автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Научные основы идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости

На правах рукописи

ТАГАНОВ Александр Иванович

НАУЧНЫЕ ОСНОВЫ ИДЕНТИФИКАЦИИ, АНАЛИЗА И МОНИТОРИНГА ПРОЕКТНЫХ РИСКОВ КАЧЕСТВА ПРОГРАММНЫХ ИЗДЕЛИЙ В УСЛОВИЯХ НЕЧЕТКОСТИ

„ 4846022

Специальности: 05.13.12 - «Системы автоматизации проектирования (технические системы)» 05.13.11 - «Математическое и программное обеспечение

вычислительных машин, комплексов и компьютерных сетей»

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Рязань 2011 1 2 МАЙ 2011

4846022

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Рязанский государственный радиотехнический университет»

Научный консультант: доктор технических наук, профессор,

заслуженный деятель науки и техники Российской Федерации КОРЯЧКО Вячеслав Петрович

Официальные оппоненты: доктор технических наук, профессор

АЗАРОВ Владимир Николаевич

доктор технических наук, профессор КАШИРИН Игорь Юрьевич

доктор технических наук, профессор, Заслуженный деятель науки и техники Российской Федерации НОРЕНКОВ Игорь Петрович

Ведущая организация: ОАО «Российская корпорация ракетно-

космического приборостроения и информационных систем» (ОАО «Российские космические системы»), г. Москва

Защита состоится 29 июня 2011 г. в 12.00 часов на заседании диссертационного совета Д 212.211.02 в Рязанском государственном радиотехническом университете по адресу: 390005, г. Рязань, ул. Гагарина, д. 59/1.

С диссертацией можно ознакомиться в библиотеке Рязанского государственного радиотехнического университета.

Автореферат разослан « » 2011 г.

Ученый секретарь диссертационного совета д-р. техн. наук, профессор

С.В.Скворцов

Актуальность темы

Важным направлением повышения результативности современных про-цессно-ориентированных САБЕ-технологий является расширение их функциональных возможностей в направлении повышения качества проектируемых программных изделий (ПИ) и снижения проектных рисков качества. Решение указанной проблемы требует проведения специальных исследований и разработок, связанных с созданием эффективных методов, моделей и средств, для решения в интерактивном режиме трудно формализуемых задач идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости проектных данных, что характерно для современных систем автоматизации проектирования (САПР).

Проектные риски сложных программных изделий являются объективным явлением, связанным со многими видами неопределенности, имеющими место на различных этапах выполнения программного проекта (ПП) и оказывающими влияние на процессы принятия проектных и управленческих решений. Строгое регламентирование процессов проектирования и процессов управления проектированием в САПР, а также использование в проектировании интегрированных САБЕ-технологий, основанных на автоматизированных принципах создания программных изделий, способствуют снижению энтропии программных проектов, и соответственно уменьшают проектные риски. В связи этим проблема формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях нечеткости проектных данных может рассматриваться как важное и актуальное направление развития теории и методологии программной инженерии для повышения результативности проектно-управленческих работ по стадиям жизненного цикла ПИ.

Успешное решение данной проблемы в настоящее время невозможно без применения новых информационных технологий, составной частью которых являются интеллектуальные методы и средства обработки проектной информации в САПР. К последним методам следует отнести методы теории нечетких множеств (ТНМ), позволяющие на модельном уровне рассмотреть проектные проблемы идентификации проектных рисков, проблемы анализа проектных рисков и проблемы мониторинга проектных рисков, и тем самым расширить круг успешно решаемых задач по формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях нечеткости.

Задачи принятия проектных решений по проектным рискам качества в условиях неопределенности и нечеткости представляют собой слабоструктурированные или неструктурированные задачи. При этом слабоструктурированные задачи характерны для этапа количественного анализа проектных рисков и этапа мониторинга проектных рисков и характеризуются отсутствием методов решения на основе непосредственных преобразований проектных данных, а постановки задач базируются на принятии проектных решений в условиях неполной информации. Неструктурированные задачи проявляются на этапах планирования, идентификации и качественного анализа проектных рисков ПИ и содержат неформализуемые процедуры, базирующиеся на неструктурированной проектной информации, которая также определяется высокой степенью неопределенности.

Теоретические исследования по применению ТНМ и ее приложений к решению актуальной проблемы сокращения проектных рисков качества ПИ ориентированы, прежде всего, на построение новых формальных схем инженерного анализа для решения проектных задач по рискам качества в сложных условиях исходных данных. Эти данные, как правило, характеризуются той или иной степенью неопределенности, обусловленной неполнотой, внутренней противоречивостью, неоднозначностью, и представляют собой приближенные количественные или качественные оценки параметров процессов проектирования и процессов управления проектированием.

Использование в ТНМ понятия «лингвистическая переменная» позволяет в новых методах сокращения проектных рисков адекватно отразить приблизительное словесное описание некоторых параметров и состояний проектного риска или процесса управления проектными рисками, когда точное описание либо отсутствует, либо является слишком сложным, либо требует больших временных и финансовых затрат. В этом случае применение ТНМ совместно с методами алгебры логики обеспечивает решение многих проблемных задач по формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях лингвистической неопределенности (нечеткости).

Основополагающими работами, оказавшими влияние на исследования автора, являются труды А.Н.Аверкина, В.Н.Азарова, А.В.Андрейчикова, И.З.Батыршина, Р.Беллмана, Л.С.Берштейна, А.Н.Борисова, М.В.Горячевой, Л.А.Демидовой, Л.А.Заде, М.Кантора, Р.Л.Кини, С.Я.Коровина, В.П.Корячко, А.Коффмана, В.В.Круглова, В.М.Курейчика, А.В.Леоненкова, Н.Г.Малышева, А.Н.Мелехова, В.В.Липаева, И.П.Норенкова, С.А.Орловского, А.И.Петренко, Д.А.Поспелова, Х.Райфа, А.П.Ротштейна, Г.В.Рыбиной, Т.Л.Саати, Е.А.Саксонова, Э.А.Трахтенгерца, Р.Т.Фатрелла, Д.Ф.Шафера, С.Д.Штовбы, Р.Ягера и многих других.

Актуальность настоящей работы определяется важностью проблемы повышения качества ПИ, решаемой в диссертационной работе на основе реализации стратегии сокращения проектных рисков качества по стадиям ЖЦ ПИ. Это потребовало проведения исследований и разработки новых эффективных методов, моделей, алгоритмов и инструментальных средств, обеспечивающих в составе интегрированных CALS- и CASE-технологий эффективную автоматизированную поддержку процессов идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ в условиях нечеткости проектных данных, что характерно для современных САПР.

Объект исследования - процесс сокращения проектных рисков программного проекта по характеристикам качества, содержащий в своем составе процесс идентификации проектных рисков, процесс анализа проектных рисков и процесс мониторинга проектных рисков, функционирование которых рассматривается в условиях нечеткости проектных данных.

Предметом исследования являются:

1. Модели и методы формализации и автоматизации процесса идентификации проектных рисков в условиях лингвистической неопределенности и нечеткости проектных данных.

2. Методы и алгоритмы формализации и автоматизации процесса анализа проектных рисков качества ПИ в условиях отсутствия априорной информации о вероятностных характеристиках проектных рисков качества ПИ.

3. Методы и алгоритмы формализации и автоматизации процесса мониторинга проектных рисков качества в условиях нечеткости проектных данных.

Цель диссертационной работы состоит в разработке эффективных методов, моделей и алгоритмов формализации и автоматизации процессов сокращения проектных рисков качества программных изделий в условиях нечеткости проектных данных для использования в составе интегрированных САБЕ-технологий с целью автоматизации процессов идентификации, анализа и мониторинга проектных рисков качества для повышения качества и гарантий качества создаваемой программной продукции.

Для достижения поставленной цели решались следующие задачи:

1 .Исследование проблемы сокращения проектных рисков по стадиям жизненного цикла сложных программных изделий с целью определения и построения современной концепции программно-ориентированной методики сокращения проектных рисков качества ПИ в условиях нечеткости проектных данных; методики, которая позволяет использовать достаточно простую формализацию и эффективную реализацию интерактивных компьютерных методов управления проектными рисками в составе интегрированных САБЕ-технологий.

2. Разработка формализованной методики идентификации проектных рисков качества ПИ, содержащей в своем составе эффективные методы многопараметрического анализа и выявления потенциальных рисков программного проекта по характеристикам качества с выполнением классификации рисков проекта для этапа анализа рисков.

3. Разработка метода формализации процесса анализа проектных рисков качества, ориентированного на определение оптимального состава контролируемых проектных рисков качества по стадиям ЖЦ ПИ в условиях нечеткости и включающего в свой состав модели и алгоритмы, учитывающие иерархическую структуру моделей характеристик качества ПИ с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по рискам, условия объективной и субъективной связности рисков по стадиям ЖЦ ПИ, а также учитывающие ресурсные ограничения проекта на этапе оптимизации состава контролируемых рисков по критерию их максимального влияния на характеристики качества проекта ПИ.

4. Разработка модифицированного метода анализа иерархий, построенного на основе положений теории нечетких множеств и предназначенного для решения задачи по определению вектора степени влияния проектных рисков на обобщенный критерий качества ПИ, учитывающего по стадиям жизненного цикла программного проекта многоуровневое представление как модели характеристик качества, так и модели рисков качества.

5. Разработка метода формализации процесса мониторинга проектных рисков качества, ориентированного на программное определение (идентификацию) по ходу проекта текущих рисковых ситуаций с последующим выбором рациональной альтернативы реагирования на проектные риски.

6. Разработка методики построения базы знаний по рискам программного проекта, содержащей в своем составе необходимые интеллектуальные методы, модели и алгоритмы разработки и настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработка и исследование инструментальных средств, обеспечивающих поддержку нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующих разработанные методы, модели и алгоритмы, и предназначенных для практического использования в составе интегрированных САБЕ-технологий, ориентированных на проектирование и управление проектированием сложных программных изделий высокого качества.

