Оценка и мониторинг проектов разработки высокотехнологических изделий Текст научной статьи по специальности «Компьютерные и информационные науки»

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Корячко В.П., Курейчик В.М., Норенков ИМ. Теоретические основы САПР: Учебник для вузов. - М.: Энергоатомиздат, 1987. - 400 с.

2. Johnson D.S., Demers A., Ullman J.D., Garey M.R., Graham R.L. Worst-case performance bounds for simple one-dimensional bin-packing algorithms, SIAM Journal on Computing 3, pp. 299-325, 1974.

3. Cook S.A. The complexity of theorem-priving procedures. Proc. 3rd Annual ACM Symp. on the Theory of Computing, 1971, pp.151-158.

4. Brown A.R. Optimal Packing and Depletion. American Elsevier, New York, 1971.

5. S. Martello, P. Toth. Knapsacks problems: algorithms and computer implementations. Chichester/England: John Wiley and sons Ltd, 1990.

6. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. - М.: Физматлит, 2003.

7. Johnson D.S. Approximation algorithms for combinatorial problems. Journal of Computer and Systems Sciences 9, pp. 256-278, 1974.

8. Johnson D.S. Near-optimal bin-packing algorithms. Technical Report MAC TR-109, Project MAC, Massachusetts Institute of Technology, Cambridge, MA, 1973.

9. Yao A.C. New algorithms for bin packing. Report NoSTAN-CS-78-662. Computer Science Dept., Stanford University, Stanford, CA, 1978.

10. Brown A.R. Optimal Packing and Depletion. American Elsevier, New York, 1971.

11. Garey M.R., Graham R.L., Johnson D.S., Yao A.C. Resource constrained scheduling as generalized bin packing. J. Combinatorial Theory Ser. A21, pp. 257-298.

12. Гладкое Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы: Учебное пособие. Под ред. В.М. Курейчика. - Ростов-на-Дону: ООО «Ростиздат», 2004. - 400 с.

А.А. Лебедев, АЛ. Рыжов ОЦЕНКА И МОНИТОРИНГ ПРОЕКТОВ РАЗРАБОТКИ ВЫСОКОТЕХНОЛОГИЧЕСКИХ ИЗДЕЛИЙ

Одной из первых и важных проблем любого инновационного проекта является проблема оценки способности коллектива разработчиков выполнить проект в необходимое время с требуемым качеством при заданном ресурсном обеспечении [9,10]. Примерами вопросов, которые возникают на этой начальной стадии, являются:

♦ Достаточно ли у коллектива разработчиков навыков и ресурсов для завершения проекта?

♦ Какие части проекта представляют наибольшие трудности?

♦ Каким образом различные вложения средств (например, обучение, закупка оборудования, программного обеспечения) повлияют на возмож-

?

♦

образом при заданном ресурсном обеспечении?

В настоящее время на эти вопросы отвечают эксперты, менеджеры проекта, основываясь на своём личном опыте и интуиции. Цена ошибки на этом этапе -увеличение стоимости проекта, увеличение времени разработки изделия - вплоть до провала проекта. Поэтому любое повышение надежности оценок и ответов на сформулированные вопросы является важным, иногда критичным, для любого .

В работе описывается прототип такой системы оценки и мониторинга проектов на примере разработки изделий микроэлектроники. В рамках разработки системы происходит формализация знаний экспертов и автоматизация процессов об-

работки информации о проектном коллективе для получения ответов на приведённые выше и другие вопросы. Отметим, что данная предметная область (микроэлек-) - ,

. - . , что компания Cadence Design Systems (www.cadence.com) - лидер рынка САПР (систем автоматизированного проектирования) микроэлектроники - имеет необходимый опыт (модель “вир^альной САПР” Cadence VCAD) и потребность в такой системе как инструменте совершенствования услуг и сервисов VCAD. Описываемый ниже прототип разработан с привлечением экспертов компании и находится в опытной эксплуатации в компании.

