Каталог статей

Таганов А.И., Гильман Д.В.

Подходы к нечеткой идентификации и анализу процессных рисков проекта

Для процессно-ориентированных технологий управления проектами в работе рассматриваются возможные подходы к решению задач идентификации и анализа процессных рисков проекта в условиях нечеткости, имеющих место по стадиям жизненного цикла (ЖЦ) любого современного проекта. Указанные задачи относятся к классу слабоструктурированных задач и требуют для своего решения разработки соответствующих подходов и методов, учитывающих факторы неопределенности и нечеткости [1-3] исходных данных.

Аспекты задачи идентификации процессных рисков проекта

Идентификация процессных рисков проекта представляет собой специальный процесс, ориентированный на выявление потенциальных рисков процессов и документирование их характеристик [3]. Область определения задачи, связанной с идентификацией процессных рисков может быть представлена кортежем:

,                                                                                    (1)

где  - заданное множество исходных данных (описание внешней среды проекта, описание внутренней среды проекта, описание отклонений в процессе реализации проекта, описание альтернатив реализации проекта и др.);  - заданная модель характеристик качества проектного процесса;  - искомое множество процессных рисков; - граф связности элементов множества ;  - множество альтернатив реагирования на идентифицированное множество R; L - набор методов и средств, ориентированных на определение множеств ,  и построение графа .

Успешность решения задач с областью определения (1) во многом зависит от используемого набора методов, входящих в состав множества . В инженерной практике такой набор методов обычно включает в себя: метод мозгового штурма, метод Дельфи, метод построения дерева решений, анализ SWOT, анализ контрольных списков, метод графического отображения моделей рисков с помощью диаграмм и др. [2, 3].  Однако указанные методы являются слабо формализованными, трудоемкими и соответственно субъективными по отношению к качеству принимаемых решений в условиях нечеткости проектных данных по стадиям ЖЦ программного проекта. Для решения задачи с областью определения (1) предлагается взять за основу известные подходы [2 - 4], которые ориентированы на  идентификацию рисков качества продукта, а не качества процесса. Это позволяет на формализованной основе построить соответствующие адаптированные алгоритмы и далее инструментальные средства для поддержки процесса идентификации рисков качества процессов проекта.

Аспекты задачи анализа процессных рисков проекта

Анализ процессных рисков проекта заключается в ранжировании по важности всех идентифицированных рисков анализируемого процесса с последующим выделением по заданным критериям некоторой совокупности рисков, которые передаются на следующие этапы планирования и мониторинга этих рисков.

В условиях нечеткости исходных данных, предлагаемый здесь подход к решению указанной задачи нечеткого анализа процессных рисков предполагает решение двух слабоструктурированных задач:

Задача 1 - определение вектора степеней влияния идентифицированных процессных рисков на обобщенный (интегральный) критерий качества процесса;

Задача 2 -  оптимизация состава контролируемых процессных рисков качества, передаваемых на следующие этапы, связанные с планированием и мониторингом рисков процессов проекта.

Область определения первой слабоструктурированной задачи, связанной с  анализом рисков, может быть представлена следующим кортежем:

,                                                       (2)

где  - множество идентифицированных процессных рисков проекта на момент времени t;  - модель характеристик качества процесса ПП на текущем этапе проекта;  - отображение  в , определяющее оценки влияния последствий  на характеристики качества процесса проекта;  - структура предпочтений специалистов (экспертов) по процессным рискам;  - граф связности процессных рисков;  - искомый вектор степеней влияния последствий  на обобщенный критерий качества процесса ПП;  - набор предлагаемых алгоритмов для определения вектора  на основе представленных на определенном этапе проекта исходных данных.

Для решения задачи 1  с областью определения (2) предлагается исследовать следующие подходы и способы построения набора алгоритмов  :

- алгоритм , позволяющий определять (по стадиям ЖЦ проекта) вектор  на основе следующих исходных данных: модель  задана множеством независимых характеристик качества процессов проекта;  содержит множество независимых рисков;  и  представлены экспертным способом на основе количественных оценок;

- алгоритм , отличающийся от  тем, что экспертные оценки специалистов по проектным рискам заданы вербальным способом;

- алгоритм , отличающийся от  и  тем, что модель  представлена деревом характеристик качества процессов проекта;

- алгоритм , позволяющий на основе данных, полученных при использовании одного из алгоритмов , , , учитывать наличие однозначной связности процессных рисков  по стадиям ЖЦ проекта;

- алгоритм , отличающийся от  тем, что дополнительно позволяет учитывать субъективную связность процессных рисков  проекта.

В основу обоснованного построения рассматриваемых алгоритмов  предлагаются прикладные методы теории нечетких множеств (ТНМ), модифицированный метод анализа иерархий и многокритериальные модели принятия решений в условиях неопределенности [1, 2, 6].

Вторая задача, связанная с определением совокупности контролируемых процессных рисков  по критерию их наибольшего суммарного влияния на обобщенный показатель качества процесса проекта, имеет следующую область определения:

,                                                                     (3)

где   и   - соответственно заданное множество процессных рисков проекта и заданный вектор степеней влияния этих рисков на обобщенный критерий качества процесса проекта;  - структура предпочтений экспертов по ресурсам проекта, которая ставит в соответствие каждому риску из  требуемые ресурсы на управление этим риском;  - набор алгоритмов, необходимый для решения задачи по определению  с учетом заданных условий и ограничений.

Для решения слабоструктурированной задачи 2 с областью определения (3) предлагаются два подхода, рассматривающие построение алгоритмов определения :

- первый подход связан с построением алгоритма , ориентированного на решение задачи с областью определения (3) в том случае, когда в исходных данных присутствуют условия нечеткости процессных данных и отсутствуют жесткие ресурсные ограничения на управление процессными  рисками проекта;

- второй подход отражает построение алгоритма , отличающегося от  возможностью решения указанной задачи,  при наличии в исходных данных заданных предпочтений экспертов по ресурсам, выделенных в проекте для управления процессными рисками.

Для построения алгоритмов  и  предлагается исследовать подходы, основывающиеся на использовании положений ТНМ и методов многокритериального выбора альтернатив в условиях неопределенности. Опыт применения указанных теорий для задач анализа рисков программных изделий позволяет адаптировать известные методы и алгоритмы [2, 4] к задачам анализа рисков качества процессов проекта. Сформированный такими способами оптимизированный состав  используется далее на этапе мониторинга и сокращения процессных рисков качества процессов проекта.

Литература

1. Аверкин А.Н.. Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта / под. ред. Д.А.Поспелова. - М.:Наука, 1986. - 312 с.

2. Гуров В.С., Корячко В.П., Таганов А.И, Таганов Р.А. Теория и практика снижения рисков проектов сложных программных систем по характеристикам качества // Труды VII Всероссийской научно-методической конференции «Телематика-2010». - С.-П., 2010.- Том 2.- С. 389-390.

3. Андрейчиков А.В., Андрейчикова О.Н. Системный анализ и синтез стратегических решений в инноватике. Основы стратегического инновационного менеджмента и маркетинга. – Издательство: Книжный дом «Либроком», 2012. 248 с.

4. Таганов А.И. Методика анализа и сокращения рисков проектов сложных программных систем по характеристикам качества // Вестник РГРТУ. - Рязань, 2010. - Вып. 30. - С. 77-82.