Ứng dụng mô hình tăng trưởng nhằm nâng cao kết quả dự đoán mức độ hoàn thành dự án phần mềm

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI  LUẬN VĂN THẠC SĨ Ứng dụng mơ hình tăng trưởng nhằm nâng cao kết dự đốn mức độ hồn thành dự án phần mềm TRẦN ĐỨC THÀNH Ngành Công nghệ thông tin HÀ NỘI, 11/2019 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI  LUẬN VĂN THẠC SĨ Ứng dụng mơ hình tăng trưởng nhằm nâng cao kết dự đốn mức độ hồn thành dự án phần mềm TRẦN ĐỨC THÀNH Ngành Công nghệ thông tin Giảng viên hướng dẫn: PGS.TS HUỲNH QUYẾT THẮNG Chữ ký GVHD Viện: Công nghệ thông tin HÀ NỘI, 11/2019 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Trần Đức Thành Đề tài luận văn: Ứng dụng mơ hình tăng trưởng nhằm nâng cao kết dự đốn mức độ hồn thành dự án phần mềm Chuyên ngành: Công nghệ thông tin Mã số HV: CB160540 Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 26 tháng 10 năm 2019 với nội dung sau: Chỉnh sửa lại hình thức: Bảng biểu hình vẽ chưa tên, thiếu mơ tả, tham chiếu chưa tốt, nhiều cơng thức chưa trích dẫn, lỗi tả + Chỉnh sửa lại hình thức , nội dung , bảng biểu , hình vẽ + Bổ sung trích dẫn cơng thức + Chỉnh sửa vài chỗ cịn sai tả Thêm phân tích mơ tả nghiên cứu áp dụng mơ hình tăng trưởng phần mềm, phân tích kết thực nghiệm + Mô tả thêm nghiên cứu áp dụng mơ hình tăng trưởng (chương ,mục 2.1) + Phân tích thêm kết thực nghiệm (chương , mục 3.4 ) Làm rõ thực nghiệm, thực để tham số lựa chọn kết tốt + Làm rõ thực nghiệm , phương pháp lựa chọn tham số (chương , mục 3.1.2) + Bổ sung thêm phân tích lựa chọn kết tốt (chương ,mục 3.3) Mô tả thêm liệu thực nghiệm i + Bổ sung thông tin chi tiết, rõ ràng cấu trúc liệu lấy để làm thử nghiệm (chương 3, bảng 3.2 , bảng 3.3 , bảng 3.4) + Cách thức tính tốn sử dụng liệu cho kết (chương , mục 3.1.2) Ngày 20 tháng 11 năm 2019 Giáo viên hướng dẫn Tác giả luận văn PGS.TS Huỳnh Quyết Thắng Trần Đức Thành CHỦ TỊCH HỘI ĐỒNG PGS.TS Cao Tuấn Dũng ii ĐỀ TÀI LUẬN VĂN - Tên đề tài: Ứng dụng mơ hình tăng trưởng nhằm nâng cao kết dự đốn mức độ hồn thành dự án phần mềm - Tác giả luận văn: Trần Đức Thành - Giảng viên hướng dẫn: PGS.TS Huỳnh Quyết Thắng - Ngành đào tạo: Công nghệ thông tin - Viện đào tạo: Công nghệ thông tin Truyền thông Giảng viên hướng dẫn (Ký ghi rõ họ tên) PGS.TS Huỳnh Quyết Thắng iii LỜI CẢM ƠN Để hồn thành luận văn này, trước hết tơi xin chân thành cảm ơn PGS TS Huỳnh Quyết Thắng - người trực tiếp hướng dẫn, cung cấp tài liệu có nhiều ý kiến đóng góp cho luận văn Tơi xin chân thành cảm ơn thầy cô giáo, cán … Đại học Bách khoa Hà Nội tận tình giảng dạy, giúp đỡ tơi q trình thực luận văn suốt khóa học Xin chân thành cảm ơn! TÓM TẮT NỘI DUNG LUẬN VĂN Chương 1: Tìm hiểu