Xây dựng công cụ hỗ trợ ra quyết định điều hành dự án phần mềm sử dụng phương pháp CPM và mạng Bayes

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
---------------------------------------

LÊ TUẤN ANH

XÂY DỰNG CÔNG CỤ HỖ TRỢ RA QUYẾT
ĐỊNH ĐIỀU HÀNH DỰ ÁN PHẦN MỀM SỬ DỤNG
PHƯƠNG PHÁP CPM VÀ MẠNG BAYES

LUẬN VĂN THẠC SĨ KỸ THUẬT
CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN

Hà Nội - 2019


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
---------------------------------------

LÊ TUẤN ANH

XÂY DỰNG CÔNG CỤ HỖ TRỢ RA QUYẾT
ĐỊNH ĐIỀU HÀNH DỰ ÁN PHẦN MỀM SỬ DỤNG
PHƯƠNG PHÁP CPM VÀ MẠNG BAYES

LUẬN VĂN THẠC SĨ KỸ THUẬT
CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. HUỲNH QUYẾT THẮNG

Hà Nội – 2019


MỤC LỤC
Lời cảm ơn ......................................................................................................... 5
Lời cam đoan...................................................................................................... 6
Danh mục các ký hiệu, các chữ viết tắt ............................................................. 7
Danh mục các hình vẽ, đồ thị ............................................................................. 9
Mở đầu ............................................................................................................. 11
Chương I. Tổng quan ....................................................................................... 13
1.1.Đặt vấn đề .............................................................................................. 13
1.2. Mục tiêu và phạm vi đề tài .................................................................... 13
1.3. Định hướng và giải pháp ....................................................................... 14
1.4.Các nghiên cứu liên quan và nhiệm vụ trong luận văn.......................... 15
1.5. Tổng kết chương I: ................................................................................ 15
Chương II. Lập lịch dự án phần mềm và cơ sở lý thuyết ................................ 16
2.1. Lập lịch dự án phần mềm...................................................................... 16
2.1.1 Phương pháp đường Găng (CPM) ............................................ 16
2.1.2 PERT – Kỹ thuật xem xét và đánh giá dự án ........................... 20
2.1.3. Một số so sánh đánh giá giữa CPM và PERT .......................... 28
2.2 Quản lý rủi ro trong lập lịch dự án......................................................... 31
2.2.1 Quy trình quản lý dự án phần mềm ......................................... 31
2.2.2 Lập kế hoạch thực hiện dự án .................................................. 32
2.2.3 Những rủi ro cho các dự án lớn ............................................... 34
2.2.4 Những rủi ro đặc trưng ............................................................ 34
2.2.5.Các yếu tố ảnh hưởng đến sự thành công hay thất bại của dự
án........................................................................................................... 36
Page 2

2.3 Tổng kết chương II: ............................................................................... 37
Chương III: Mạng Bayes ................................................................................. 38
3.1 Định lý Bayes ......................................................................................... 38
3.1.1 Định lý Bayes ........................................................................... 38
3.1.2 Suy diễn Bayes ......................................................................... 39
3.2 Mạng Bayes............................................................................................ 40
3.2.1 Định nghĩa ................................................................................ 40
3.2.2 Biểu diễn m�import file “cpm.xls” sẽ hiển thị ra Bảng
thơng tin hồn thành các cơng việc của dự án.

Hình 20: Giao diện kết quả hồn thành dự án
Ngồi ra, cịn hiển thị thêm 1 số dữ liệu như sau:

Page 69


1. Lịch trình các cơng việc dự án theo phương pháp CPM

Hình 21: Mơ hình lịch trình theo phương pháp CPM
Cảnh báo người quản trị những công việc nhiều khả năng bị chậm tiến độ ảnh hưởng
xấu đến toàn dự án cần được xem xét, tìm cách cải thiện. Như Hình 21 :
Cơng việc nằm trên đường găng CPM
Cơng việc có tiến độ bình thường
Cơng việc nhiều khả năng bị chậm, ảnh hưởng xấu đến dự án

2. Xác suất hoàn thành của từng cơng việc:

Hình 22: Xác suất hồn thành từng công việc

Page 70


3. Đồ thị thể hiện khả năng hoàn thành của từng cơng việc:

Hình 23: Đồ thị khả năng hồn thành từng công việc

Page 71


4. Mơ hình mạng bayes của các rủi ro tác động lên từng cơng việc

Hình 24: Mơ hình mạng bayes các rủi ro tác động lên 1 công việc

5.4 Kết quả thử nghiệm
Với 5 bộ dữ liệu đã đề cập bên trên, kết quả thu được từ công cụ như sau:
Kết quả bộ dữ liệu 1 như trong Hình 24:

Page 72


Hình 25: Biểu đồ kết quả dự án 1
Test lần 1 :
Xác xuất dự án kết thúc đúng thời hạn (79 ngày) là : 93%
Dự đoán dự án kết thúc sau : 87 ngày (xác suất : 100%)
Test lần 2 :
Xác xuất dự án kết thúc đúng thời hạn (79 ngày) là : 93.5%
Dự đoán dự án kết thúc sau : 86 ngày (xác suất : 100%)
Test lần 3 :
Xác xuất dự án kết thúc đúng thời hạn (79 ngày) là : 94.5%

Dự đoán dự án kết thúc sau : 86 ngày (xác suất : 100%)
Sau khi test 3 lần thì có thể thấy cơng cụ dự đốn dự án sẽ kết thúc sau khoảng 86, 87
ngày. Theo đánh giá đến từ 1 cá nhân đã tham gia dự án thì dự án đã kết thúc muộn hơn
so với dự đoán (95 ngày).

