CC BY
31
Критерии профессиональности программистов при разработке экспертной системы управления программными проектами
А.А. Живаева, В.В. Долгов Донской Государственный Технический Университет, Ростов-на-Дону
Аннотация: В течение долгого времени в программной инженерии существует проблема, связанная с довольно большим процентом провалов программных проектов. Одной из наиболее частых причин таких провалов является неоптимальное распределение людских ресурсов, т.е. распределение разработчиков по задачам в соответствии с их навыками и спецификой задачи. Сфера разработки программного обеспечения требует постоянного совершенствования навыков, причем степень овладения одним навыком может положительно влиять на другие, связанные с ним. Из-за большого числа навыков существует потребность в экспертной системе, позволяющей отслеживать изменяющиеся навыки разработчиков и осуществлять близкое к оптимальному распределение людских ресурсов. При этом из-за невозможности однозначного оценивания навыков и частичного их перекрытия друг с другом, обработка информации о сотрудниках более удобна с использованием теории нечетких множеств, нежели при применении классической теории множеств или теории вероятности. В конце статьи приведен список наиболее значимых навыков при реализации ИТ-проектов.
Ключевые слова: экспертные системы, разработка программ, управление проектами, распределение людских ресурсов, навыки, нечеткие множества, неопределенность, теория вероятности.
На протяжении долгого времени проблема разработки программного обеспечения не утрачивает свою актуальность. Научно-исследовательская организация Standish Group International, Inc с 1994 года предоставляет статистику успешности программных проектов по всему миру. В 2015 году из 50 000 проектов 19% полностью провалились, т. е. не завершились вовсе [1]. При этом за предыдущие пять лет процент провалов варьировался от 17% до 22%, что говорит о закономерности данной проблемы в программной инженерии. Также эта организация предоставляет процентное выражение влияния различных факторов на успешность проекта. Согласно данным 45% успеха зависит от руководителей и команды разработчиков. Таким образом, можно сделать вывод, что планирование и управление проектами зачастую осуществляется не должным образом, в связи с чем имеется необходимость в создании системы поддержки принятия решений
при управлении процессом разработки программного обеспечения. Существующие разработки в данной области могут с разной степенью помочь в разрешении имеющейся проблемы, но они не позволяют осуществлять близкое к оптимальному распределение разработчиков по задачам проекта в соответствии с их навыками [2].
Чтобы выполнить данное распределение сотрудников по задачам, менеджер проекта должен опираться на имеющиеся у сотрудников навыки и специфику задачи. Каждая задача требует наличия у разработчика некоторого множества навыков. Для того чтобы выполнить распределение людских ресурсов можно использовать теорию множеств. Тогда пусть и -некоторое множество всех возможных навыков. X является множеством навыков, которые требуются для решения поставленной задачи (X £ и). У является множеством навыков, имеющихся у отдельного разработчика ( У ^ и). Множество У либо определяется самим сотрудником или менеджером проекта, либо рассчитывается на основе данных о предыдущем опыте. Разработчик, у которого У и X = X является наиболее подходящей кандидатурой для данной задачи. В случае если таких разработчиков нет, наиболее подходящим будет являться тот, у которого имеется наибольшее количество требуемых для решения задачи навыков. Данное описание предполагает, что разработчик может обладать или не обладать каким-либо навыком. В связи с этим возможна следующая ситуация: разработчик с более низкой квалификацией в каком-либо навыке может посчитать ее вполне достаточной для обладания данным навыком, а разработчик с более высокой квалификацией может посчитать ее недостаточной для обладания данным навыком. При этом произойдет неоптимальное распределение сотрудников по задачам. Аксиома исключающего третьего, лежащая в основе теории множеств, накладывает некоторые ограничения на ее применение во многих реальных задачах, в которых используются оценки типа: «отлично», «очень хорошо», «хорошо», «удовлетворительно», «плохо», «очень плохо» и
т.п. [3]. Данные оценки не могут адекватно формализовываться в классической теории множеств.