phương pháp quản trị giá trị thu (EVM) quản lý dự án Trong chương nghiên cứu trình bày khái niệm quản lý dự án phần mềm, tổng quan tiếp cận sử dụng EVM, thông số đặc trưng cơng thức tính số EVM Từ đó, phân tích ưu điểm nhược điểm EVM chi tiết Chương 2: Tìm hiểu mơ hình tăng trưởng thuật tốn mơ hình tăng trưởng Trong chương nghiên cứu trình bày đặc điểm, đặc trưng tốn học mơ hình tăng trưởng, phương pháp đánh giá dựa mơ hình tăng trưởng Từ đưa cách tính chi phí dự đốn với mơ hình tăng trưởng, phương pháp so sánh mơ hình tăng trưởng dựa vào số Chương 3: Cài đặt, thử nghiệm đánh giá Trong chương nghiên cứu trình bày tổng quan phần mềm xây dựng, cài đặt thử nghiệm Bao gồm nội dung: - Chạy thử nghiệm với 10 liệu đầu vào liệu thu từ dự án thực tế - Lựa chọn thuật toán tối ưu cho tham số mơ hình tăng trưởng, so sánh kết đánh giá thu mơ hình tăng trưởng kết hợp với giá trị thu phương pháp EVM iv - Đưa đánh giá tối ưu độ xác theo giai đoạn 25% , 50% 75% phương pháp Chương 4: Kết luận hướng phát triển Trong chương luận văn tóm tắt kết đạt được, đóng góp khó khăn trình làm luận văn, hướng phát triển tiếp cho đề tài luận văn Hà Nội, ngày tháng Tác giả năm 2019 Trần Đức Thành v MỤC LỤC DANH MỤC HÌNH VẼ iii DANH MỤC BẢNG iv BẢNG CHỈ DẪN CÁC CÔNG THỨC v DANH MỤC CÁC TỪ VIẾT TẮT vi MỞ ĐẦU CHƯƠNG PHƯƠNG PHÁP QUẢN TRỊ GIÁ TRỊ THU ĐƯỢC TRONG QUẢN LÝ DỰ ÁN 1.1 Khái niệm quản lý dự án phần mềm 1.2 Tổng quan tiếp cận sử dụng EVM 1.3 Các thông số đặc trưng 1.4 Cơng thức tính 1.5 Ưu điểm EVM quản trị dự án 1.6 Hạn chế EVM 1.7 Kết chương CHƯƠNG TÌM HIỂU VỀ MƠ HÌNH TĂNG TRƯỞNG 10 2.1 Các mơ hình tăng trưởng 10 Mơ hình tăng trưởng Logistic (LM – Logistic Model) 12 Mơ hình tăng trưởng Gompertz (GM – Gompertz model) 12 Mơ hình tăng trưởng Bass 12 Mơ hình tăng trưởng Richards( RM – Richards Model) 13 Mơ hình tăng trưởng Von- bertalanffy 13 Đánh giá lựa chọn mơ hình tăng trưởng 14 2.2 Phương pháp đánh giá dựa mô hình tăng trưởng 14 Xây dựng đường cong S 14 Phương pháp ước lượng tham số 16 Dự đoán chi phí hồn thành dự án CEAC 19 2.3 Kết hợp chi phí dự đốn với mơ hình tăng trưởng (Growth Model GM) 19 2.4 So sánh mơ hình tăng trưởng phương pháp dựa số 20 2.5 Kết chương 20 i CHƯƠNG CÀI ĐẶT THỬ NGHIỆM VÀ ĐÁNH GIÁ 21 3.1 Tổng quan phần mềm xây dựng 21 Xây dựng liệu đầu vào 21 Lập trình thuật toán 23 3.2 Cài đặt thử nghiệm 24 3.3 So sánh tìm thuật tốn tối ưu cho mơ hình tăng trưởng 25 Mơ hình tăng trưởng Gompezt 25 Mơ hình tăng trưởng Bass 27 Mơ hình Logistics 28 Mơ hình Richards 29 Mơ hình Von- bertalanffy 31 Kết luận 32 3.4 Tính tốn chi phí kết đạt 32 3.5 Đánh giá kết 36 3.6 Kết chương 38 CHƯƠNG -KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 39 4.1 Kết luận 39 4.2 