Методы исследований. Теоретические исследования выполнены с использованием методов системного анализа, методов теории нечетких множеств, нечеткой логики, теории принятия решений, теории управления программными проектами, теории графов, аналитической геометрии, методов математического программирования и теории построения алгоритмов; экспериментальные исследования выполнены с привлечением методов математического, имитационного и ШЕР-моделирования, технологий модульного и объектно-ориентированного программирования.

Научная новизна. В рамках диссертационной работы были получены следующие основные результаты, обладающие научной новизной.

1. Разработана концепция программно-ориентированной методики сокращения проектных рисков качества ПИ, формализованная методами теории нечетких множеств и ее приложениями, основанная на декомпозиции регламентированного процесса сокращения проектных рисков ПП на взаимосвязанные процессы идентификации рисков, анализа рисков, планирования рисков и мониторинга рисков проекта, позволяющая использовать на практике достаточно простую реализацию интерактивных компьютерных методов в составе интегрированной САБЕ-технологии с целью поддержки принятия эффективных проектных решений по проектным рискам качества ПИ в условиях нечеткости проектных данных.

2. Разработана методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе: графический метод многопараметрического анализа и идентификации потенциальных рисков ПП по характеристикам качества, формализованную процедуру снижения размерности идентифицированных рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков проекта методами нечеткого логического вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Разработан метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по проектным рискам, усло-

вия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающих ресурсные ограничения проекта на этапе оптимизации состава контролируемых проектных рисков по критерию их максимального потенциального влияния на характеристики качества проекта ПИ.

4. Предложен модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств, предназначенный для решения задачи по определению вектора влияния последствий проектных рисков на обобщенный критерий качества ПП в условиях нечеткости и многоуровневого представления иерархии характеристик и рисков качества программного проекта по стадиям его жизненного цикла.

5. Разработан метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу ЖЦ текущих рисковых ситуаций проекта с последующим выбором рациональной альтернативы реагирования на риски, а также содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе и содержащий способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Предложена методика построения базы знаний по проектным рискам качества программного проекта, содержащая в своем составе способы нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения проектных рисков качества и процедуру настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработаны база данных по проектным рискам качества и интерактивные программные средства поддержки нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующие разработанные методы, модели и алгоритмы сокращения проектных рисков качества ПИ и предназначенные для практического использования в составе интегрированной САБЕ-технологии для автоматизированного проектирования и управления проектированием сложных программных изделий высокого качества с минимальными рисками.

Соответствие паспорту специальности. Проблематика, исследованная в диссертации, соответствует двум специальностям — 05.13.12 и 05.13.11.

Согласно формуле специальности 05.13.12 - это специальность, занимающаяся проблемами создания и повышения эффективности функционирования систем автоматизированного проектирования, управления качеством проектных работ на основе использования современных методов моделирования и инженерного анализа. Проблематика диссертации соответствует областям исследований: п. 1. Методология автоматизированного проектирования в технике, включая постановку, формализацию и типизацию проектных процедур и процессов проектирования, вопросы выбора методов и средств для применения в САПР; п. 3. Разработка научных основ построения средств САПР, разработка и исследование моделей, алгоритмов и методов для синтеза и анализа проектных решений.

Кроме того, в диссертации решаются проблемы, входящие в формулу специальности 05.13.11, а именно задачи развития теории программирования, создания и сопровождения программных средств различного назначения. Диссер-

тация соответствует области исследования: п. 10. Оценка качества, стандартизация и сопровождение программных систем.

Теоретическая значимость работы заключается в разработке научных основ методологии формализации и автоматизации процессов идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости проектных данных. Построение методов, моделей, алгоритмов и инструментальных средств современной методологии сокращения проектных рисков качества ПИ выполнено и основано на решении слабоструктурированных задач идентификации, анализа, планирования и мониторинга проектных рисков качества методами теории нечетких множеств и ее приложений.

Практическая ценность работы

Практическая ценность работы состоит в том, что разработанные методы, модели, алгоритмы и инструментальные средства, ориентированные на сокращения проектных рисков, позволяют в составе интегрированных CASE-технологий повысить результативность процессов проектирования и управления проектированием в направлении повышения качества и снижения проектных рисков качества программных изделий.

Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается:

- корректным использованием понятий и выводов теории нечетких множеств и нечеткой логики, теории графов и математического программирования, теории алгоритмов и методов lDEF-моделирования;

- результатами математического, имитационного моделирования разработанных методов, моделей и алгоритмов;

- апробацией предложенных разработанных методов, моделей и алгоритмов на конкретных примерах и прикладных задачах;

- разработкой действующих программных средств, подтвержденных свидетельствами об официальной регистрации;

- наличием актов внедрения результатов диссертационной работы.

Реализация и внедрение результатов диссертационной работы

Исследования по тематике диссертационной работы проводились в рамках фундаментальных и прикладных исследований, проводимых в Рязанском государственном радиотехническом университете совместно с отраслевыми организациями.

Фундаментальные научные исследования: НИР 17-95Г «Интегрированная система проектирования и управления НИОКР для исследовательских и конструкторских организаций Госкомвуза России (концепция и теоретические основы создания)» (1995 - 1999 гг.); НИР 2-00Г «Концептуальные основы создания аппаратно-программных и информационных средств автоматизированных систем с интеграцией CALS- и CASE-технологий» (2000-2003 гг.); НИР 5-05Г «Разработка теоретических основ процессно-ориентированного управления наукоемкими проектами автоматизированных систем с интеграцией CALS (ИПИ)- и CASE-технологий» (2005-2006 гг.); НИР 1-07Г «Разработка теорети-

ческих основ процессно-ориентированной технологии создания интеллектуальных информационных систем с интеграцией ИЛИ (CALS)- и CASE-технологий» (2007 - 2008 гг.); НИР 8-09Г «Разработка и развитие теоретических основ процессно-ориентированной технологии создания интеллектуальных инфокоммуникационных систем с интеграцией ИПИ (CALS)- и CASE-технологий» (2009 - 2011 гг.); НИР 1-10Г «Разработка методологии анализа и сокращения рисков программного проекта по характеристикам качества в условиях нечеткости» (2010 г.).

Прикладные научные исследования: НИР 19-00Г «Модели, методы, инструментальные средства и научно-методическое обеспечение процесса проектирования параллельных систем с использованием CASE-технологий» (2000-2002 гг.); НИР 26-01Г «Исследование и разработка нормативно-методического обеспечения менеджмента качества на основе процессно-ориентированного управления проектами по созданию программной продукции» (2001-2002 гг.); НИР 27-01Г «Интегрированное информационное сопровождение процессов проектирования и испытаний сложных технических комплексов на основе CALS-технологий» (2001-2002 гг.); НИР 8-04Г «Электронная информационно-образовательная система дистанционной подготовки, профессиональной переподготовки и повышения квалификации кадров по профилю ИПИ (CALS)-технологий» (2004 г.); ОКР 36-04 «Разработка концепции информационного взаимодействия предприятий космического комплекса на основе внедрения ИПИ (CALS)-тexнoлoгий» (2004 г, заказчик ФГУП РНИИ КП); ОКР 24-05 «Разработка и внедрение электронной информационно-образовательной системы подготовки, переподготовки и повышения квалификации кадров предприятия по профилю САПР и ИПИ (СЛЬ5)-технологий» (2005 г., заказчик ФГУП РНИИ КП); ОКР 29-06 «Разработка и внедрение электронной информационно-образовательной системы подготовки, переподготовки и повышения квалификации кадров предприятия по профилю «Нормативно-методическое и инструментальное обеспечение управления проектами информационных систем» (2006 г., заказчик ФГУП РНИИ КП); НИР11-06Г «Интегрированная автоматизированная информационная система управления качеством образования вуза» (2006-2007 гг.); НИР 10-06Г «Разработка нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИПИ (CALS)- и CASE-технологий» (2006 - 2007 гг.); НИР 13-08Г «Разработка и развитие нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИПИ (CALS)- и CASE-технологий» (2008-2009 гг.); НИР 15-09Г «Разработка и развитие нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИПИ (CALS)- и CASE-технологий» (2010-2011 гг.).

Результаты, полученные в работе, внедрены на следующих предприятиях и в организациях: ОАО «Российская корпорация ракетно-космического приборостроении и информационных систем» (ОАО «Российские космические сис-

темы») (г. Москва), ФГУП «ГНПРКЦ «ЦСКБ-Прогресс» - «ОКБ «Спектр» (г. Рязань), ЗАО «Корпоративные Системы Обучения» (г. Санкт-Петербург), ООО «ГЕРТА» (г. Рязань), ООО «ТБинформ» (г. Рязань), ООО «ИНТРОТЕХ» (г. Рязань), ООО «АУДИТ-ПРОФ» (г. Рязань), ГОУ ВПО «Рязанский государственный радиотехнический университет» (г. Рязань), ГОУ ВПО «Ивановская государственная текстильная академия» (филиал в г. Рязани).

Использование результатов диссертационной работы на практике подтверждено соответствующими актами о внедрении. Получено 7 свидетельств ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам» (ФГУ ФИПИ - РОСПАТЕНТ) об официальной регистрации программ для ЭВМ и получено 18 свидетельств об официальной регистрации программ для ЭВМ в Отраслевом фонде алгоритмов и программ (ОФАП).

Основные положения, выносимые на защиту

1. Концепция программно-ориентированной методики сокращения рисков проекта программных изделий по характеристикам качества, формализованная методами и приложениями теории нечетких множеств, основанная на декомпозиции регламентированного процесса сокращения рисков программного проекта на взаимосвязанные процессы идентификации рисков, анализа рисков, планирования рисков и мониторинга рисков проекта, позволяющая на практике простую реализацию интерактивных компьютерных методов в составе интегрированной САБЕ-технологии с целью повышения результативности и эффективности автоматизированного проектирования и управления проектированием ПИ в условиях нечеткости проектных данных.

2. Методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе: графический метод многопараметрического анализа и выявления потенциальных рисков программного проекта по характеристикам качества, формализованную процедуру снижения размерности рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков проекта методами нечеткого вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по рискам, условия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающих ресурсные ограничения проекта на этапе оптимизации состава контролируемых рисков по критерию их максимального влияния на характеристики качества проекта ПИ.

4. Модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств и предназначенный для решения задачи по определению вектора степени влияния последствий проектных рисков на обобщенный критерий качества ПИ в условиях нечеткости и многоуровневого представления иерархии характеристик качества и рисков качества по стадиям жизненного цикла программного проекта.

5. Метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу ЖЦ проекта текущих рисковых ситуаций с последующим выбором рациональной альтернативы реагирования на идентифицированные риски, содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе и способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Методика построения базы знаний по проектным рискам качества ПИ, содержащая в своем составе процедуры нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения проектных рисков и настройки нечетких баз знаний по проектным рискам качества ПИ.

7. База данных по проектным рискам качества и интерактивные программные средства поддержки процессов идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующие разработанные методы, модели и алгоритмы программного сокращения проектных рисков качества, предназначенные для практического использования в составе интегрированных CASE-технологий для автоматизированного проектирования и управления проектированием сложных программных изделий высокого качества с минимальными рисками.

Апробация работы. Основные научные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: Всероссийской научно-технической конференции «Проблемы создания и развития интегрированных автоматизированных систем в проектировании и производстве» (Таганрог, 1987); Всероссийской научно-технической конференции «Математические методы распознавания образов» (Львов, 1987); 2-й Всероссийской научно-практической конференции «Современные информационные технологии в образовании» (Рязань, 1988); Международной научно-технической конференции «Технологии и системы сбора, обработки и представления информации» (Москва, 1995); Всероссийской научно-технической конференции «Перспективные информационные технологии в высшей школе» (Тамбов, 1995); 1, 3, 4, 7, 12, 14, 15 Всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях и в образовании» (Рязань, 1996, 1998, 1999, 2002, 2007, 2009, 2010); Всероссийской научно-технической конференции «КАЧЕСТВО» (Москва, 2001); 12, 13, 15, 16 Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004, 2004, 2008, 2010); Международной научно-технической конференции «Научная сессия МИФИ» (Москва, 2001, 2003, 2004); Всероссийской научно-

технической конференции «Качество и ИПИ-технологии» (Москва, 2002); II Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2003); 5-й Международной конференции-форуме «Применение ИПИ (САЬ8)-технологий для повышения качества и конкурентоспособности наукоёмкой продукции» (Москва, 2003); Всероссийской научно-методической конференции «ТЕЛЕМАТИКА» (Санкт-Петербург, 2004, 2006, 2010); Международной открытой научной конференции «Современные проблемы информатизации в моделировании и социальных технологиях» (Воронеж, 2009, 2010); Международной научно-технической конференции «Гагаринские чтения» (Москва, 2004); Международной открытой научной конференции «Современные проблемы информатизации в экономике и обеспечении безопасности» (Воронеж, 2009, 2010); Международной открытой научной конференции «Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем» (Воронеж, 2009,2010).

Публикации. По теме диссертации опубликовано 136 печатных работ (23 - без соавторов), в том числе: 12 статей в изданиях, входящих в перечень ВАК для докторских диссертаций; 2 монографии в издательствах «Энергоатомиздат» и «Горячая линия - Телеком»; 47 статей в научно-технических журналах и межвузовских сборниках научных трудов; 43 доклада на международных и всероссийских конференциях; 25 свидетельств о регистрации программ: 7 свидетельств о регистрации программ для ЭВМ в ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам» (ФГУ ФИПИ - РОСПАТЕНТ); 18 свидетельств об официальной регистрации комплексов программ в Отраслевом фонде алгоритмов и программ (ОФАП); 7 учебных пособий (в том числе 1 с грифом УМО).

Структура и объем диссертации. Диссертационная работа состоит из введения, шести глав, списка литературы, заключения, изложенных на 390 страницах (включая 79 рисунков и 9 таблиц) и 3-х приложений на 100 страницах. Список литературы содержит 351 наименование.

Личный вклад автора в получение результатов, изложенных в диссертации. Все результаты диссертационной работы, в том числе постановка задач, разработка и исследование защищаемых методов, моделей и алгоритмов, основные научные результаты, выводы и рекомендации принадлежат лично автору. Программные средства, реализующие разработанные методы, модели и алгоритмы, разработаны под руководством и при непосредственном участии автора. Работы, выполненные в соавторстве, посвящены общей постановке проблемы, концепции ее решения, предложенной автором, конкретизации разработанных методов, моделей и алгоритмов для ряда актуальных прикладных задач, разработке отдельных программных средств.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность научной работы, сформулированы цель и задачи исследования, приведены положения, выносимые на защиту, показаны научная новизна и практическая ценность полученных результатов.

В первой главе приведен анализ концепций, подходов, методов и моделей сокращения рисков проектов программных изделий. В перечень анализируемых направлений вошли теоретические и методологические вопросы идентификации, анализа и мониторинга проектных рисков. Представлены основные характеристики и результаты анализа известных в инженерной практике моделей и методов сокращения рисков проектов сложных ПИ. В число анализируемых методик вошли: РМВОК (Project management body of knowledge) - Институт управления проектами (Project Management Institute) США; PJM (Project Management Method) - Корпорация Oracle; SEI (Software Engineering Institute) - Институт программной инженерии США; Riskit (The Riskit Method for Software Risk Management) - Университет Мэриленда (США); SPMN (Software Program Managers Network) - Сеть управления программами создания программного обеспечения США; MSF (Microsoft Solutions Framework) - Корпорация Microsoft; методика Института системного программирования РАН (Липаев В.В.) и другие модели.

Показано, что в условиях нечеткости проектных данных требуется развитие научных основ методологии идентификации, анализа и мониторинга рисков ПП в направлении создания эффективных формализованных моделей, методов и алгоритмов, необходимых для построения современных методик, обеспечивающих решение задач по формализации и автоматизации процессов сокращения проектных рисков качества сложных программных изделий.

Сформулирована концепция современной методики анализа и сокращения проектных рисков качества ПИ, акцентирующая свое функциональное содержание на процессах идентификации, анализа, планирования и мониторинга проектных рисков качества с позиций программной инженерии для использования в проектной деятельности. Разработана функциональная IDEF модель процесса анализа и сокращения проектных рисков качества ПИ, содержащая детализацию контекстной функциональной модели на подмодели процесса идентификации проектных рисков, процесса анализа проектных рисков, процесса планирования реагирования на проектные риски и процесса мониторинга проектных рисков качества программных изделий.

Проведена классификация задач принятия решений по проектным рискам качества ПИ в условиях нечеткости исходных данных. Показано, что решение слабоструктурированных и неструктурированных задач по анализу и сокращению проектных рисков ПИ может быть обеспечено за счет разработки нечетких моделей и методов, а также использования специализированных экспертных систем и интеллектуальных нечетких систем поддержки принятия решений по проектным рискам.

Показано, что нечеткие системы анализа и сокращения проектных рисков качества могут быть определены с помощью нечетких продукционных моделей, основанных на правилах нечеткого вывода, которые являются наиболее

общими для представления различных плохо формализуемых сложных проектных задач. При этом основные трудности при использовании нечетких моделей для решения практических задач сокращения проектных рисков связаны с априорным определением компонентов этих моделей, выражаемых в виде функций принадлежности входных и выходных лингвистических переменных, структуры базы правил нечеткого вывода и весовых коэффициентов правил.

Отмечено также, что нечеткие сети Петри и расплывчатые ситуационные модели поддержки принятия решений в условиях нечеткости являются перспективными для использования при решении задач нечеткого моделирования и нечеткого анализа проектных рисков, в которых неопределенность имеет нестохастический или субъективный характер.

Определены задачи диссертационных исследований в направлении использования и исследования методов теории нечетких множеств и ее приложений с целью разработки на их основе эффективных методов, моделей, алгоритмов и инструментальных средств, обеспечивающих в составе интегрированных САБЕ-технологий снижение проектных рисков качества и, как следствие, повышение качества проектируемых программных изделий.

Вторая глава посвящена разработке научных основ идентификации проектных рисков качества ПИ. Сюда вошли методы, модели и алгоритмы формализации и автоматизации процесса идентификации проектных рисков качества ПИ в условиях нечеткости проектных данных. Под идентификацией проектных рисков качества ПИ понимается итеративный по всем стадиям ЖЦ проекта процесс, связанный с определением перечня возможных рисковых ситуаций, прогнозированием причин и признаков (последствий) их возникновения, классификацией рисков и определением критериев рисков. При этом от того насколько полным и исчерпывающим является перечень идентифицированных рисковых ситуаций и насколько адекватными являются предлагаемые критерии проектного риска, во многом зависят успех и возможность упреждающего смягчения и сокращения проектных рисков качества ПИ.

В диссертационной работе представлены результаты исследований по развитию и расширению перечня методов и средств, направленных на формализацию и автоматизацию решения задач процесса идентификации с целью повышения его результативности на основе более детального рассмотрения и глубокого анализа причин и критериев проектных рисков. Предложены такие новые нечеткие методы, как: графический метод нечеткого моделирования рисковых полей проекта, метод нечеткого логического вывода по проектным рискам качества, способ нечеткой классификации рисков, способ построения правил нечетких продукций на основе математического аппарата нечетких сетей Петри. Эти новые методы и способы в совокупности с известными методами мозгового штурма, методом Дельфи и др. позволяют на практике повысить результативность процесса идентификации проектных рисков качества и снизить трудоемкость проектных работ на этапе идентификации.

Графический метод нечеткого моделирования рисковых полей программного проекта заключается в интерактивном теоретико-множественном синтезе контурных моделей проектных рисков качества в заданных системах координат (этапы/работы проекта, степень/вероятность риска, мера риска,

ущерб характеристикам качества и др.) на основе использования библиотеки базовых контурных моделей рисков, заданных в структурно-символьном представлении.

Структурно-символьная модель проектных рисков имеет вид:

м = = , (1)

где - код базовой графической модели проектного риска в виде _/-го базового графического элемента (БГЭ) в библиотеке; - абсолютные координаты

центра относительной системы координату'-го БГЭ; (í,к)j, (К = 1,2,...,/-) - кортеж системных параметрову'-го БГЭ (масштаб, код ориентации и др.); 0=(Е, и) -граф отношений БГЭ, в котором множеству вершин Е = {ех,е2,...,еы} соответствует множество БГЭ в модели (1), а множеству дуг и = {и1,и2,—,и1} - множество пар БГЭ, находящихся в определенном теоретико-множественном отношении.