Так же возможна интерпретация неопределенных оценок с помощью теории вероятности. Но при использовании данного аппарата неопределенность степени обладания навыком отождествляется со случайностью. То есть набор навыков конкретного разработчика в данном случае определяется вероятностью обладания определенным навыком. А навыки рассматриваются как совокупность статистически однородных случайных объектов.
Однако рассматриваемая неопределенность является
неопределенностью другого рода и не связанна со случайностью. Она связана с лингвистической неопределенностью или нечеткостью рассуждений и восприятий того или иного навыка. Для формализации неопределенностей такого рода удобно использовать лингвистические переменные из теории нечетких множеств, которую в 1965 году предложил в своей статье «Fuzzy Sets» профессор Л. Заде из университета Беркли. [4] В соответствие с этой теорией нечеткое множество Y - множество упорядоченных пар {y, ¡iY(y)}, где y.Y(y) является функцией принадлежности y в Y (^Y(y) ^ [0, 1]) [5], - можно сопоставить с каким-либо навыком разработчика, а его функцию принадлежности - со степенью владения конкретным разработчиком (y) данного навыка. При этом значение функции принадлежности равное 0 будет означать абсолютное отсутствие навыка у разработчика, а значение 1 - полное и абсолютное знание разработчиком всех тонкостей навыка. С помощью данной теории можно хорошо интерпретировать субъективные оценки «отлично», «очень хорошо», «хорошо», «удовлетворительно», «плохо» и «очень плохо» выставляемые разработчику экспертами или руководителями проектов. Связки («и», «или», «не», «очень», «более» и т.д.) в этом случае трактуются как видоизменяющие операторы, что позволяет при разработке экспертной системы переводить
м
запросы, составленные с учетом лингвистических переменных, в SQL-операторы реляционных баз данных, что упростит создание такой системы в целом. [6]
Еще одним важным вопросом является вид функции принадлежности -функции владения разработчиком тем или иным навыком. Вид этой функции напрямую зависит от особенностей рассматриваемой области и важности различения между собой значений лингвистических переменных. В рассматриваемой нами области оценивания навыков разработчиков крайне важно отличить разработчика, владеющего навыком «плохо» от разработчика, владеющего навыком «отлично». В то время как различие между «очень плохо» и «плохо», а также между «отлично» и «безупречно» может быть не таким важным. Кроме того, в крайних областях значений (области «очень плохо» и «очень хорошо») разница между разработчиками может быть спорной или неочевидной. Приемлемой функцией оценивания при таких условиях можно считать сигмоид с общей формулой 1
^ ) =
1 + е " °(у принадлежности (рис. 1).
то?), где «а» - коэффициент крутизны функции
0,8
0.7
ж
Ч 0.6 |
&
£ 0,4
о
л
о 0.3 О
^ 0.2
0.1 0.
1 1 I ! 1 1 ________|________ —-----
1 1 1 ________1________
г 1 » »
1 о —-ф—;------Я" щ о Ч г; га ! с ^ 1 / 1 1
з V \ 1 0 н 1 о. у 1 о»
10 X £ / | 1 : 5 е £ О т _
О 1 1 / 1 / | ж / | | и________1________ I 1 1 1 Л 1
1 1 1 / /1 / 1 | 1 1 1
1 / ________1_________ _________'_________ 1 1 | 1
1 - —----г" 1 I |
0.1
0,2
0.3 0.4 0.5 0.Б 0.7
Уровень владения навыком
0.8
0,9
Рис. 1. - Функция ценности программиста от уровня владения навыком
Для того чтобы выполнять распределение людских ресурсов необходимо сформировать базу навыков, необходимых для выполнения различных задач. Множество всех возможных навыков представлено в таблицах 1-4 [7-12].