Кратко, идея Cadence VCAD заключается в следующем. Так как на сегодняшний день процесс разработки электронного устройства чрезвычайно сложен и во многом слабо формализован, многие, даже крупные компании-р^работчики могут не обладать достаточными ресурсами (опытными руководителями, компетентными в конкретной области разработчиками, программным и аппаратным обеспечением) для успешного выполнения проекта. В этом случае, недостающие ресурсы (как , ) VCAD, « -

» . , -ет вопрос оптимального, с точки зрения качества конечного результата и объёма затрат, привлечения и распределения ресурсов. Именно этот круг вопросов (оценка , , -) .

Технологической основой системы является технология информационного мониторинга [12,13], разработанная для анализа сложных, слабоформализованных ( ) , их развития и выработки рекомендаций по управлению их развитием. Системы информационного мониторинга, разработанные на базе этой технологии, ориентированы на обработку информации, обладающей такими свойствами, как:

♦ разнородность информации: информация может иметь различный формат: числовые данные, лингвистические описания и т.д.;

♦ фрагментарность: информация чаще всего относится к какому-либо

, -"покрыты" информацией;

♦ разноуровневое^: информация может относиться ко всей проблеме в

, , ;

♦ различная сте пень надежности: информация может содержать конкретные данные различной степени надежности, косвенные данные, результаты выводов на основе надежной информации или косвенные выводы;

♦ возможная противоречивость: данные из различных источников могут

, .

♦ изменяемость во времени: проблема/процесс развивается во времени, поэтому и информация в разные моменты времени об одном и том же элементе проблемы может и должна различаться;

♦ возможная тенденциозность: информация отражает определенные интересы источника информации, поэтому может носить тенденциозный ха. -

( , , с конкуренцией).

Системы информационного мониторинга можно отнести к классу иерархических нечетких дискретных динамических систем. Теоретическую основу такого

класса систем составляет теория автоматов, теория нечетких множеств, дискретная математика, методы анализа иерархий, которые были разработаны в работах Саати (Баа^, США) [7], Месаровича (МеззагоуюЬ, США) [11], Заде (гааеЬ, США) [2], Яблонского С.В. [8], Кудрявцева В.Б. [3] (Россия) и других авторов. Системы, разработанные на базе этой технологии, позволяют иметь развивающуюся во времени модель проблемы на основе оценок аналитиков, подкрепленную ссылками на все

, ,

состояния проблемы и/или ее аспектов. Использование времени как параметра системы позволяет проводить как ретроспективные анализ, так и строить прогнозы развития проблемы (отвечать на вопросы типа «Что будет, если ... ?»). В последнем случае возникает возможность выделения «критических путей» - таких элементов модели, малое изменение которых может вызвать значительные изменения в состоянии всей проблемы. Знание таких элементов имеет большое практическое значение и позволяет выявить «слабые места» в проблеме на текущий момент време-, -, -блемы в интересах организации, ее отслеживающей. Эта технология зарекомендовала себя в задачах мониторинга международных договоренностей [13], экономики (например, мониторинг конкурентоспособности товаров -http://www.intSYS.msu.ru/invest/monitoring/competitiveness), медицины (например, мониторинг развития атеросклеротических заболеваний населения России [1]), и .

Первым и наиболее трудно формализуемым этапом разработки любой системы информационного мониторинга является разработка модели проблемы или процесса. Модель представляет собой ациклический граф, вершинам которого, соответствующим различным аспектам проблемы, сопоставлены лингвистические , -« » --« » -мации, так и назначаться пользователем (рис.1).

Рис.1. Схема модели проблемы

,

процессов в предметной области в виде лингвистических значений. Субъективная степень удобства такого описания зависит от набора и состава таких

. ,

проблемы, то есть изменение ее во времени. Предполагается также, что она интегрирует оценки различных экспертов. Это значит, что один объект может описываться разными экспертами. Поэтому желательно иметь гарантии того, что разные эксперты описывают один и тот же объект наиболее “единообразно”.