При задании в модели (1) графа 0 в виде матрицы весовых соотношений С= С, элементе,, = А.,,, если вершины е, и е, являются смежными, и

II УНихЛ1 'У У г 1 ' '

Сц = 0 в противном случае. Значение Л1; определяет код заданного теоретико-

множественного отношения (совместного преобразования) БГЭ между собой из числа операций, поддерживаемых системой обработки и отображения графической информации (операции объединения, пересечения, отсечения и дополнения контурных областей).

Из структуры модели (1) следует ряд ее особенностей:

- модель позволяет задавать графические модели рисков проекта достаточно высокой сложности посредством программного синтеза контурных моделей рисковых областей проекта на основе открытой библиотеки БГЭ;

- имеет достаточно простую и компактную структуру и не требует значительных объемов памяти для своего хранения;

- наличие в модели графа <2 и кортежей системных параметров значительно повышает адаптируемость и гибкость модели в процессе настройки системы программного синтеза на отображение контурных моделей рисковых областей требуемой информативности и графической сложности;

- математическая модель БГЭ в библиотеке однозначно может быть задана в виде:

М г.(КгапЕг11), (2)

где К} - множество контуров у'-го БГЭ; С! - множество описаний, задающее взаимное расположение элементов множества К/ ; Ь^ - множество описаний градаций, используемых при построении у'-го БГЭ; Е} - множество описаний, задающих отображение £у : Kj —> Lj.

Для построения библиотеки с необходимой длиной алфавита и сложностью БГЭ в работе предложен метод построения структуры библиотечных данных по критериям информационного объема графических данных и времени программного синтеза библиотечных описаний. В основу метода положены три разработанных способа представления контурной информации в библиотеке,

которые в совокупности позволяют конструировать различные структуры библиотечных данных в интерактивном режиме.

Согласно лингвистическому способу математическая модель алфавита БГЭ рисков проекта задается в виде:

(3)

где N - длина алфавита, под которой понимается количество БГЭ в библиотеке. Рассматривая всю совокупность множества контуров Кь, входящих в (3), выделяется подмножество контуров К(А), на основе которого строятся подмножества К ■ (А), необходимые для описания каждого >го БГЭ из заданного

п

алфавита библиотеки К(А) = {к1(А),к2(А),....,к/(А),...,к„(А)} = и*; (Л), где

к\(А),к2(А),....,к,(А),...,кп(А) есть контуры, абсолютные описания которых привязаны к системе координат БГЭ в библиотеке. Далее совокупность элементов множества рассматривается как некоторый формальный язык. Каждое отдельное подмножество = этого языка представляется «фразой», составленной из ряда «слов», а «словом» считается контур. «Грамматика» такого формального языка содержит набор правил, обеспечивающих однозначное представление всех «фраз» языка на основе «слов». В рассматриваемом конкретном случае грамматика содержит указания, какие контуры входят в состав синтезируемых множеств К/ е А'5,(у = 1,Л'). Давая каждому из абсолютных описаний контуров е К-(Л),^'= 1,/г,_/ = 1,Л0 его относительные описания, например порядковые номера, и указывая, какие относительные описания содержат элементы множества К ¡(А), тем самым устанавливаются грамматические правила синтеза элементов множества А'5.

Согласно второму предлагаемому программному способу задание множества К(А) в модели (3) основывается на программном синтезе его элементов в целях сокращения числа хранимых абсолютных описаний контуров в библиотеке БГЭ. Выделяется некоторое множество К'(Л) е К(А) такое, что К '(А) = К(А) \ К'{А) синтезируются на основе К'(А) программными средствами графической системы, т.е. К(А) = Кр(А) = {К'р (А),К\А)}, где Кр(А) -множество требуемых абсолютных описаний контуров; К'( А) - множество хранящихся абсолютных описаний контуров; Кр'(А) - множество описаний, программно-синтезируемых на основе К'(А). Этот способ, в отличие от лингвистического способа, позволяет оптимизировать информационный объем контурных описаний согласно модели (3).

Согласно третьему программно-лингвистическому способу вместо абсолютных информационных описаний Кр(А) вводятся относительные описания

Кр(0), указывающие, где хранятся абсолютные описания. Такое разделение

позволяет хранить без повторений всю совокупность абсолютных описаний

К(А) и отдельно хранить с возможными повторениями уже относительные описания.

В рамках предложенного графического метода разработан специальный математический аппарат геометрического моделирования рисковых полей проекта, основывающийся на концепции синтеза таких моделей в соответствии с (1). Теоретической основой предложенного подхода явились сформулированные свойства жордановых контуров, ограничивающие односвязные и многосвязные рисковые области при их различных вариантах наложения. Здесь также представлен ряд утверждений и доказательств, определяющих результат геометрического моделирования на основе выполнения теоретико-множественных операций в контурном представлении.

Метод нечеткого логического вывода по проектным рискам качества ПИ основывается на построении и использовании специальной нечеткой продукционной системы (см. рисунок) для поддержки принятия решений по проектным рискам. Здесь менеджеры проекта по ходу работ по проекту выделяют рисковую информацию, которая на этапе идентификации рисков преобразуется специалистами в нечеткие вербальные высказывания об угрозах проекту. Эти высказывания (мнения) специалистов посредством использования базы нечетких правил вывода преобразуются в нечеткое вербальное описание величины проектного риска. Затем на основе синтаксического правила формализации лингвистической переменной «величина риска» формируется значение важности рискового события. Основным элементом указанной продукционной системы идентификации и анализа рисков является база правил, для которой условия и заключения отдельных правил формулируются в форме нечетких высказываний относительно значений тех или иных лингвистических переменных. Методика нечеткой лингвистической аппроксимации для задач этапа идентификации и построения нечеткой модели проектных рисков представлена в пятой главе диссертации.

Способ идентификации и анализа проектных рисков на основе нечетких сетей Петри рассмотрен в контексте формализованного подхода к идентификации и анализу проектных рисков ПИ. Здесь исследованы нечеткие сети Петри (НСП), получаемые в результате введения нечеткости в начальную маркировку и в правила срабатывания переходов базового формализма ординарных сетей Петри (СП). При этом нечеткая сеть Петри типа Су определяется как

С^ =(N,f,X,m0), где Ы = (Р,Т,1,0) - структура НСП Су, для которой / : Р х Т {0,1} и 0:ТхР-> {0,1} - входная и выходная функции переходов соответственно; / = {/\,/2,—,/„)— вектор значений функции принадлежности нечеткого срабатывания переходов, при этом / ■ е [0,1] (V/ е {1,2,...,и}); X = (?чД2,...Д„) - вектор значений порога срабатывания переходов, при этом X е [0,1] (V/ е {1,2,...,и}); т = (т^т®вектор начальной маркировки, каждая компонента которого определяется значением функции принадлежно-

сти нечеткого наличия одного маркера в соответствующей позиции данной НСП С)г, при этом е[0,1] (V/€{1,2,—,«})• Структура N введенного в рассмотрение подкласса НСП Cf также имеет обычный (не нечеткий) вид, определяемый матрицами входных / и выходных О позиций. Поэтому графически НСП С/ изображаются ориентированным двудольным графом аналогично ординарным СП.

Стадии жизненного цикла программного проекта по ISO 12207 и ISO 15288

Менеджеры проекта

Рисковая информация

Риски проекта

Процесс идентификации рисков

Подпроцесс идентификации ^ рисков ^

Фаззификация

Подпроцесс анализа рисков

База правил нечетких продукций

Дефаззификация

Агрегирование

т

Аккумулирование

=1Г

Структура процесса нечеткой идентификации

Динамика изменения начальной и последующих маркировок НСП С у после момента ее запуска подчиняется следующим правилам Р(С {).

(/>)) Правило определения текущей маркировки. Любое текущее состояние НСП С^- определяется вектором т = (т^,т2,...,тп), компоненты которого (/я,- е [0,1]) интерпретируются как значения функции принадлежности нечеткого наличия одного маркера в соответствующих позициях р1 е Р НСП Су. Начальное состояние НСП определяется вектором начальной маркировки т0.

(Р2) Правило (условие) активности перехода. Переход tk еТ НСП С( называется активным (разрешенным, возбужденным) при некоторой текущей маркировке т, если выполнено следующее условие:

min {тЛ>Хк, (4)

где Хк - значения порога срабатывания перехода tk еТ. Переход tk е Т НСП Сj является активным, если во всех его входных позициях имеются ненулевые значения компонентов вектора текущей маркировки, а минимальное из них - не меньше порога срабатывания рассматриваемого перехода.

(Р3) Правило нечеткого срабатывания перехода. Если переход tk <= Т НСП Cj является активным при некоторой текущей маркировке m [т. е. для него

выполнено условие (4)], то нечеткое срабатывание данного перехода, осуществляемое мгновенным образом, приводит к новой маркировке mv = Ьщ ,m2,...,mvn), компоненты вектора которой определяются по следующим формулам:

- для каждой из входных позиций pt е Р, для которых I(pl,tk)> О: ,п]= О, (VPj£P)A(I(Pi,tk)> 0); (5)

- для каждой из выходных позиций pj е Р, для которых ü(tk ,/>, )> 0:

m)= max{ nij,min{/;;,,fk) }, (Vpy &P)/\{0(tk,Pi)>0), (6)

.....»))А(/(йЛ)>0)

где fk - значение функции принадлежности или мера возможности нечеткого срабатывания (запуска) перехода tk еТ, которая задается при определении конкретной НСП Сj.

Если некоторые из позиций р, е Р являются одновременно входными и выходными для разрешенного перехода tk е Т, то для них компоненты вектора новой маркировки рассчитываются последовательно, вначале по формуле (5), а затем - по формуле (6). При этом строгое определение диаграммы достижимых маркировок НСП Сj базируется на отношениях непосредственного следования

и достижимости маркировок, что позволяет построить необходимые правила нечетких продукций для нечеткой продукционной системы анализа и сокращения проектных рисков качества программного изделия.