Таблица № 1
Навыки программирования в срезе языков программирования
Язык Навыки Язык Навыки Язык Навыки
ACL ACE Apach Common Collections
IUP ACDK Google Guava
GSL Boost Jsoup
SIGIL STL JDOM
О Imdb Dlib Gson
ATTR + О Loki JasperReports
CuTest Reason Hibarnate
cUnit C++ REST SDK Commons Math
Check cppunit eö > Spring
Cmocka Google Test eö Ь Akka
j Query jest Arquillian
jQuery UI doctest Jtest
AngularJS Windows Forms Junit
Angular2 WPF Mockito
React LINQ Powermock
AJAX PLINQ The Grinder
TypeScript LINQ to SQL perf4j
Node.js ASP Net MVC jetm
&1 •с ECMAScript5 =tt о WFC JavaMelody
о GO ECMAScript6 .Net Core Django
> eö Bootstrap Moq Requests
Underscore. js FsCheck wxPython
Echo xUnit NumPy
Vue.js Nunit PuQT
Jasmine Bogus Python-patterns
Mocha Spark Python-oauth2
Qunit Hadoop Ö o Pylint
Tape Akka £ multiprocessing
Unit.js PostgreSQL async y Рч Orange
OhMyAuth eö MySQL async Babel
SwiftCop eö О ReactiveMongo PuSpark
а SwiftLine GO Scala-redis pytest
Safe ScalikeJDBC PyAutoGUI
GO Sync Slick mock
SwiftData Finatra church
SwiftStructures Play Gtrack
Algorithm Scalatra ocstyle
SwiftTask Spray Obj ectiveRecords
Swiftx Secure Social О FMDB
Swift-AI json4s RestKit
SwiftMath Pickling о <u FxForms
RxSwift PredictionIO J? О BFKit
SwiftCheck Kafka CocoaPods
Quick Scala.Rx Specta
Fakery Scalaz Quick
Catalyst Scaloid T-SQL
Mojolicious ScalaCheck SQL SQL PL
Dancer Specs2 SQL/PSM
PSGI/Plack ScalaTest PL/SQL
Рч PerlUnit Akka.Net PL/pgSQL
Test: :Unit Math.Net Shiny
SCTE FsharpLu Runit
Test: :Harness canopy RGG
Symfony FsCheck MilanoR
Yii 2 FsUnit dplyr
Phalcon =tt Ph xUnit.Net broom
CakePHP Freya SparkR
X Рч PHPSpec ASP.Net Core MVC Rcpp
PHPUtil Nancy Runit
HTTP Mock WevSharper svUnit
Faker D S Geek
rddr
Таблица № 2
Навыки администрирования информационных систем
Область Навыки Область
Администрирование баз данных Управление БД Администрирование вебсервера Знание Unix-систем
Управление пропускной способностью БД Конфигурация вебсерверов
Создание БД Конфигурация почтовых серверов
Мониторинг БД и настройка производительности Знание ОС семейства Windows Server
Управление экземплярами БД Понимание модели OSI
Понимание стека протокола TCP/IP
Администрирование сети Знания в области сетевых протоколов Администрирование безопасности сети Протоколы шифрования и аутентификации
Знания в области маршрутизации Антивирусные системы
Знания в области реализации Планирование PKI
VPN
Знания в системах биллинга Системы контроля доступа
Построение сетей Инцидентный анализ
Резервное копирование
Администрирование почтовых серверов Знание Unix-систем Администрирование систем интеграции и развертывания Знание принципов непрерывной интеграций
Знание ОС семейства Windows Server Знание инструментов для интеграции
Знание программ почтовых серверов Знание систем контроля версий
Модули проверки на вирусы и спам Знание инструментов для развертывания
Модули интеграции с базами данных
Знание программ клиентов электронной почты
Понимание стека протокола TCP/IP
Знания в области сетевых протоколов
Таблица № 3
Навыки работы с инструментами
Группа Инструменты Группа Инструменты
IDE Microsoft Visual Studio Текстовые редакторы Microsoft Visual Studio Code
Eclipce Sublime Text
IntelliJ IDEA Notepad++
Php Storm Coda 2
Xcode Atom
PyCharm Brackets
Dev-C++ Light Table
Web Storm Vim
Komodo IDE Dart Editor
RubyMine Системы контроля версий git
C++Builder SVN
Android Studio Mercurial
CodeLite CVS
Code::Blocks Team Foundation Server
NetBeans Bazaar
AptanaStudio Профилирование YourKit
ShiftEdit Jprofiler
Cloud 9 IDE xDebug
MonoDevelop XHProf