Исходя из сделанных замечаний мы можем сформулировать первую проблему : ,

человеком объектов реального мира и их описания, сформулировать правило выбора оптимального множества значений признаков, по которым описываются ? : (1) понимаются такие множества значений, используя которые человек испытывает минимальную неопределенность при описании объектов; (2) если объект описывается некоторым количеством экспертов, то под оптимальными понимаются такие множества значений, которые обеспечивают минимальную степень рассогласования описаний. Эти вопросы подробно исследуются в [6]. ,

множества значений качественных признаков. Более того, такая методика является устойчивой, т.е. возможные при построении функций принадлежности естественные маленькие ошибки не оказывают существенного влияния на выбор

. , (1)

(2), .

информационна материалов (или ссылок на них) и их лингвистических оценок в базе данных системы. Всвязи с этим возникает следующая проблема: можно ли определить показатели качества поиска информации в нечетких (лингвистических) базах данных и сформулировать правило выбора такого множества

,

максимльные показатели качества поиска информации? Эта проблема подробно исследуется в [4], в которой показано, что: 1) можно ввести показатели качества поиска информации в нечетких (лингвистических) базах данных и формализовать ; 2)

значений качественных признаков, которое обеспечивает максимальные показатели качества поиска информации; 3) такая методика является устойчивой, ..

ошибки не оказывают существенного влияния на выбор оптимального множества .

Важной проблемой при разработке и систем информационного мониторинга является задача выбора адекватных операторов агрегирования информации в мо. , мониторинга ориентированы на обработку разноуровневой фрагментарной информации. Это означает, что при вводе информации в систему пользователь может осуществлять привязку информационных материалов к узлам различных уровней иерархии в модели проблемы (и, соответственно подтверждать/изменять их оцен-).

( , ), которых разрешается менять только оценки нижнего уровня иерархии. Указанное допущение позволяет использовать системы информационного мониторинга при решении значительно более широкого класса практических задач, однако платой за это является необходимость разработки соответствующей теории и создания инструментария выбора адекватных операторов агрегирования информации. Эта задача подробно исследуется в [5]. Таким образом, мы можем гарантировать оптимальность свойств систем информационного мониторинга с указанных точек зрения: , , .

Для разработанного приложения были выделены следующие факторы, определяющие способности проектного коллектива:

1 уровень: способность завершить отдельные стадии процесса разработки (р^работка, тестирование, отладка и т.д.).

2 уровень:

♦ Навыки - различные для каждой стадии.

♦ Оборудование - различное для каждой стадии (вычислительные ресур-

, ).

♦ Инфраструктура - общая для всех стадий (доступ к литературе, работа

).

Дальнейшие уровни иерархии содержат атрибуты, более детально описывающие факторы второго уровня (например, для навыков - знакомство с конкретными программами, опыт участия в похожих проектах и т.п.). Модель содержит более 50 элементов и более 70 связей, объединенных в 5 уровней иерархии.

Каждой вершине графа нужно сопоставить набор лингвистических значений - , . Проблема выбора оптимального набора описана выше и проанализирована в [6].

, ( ,

, ),

,

мира в модели. Единообразие необходимо как для выбора операторов агрегирова-, -лем. Выбор операторов агрегирования происходит следующим образом.

Рис. 2. Структура модели системы

Оператор агрегирования - функция, определяющая значения вершины-« » -« ». -тов и параметров системы допускают лишь лингвистические оценки, причём с «р^мытыми» границами (например, нет точной грани между высоким и средним ),

логического вывода [6]. В этом случае основным элементом оператора является , ( -« »)

( -« ») ( : навык разработчика высокий и программное обеспечение хорошее, то качество ). , -тических значений эксперт может назвать результат для любой комбинации значе-.

путём изменения внутренних параметров нечёткого вывода (параметров t - норм и I - конорм). В системе реализован метод настройки на базе генетических алгорит-.

Так как различные проекты имеют различную структуру (включают разные стадии, требуют разное число разработчиков и т.д.), невозможно создать универсальный шаблон или универсальную модель. Поэтому была предложена и реализована следующая схема использования системы:

1. Разработка. Эксперты составляют модели стадий процесса, разрабатывают стандартные наборы правил для операторов агрегирования и правила выбора лингвистических значений.