Теоретический анализ НСП Су позволяет конкретизировать предлагаемый

способ представления правил нечетких продукций при решении прикладных задач нечеткого моделирования и выполнения процесса приближенных рассуждений по рискам программного проекта. Для этого используются модифицированные нечеткие сети Петри Су =(N,f,X,m0), для которых правила РХ,Р2 такие же, как и теоретически представленные выше для Р(Су), а правило Р3 модифицировано и принимает следующий вид: (Р3').

При расчете компонентов вектора новой маркировки m как для входных, так и для выходных позиций применяется единая формула (6). Это правило

обусловлено тем обстоятельством, что НСП С [ используют для интерпретации

маркеров в позициях понятие нечеткой истинности высказывания. Значение последнего не становится равным нулю для высказываний в левой части правил продукций после их выполнения при данной интерпретации.

Способ снижения размерности исходных данных для этапа анализа проектных рисков

В процессе решения задачи снижения размерности проектных рисков исходно заданными являются: конечное множество проектных рисков Л = {/?], /?2Л„}, называемое множеством объектов кластеризации; конечное множество характеристик качества Р = {Р1,Р2,...,Р„}, на которые влияют потенциальные рисковые события, и значения последствий проектных рисков следует оценить; для каждого Л, € Л измерены все признаки Р в заданной количественной шкале и тем самым каждому из элементов е Я поставлен в соответствие вектор х, = (х'1,х'2,...,х'д), где х'] - количественное значение признака Pi е Р для объекта данных Л, е Л. Соответственно для определения векторов х[ =(х[,х'2,...,х'ч) применяется одна из следующих видов шкал измерений: шкала наименований, порядковая шкала, интервальная шкала, шкала отношений. Векторы значений признаков х, = (х[,х'2,...,х') представлены в виде так называемой матрицы данных £> размерностью (« х ¿¡г), каждая строка которой равна значению вектора .т,.

Для задания вида целевой функции /(3(/1)) искомые нечеткие кластеры рисков представлены нечеткими множествами Ак, образующими нечеткое покрытие исходного множества объектов кластеризации А =Я (проектных рисков), для которого условие нечеткого покрытия принимает следующий вид:

= / (V/?,. 6/г) , (7)

где с - общее количество нечетких кластеров проектных рисков Ак(к е {2,...,с}), которое считается предварительно заданным.

Для каждого нечеткого кластера риска введены в рассмотрение так называемые типичные представители или центры \к искомых нечетких кластеров проектных рисков Ак(к е {2,...,с}), которые рассчитываются для каждого из нечетких кластеров и по каждому из признаков по следующей формуле:

*)=—„-,(УАе{2,...,с},УЛе/>), (8)

1=1

где т - параметр, называемый экспоненциальным весом и равный некоторому действительному числу (т> 1). Каждый из центров кластеров представляет со-

бой вектор vk ={v\ ,v*.....v'} в некотором q-мерном нормированном пространстве, изоморфном Rq, т.е. v* & Rq, если признаки измерены в шкале отношений.

В качестве целевой функции используется сумма квадратов взвешенных отклонений координат объектов кластеризации от центров искомых нечетких кластеров проектных рисков:

f{Ak,vkj)I Х(ИЛ.№ iix'j-v))1, (9)

/=14=] j=1

где т - экспоненциальный вес нечеткой кластеризации рисков, значение которого задается в зависимости от количества элементов (мощности) множества проектных рисков R. Чем больше проектных рисков содержит множество R, тем меньшее значение выбирается для т.

Задача нечеткой кластеризации проектных рисков формулируется следующим образом: для заданных параметров матрицы данных, количества нечетких кластеров рисков с(се .Vи о Г), параметра т определить матрицу значений функций принадлежности рисков Л, е R нечетким кластерам рисков Ак(к е {2,...,с}), которые доставляют минимум целевой функции (9) и удовлетворяют ограничениям (7), (8), а также дополнительным ограничениям (10) и

(П):

(а,)>0 (We{2,...,с}), (10)

liAt(a,)>0 (Ук е {2,...,с}, Va( е А) . (11)

Условие (10) исключает появление пустых нечетких кластеров проектных рисков в искомой нечеткой кластеризации, а условие (11) непосредственно следует из определения функции принадлежности нечетких множеств. В этом случае минимизация целевой функции (9) минимизирует отклонение всех объектов кластеризации от центра нечетких кластеров пропорционально значениям функции принадлежности этих объектов соответствующим нечетким кластерам.

Поскольку нечеткая целевая функция (9) не является выпуклой, а ограничения (7), (8), (10), (11) в своей совокупности формируют невыпуклое множество допустимых альтернатив, то в общем случае задача нечеткой кластеризации относится к многоэкстремальным задачам математического программирования в условиях неопределенности (неопределенного программирования).

С учетом особенностей задачи идентификации рисков проекта предложен к практическому использованию алгоритм нечетких с-средних (FCM, Fuzzy С-Means), который позволяет существенно улучшить некоторое исходное нечеткое разбиение рисков, заданное исследователем для решения задачи снижения размерности рисков проекта.

Решение задачи нечеткой кластеризации проектных рисков ПИ методом с -средних на программном уровне представлено в виде специальной автомати-

зированной процедуры нечеткой кластеризации, используемой для определения рационального состава рисков проекта для этапов анализа и мониторинга рисков проекта. Включение такой процедуры в состав процесса управления рисками по характеристикам качества в условиях нечеткости исходных данных по рискам повышает эффективность процесса сокращения проектных рисков качества.

Таким образом, разработанные и исследованные во второй главе диссертации нечеткие модели, методы и алгоритмы идентификации проектных рисков качества отличаются простотой программной реализации и позволяют в условиях нечеткости проектных данных формализовать процесс идентификации проектных рисков по стадиям жизненного цикла ПИ.

Третья глава посвящена разработке научных основ методики анализа проектных рисков качества ПИ в условиях нечеткости проектных данных. Сюда вошли нечеткие методы, модели и алгоритмы формализации и автоматизации процесса анализа проектных рисков качества ПИ. Под анализом понимается итеративный по всем стадиям ЖЦ проекта процесс, связанный с определением из списка идентифицированных проектных рисков некоторого квазиоптимального состава контролируемых проектных рисков качества ПИ в условиях нечеткости.

Проблема анализа рисков в условиях нечеткости содержит в своем составе слабоструктурированные задачи, решение которых выполнено на основе использования положений и методов теории нечетких множеств. Итогом решения является оптимизация для следующих этапов планирования и мониторинга состава проектных рисков по критерию их максимального негативного воздействия на запланированные цели проекта по характеристикам качества. Решение указанной задачи оптимизации состава проектных рисков обосновано и выполнено здесь последовательным решением двух задач. Первая задача связана с определением вектора степени влияния каждого проектного риска на обобщенный критерий качества ПИ в условиях лингвистической неопределенности и нечеткости проектных данных, и вторая задача сопряжена с выбором квазиоптимального состава контролируемых проектных рисков качества ПИ на основе принятия решений в условиях неопределенности.

Первая задача здесь сформулирована как задача формализации и согласования мнений специалистов по проектным рискам о возможной (субъективной) степени влияния последствий рисков на обобщенный критерий качества ПИ. Область определения такой задачи здесь представлена кортежем:

<Я, Р„ О, ИЩ, В>, (12)

где Я - множество проектных рисков, определенных специалистами на этапе идентификации рисков; Н - модель характеристик качества ПИ; - отображение Л в Н, определяющее оценки влияния последствий Я на Я; Р„ - структура предпочтений специалистов (экспертов); С - граф связности рисков качества ПИ; IV(Я) - искомый вектор степеней влияния последствий Я на обобщенный критерий качества ПИ. Необходимо определить (разработать) набор алгорит-

мов Э, позволяющих покрыть все варианты информационного состава рисковой информации по стадиям жизненного цикла ПИ, и определить адекватный вектор Для этого на основе анализа концептуальных моделей процесса

анализа и сокращения проектных рисков качества, разработанных в первой главе диссертации, и на основе анализа информации, циркулирующей по стадиям программного проекта, здесь приведены результаты исследований и решения задачи (12) в рамках следующих пяти подходов к разработке набора методов и алгоритмов Э.

Подход 1 связан с разработкой алгоритма который позволяет определять по стадиям жизненного цикла ПИ вектор 1¥{Я) на основе следующих исходных данных: модель Я задана множеством независимых характеристик качества программного изделия; Я - множество независимых проектных рисков;^ и /', представлены экспертным способом на основе количественных оценок.

Подход 2 связан с разработкой алгоритма 02, который отличается от 01 тем, что экспертные оценки по рискам заданы вербальным способом.

Подход 3 связан с разработкой алгоритма 03, который отличается от и В2 тем, что модель Н представлена деревом характеристик качества.

Подход 4 связан с разработкой алгоритма 04, который позволяет на основе данных, полученных при использовании одного из 01, 02, ЭЗ, учитывать дополнительную однозначную связность проектных рисков по стадиям жизненного цикла ПИ.

Подход 5 связан с разработкой алгоритма 05, который в отличие от 04 учитывает субъективную связность проектных рисков по стадиям жизненного цикла ПИ.

В первом подходе на основе выделенных при планировании проекта независимых характеристик качества Н = {Н1,Н2,...,Нт} и определенного на этапе идентификации списка И = {/?|,Л2.. ••,/?„}/ получаются количественные оценки |1,(//;) степени влияния Я, на характеристику качества Я, на основе использования косвенных или прямых методов формализации суждений специалистов.

Далее совокупность этих оценок представляется нечетким множеством: Т, = {ц,(Я,) / Я,, ц, (Я2) I Н2,..., ц ДЯШ) / Яш}.

Свертка вектора степеней влияния (ц,(Я[), ц,(Я2),..., ц,(Ят)) осуществляется на основе взвешенного аддитивного критерия:

т

Х(й,.)=Ха.ц,(Я,.), (13)

где я, - весовые коэффициенты характеристик качества ПИ.

В качестве значений степеней влияния Я* на обобщенный критерий качества IV Щ) принимаются значения ), т.е. II'(/?/)= Л (Л,).

Во втором подходе формализация вербальных суждений менеджеров по рискам происходит на основе использования понятий лингвистической и структурированной лингвистической переменных.