SharpDevelop Gperf
DrJava hotspot
Xamarin Studio Python profile
Travis CI dowser
CircleCI YUI profiler
Интеграция и Railsonfile
развертывание Wercker
Hostedci
Jenkins
Таблица № 4
Обобщенные и социальные навыки
Область Навыки Область Навыки
Структуры данных Обычные Алгоритмы Компьютерная графика
Параллельные Цифровая обработка сигналов
Императивные Информационная безопасность
Фу нкциональные Анализ данных и машинное обучение
Прикладной опыт Сфера Искусственный интеллект
Пользовательский интерфейс веб-систем (front-end) Компьютерные сети
Серверный код веб-систем (backend) Моделирование
Разработка игр Высокопроизводительные вычисления
Разработка под мобильные платформы Компьютерная математика
Разработка для ПК Распределенные информационные системы
Высокопроизводительные вычисления Опыт работы с плат-формами Microsoft .Net Framework
Администрирование баз данных Android
Администрирование веб-сервера iOS
Администрирование сети Windows Phone
Администрирование безопасности сети Blackberry
Администрирование почтовых серверов Java (JDK and JRE)
Управление проектами MAC
Тестирование Unix
Тестирование Компонентное тестирование Silverlite
Модульное тестирование Flash AIR
Интеграционное тестирование Mono
Системное тестирование LiveCode
Приемочное тестирование Qt
Тестирование безопасности Open Web Platform
Тестирование взаимодействия Личные и Умение работать в группе
Функциональное тестирование Инновационный/творческий ум
Нагрузочное тестирование социаль ные навыки Открытость и адаптивность к изменениям
Тестирование стабильности и надежности Критическое мышление
Объемное тестирование Анализ и решение проблем
Тестирование установки Планирование и контроль
Тестирование удобства пользования Умение слушать
Тестирование на отказ и восстановление Умение работать под давлением
Конфигурационное тестирование Надежность
Навык писателя
Управление проектами Управление конфликтами Гибкость и адаптивность
Организация совещаний Способность эффективно задавать вопросы
Управление временем Управление временем
Построение команды Умение работать под давлением
Управление ожиданиями Надежность
Гибкость и адаптивность
Анализ и решение проблем
Данные таблицы навыков не является окончательными. Система предполагает возможность ее расширения в соответствие со спецификой решаемых задач. Представление информации об обладании каким-либо навыком в виде функции принадлежности наилучшим образом отражает нечеткость данной характеристики. Поэтому использование теории нечетких множеств наиболее удобно при распределении людских ресурсов по задачам, исходя из имеющихся у разработчиков навыков и специфики задач.
Работа выполнена при поддержке РФФИ проект № 16-01-00390.
Литература
1. Hastie S., Wojewoda S. Standish Group 2015 Chaos Report - Q&A with Jennifer Lynch. Info, 2015. URL: infoq.com/articles/standish-chaos-2015.
2. Zhivaeva A.A. et al. Decision support systems for planning the software development process // Modern informatization problems in economics and safety / ed. Kravets O.J. et al. Yelm, WA, USA: Scince Boor Publishing House, 2017. pp. 101-105.
3. А.П. Ротштейн. Интеллектуальные технологии идентификации // Проектирование систем управления\Fuzzy Logic Toolbox. URL: matlab.exponenta.ru/fuzzylogic/book5/1_1.php.
4. Кофман А. Введение в теорию нечетких множеств / ред. С.И. Травкин. М.: Радио и связь, 1982. 432 c.
5. Гинис Л.А. Развитие инструментария когнитивного моделирования для исследования сложных систем // Инженерный вестник Дона. 2013. № 3. URL: ivdon.ru/ru/magazine/archive/n3y2013/1806.