Hướng phát triển 40 ii DANH MỤC HÌNH VẼ HÌNH 1.1 TAM GIÁC QUẢN LÝ DỰ ÁN HÌNH 1.2 QUY TRÌNH KIỂM TRA VÀ GIÁM SÁT QUẢN LÝ DỰ ÁN PHẦN MỀM [10] HÌNH 2.1 CÁC ĐẶC TRƯNG CỦA MỘT MƠ HÌNH TĂNG TRƯỞNG CHỮ S 11 HÌNH 3.1 BIỂU ĐỒ SO SÁNH TỈ LỆ THU ĐƯỢC GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA THUẬT TOÁN ĐỀ XUẤT VỚI MƠ HÌNH GOMPEZT 26 HÌNH 3.2 BIỂU ĐỒ SO SÁNH GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA PHƯƠNG PHÁP ĐỀ XUẤT 26 HÌNH 3.3 BIỂU ĐỒ SO SÁNH TỈ LỆ THU ĐƯỢC GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA THUẬT TỐN ĐỀ XUẤT VỚI MƠ HÌNH BASS 28 HÌNH 3.4 BIỂU ĐỒ SO SÁNH TỈ LỆ THU ĐƯỢC GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA THUẬT TOÁN ĐỀ XUẤT VỚI MƠ HÌNH LOGISTICS 29 HÌNH 3.5 BIỂU ĐỒ SO SÁNH TỈ LỆ THU ĐƯỢC GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA THUẬT TỐN ĐỀ XUẤT VỚI MƠ HÌNH RICHARDS 30 HÌNH 3.6 BIỂU ĐỒ SO SÁNH TỈ LỆ THU ĐƯỢC GIÁ TRỊ HÀM TỐI ƯU TỐT NHẤT GIỮA BA THUẬT TỐN ĐỀ XUẤT VỚI MƠ HÌNH RICHARDS 32 HÌNH 3.7 SAI SỐ MAPE (%) CỦA EAC – GM1 THEO GIAI ĐOẠN CỦA CÁC MƠ HÌNH TĂNG TRƯỞNG 37 HÌNH 3.8 SAI SỐ MAPE (%) CỦA EAC-GM2 THEO GIAI ĐOẠN CỦA CÁC MƠ HÌNH TĂNG TRƯỞNG 37 HÌNH 3.9 SAI SỐ MAPE(%) CỦA TOÀN DỰ ÁN 38 iii 0.408280513 0.408276437 0.408276446 0.624768952 0.624768954 0.624768952 0.432215073 0.432215076 0.432215074 0.624935989 0.624935993 0.624935991 0.962713538 0.962713536 0.962713535 0.233539949 0.233539949 0.233539949 0.0993245 0.099316751 0.099316759 10 0.933089854 0.933089853 0.933089855 Từ bảng liệu ta thu biểu đồ giá trị tối ưu hình đây: Giá trị hàm tối ưu curve_fit 30% least_squares 40% leastsq 30% least_squares leastsq curve_fit Hình 3.4 Biểu đồ so sánh tỉ lệ thu giá trị hàm tối ưu tốt ba thuật tốn đề xuất với mơ hình Logistics Từ số liệu qua việc phân tích biểu đồ trên, luận văn rút nhận xét sau : - Hàm least_square cho tỉ lệ tối ưu hàm mát tốt với 4/10 - Hàm leastsq curve_fit cho kết tương đương Mơ hình Richards Ta tiến hành cài đặt thực nghiệm phương pháp tìm tham số cho mơ hình tăng trưởng Richards, ta thu bảng trực quan kết hàm fitness 10 liệu đây: 29 Bảng 3.9 Kết hàm fitness thu sau tối ưu hóa tham số cho mơ hình tăng trưởng Richards với ba thuật tốn Bộ liệu least_squares leastsq curve_fit 0.590793978 0.590793977 0.590793978 0.336783607 0.336785092 0.33678509 0.399280513 0.399276437 0.399276446 0.621851142 0.621851144 0.621851151 0.431134173 0.431134176 0.431134174 0.624167789 0.624167793 0.624167791 0.965522648 0.965522544 0.965522767 0.233449946 0.233449947 0.233449947 0.099883245 0.099883161 0.099883160 10 0.934756854 0.934756853 0.934756855 Từ bảng liệu ta thu biểu đồ giá trị tối ưu hình đây: Giá trị hàm tối ưu curve_fit 10% leastsq 40% least_squares