Материал: DO178 Учебное пособие_в183

Рис. 51. Пример дорожной карты для программного продукта на 1 год вперед

В первом столбце указаны более крупные области функциональности: сбор данных, анализ, презентация результатов и анализируемый исходный код. В следующем столбце эти области разделены на более частные подобласти. Например, сбор данных разделен на сбор данных по дефектам, метрикам качества и архитектуре анализируемого программного кода. В следующих клетках, относящихся к календарным кварталам, указывается какая именно тема (проект) будет исполняться для реализации данной функциональности.

Например, по разделу «Дефекты» на 1-й квартал запланирована тема «Конструктивные модели поиска дефектов», а на 2-й квартал – тема «Проверка дефектов, задаваемая пользователем». Параллельно с этими двумя работами запланирована тема «Выявление типичных шаблонов дефектов», которая будет продолжаться два квартала.

Зеленый цвет клетки означает, что для данной работы имеются все необходимые условия (бюджет, штат, оборудование, данные и т.д.), а желтый цвет – что не все необходимые условия для выполнения данной работы имеются в наличии, и требуются дополнительные усилия, чтобы данную работу запустить. Красный цвет клетки означает наличие только намерений на выполнение данной работы, не подкрепленный ни обязательствами (commitment to perform), ни необходимыми условиями (ability to perform), и служит сигналом к тому, что эти условия еще надо создать.

Пустые клетки означают отсутствие запланированных работ в указанные кварталы по данной тематике.

На Рис. 52 приведен пример дорожной карты научного подразделения НИИ. В ней выделены 4 направления работ: плановые темы НИИ, инициативные научные исследования, прикладная медицинская тематика и поддерживающие прикладные технологии. В каждой из этих областей затем выделены свои подобласти и по ним спланированы работы или заданы количественные показатели на перспективу.

Рис. 52. Пример дорожной карты лаборатории НИИ на 5 лет

Как видим, часть работ обеспечена финансированием и заказами, а «красные» и «желтые» клетки показывают, что еще необходимо организовать.

33. Метод Дельфи

Метод Дельфи (the Delphi method) был предложен Каном (Herman Kahn) и является формализованной процедурой получения общего мнения группы экспертов, отдельные мнения которые могут расходиться между собой. Это общее мнение может состоять из нескольких альтернатив, однако их число должно оказаться в конечном итоге существенно меньше числа экспертов.

В методе Дельфи, наряду с экспертами, важная роль отводится ведущему (moderator), который должен организовать работу так, чтобы мнения экспертов были действительно независимы, т.е., каждый эксперт не знал бы мнения своих коллег, а все частные мнения должны быть известны только одному ведущему. Один из вариантов этого метода представлен на Рис. 53.

Пять экспертов анонимным образом подают свои мнения на заданный исходный вопрос анонимному ведущему. Собрав ответы, ведущий старается переформулировать некоторые из них, чтобы сблизить точки зрения и уменьшить общее число существенно разных ответов, после чего переформулированные ответы направляются подавшим их экспертам для согласования и сужения области расхождений. После нескольких повторений такого шага оставшиеся несколько вариантов ответа (в идеале – всего один!) сообщаются как общее мнение данной группы экспертов по заданному вопросу.

Рис. 53. Общая схема метода Дельфи

На практике успех этого метода очень зависит от опытности ведущего и, разумеется, квалификации экспертов.