6. Венцов Н.Н., Долгов В.В., Подколзина Л.А. Об одном способе построения запросов к базе данных на основе аппарата нечеткой логики // Инженерный вестник Дона. 2015. № 3. URL: ivdon.ru/ru/magazine/archive/n3y2015/3172.
7. Wen F., Lin C.-M. Multistage Human Resource Allocation for Software Development by Multiobjective Genetic Algorithm // Open Appl. Math. J. 2008. № 2. pp. 95.
8. Alison Doyle. Top Skills to List on LinkedIn. Most Popular Skills Employers Seek on LinkedIn. 2017. URL: thebalance.com/top-skills-to-list-on-linkedin-2062321.
9. Mtsweni E.S., Horne T., Poll J.A. Van Der. Soft Skills for Software Project Team Members // Int. J. Comput. Theory Eng. 2016. Vol. 8, № 2. pp. 150-155.
10. Ahmed F. et al. What Soft Skills Software Architect Should Have? A Reflection from Software Industry // Int. Conf. Comput. Commun. Manag. 2011. Vol. 5. pp. 565-569.
11. Silva L.C. e, Costa A.P.C.S. Decision model for allocating human resources in information system projects // Int. J. Proj. Manag. 2013. Vol. 31, № 1. pp. 100-108.
12. Avinash A., Ramani K. A Hybrid Technique for Software Project Scheduling and Human Resource Allocation // Int. J. Eng. Dev. Res. 2014. Vol. 2, № 3. pp. 3243-3251.
References
1. Hastie S., Wojewoda S. Standish Group 2015 Chaos Report. Q&A with Jennifer Lynch. Info, 2015. URL: infoq.com/articles/standish-chaos-2015.
2. Zhivaeva A.A. et al. Decision support systems for planning the software development process. Modern informatization problems in economics and safety. ed. Kravets O.J. et al. Yelm, WA, USA: Scince Boor Publishing House, 2017. pp. 101-105.
3. A.P. Rotshtejn. Intellektual'nye tehnologii identifikacii [Intelligent identification technologies]. Proektirovanie sistem upravlenija.Fuzzy Logic Toolbox. URL: matlab.exponenta.ru/fuzzylogic/book5/1_1.php.
4. Kofman A. Vvedenie v teoriju nechetkih mnozhestv [Introduction to the theory of fuzzy sets]. ed. S.I. Travkin. M.: Radio i svjaz', 1982. 432 p.
5. Ginis L.A. Inzenernyj vestnik Dona (Rus), 2013. № 3. URL: ivdon.ru/ru/magazine/archive/n3y2013/1806.
6. Vencov N.N., Dolgov V.V., Podkolzina L.A. Inzenernyj vestnik Dona (Rus), 2015. № 3. URL: ivdon.ru/ru/magazine/archive/n3y2015/3172.
7. Wen F., Lin C.-M. Multistage Human Resource Allocation for Software Development by Multiobjective Genetic Algorithm. Open Appl. Math. J. 2008. № 2. pp. 95.
8. Alison Doyle. Top Skills to List on LinkedIn. Most Popular Skills Employers Seek on LinkedIn. 2017. URL: thebalance.com/top-skills-to-list-on-linkedin-2062321.
9. Mtsweni E.S., Hörne T., Poll J.A. Van Der. Soft Skills for Software Project Team Members. Int. J. Comput. Theory Eng. 2016. Vol. 8, № 2. pp. 150-155.
10. Ahmed F. et al. What Soft Skills Software Architect Should Have? A Reflection from Software Industry. Int. Conf. Comput. Commun. Manag. 2011. Vol. 5. pp. 565-569.
11. Silva L.C. e, Costa A.P.C.S. Decision model for allocating human resources in information system projects. Int. J. Proj. Manag. 2013. Vol. 31, № 1.
pp. 100-108.
12. Avinash A., Ramani K. A Hybrid Technique for Software Project Scheduling and Human Resource Allocation. Int. J. Eng. Dev. Res. 2014. Vol. 2, № 3. pp. 3243-3251.