least_squares 50% leastsq curve_fit Hình 3.5 Biểu đồ so sánh tỉ lệ thu giá trị hàm tối ưu tốt ba thuật toán đề xuất với mơ hình Richards 30 Vậy, với mơ hình tăng trưởng Richards cho hàm least_square có tỉ lệ tối ưu hàm mát tốt với 5/10 Mơ hình Von- bertalanffy Tiến hành cài đặt thực nghiệm phương pháp tìm tham số cho mơ hình tăng trưởng Von- bertalanffy, ta thu bảng trực quan kết hàm fitness 10 liệu đây: Bảng 3.10 Kết hàm fitness thu sau tối ưu hóa tham số cho mơ hình tăng trưởng Von- bertalanffy với ba thuật toán Bộ liệu least_squares leastsq curve_fit 0.590196612 0.590195589 0.590194977 0.337283626 0.33728529 0.337285632 0.405761412 0.405766446 0.405189611 0.624768792 0.624768791 0.624768794 0.432215280 0.432215374 0.432215285 0.637935735 0.637935741 0.637935755 0.963813522 0.963813525 0.963813512 0.233539811 0.233539841 0.233539867 10 0.09993124 0.0999311766 0.0999312761 0.943089901 0.943089955 0.943089899 Từ bảng liệu ta thu biểu đồ giá trị tối ưu hình đây: 31 Giá trị hàm tối ưu curve_fit 40% least_squares 40% leastsq 20% least_squares leastsq curve_fit Hình 3.6 Biểu đồ so sánh tỉ lệ thu giá trị hàm tối ưu tốt ba thuật toán đề xuất với mơ hình Richards Với mơ hình tăng trưởng Von- bertalanffy cho kết tương đương hai thuật tốn least_squares curve_fit Tuy nhiên kết chênh lệch khơng cao nên ta sử dụng hai hàm least_squares curve_fit Kết luận Như vậy, với mơ hình tăng trưởng luận văn xét tới, hàm least_square cho giá trị tối ưu Bởi ta sử dụng hàm least_square để tính tốn chi phí sai số cho mơ hình tăng trưởng 3.4 Tính tốn chi phí kết đạt Sử dụng hàm least_square cho phép ta xây dựng tham số α, β, γ cho mơ hình tăng trưởng Từ đó, theo cơng thức tính chi phí dự đốn hồn thành dự án ta dược kết cho mơ hình tăng trưởng bảng Ta xét kết với liệu dự án thực tế đề cập 3.1.1 - Với chi phí cuối dự án dự đoán thời điểm 25% , 50%, 75% chi phí ngân sách ban đầu , phần trăm sai số dự đoán so với chi phí thực tế 32 Bảng 3.11 Bảng kết dự đốn chi phí thực dự án Dự án % thực Gompertz Bass Logistic EACGM1 EACGM2 EACGM1 EACGM2 EACGM1 EACGM2 25% 244.33 257.62 242.61 253.34 238.56 245.72 50% 251.98 268.45 253.12 270.73 252.03 75% 253.79 257.95 250.79 253.98 25% 512.56 525.28 511.16 50% 508.17 528.88 75% 522.11 25% Richards EACGM1 Von-Bertanflt Giá trị thực EACGM2 EACGM1 EACGM2 290.1 247.18 245.87 250.24 259.69 261.42 290.86 259.06 239.8 245.3 259.69 244.74 246.75 263.24 256.81 243.67 249.82 259.69 522.26 500.05 507.55 571.23 514.93 507.51 520.29 529.35 507.83 528.4 506.67 519.04 564.89 517.39 496.99 511.83 529.35 538.63 517.73 531.59 503.81 512.46 552.25 532.92 516.62 531.53 529.35 282 321.85 280.35 308.51 275.7 291.77 327.78 291.86 275.59 292.25 324.7 50% 283.75 