5.3.4. Методика аналитически-исследовательского установления трудоемкости на основе адаптивного моделирования

Адаптивное моделирование заключается в построении и использовании на основе комбинирования различных математических методов адаптивных моделей и систем определения трудоемкости. В общем случае под адаптивными понимаются модели и системы, автоматизированно реализующие на основе обратных связей наиболее эффективные режимы своего функционирования в условиях разнообразных возмущающих воздействий. При этом адаптация может быть осуществлена в различных аспектах - активная и пассивная адаптация моделей, структурная адаптация системы и т.д.

В качестве конкретного математического аппарата для построения адаптивных информационных моделей трудоемкости используются известные математические методы: теория распознавания образов (ТРО), конкретно-кластерный анализ, математическая статистика, в частности различные методы аппроксимации, теорема Байеса. При определенной их комбинации возможно получение оценок трудоемкости НИОКР и их элементов по различным направлениям членения (объект и процесс НИОКР в целом и по частям) на основе единого методологического подхода в условиях различной неопределенности.

С этой целью рекомендуется комбинированная модель установления трудоемкости.

Математическое обеспечение разработано универсальным и реализовано как в диалоговом, так и в пакетном режиме работы на персональных компьютерах.

В отличие от корреляционно-регрессионных моделей модели, построенные на базе ТРО, не требуют описания зависимости непрерывной функцией, не предъявляют требований однородности совокупностей, снимают ограничения, связанные с алгебраической формой связи, позволяют эффективно использовать и количественные, и качественные признаки, а главное - не требуют накопления столь значительных объемов исходной информации. Модели на базе ТРО позволяют проводить вероятностную оценку работ высокой новизны и неопределенности (т.е. и НИР, и ОКР) в рамках единого методологического подхода.

Суть ТРО заключается в классификации работ одновременно по большому количеству качественных и количественных признаков, ни один из которых не является необходимым и достаточным. Поскольку в качестве основного классификационного признака предлагается использовать непрерывную величину трудоемкости, ее разбивают на интервальные оценки, образуя классы искусственным путем. Работы, затраты труда на выполнение которых попадают в один и тот же интервал, считаются работами одного класса.

Ширина интервалов по трудоемкости выбирается исходя из тактических соображений. Чем интервал меньше, тем выше точность модели и оценок трудоемкости, но требуется существенно больше статистической информации о разнообразных НИР и ОКР.

В общем виде модель представляет собой матрицу, строками которой являются влияющие на трудоемкость факторы и их возможные состояния, столбцами - интервалы по трудоемкости (классы). Элементами матрицы являются вероятности попадания значений факторов в конкретный интервал по трудоемкости. Наполнение матрицы производится реальной информацией о всех ранее выполненных НИР и ОКР - фактической трудоемкостью и конкретными значениями факторов (задача "обучения").

Активная адаптация моделей состоит в корректировке наполнения матриц по мере накопления информации о законченных разработках, а также изменениях оргтехусловий протекания процесса ИР и других возмущающих воздействиях.

Структурная адаптация системы состоит в выборе в автоматизированном режиме входной информации одной или нескольких альтернативных моделей определения трудозатрат, в уточнении на основе имеющейся информации структур конкретных разработок, в учете накопленного задела и степени его необходимых доработок. Все это также способствует повышению точности и достоверности решения задачи нормирования.

Практическое определение трудоемкости сводится к выбору в зависимости от входной информации соответствующих моделей и последовательности их работы. Входной информацией для определения состава моделей служат объем и содержательные характеристики предмета НИОКР.

При расчете трудоемкости в соответствии с заданными значениями факторов в матрице выделяются соответствующие строки, далее элементы матрицы из этих строк (Р_к) перемножаются между собой по каждому интервалу трудоемкости (j):

где L - количество значений факторов, известных к моменту оценки.

Таким образом, появляются значения функции максимального правдоподобия (F_j). Далее полученная функция приводится к нормальному виду, т.е. ее значения по каждому интервалу трудоемкости делятся на общую сумму значений (F_j). Потом ее значения для разных интервалов по трудоемкости последовательно сравниваются между собой. Выбирается наибольшее, оно и определяет искомый интервал по трудоемкости для объекта с ранее заданными значениями факторов (параметрами разработки).

В случае если наибольшее значение функции максимального правдоподобия меньше заданной величины достоверности оценки, доверительный интервал ее расширяется за счет объединения соседних интервалов. Количество объединяемых интервалов ограничивается тем же критерием.

В случае если по заданным параметрам изделия или его составных частей значения многих элементов матрицы неизвестны, т.е. когда для ее построения был использован крайне ограниченный объем информации, производится доопределение неизвестных значений элементов матрицы путем построения аппроксимирующих функций. Процессы построения аппроксимирующих функций и определения в каждом конкретном случае ширины доверительного интервала оценок трудозатрат составляют пассивную адаптацию моделей.

Дальнейшая адаптация направлена на сужение ширины доверительных интервалов оценок трудозатрат при решении задачи их нормирования. Она достигается за счет использования промежуточной информации о ходе процесса ИР (фактической трудоемкости отдельных его элементов: этапов, процедур, работ). На основании промежуточной информации строится статистический ряд новых прогнозов (Р_о) ожидаемой трудоемкости конкретного объекта ИР.

Формула Байеса позволяет рационально использовать информацию, полученную по адаптивной комбинированной модели (F_j), и промежуточную информацию (статистический ряд новых прогнозов - Р_о):

P_р = F_j · P_о

где P_р - новое ожидаемое распределение трудоемкости по интервалам.

В реальной практике установления трудоемкости с использованием ЭВМ процесс решения частной задачи нормирования труда очень прост и занимает несколько секунд. Например, необходимо определить трудоемкость разработки диска, о котором известно, что он третьего уровня разукрупнения, воспроизводящий существующие конструкции, будет изготовлен из нетрадиционных материалов (таблица 9).

На экране дисплея высвечивается весь перечень факторов (в данном случае - 13), влияющих на трудоемкость разработки аналогичных структурных единиц. Пользователь курсором отмечает те из них, которые ему известны: уровень разукрупнения x₁ = 5, новизна x₂ = 2, использование привычных материалов x₃ = нет. В результате он получает ответ:

Оценка трудоемкости (чел-дн.):

оптимистическая - 4,3;

пессимистическая - 14,5;

комбинированная - 9,7.

Если у пользователя появится информация о каких-либо других факторах (в данном примере из оставшихся неучтенными десяти факторах), он может уточнить трудоемкость, повторив процедуру расчета. При этом интервал варьирования оценки существенно сузится.

Результаты расчетов трудоемкости по алгоритму выводятся на печать в форме, представленной в таблице 9.