Page 73


Kết quả bộ dữ liệu 2 như trong Hình 25:

Hình 26: Biểu đồ kết quả dự án 2
Test lần 1 :
Xác xuất dự án kết thúc đúng thời hạn (184 ngày) là : 52%
Dự đoán dự án kết thúc sau : 195 ngày (xác suất : 100%)
Test lần 2 :
Xác xuất dự án kết thúc đúng thời hạn (184 ngày) là : 53%
Dự đoán dự án kết thúc sau : 193 ngày (xác suất : 100%)
Test lần 3 :
Xác xuất dự án kết thúc đúng thời hạn (184 ngày) là : 55%
Dự đoán dự án kết thúc sau : 192 ngày (xác suất : 100%)
Sau khi test 3 lần thì có thể thấy cơng cụ dự đốn dự án sẽ kết thúc sau khoảng khoảng
từ 192 đến 195 ngày. Theo đánh giá đến từ 1 cá nhân đã tham gia dự án thì thực tế dự án
đã kết thúc muộn hơn so với dự đoán (210 ngày).

Page 74


Kết quả bộ dữ liệu 3 như trong Hình 26:

Hình 27: Biểu đồ kết quả dự án 3

Test lần 1 :
Xác xuất dự án kết thúc đúng thời hạn (249 ngày) là : 46%
Dự đoán dự án kết thúc sau : 272 ngày (xác suất : 100%)
Test lần 2 :
Xác xuất dự án kết thúc đúng thời hạn (249 ngày) là : 52%
Dự đoán dự án kết thúc sau : 271 ngày (xác suất : 100%)
Test lần 3 :
Xác xuất dự án kết thúc đúng thời hạn (249 ngày) là : 53%

Page 75


Dự đoán dự án kết thúc sau : 271 ngày (xác suất : 100%)
Sau khi test 3 lần thì có thể thấy cơng cụ dự đốn dự án sẽ kết thúc sau khoảng 271
hoặc 272 ngày. Theo đánh giá đến từ 1 cá nhân đã tham gia dự án thì thực tế dự án đã
kết thúc muộn hơn so với dự đoán (280 ngày).
Nhận xét:
Với mỗi bộ dữ liệu: Thực hiện test 3 lần, mỗi lần sẽ thay đổi bằng cách điều chỉnh
thời gian hoàn thành 1 trong các task có nguy cơ bị chậm trễ kéo dài thêm.
Từ 3 bộ dữ liệu thực tế của các dự án đã triển khai và thực hiện kiểm thử 3 lần cho
từng bộ dữ liệu, ta có thể thấy rằng kết quả tính tốn của cơng cụ tương đối sát so với
kết quả thật. Đây có thể xem là một kết quả đáng tin cậy và thích hợp với tính chất của
phương pháp lập lịch.

Page 76


Chương VI
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
6.1. Kết luận

Kỹ thuật CPM là một kỹ thuật hiệu quả trong việc đánh giá thời gian hoàn thành dự
án. Việc sử dụng kỹ thuật CPM là hướng tiếp cận tốt cho bài toán đặt ra.
Mạng Bayes có những đặc điểm thích hợp cho hoạt động phân tích rủi ro. Mạng Bayes
cung cấp một phương pháp chặt chẽ để sử dụng các thông tin chủ quan, một cơ chế ghi
và kiểm định xác suất chủ quan, xác định rõ ràng sự không chắc chắn. Việc phân lớp các
rủi ro dựa trên các tiêu chí như bên trên đã giúp cải thiện độ chính xác của thuật tốn.
Tuy rằng mức độ cải thiện vẫn cịn khiêm tốn (một phần vì khi độ chính xác càng cao
khả năng cải thiện càng khó), đây cũng là một kết quả đáng khích lệ với một hướng tiếp
cận mới được đề xuất. Việc chia các rủi ro thành các lớp giúp chúng ta đánh giá đúng
mức độ ảnh hưởng của từng rủi ro lên việc hoàn thành dự án cũng như đánh giá được
mức độ ảnh hưởng của từng rủi ro trong nhóm. Đây là lý do chính khiến kết quả đạt được
sử dụng phương pháp cải tiến tốt hơn so với kết quả đơn thuần. Bằng chứng là kỹ thuật
CPM sử dụng mạng Bayes thông thường đã cho ta độ chính xác tương đối tốt, lên đến
xấp xỉ lên đến 80%.
Thơng qua sự hướng dẫn tận tình của PGS.TS Huỳnh Quyết Thắng cũng như nỗ lực
của bản thân trong suốt thời gian thực hiện luận văn, tôi đã hồn thành được luận văn tốt
nghiệp của mình.
Luận văn đã có 2 đóng góp khoa học như sau:
(i) Xây dựng mơ hình quản lý rủi ro đánh giá những rủi ro tác động làm chậm tiến độ
của từng công việc trong dự án. Sử dụng tích hợp mơ hình rủi ro vào lập lịch CPM
và mạng Bayes tương ứng kết quả với từng bộ dữ liệu ta thấy các công việc nằm
trên đường găng có ảnh hưởng lớn đến tồn dự án nên người quản trị cần quan tâm
nhiều hơn đến những công việc này.
Page 77