313.04 282.12 302.24 282.63 295.9 328.6 296.56 279.16 303.78 324.7 75% 284.74 319.91 283.35 314.63 278.73 319.91 327.32 306.32 286.53 329.02 324.7 25% 378.8 384.36 372.27 375.56 367.55 370.31 371.02 379.84 349.53 362.22 349.38 50% 344.44 351.83 343.82 347.48 344.69 348 341.41 347.52 345.45 353.59 349.38 75% 351.16 357.38 343.93 348.39 342.23 346.1 334.91 355.92 358.37 397.44 349.38 25% 927.51 919.61 887.09 883.06 878.04 874.82 907.21 925.8 891.02 887.09 925 50% 940.85 938.97 942.8 941.8 942.8 942.04 944.38 939.91 942.44 929.87 925 75% 967.21 956.49 938.17 934.24 935.8 932.25 958.35 959.15 965.85 945.97 925 33 Sai số PE tính tốn bảng Bảng 3.12 Bảng kết so sánh theo sai số PE Dự án % thực Gompertz Bass Logistic Richards EACGM1 Von-Bertanflt EACGM2 EACGM1 EACGM2 Giá trị thực EACGM1 EACGM2 EACGM1 EACGM2 EACGM1 EACGM2 25% -5.91 -0.8 -6.58 -2.45 -8.14 -5.38 11.71 4.81 -1.53 0.22 259.69 50% -2.97 3.37 -2.53 4.25 -2.95 0.67 12.01 0.24 -3.96 -1.76 259.69 75% -2.27 -0.67 -3.43 -2.2 -5.76 -4.98 1.37 1.1 -2.41 0.05 259.69 25% -3.17 -0.77 -3.44 -1.34 -5.54 -4.12 7.91 2.72 -2.28 0.18 529.35 50% -4 -0.09 -4.07 -0.18 -4.28 -1.95 6.71 2.25 -4.31 -1.45 529.35 75% -1.37 1.75 -2.2 0.42 -4.82 -3.19 4.32 0.67 -0.53 2.35 529.35 25% -13.15 -0.88 -13.66 -4.99 -15.09 -10.14 0.95 10.11 -9.55 -4.09 324.7 50% -12.61 -3.59 -13.11 -6.92 -12.96 -8.87 1.2 8.67 -8.38 -0.3 324.7 75% -12.31 -1.48 -12.73 -3.1 -14.16 -7.87 0.81 5.67 -5.96 7.98 324.7 25% 8.42 10.01 6.55 7.49 5.2 5.99 6.19 8.72 -5.37 -1.94 349.38 50% -1.41 0.7 -1.59 -0.54 -1.34 -0.39 2.28 0.53 -6.48 -4.27 349.38 75% 0.51 2.29 -1.56 -0.28 -2.05 -0.94 4.14 1.87 -2.98 7.6 349.38 25% 0.27 -0.58 -4.1 -4.53 -5.08 -5.42 1.92 0.09 -4.4 -4.82 925 50% 1.71 1.51 1.92 1.82 1.92 1.84 2.1 1.61 1.12 -0.23 925 75% 4.56 3.4 1.42 1.17 0.78 3.61 3.69 3.63 1.5 925 34 Bảng 3.13 Bảng kết so sánh theo sai số MAPE Gompertz Bass Logistic Richards Von-Bertanflt % thực EACGM1 EACGM2 EACGM1 EACGM2 EACGM1 EACGM2 25% 5.47 2.17 5.67 3.19 6.65 4.54 5.74 5.29 4.63 2.25 50% 5.12 2.61 5.54 2.85 5.13 3.24 4.86 2.66 4.85 1.6 75% 5.26 2.46 5.07 1.8 6.77 4.78 2.85 2.6 3.1 3.9 Tổng 5.28 2.41 5.43 2.61 6.18 4.19 4.48 3.52 4.19 2.58 EACGM1 EACGM2 EACGM1 EACGM2 35 3.5 Đánh giá kết Mục đích đề xuất ba thuật toán ước lượng tham số để tìm thuật tốn cho kết tối ưu Khi tìm thuật tốn ước lượng tham số cơng việc chạy thử nghiệm ba mơ hình tăng trưởng Gompartz, Bass, Logistic để so sánh hiệu xem mô hình cho kết tốt Đối với phương pháp ước lượng tham số thuật tốn Gradient Descent cho kết tối ưu thuật toán Levenberg-Marquardt (L-M), nên lựa chọn tối ưu hóa tham số cho ba mơ hình Kết dự đốn: - Ở giai đoạn sớm (25%): mơ hình cải tiến cho kết tốt Trong có dự