2. Адаптация. Инженер (не обязательно являющийся экспертом в области разработки электронных устройств, но имеющий опыт в использовании технологии информационного мониторинга), используя подмодели, составляет модель для конкретного проекта.

3. Использование. Пользователь (например, менеджер проекта), используя правила выбора лингвистических значений, вводит в модель данные о команде разработчиков и получает необходимые результаты.

Графическое изображение описанной схемы использования системы приведено на рис.3.

Рис. 3. Схема использования системы

В процессе разработки прототипа системы был реализован графический интерфейс, поддерживающий все этапы разработки и настройки модели, а именно:

:

♦ добавлен ие элемента;

♦ изменен ие элемента;

♦ удаление элеме нта и его потомков;

♦ добавл ение связи;

♦ удале ние связи.

Выбор операторов агрегирования:

♦ ручной ввод правил;

♦ автоматический ввод правил (на основе формул к-значной логики);

♦ точная настройка (изменение внутренних параметров).

Функционирование:

♦ изменение значения вершины (с автоматическим вычисление результата);

♦ поиск «критических путей».

Такое средство позволяет достаточно быстро и эффективно как разрабатывать подобные прототипы «с нуля», так и проводить их настройку и адаптацию.

Пользуясь случаем, авторы считают свом долгом выразить признательность сотрудникам Мюнхенского офиса компании Cadence Design Systems Вольфу Мац-ке (Wolf-Ekkehard Matzke), Айку Йентчу (Eyck Jentzsch), Виктору Прайсу (Viktor Preis) за поддержку этого проекта, ценные консультации, вклад в разработку и тес.

просто не возможна.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Ахмеджанов Н.М., Жукоцкий А.В., Кудрявцев В.Б., Оганов Р.Г., Расторгуев В.В., Рыжов АЛ., Строгалов А.С. Информационный мониторинг в задаче прогнозирования риска развития сердечно-сосудистых заболеваний. // Интеллектуальные системы. Т.7. Вып.1-4. 2003. - С. 5-38.

2. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приблизительных решений. - М.: Мир, 1976. - 165 с.

3. . ., . ., . . . - .: ,

1985. - 320с.

4. Рыжов AM. Модели поиска информации в нечеткой среде. М.: Издательство Центра

- , 2004. 96 .

5. . . . // -

теллектуальные системы. Т.6. Вып.1-4. 2002. - С. 341-364.

6. Рыжов AM. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. - 116с.

7. Сааmu Т. Анализ иерархических процессов. - М.: Радио и связь, 1993. - 315 с.

8. Яблонский С.В. Основные понятия кибернетики // Проблемы кибернетики. 1959. Вып.

2. - С. 7-38.

9. Libecap Garry D. University entrepreneurship and technology transfer: process, design, and intellectual property. ELSEVIER, 2005. 311c.

10. Martin Michael J.C. Managing innovation and entrepreneurship in technology based firms. NY: John Wiley & Sins, Inc., 1994. 402p.

11. Messarovich M.D., Macko D., Takahara Y. Theory of hierarchical multilevel systems. Academic Press, N.Y. - London, 1970. 344p.

12. Ryjov A. Basic principles and foundations of information monitoring systems // In: Monitoring, Security, and Rescue Techniques in Multi-agent Systems. Springer, 2005. p.147-160. ISBN 3-540-23245-1, ISSN 16-15-3871.

13. Ryjov A., Belenki A., Hooper R., Pouchkarev V., Fattah A., Zadeh, L.A. Development of an Intelligent System for Monitoring and Evaluation of Peaceful Nuclear Activities (DISNA), IAEA, STR-310. Vienna, 1998. 122p.

B.B. Ермилов СИНТЕЗ СИСТЕМЫ УРАВНЕНИЙ В ЗАДАЧЕ ПАРАМЕТРИЗАЦИИ ГЕОМЕТРИЧЕСКОЙ МОДЕЛИ

. -

товка геометрических моделей (ГМ). Наиболее эффективный автоматизированный метод подготовки геометрических моделей - метод параметрического моделиро-

.

рутинных геометрических задач, уменьшает число ошибок, ускоряет конструиро-