和后续实验阶段的分析目标。其主要目的是通过追踪不同实验阶段的工作量，分析工作量的差异和影响因素，确保数据的准确性和统计分析的合理性。
在实验内容部分，报告详细列举了每个实验的制品，如需求规格说明书、软件需求评审单、软件设计说明书、测试规格说明书等，以及每个制品所需采集的数据，例如字数、图表数量、需求个数、修改条目等。这些数据用于后续工作量的估计和统计。
工作量估计方法采用了一种综合评估方式，包括采集数据个数、数据权重和难度系数的乘积。数据权重根据任务类型不断调整，而难度系数由总架构师根据任务的具体复杂性给出，范围在1-5之间。每周进行工作量统计，以便调整实验工作安排并分析影响工作量的因素。
进度统计与影响因素分析关注按时完成和逾期完成任务的数量，以及在实验过程中遇到的问题和困难，这有助于识别进度计划的不足和需要调整的地方。
报告还涉及任务调整与控制，强调根据实际情况对《进度计划说明书》进行修订，以应对未完成或冗余任务，以及未预见的新任务。
在各实验统计与分析部分，报告深入探讨了软件需求分析实验，包括实验内容、目标和相关工具的使用，展示了软件工程实践中需求分析的重要性。
这份报告提供了一个全面的工作量追踪与统计分析框架，为团队协作和项目管理提供了有力的工具，确保软件工程实验的高效执行和质量控制。通过这种方法，团队能够更好地理解工作负载，优化资源分配，及时发现并解决问题，从而提升整体项目管理的效果。