án cho kết tốt, dự án trung bình dự án 4,5 không thu kết tốt nhất, tạm chấp nhận với sai số cao lên đến 10% - Ở giai đoạn (50%) giai đoạn muộn (75%) cho kết trung bình tương đối tốt - Mơ hình tăng trưởng Gompertz Von-Bertanflt cải tiến ln cho kết dự đốn tốt ba giai đoạn(25%, 50%, 75% so với kế hoạch) 36 Hình 3.7 Sai số MAPE (%) EAC – GM1 theo giai đoạn mơ hình tăng trưởng - Hình 3.8 Sai số MAPE (%) EAC-GM2 theo giai đoạn mơ hình tăng trưởng 37 Hình 3.9 Sai số MAPE(%) tồn dự án Cả mơ hình tăng trưởng cải tiến cho kết dự đoán tốt, thể kết số sai số MAPE với mơ hình là: • Mơ hình tăng trưởng Gompertz cải tiến: 2.41% • Mơ hình tăng trưởng Bass cải tiến: 2.49% • Mơ hình tăng trưởng Logistic cải tiến: 4.19% • Mơ hình tăng trưởng Richards cải tiến: 3.52% • Mơ hình tăng trưởng Von-Bertanflt cải tiến: 2.58% Tóm lại, từ kết chứng minh phương pháp kết hợp EVM-GM đem lại hiệu tốt việc sử dụng phương pháp EVM hay mơ hình tăng trưởng GM 3.6 Kết chương Như vậy, chương ba, luận văn giới thiệu ba phương pháp ước lượng tham số cho mơ hình tăng trưởng thuật tốn áp dụng cho phương pháp Đồng thời tiến hành lập trình thuật tốn, chạy thử nghiệm để có kết so sánh thuật toán mơ hình tăng trưởng Từ đưa kết luận việc sử dụng mơ hình tăng trưởng Logictics với hàm least_squares cho kết tối ưu 38 CHƯƠNG -KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 4.1 Kết luận Đánh giá mức độ hoàn thành dự án phần mềm khâu quan trọng giúp cho nhà quản lý dự án kiểm soát tiến độ thực dự án, qua đưa chiến lược phù hợp để giúp cho dự án hoàn thành bảo đảm tiến độ với ngân sách đề Luận văn hoàn thành mục tiêu đề bao gồm: - Tìm hiểu tổng quan quản lý dự án phần mềm, phương pháp Quản trị giá trị thu mơ hình tăng trưởng Nghiên cứu ứng dụng số quản trị giá trị thu (EVM) mơ hình tăng trưởng dự đốn mức độ hồn thành dự án phần mềm - Cài đặt thử nghiệm dự đoán dựa hàm xấp xỉ để dự đoán đường cong S áp dụng để tính tốn chi phí thời điểm kết thúc dự án - Tiến hành cài đặt thử nghiệm dự đoán dựa hàm xấp xỉ để dự đoán đường cong S áp dụng để tính tốn chi phí thời điểm kết thúc dự án - Tiến hành so sánh hàm dự đoán mơ hình tăng trưởng Các đóng góp khoa học luận văn bao gồm: - Đề xuất sử dụng thuật tốn tối ưu cho việc tìm tham số mơ hình tăng trưởng Logictics, Bass, Gompertz, Richards, VonBertanflt - Thực nghiệm thuật toán liệu thực so sánh kết thuật toán với Kết cho thấy nghiên cứu đề xuất hàm least_squares cho kết tối ưu - Thực nghiệm liệu thật cho thấy mơ hình Gomperts cho kết tốt với sai số nhỏ Khó khăn q trình làm luận văn: 39 - Trong trình thực nghiên cứu, tơi gặp khó khăn định phải tìm hướng giải khó khăn Khó khăn việc tìm kiếm tài liệu phân tích định tính định lượng trình dự án