Определение 1. Лингвистическая переменная (ЛП) называется структурированной, если ее терм-множество Т(Х) и функцию Л/р(X) можно рассматривать как алгоритмические процедуры для порождения элементов множества Т(Х) и вычисления смысла каждого терма в Т(Х) соответственно.

На основе определения (1) для решения задачи (12) сформирована структурированная лингвистическая переменная с именем "Степень влияния последствий проектных рисков на обобщенный критерий качества ПИ".

Степень влияния последствий Л/ на Я, оценивается путем экспертного выбора наиболее соответствующего элемента терм-множествау'-й ЛП. С использованием семантического правила определяется Ц,(Яу) численное значение

вербального описания степени влияния последствий проектных рисков на характеристики качества ПИ. Полученные результаты представляются в виде совокупности нечетких множеств:

С,.={ц,(Я1)/Я1,ц,(Я2)/Я2,...,ц,(Ят)/Ят}.

Значения ХЩ) степени влияния последствий проектных рисков на обобщенный критерий качества вычисляются по формуле (13) и

Третий подход позволяет учитывать иерархическую модель характеристик качества Я при независимых проектных рисках Я= {/?1,/?2,...,Л„}. Иерархия характеристик качества ПИ здесь представляется следующими элементами: вершиной обобщенного качества Я; вершинами факторов качества, заданных элементами вектора Я, , и вершинами критериев качества, представленных элементами матрицы Я,у.

Решение задачи здесь представлено в виде последовательности этапов.

1. Задаются приоритеты влияния критериев качества на обобщенный критерий для последующего определения степени влияния соответствующих факторов проектного риска.

2. Определяются значения степени влияния Л, е К на характеристики качества ПИ на основе использования одного из двух выше представленных подходов. Таким образом, в результате получается набор матриц:

/^[Л*] - вектор степеней влияния рисковых событий на обобщенный критерий качества ПИ;

Р2[Як,Н1\ - матрица степеней влияния проектных рисков на г-й фактор качества ПИ;

РЗН. , Нц \ - набор матриц степеней влияния рисковых событий на у'-й

критерий г'-го фактора качества ПИ.

3. Выделяются проектные риски, влияющие на критерии /-го фактора качества, и определяется вектор приоритетов влияния последствий рисков относительно /'-го фактора качества Я, по формуле

где А, - нормированная матрица РЗН. относительно Я,;

I/ - структурный критерий;

X/ - нормированный вектор приоритетов критериев 1-го фактора;

4. На основе определенного вектора 1У, и вектора степеней влияния последствий рисков на ¡-й фактор качества проекта вычисляется

1=1

5. Определяется вектор У/0 относительно критерия обобщенного качества:

1У0=1А0]х[10]хХ;.

6. На основе объединения вектора Щ с Л^] получается вектор приоритетов влияния проектных рисков на обобщенный критерий качества IV

Четвертый подход позволяет учитывать однозначную связность проектных рисков. Для формализации данного подхода в работе вводится и обосновывается ряд определений и свойств однозначно связных проектных рисков.

Определение 2. Под связностью 3 двух проектных рисков понимается возможность появления в качестве последствий ХЩ) другого проектного риска При этом связность 9 может быть в проекте однозначной и субъективной.

Определение 3. Связность называется субъективной, если воз-

можность появления в качестве последствий Л, другого рискового события RJ может быть задана нечетким числом =<г)(Л,,Лу)/(7?г,йу)>, где г|(/?,-,/? ■) -субъективная величина, характеризующая меру возможности появления в качестве последствий Л, другого .

Определение 4. Связность Э(Л,,/?у) называется однозначной в программном проекте, если 9Г1(/?,,Лу) = 1.

В данном случае задача (12) трансформируется в задачу определения вектора важности влияния последствий проектных рисков на обобщенный критерий качества ПИ. Для формализации введено определение важности.

Определение 5. Важностью проектного риска называется положительное действительное число У(Я;), учитывающее как степень влияния самого Л,, так и влияние на обобщенный критерий качества ПИ всех проектных рисков, принадлежащих поддереву графа связности с вершиной в К,.

Тогда решение задачи (1) представляется в виде последовательности этапов.

1. На основании использования одного из вышеприведенных алгоритмов (01-03) определяется вектор {Х(Я,)} степеней влияния рисков на обобщенный критерий качества ПИ.

2. На текущем этапе жизненного цикла определяется граф связности , который представляется матрицей связности проектных рисков:

Э = л2

л, я2

о Э(Л„Л2) .

т2,щ) о

к

о

3. Последовательно по уровням иерархии графа связности С8 от листьев к корням определяется вектор важности проектных рисков по формуле:

¿2

Г(Ъ) = Щ-)+1Щ), (14)

<и

где Кч - все риски, принадлежащие поддереву графа О3 с вершиной Л,.

Итогом работы данного алгоритма являются значения скорректированного вектора (С(/?,)= УЩ).

Пятый подход позволяет учитывать субъективную связность проектных рисков. В этом случае в качестве последствий одного проектного риска появление в проекте другого проектного риска возможно с некоторой субъективной мерой 9л е [0,1], которая задается менеджерами по рискам.

На основе введенных и доказанных в диссертации свойств субъективно связных проектных рисков решение задачи (12) представлено в виде последовательности этапов.

1. Определяется коэффициент связности проектных рисков путем рассмотрения графа связности б8 от вершин до листьев. Данный процесс происходит в следующей последовательности.

1.1. Первоначально всем вершинам графа связности у ^ =0.

1.2. Граф О8 разбивается на ¿деревьев с корнями в вершинах |у' = 1,А;.

1.3. Рассматриваетсяу'-е дерево и принимается ц/^ = 1.

"у

1.4. Коэффициент связности для проектного риска определяется по доказанной формуле (15) при рассмотрении деревьев по уровням иерархии сверху вниз:

(15)

где 9 (/?„,/<!„,) - степень связности рисковых событий и /?и,;

Ч^ - коэффициент связности проектного риска Я,.

2. Следующим этапом определяется важность проектных рисков от листьев дерева связности до корней соответствующих деревьев графа связности С8, при выполнении очередной последовательности шагов.

2.1. Для всех листьев графа связности важность К(/??) определяется как

2.2. Далее вычисляется важность У(РЧ) снизу вверх по формуле

' /=1

где Л, - проектные риски, являющиеся элементами, непосредственно порождаемыми Яе.

Итогом работы данного алгоритма являются значения скорректированного вектора К (Л,).

Вторая задача, связанная с оптимизацией состава контролируемых рисков качества ПИ, представлена кортежем: <Я, «Ш />г, [/>,

(16)

где IV(К) - вектор степеней влияния последствий проектных рисков на обобщенный критерий качества ПИ; Рг - структура предпочтений экспертов по ресурсам, которая ставит в соответствие каждому рисковому событию из Я требуемые ресурсы на управление каждым проектным риском. Требуется разработать набор алгоритмов и, позволяющий выбрать квазиоптимальный состав контролируемых проектных рисков качества на каждой стадии ЖЦ ПИ. В зависимости от наличия или отсутствия ресурсных ограничений здесь рассмотрены и исследованы два подхода к решению данной задачи.

• Подход 1 связан с разработкой алгоритма Ш, позволяющего определять квазиоптимальный состав контролируемых рисков качества в условиях отсутствия жестких ресурсных ограничений.

• Подход 2 связан с разработкой алгоритма Ш, отличающегося от первого подхода наличием предпочтений экспертов Рг по ресурсам проекта.

В первом подходе задача (16) по выбору квазиоптимального состава контролируемых проектных рисков качества ПИ решается как я' = {Я,}еЯ\ 1Г(Я') = гпах IV {К), / = .

N

Во втором подходе при наличии ресурсных ограничений указанная задача (16) представлена как задача нечеткого математического программирования с четкой целевой функцией:

¿^(ЛК ->тах, 1=1

где Ч'(Р,)~ важность влияния последствий проектных рисков на обобщенный критерий качества ПИ, определенная при решении задачи (12); ^={0,1} -включение или не включение Л, в оптимальный состав контролируемых проектных рисков качества ПИ.

При нечетких ограничениях

Т.Ь,х,<В,

;=1

где 6, - предполагаемое количество ресурсов, необходимое для устранения последствий Л,; В - ресурсы проекта, выделенные для управления рисками.

Итоговый состав контролируемых проектных рисков качества передается на этап планирования рисков, где эксперты разрабатывают различные альтернативы реагирования на каждый из проектных рисков и определяют признаки возникновения этих рисков в проекте.

Разработанные и исследованные в третьей главе диссертации нечеткие модели, методы и алгоритмы анализа проектных рисков качества отличаются простотой программной реализации и позволяют в условиях нечеткости формализовать процесс анализа проектных рисков по стадиям ЖЦ ПИ.

Четвертая глава диссертации посвящена разработке научных основ методики мониторинга и сокращения проектных рисков качества ПИ в условиях нечеткости. Сюда вошли нечеткие методы, модели и алгоритмы формализации и автоматизации процесса мониторинга проектных рисков качества ПИ. Под мониторингом понимается итеративный по всем стадиям ЖЦ проекта процесс, связанный с определением (идентификацией) по ходу проекта возникающих рисковых ситуаций из списка подлежащих контролю и определению адекватных мер по устранению идентифицированных проектных рисков.

Основными задачами, решаемыми и исследуемыми здесь, являются:

- задача 1, связанная с разработкой нечетких моделей, методов и алгоритмов, необходимых для формализации и автоматизации процесса идентификации ситуаций возникновения рисковых событий по стадиям ЖЦ ПП. Исходные данные задаются с этапа планирования проектных рисков качества в виде значений характеристик проекта, характерных для возникновения проектных рисков, и с текущего этапа проекта в виде проектной и рисковой информации;

- задача 2, заключающаяся в разработке моделей, методов и алгоритмов определения оптимальной (рациональной) альтернативы реагирования на каждое идентифицированное рисковое событие исходя из сложившейся ситуации по ходу проекта.