(ii) Xây dựng phần mềm – hệ hỗ trợ ra quyết định minh hoạ mơ hình trên và thử
nghiệm đánh giá lựa chọn thời gian cũng như công việc phù hợp trong dự án hơn
thơng qua tỷ lệ hồn thành mà cơng cụ cung cấp với độ chính xác chấp nhận được.
Những khó khăn trong thực hiện luận văn:

 Việc tìm hiểu và thử nghiệm phương pháp CPM và lý thuyết mạng Bayes trong
lập lịch dự án ở Việt Nam chưa thu hút được giới nghiên cứu và phổ biến.
 Việc ứng dụng mạng Bayes để giải quyết các bài toán lập lịch hiện nay chưa được
chú trọng.
 Các xác xuất trong luận văn này là đánh giá của một cá nhân hoặc một tập thể nên
đòi hỏi phải am hiểu về dự án, công ty, ước lượng được các rủi ro đấy.

6.2 Hướng phát triển
Với các điểm mạnh, điểm yếu của mơ hình của phần mềm tơi xin đề xuất định hướng
phát triển của luận văn trong tương lai như sau:
 Với xác suất của các node trong mạng rủi ro không chỉ dựa vào ý kiến chuyên gia
đưa ra mà sau khi một dự án được hoàn thành công cụ sẽ học dựa trên dữ liệu rủi
ro của dự án đó để thay đổi đầu ra hợp lí hơn.
 Phần mềm cải thiện những chức năng cần thiết với người quản trị: quản lí nguồn
lực cơng ty, phân chia công việc cho các nhân viên và gợi ý chính xác hơn các rủi
ro và cách khắc phục
 Nghiên cứu bổ sung các tập luật vào hệ thống chương trình
 Tích hợp mạng Bayes với nhiều mơ hình giải thuật lập lịch dự án khác.
 Cải thiện và nâng cao công cụ để thân thiện với người sử dụng hơn

Page 78


TÀI LIỆU THAM KHẢO
[1] />%C3%A1n
[2] Vahid Khodakarami, Applying Bayesian Networks to model Uncertainty in
Project Scheduling, Ph.D. Thesis, University of London, U.K, 2009
[3] Định lý Bayes:
/>[4] Suy diễn Bayes: />[5] Mạng Bayes: />[6] PMI, A guild to project management body of knowledge, PMI, 5th, 2013
[7] />%C6%B0%E1%BB%9Dng_g%C4%83ng

[8] Jin Yong Zhao and Zhigang, The Project Schedule Management Model Based on
the Program Evaluation and Review Technique and Bayesian Networks, Proceedings of
the IEEE International Conference on Automation and Logistics, China, 2011
[9] Chandan Kumar and Dilip Kumar Yadav, A Probabilistic Software Risk
Assessment and Estimation Model for Software Projects, Eleventh International MultiConference on Information Processing, 2015
[10] Shih-Tong Lu and Shih-Heng Yu, Risk Factors Assessment for Software
Development Project Based on Fuzzy Decision Making, International Journal of
Information and Electronics Engineering, Vol. 2, No. 4, 2012
[11] Yong Hu, Xiangzhou Zhang, E.W.T. Ngai, Ruichu Cai, Mei Liu, Software
project risk analysis using Bayesian networks with causality constraints, Decision
Support Systems, Volume 56, Pages 439-449, 2012.

Page 79


[12] Mostafa KHANZADI, Ehsan ESHTEHARDIAN, Mahdiyar MOKHLESPOUR
ESFAHANI, CASH FLOW FORECASTING WITH RISK CONSIDERATION USING
BAYESIAN BELIEF NETWORKS (BBNS), Page 1045 – 1059, 2017.
[13] Simon French, Dr. Jutta Geldermann, The varied contexts of environmental
decision problems and their implications for decision support, Page 378 – 391, 2005.
[14] Hà Thị Bích Rậu, Hệ Thống Trợ giúp quyết định trong quản lý cán bộ, Page 26, 2012.
[15] Ângela Guimarães Pereira, S. Corral Quintana, From Technocratic to
Participatory Decision Support Systems: Responding to the New Governance Initiatives,
Page 95 – 107, Vol.6, No.2, 2002.
[16] I.M. Rubin, W. Seelig, Experience as a factor in the selection and performance
of projectmanagers, Engineering Management, IEEE Transactions 4/3, 131 – 135
(1967)

Page 80