từ lúc bắt đầu đến hồn thành Tơi phải nhờ giúp đỡ giáo viên hướng dẫn, tìm kiếm tài liệu khác mạng Internet để tổng hợp, chọn lọc tài liệu hay phù hợp để tiến hành nghiên cứu áp dụng mơ hình thử nghiệm - Khó khăn thứ hai nhu cầu sử dụng đa dạng liệu dự án chiều sâu thông tin trình triển khai dự án thực tế Dữ liệu lịch sử giai đoạn dài, thuận lợi cho mơ hình để trích rút thơng số cần thiết để dự đốn hiệu Vì phương pháp đòi hỏi liệu lịch sử giai đoạn dài nên việc thu thập thủ công khó khăn Hướng giải tơi xây dựng chương trình python để xử lý tính toán với liệu phức tap 4.2 Hướng phát triển Do khả thời gian hạn chế nên nghiên cứu dừng lại nghiên cứu thử nghiệm ban đầu Mỗi mơ hình sử dụng phương pháp kết hợp đề xuất mục 2.1 nghiên cứu cải tiến để tăng kết dự đốn cho phương pháp kết hợp mơ hình Các hướng phát triển đề xuất sau: - Tiến hành thử nghiệm thêm hàm toán học, dựa liệu có sẵn mở rộng để nhận xét thêm tính xác hàm, tính áp dụng hàm thực tế dự đốn - Ngồi ra, chứng minh dựa sở toán học hàm fitness hỗ trợ mạnh mẽ cho việc sử dụng hàm 40 việc tính tốn mơ hình dự đốn chi phí thời điểm hồn thành dự án - Nhận thấy số lượng tham số mơ hình tương đối nhỏ Vì vậy, tương lai, ta thực thuật toán tối ưu thuật toán xấp xỉ giải thuật Di truyền, giải thuật Tối ưu hóa bầy đàn,… Các giải thuật cho kết tốt nhiều tốn tối ưu, thâm chí số lượng tham số lớn - Hiện tại, số lượng dự án để phục vụ tiến hành thực nghiệm cịn nên kết cịn chưa có tính thuyết phục cao Ta tiến hành sưu tầm, tìm kiếm chọn lọc thêm liệu dự án Đồng thời, thêm kịch thực nghiệm liệu mới, kết hợp so sánh với kết nghiên cứu nhằm đánh giá tổng thể thuật toán đề xuất - Xây dựng giao diện phần mềm cho người dùng sử dụng, xử lý ngoại lệ tốt Trong trình làm luận văn, em cố gắng nhiều, nhiên khơng tránh khỏi thiếu sót, em mong nhận ý kiến đóng góp Thầy giáo, Cô giáo, bạn bè, đồng nghiệp để luận văn ngày hoàn thiện 41 TÀI LIỆU THAM KHẢO [1] Nannini, G., R D H Warburton, and A De Marco "Improving the accuracy of project estimates at completion using the Gompertz function International Research Network on Organizing by Projects (IRNOP) 2017, UTS ePRESS, Sydney: NSW." (2017): 1-15 [2] Narbaev T.; De Marco A (2014) Combination of Growth Model and Earned Schedule to Forecast Project Cost at Completion In: Journal of Construction engineering and management, vol 140 n 1, Article number 04013038- - ISSN 0733-9364 [3] Batselier, J., & Vanhoucke, M (2015) Evaluation of deterministic stateof-the-art forecasting approaches for project duration based on earned value management International Journal of Project Management, 33(7), 1588-1596 [4] Khamooshi, H., Golafshani, H., 2014 EDM: Earned Duration Management, a