Постановка задачи 1, связанной с идентификацией ситуации возникновения рискового события, представлена кортежем:

<5, и', / К ¡\, 2>, (17)

где 5 = " набор эталонных ситуаций, характеризующих ситуации

возникновения проектных рисков; м> - текущая ситуация проекта;/- отображение к' в 5, характеризующее степень их соответствия; /г - порог достоверности нечеткого соответствия; Р5 - структура предпочтений эксперта по рискам. Необходимо разработать алгоритм Ъ, позволяющий определять соответствие текущей ситуации проекта и> (согласно Рх) с некоторым порогом достоверности нечеткого соответствия И ситуациям из набора эталонных ситуаций.

Формализация решения задачи (17) основана здесь на теории расплывчатых ситуационных моделей принятия решений. Считается, что все текущие со-

стояния программного проекта по стадиям жизненного цикла ПИ оцениваются через некоторые дискретные промежутки времени на ключевых контрольных точках проекта (начало, окончание работы, этапа, стадии и т.д.). Состояние объекта проектирования, согласно предлагаемой здесь парадигме идентификации ситуации возникновения рискового события, представляется в виде нечеткой ситуации {Р. Тогда полученная входная нечеткая ситуация может сравниваться со всеми эталонными ситуациями возникновения проектных рисков, хранящимися в базе данных. В результате определяются степени соответствия текущей ситуации проекта всем эталонным ситуациям. Ситуации, превышающие заданный порог И, являются идентифицированными ситуациями возникновения рисковых событий.

В зависимости от особенностей состава контролируемых проектных рисков в качестве меры для определения степени соответствия текущей рисковой ситуации проекта и> эталонным рисковым ситуациям е 5 предложено использовать:

- степень нечеткого включения текущей ситуации в У,;

- степень нечеткого равенства тР и У,.

В случае применения степени нечеткого включения в качестве меры соответствия в диссертации обоснована необходимость использования диаграммы Хассе для оптимизации идентификации ситуации возникновения рискового события. Диаграмма Хассе строится для графа нечеткого включения эталонных ситуаций друг в друга. Поиск наиболее сходной с 0> ситуации У, в множестве 5 начинается с верхнего уровня иерархии. Определяется ситуация верхнего уровня, в которую нечетко включаются н>, т.е. Ситуация У, полагается

равной ?/. Осуществляется переход к ситуациям, расположенным на нижних уровнях иерархии и смежным с х]. Среди них определяется ситуация 1к, в которую включается ситуация н». Если ситуация существует, то У, ~ и поиск продолжается. Далее рассматриваются ситуации нижних по отношению ко второму уровней иерархии и т.д. Поиск заканчивается, если: а) на некотором уровне иерархии в ситуацию не включается ни одна ситуация множества 5; б) для любой ситуации sJ , включающейся в ситуацию У,, выполняется условие w<ZSj.

Для случая использования степени нечеткого равенства в качестве меры соответствия в работе обоснована необходимость разбиения множества 5 типовых ситуаций на классы нечеткой эквивалентности, где в один класс входят нечетко равные между собой ситуации. Показано, что в пределах достоверности, ограничиваемой порогом нечеткого равенства кг, все ситуации одного класса

эквивалентности Д можно считать одной ситуацией. Данное обстоятельство позволило снизить трудоемкость нечеткой процедуры идентификации ситуации возникновения рискового события проекта по характеристикам качества.

Следующей задачей, решаемой на этапе мониторинга проектных рисков качества ПИ, является определение оптимальной альтернативы реагирования на идентифицированное рисковое событие.

Постановка задачи 2, связанной с разработкой методов определения оптимальной альтернативы реагирования, представлена кортежем:

<А(Я1),Л1,&Ра,У>, (18)

где А(Л,) = {А1 (/?, ),..., А (Л,)} - множество альтернатив реагирования на идентифицированное рисковое событие Л,; g - отображение А(К1) на /?,; Ра - структура предпочтений экспертов по рискам. Необходимо разработать алгоритм V, позволяющий определять оптимальную (рациональную) альтернативу реагирования Аг на идентифицированное рисковое событие Л, согласно Ра.

В зависимости от числа привлекаемых менеджеров (экспертов) по рискам и способа задания отношения предпочтения мнений каждого из них разработаны следующие подходы:

Подход 1 связан с разработкой алгоритма VI, который позволяет определять оптимальную альтернативу реагирования на Л, в случае привлечения одного специалиста по рискам.

Подход 2 связан с разработкой алгоритма V2, который в отличие от VI работает в случае привлечения группы менеджеров по рискам с весовыми коэффициентами важности мнений каждого из них.

Подход 3 связан с разработкой алгоритма V3, который в отличие от VI работает в случае привлечения группы менеджеров по рискам при заданном отношении предпочтения важности мнений каждого из них.

При первым подходе специалист по рискам в терминах предпочтительности определяет матрицу важности альтернатив реагирования /?,. Далее для

строится нечеткое отношение строгого предпочтения и вычисляется нечеткое подмножество А"¡¡* с А недоминируемых альтернатив реагирования, ассоциированное с За оптимальную принимается альтернатива реагирования А*, для которой значение ц"^, (А*) максимально: А' =ащтгх\х."/( А,).

А,еА г

При втором подходе на множестве определенных альтернатив реагирования А = {А\,А2,.~,А?1а } каждый эксперт по рискам (с важностью мнений ук) задает свое видение важности альтернатив реагирования в терминах предпочтительности УН/ к. Для каждого отношения предпочтения строится нечеткое

отношение нестрогого предпочтения . Далее строится свертка Р отношений предпочтения как пересечение отношений нестрогого предпочтения экспертов:

На основе Р построится отношение строгого предпочтения =Р/Р7. Следующим шагом определяется множество А(РЯ ,пй) и строится выпуклая

свертка О отношений JWk, которая определяется как О = "£.1 к J и-к. Для нечеткого отношения предпочтения <2, аналогично Ps, строятся отношение строгого предпочтения Qs и множество недоминируемых альтернатив U"qd. Далее определяется пересечение полученных множеств U(jfv,nd) и U(Q,nd) с функцией принадлежности: = . Выбирается та альтернатива реагирования А*, для которой значение \x"d(А*) максимально:

А* =argmax|x"J(/i/), А{ е А. i

При третьем подходе группа экспертов характеризуется с помощью нечеткого отношения предпочтения JN, заданного на множестве Е экспертов по рискам. В данном случае для решения задачи (18) аналогично второму подходу для каждой JWk строятся и А"к . Для формализации вводится обозначение

цк(1(А;) = \1ф(А^ек) и тем самым задается нечеткое соответствие Ф между множествами А и Е. Следующим шагом строится свертка Г в виде композиции соответствий Г = ФТ JN<t>, причем результирующее отношение Г определяется как произведение Фт, JN, Ф. С отношением Г ассоциируются отношение rs и множество А"'1. Корректируется множество A"d до множества A"d с функцией принадлежности

H"r""(4) = mmOi? (4),МЛ,,^)).

Выбирается та альтернатива, для которой значение функции принадлежности скорректированного A"d недоминируемых альтернатив максимально.

Разработанные и исследованные в четвертой главе диссертации нечеткие модели, методы и алгоритмы мониторинга проектных рисков качества отличаются простотой программной реализации и позволяют в условиях нечеткости проектных данных формализовать процесс мониторинга проектных рисков по стадиям жизненного цикла ПИ.

Пятая глава диссертационной работы посвящена разработке научных основ построения базы знаний по проектным рискам качества программных изделий. В перечень решаемых задач вошли вопросы разработки методики нечеткой лингвистической аппроксимации проектных рисков качества и обоснование подхода к настройке нечетких баз знаний по проектным рискам качества. Показано, что задачи принятия проектных решений в отношении проектных рисков качества ПИ следует рассматривать как задачи идентификации, обладающие рядом общих свойств:

- для принятия решения в проекте по отношению к проектному риску необходимо установить зависимость между входными параметрами (переменными) проектного риска и выходным параметром (переменной);

- выходная переменная проектного риска ассоциируется с объектом идентификации, т.е. с видом принимаемого решения относительно проектного риска качества ПИ; входные переменные риска ассоциируются с параметрами состояния объекта идентификации; выходная и входные переменные проектного риска могут иметь количественные и качественные оценки;

- структура взаимосвязи между выходной и входными переменными проектного риска описывается правилами ЕСЛИ <входы>, ТО <выход>, использующими качественные оценки переменных риска и представляющими собой нечеткие базы знаний по рискам проекта.

Формирование нечеткой базы знаний по проектным рискам трактуется как аналог этапа структурной идентификации, на котором строится грубая модель объекта с параметрами, подлежащими настройке. В данном случае настройке подлежат формы функций принадлежности нечетких термов, с помощью которых оцениваются входы и выходы объекта.

Совокупность правил ЕСЛИ-ТО рассмотрена как набор экспертных точек в пространстве <входы - выход>, позволяющих восстанавливать по этим точкам многомерную поверхность, которая в свою очередь позволяет получать значения выхода проектного риска при различных комбинациях значений входных переменных проектного риска.

В терминах предметной области проектных рисков качества представлен подход к двухэтапной настройке нечетких баз знаний по проектным рискам качества. На первом этапе осуществляются формирование и грубая настройка модели проектного риска путем построения базы знаний по доступной экспертной информации. На втором этапе осуществляется тонкая настройка нечеткой модели проектного риска путем обучения модели по экспериментальным данным. Этап тонкой настройки формулируется здесь как задача нелинейной оптимизации, и для ее решения показана целесообразность применения генетических алгоритмов оптимизации. Представленные в пятой главе диссертации результаты исследований аккумулируют и развивают существующий опыт построения нечетких баз знаний в направлении обоснования современной методики построения базы знаний по проектным рискам качества программных изделий.

Шестая глава диссертационной работы посвящена разработке и исследованию эффективности комплекса программных средств (ПС), реализующих разработанные методы, модели и алгоритмы по теме диссертации.

В перечень проектно-исследовательских работ вошли следующие: анализ системных требований, проектирование архитектуры, детальное проектирование, кодирование и тестирование, интеграция компонентов, квалификационное тестирование, инсталляция ПС и опытная эксплуатация ПС в составе интегрированных САБЕ-технологий проектирования и управления проектированием ПИ в ряде ведущих проектных организаций.