34. Деревья решений

Деревья решений – графическое представление развития событий и связей между альтернативами для представления всех последствий того или иного решения. Оно формируется по следующим принципам:

4. Решение – прямоугольник, события и возможные исходы – кружочки

5. Корень слева – исследуемое решение

6. Искать наиболее предпочтительный путь в каждом узле решения

7. Нарисовать все возможные пути в сценарии

8. При возможности пометить значением в денежном выражении каждый сегмент пути

9. Указать вероятности на путях, выходящих из узлов-событий

10. Определить величину риска для каждого сегмента пути как произведение вероятностей от корня до данной точки, еще умноженное на значение в денежном выражении для данного сегмента

11. Для каждого узла-решения выделить наиболее предпочтительный путь, сложив величины риска для альтернатив

12. Для узлов-событий рассмотреть каждый путь и сложить все результаты, двигаясь слева-направо

13. Продолжать, пока не будет выявлен самый предпочтительный путь

Например, стоит задача – путем переговоров заключить контракт на $10,000; при этом есть два события-исхода этих переговоров: E₁ – контракт получен и Е₂ – контракта не получен. Есть две альтернативы для принятия решения, в какой именно ресторан повести заказчика в перерыве на обед: А₁ – в хороший ресторан за $100 и А₂ – в предприятие быстрого питания за $10, причем в случае А₁ «вероятность» благоприятного исхода 10%, а в случае А₂ – только 2%. Какое из этих двух действий выбрать?

Рис. 54. Деревья решений для задач о ресторане (а) и тестировании (б)

Дерево решений для этой задачи представлено на Рис. 54, (а). Дуги, соответствующие действиям А₁ и А₂, помечены значениями $100 и $10 соответственно. Аналогично, дуги с действиями E₁ и Е₂ , ведущие в благоприятные завершения O₁ и O₃, помечены значениями 10% и 2% соответственно. Подсчитывая «стоимость» пути из корня дерева в благоприятные концевые вершины O₁ и O₃, получаем: O₁=$10000*10%-$100=$900 и O₃= $10000*2%-$10=$190. Сравнивая полученные 2 значения $900 и $190, видим, что решение А₁ предпочтительнее, так как дает заметно большую EMV. Все довольны!

Рис. 55. Размеченное дерево решений для задачи о тестировании

Дерево решения для другой задачи о тестировании представлено на Рис. 54, (б). Пусть на некотором производстве изготавливается по заказу 500 экземпляров некоторого прибора. Приборы можно перед отправкой тестировать на самом производстве, а можно отправлять заказчику без тестирования. При этом известно, что вероятность отказа прибора «в поле», т.е., на стороне заказчика – 4%; стоимость тестирования прибора на производстве $3,50 ; причем стоимость послетестовой сборки протестированного прибора на производстве – $2,000. Стоимость ремонта и повторной сборки прибора при отказе на производстве $10,00 ; а стоимость ремонта и повторной сборки после отказа прибора в поле – $100,000. Тестировать партию из 500 приборов на производстве или нет?

Размечая стоимости альтернатив на дереве решений, получаем картину, представленную на Рис. 55.

Как видим, EMV для тестирования дает $2,91М; тогда как это значение для случая без тестирования – только $2М. Сравнивая эти значения, видим, что не тестировать выгоднее; однако потери, связанные с репутацией, в этом случае не учтены.

35. Сравнительное ранжирование

Метод сравнительного ранжирования применительно к рискам называется CRR – Comparative Risk Ranking, он может применяться и во многих других ситуациях, когда необходимо принять решение на основании разноречивых мнений нескольких экспертов. Эффективность метода увеличивается при увеличении числа участников.

Рассмотрим этот метод на примере задачи ранжирования 5-ти рисков: A, B, C, D и E. Пусть в принятии решения участвуют 4 эксперта. Составляется треугольная матрица 4×4 (Рис. 56), размер которой определяется количеством сравниваемых пар объектов, т.е., число объектов без 1. В клетке с индексом [i,j] проставляются два значения: вверху – количество мнений, что объект j по рангу выше объекта i, а внизу – количество противоположных мнений, т.е., что, наоборот, объект i по рангу выше объекта j. Сумма числа мнений в каждой клетке постоянна и равна числу экспертов. Затем для каждого объекта суммируем число мнений, что он превосходит другой объект, по столбцу и строке матрицы, относящейся к этому объекту. В данном примере получаем, что: A=9, B=7, C=9, D=6 и E=10; т.е., на первом месте оказывается риск E.