new approach to schedule performance management and measurement Int J Proj Manag 32, 1019–1041 [5] Lipke, W (2011) Earned schedule application to small projects PM World Today, 13, 1-12 [6] Elshaer, R (2013) Impact of sensitivity information on the prediction of project's duration using earned schedule method International Journal of Project Management, 31(4), 579-588 [7] Mukherjee, I., & Routroy, S (2012) Comparing the performance of neural networks developed by using Levenberg–Marquardt and QuasiNewton with the gradient descent algorithm for modelling a multiple response grinding process Expert Systems with Applications, 39(3), 23972407 [8] Bottou, L (2010) Large-scale machine learning with stochastic gradient descent In Proceedings of COMPSTAT'2010 (pp 177-186) PhysicaVerlag HD [9] Dong, D., & McAvoy, T J (1996) Nonlinear principal component analysis—based on principal curves and neural networks Computers & Chemical Engineering, 20(1), 65-78 [10] Moré, J J (1978) The Levenberg-Marquardt algorithm: implementation and theory In Numerical analysis (pp 105-116) Springer, Berlin, Heidelberg 42 [11] Lourakis, M I (2005) A brief description of the Levenberg-Marquardt algorithm implemented by levmar Foundation of Research and Technology, 4(1), 1-6 [12] Budil, D E., Lee, S., Saxena, S., & Freed, J H (1996) Nonlinear-leastsquares analysis of slow-motion EPR spectra in one and two dimensions using a modified Levenberg–Marquardt algorithm Journal of Magnetic Resonance, Series A, 120(2), 155-189 [13] Stellman, Andrew; Greene, Jennifer (2005) [14] L9_logistic-growth.pdf [15] Gompertz function From Wikipedia, the free encyclopedia [16]http://www.piscesconservation.com/growthhelp/index.html?richard s_curve.htm [17] https://en.wikipedia.org/wiki/Von_Bertalanffy_function [18] https://cedar.buffalo.edu/~srihari/CSE574/Chap3/3.2GradientDescent.pdf [19] The Levenberg-Marquardt algorithm for nonlinear least squares curve-fitting problems [20] Combination of Growth Model and Earned Schedule to Forecast Project Cost at Completion 2.pdf [21] https://www.scipy.org/ 43 ... ? ?Ứng dụng mơ hình tăng trưởng nhằm nâng cao kết dự đốn mức độ hồn thành dự án phần mềm? ?? Mục tiêu, nhiệm vụ, đối tượng, phạm vi phương pháp nghiên cứu Mục tiêu: Đề tài thực nhằm nâng cao kết dự. .. đánh giá mức độ hoàn thành dự án điều cần thiết Việc đánh giá mức độ hoàn thành dự án giúp nhà quản lý dự án kiểm soát tiến độ thời gian thực Qua đưa chiến lược phù hợp để điều chỉnh dự án hoàn. .. hình tăng trưởng phương pháp EVM Phạm vi: Quản trị dự án phần mềm Phương pháp nghiên cứu: Đánh giá mức độ hoàn thành dự án phần mềm khâu quan trọng giúp cho nhà quản lý dự án kiểm soát tiến độ