В качестве практических задач, связанных с разработкой программных средств по теме диссертации, определены 8 проектных задач, которые классифицированы: на 4 основные проектные задачи по разработке модуля идентификации, модуля анализа, модуля планирования, модуля мониторинга; на 3 вспо-

могательные проектные задачи по разработке модуля документирования результатов, модуля редактирования параметров рисков, модуля настройки ПС на характеристики проекта; на задачи по разработке базы данных и базы знаний по проектным рискам качества ПИ.

Перечень основных модулей, база данных и база знаний образуют ядро системы сокращения проектных рисков качества ПИ, а вспомогательные модули обеспечивают поддержку основных задач. Разработанная модульная архитектура программного комплекса по проектным рискам позволяет использовать комплекс в составе современных интегрированных САБЕ-технологий, а также допускает автономное использование всего программного комплекса и его отдельных модулей для решения локальных задач по идентификации, анализу, планированию и мониторингу проектных рисков качества ПИ.

Разработанные ПС и информационные базы зарегистрированы в РОСПАТЕНТ и ОФАП, внедрены в ряде проектных организаций. Опытная эксплуатация разработанного программного комплекса показала значительный положительный эффект, заключающийся: в снижении трудоемкости этапов идентификации, анализа, планирования и мониторинга проектных рисков качества; в снижении фактора субъективности принимаемых проектных решений по рискам; в повышении результативности ПП по характеристикам качества; в значительном снижении процента пропущенных проектных рисков качества и, как следствие, в повышении качества ПИ.

В заключении диссертационной работы сформулированы основные научные результаты, полученные в рамках решения поставленной научно-технической проблемы разработки научных основ идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости проектных данных с целью повышения эффективности функционирования систем автоматизированного проектирования, управления качеством проектных работ на основе современных методов моделирования и инженерного анализа, что является характерным для современных САПР.

1. Разработана концепция программно-ориентированной методики сокращения рисков проекта программных изделий по характеристикам качества, формализованная методами и приложениями теории нечетких множеств, основанная на декомпозиции регламентированного процесса сокращения рисков качества программного проекта на взаимосвязанные процессы идентификации проектных рисков, анализа проектных рисков, планирования проектных рисков и мониторинга проектных рисков качества ПИ и позволяющая на практике достаточно простую реализацию компьютерных интерактивных методов для использования в составе интегрированной САБЕ-тсхнологии с целью повышения результативности и эффективности автоматизированного проектирования и управления проектированием ПИ в условиях нечеткости проектных данных.

2. Разработана методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе графический метод многопараметрического анализа и идентификации потенциальных рисков программного проекта по характеристикам качества, формализованную

процедуру снижения размерности идентифицированных рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков качества проекта методами нечеткого вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Разработан метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по рискам, условия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающий ресурсные ограничения проекта на этапе оптимизации состава контролируемых рисков по критерию их максимального потенциального влияния на характеристики качества проекта ПИ.

4. Предложен модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств и предназначенный для решения задачи по определению вектора влияния проектных рисков на обобщенный критерий качества программного проекта в условиях нечеткости и многоуровневого представления иерархии характеристик качества и рисков качества программного проекта по стадиям жизненного цикла.

5. Разработан метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу проекта текущих рисковых ситуаций с последующим выбором рациональной альтернативы реагирования на риски и содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе, а также включающий способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Предложена методика построения базы знаний по рискам программного проекта, содержащая в своем составе процедуры нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения рисков проекта и процедуру настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработаны база данных по рискам качества ПИ и интерактивные инструментальные средства, обеспечивающие поддержку нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества по стадиям жизненного цикла ПИ. Инструментальные средства, реализующие разработанные методы, модели и алгоритмы программного анализа и сокращения проектных рисков качества, показали положительные результаты в экспериментальных проектах и предназначены для расширения функциональных возможностей и использования в составе современных интегрированных СА8Е-технологий, ориентированных на автоматизированное проектирование и управление проектированием сложных программных изделий высокого качества с минимальными рисками.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в центральных журналах перечня ВАК

1. Таганов А.И. Применение нечетких множеств для формализации процессов анализа и идентификации важности рисков программного проекта // Системы управления и информационные технологии. - Москва-Воронеж, 2007. - Вып. 30. - С. 46 - 51.

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

3. Таганов А.И., Таганов P.A. Применение нечетких ситуационных моделей для идентификации рисков программного проекта // Системы управления и информационные технологии. - Москва-Воронеж, 2007. - Вып. 30. - С. 297 -303.

4. Таганов А.И. Представление правил нечетких продукций в нечеткой системе анализа и сокращения рисков проекта на основе нечетких сетей Петри // Системы управления и информационные технологии. - Москва-Воронеж, 2009. - Вып. 38. - С. 46 - 51.

5. Таганов А.И. Способы построения графических моделей рисков проекта на основе структурно-символьного метода представления // Системы управления и информационные технологии. - Москва-Воронеж, 2010. - Вып. 40. - С. 43 - 47.

6. Таганов А.И. Методы представления сложной структурно-символьной информации // Вестник РГРТУ. - Рязань, 2006. - Выпуск 18. - С. 74 - 80.

7. Таганов А.И., Таганов P.A. Метод определения важности субъективно-связных рисков качества программных проектов // Вестник РГРТА, 2002. - Вып. 10. - С. 64 - 69.

8. Таганов А.И., Таганов Р.А Метод определения оптимальной альтернативы реагирования на этапе мониторинга рисков проекта // Вестник РГРТА, 2003. - Вып. 11. - С. 115 -118.

9. Таганов А.И., Таганов Р.А Методологические основы методов идентификации рисковых событий проекта// Вестник РГРТА, 2003. -Вып. 12. - С. 70 - 77.

10. Таганов А.И., Таганов P.A. Разработка инструментальных средств поддержки процессов управления рисками качества программного проекта // Вестник РГРТА. - Рязань, 2003.-Выпуск 13.-С. 52 - 57.

11. Везенов В.И., Таганов А.И., Таганов P.A. Применение процедуры нечеткого вывода для анализа рисков программного проекта // Системы управления и информационные технологии. - Москва-Воронеж, 2006. - Вып. 24. - С. 34 - 39.

12. Бриндикова И.В., Воеводин A.A., Гуров B.C., Корячко В.П., Таганов А.И., Чернышев С.В. Системно-функциональное построение автоматизированной системы дистанционного обучения по направлению «Глоиасс» // Вестник РГРТУ. - Рязань, 2010. - Вып. 33. - С. 82 -89.

Монографии

13. Корячко В.П., Таганов А.И, Таганов P.A. Методологические основы разработки и управления требованиями к программным системам. - М: Горячая линия - Телеком, 2009. -224 с.

14. Везенов В.И, Светников О.Г., Таганов А.И Основы процессно-ориентированного управления проектами информационных систем / под ред. проф. В.П.Корячко. - М.: Энерго-атомиздат, 2002. - 320 с.

Свидетельства о регистрации программы в ФГУ ФИПС

15. Таганов P.A., Таганов А.И. Многокритериальная оптимизация рисков качества программной продукции (Риск КПП) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ № 2001611541 от 15.11.2001.

16. Таганов P.A., Таганов А.И. База данных рисков качества проектов программных изделий ("БДРКППИ") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002620044 от 25.03.2002.

17. Таганов P.A., Таганов А.И. Оптимизация процесса идентификации ситуации возникновения рискового события ("Риск-Иден") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ № 2002610046 от 16.01.2002.

18. Таганов P.A., Таганов А.И. Система поддержки принятия решений по рискам проекта программных изделий ("Риск-ПИИ") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ № 2002610047 от 16.01.2002.

19. Корячко В.П., Таганов А.И., Таганов P.A. Информационно-образовательная среда системного моделирования и управления проектами в CALS (ИОС-CALS) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002610045 от 16.01.2002.

20. Таганов P.A., Везенов В.И., Светников О.Г., Таганов А.И. Система оценивания качества программной продукции по ИСО/МЭК 9126-1-4 (СОК ПП) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2003610449 от 19.02.2003.

21. Таганов P.A., Везенов В.И., Светников О.Г., Таганов А.И. Система планирования и мониторинга процесса оценивания качества программной продукции в соответствии с ИСО/МЭК 14598-1-6 (СПМ ПП) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2003610448 от 19.02.2003.

Свидетельства о регистрации программы в ОФАП РФ

22. Таганов А.И., Таганов P.A. Качественный и количественный анализ рисков качества программных проектов / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3357 от 08.04.2004.

23. Таганов А.И., Таганов P.A. Нечеткое ситуационное моделирование для процесса мониторинга рисков качества программных проектов / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3356 от 08.04.2004.

24. Таганов А.И., Таганов P.A. Планирование рисков качества программного проекта методом мозгового штурма / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3358 от 08.04.2004.

25. Таганов А.И., Таганов P.A. Система формализации нечетких исходных данных программных проектов для процесса идентификации рисков качества / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3359 от 08.04.2004.

26. Корячко В.П., Таганов А.И., Таганов P.A. База знаний вуза: методы процессного моделирования для проектов внедрения ИПИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7096 от 26.10.2006.

27. Корячко В.П., Таганов А.И., Таганов P.A. База знаний вуза: методы информационного моделирования для проектов внедрения ИПИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7095 от 26.10.2006.

28. Корячко В.П., Таганов А.И., Таганов P.A. База знаний вуза: методы функционального моделирования для проектов внедрения ИПИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7146 от 26.10.2006.

Статьи в научно-технических журналах и межвузовских сборниках

29. Таганов А.И. Анализ и классификация рисков проекта методами нечеткой классификации // Информационные технологии моделирования и управления. - Воронеж: Научная книга, 2010. - Вып. 63. - С. 455 - 461.

30. Таганов А.И., Хохлова A.C., Таганова Е.А. Методологические вопросы усовершенствования процессов предприятия в соответствии с моделью интеграции моделей зрелости возможностей // Известия Белорусской инженерной академии, 2003. - Вып. №1 (15)/1. - С. 107-118.

31. Корячко В.П., Таганов А.И. Программный метод управления рисками качества проекта информационной системы // Известия Белорусской инженерной академии, 2004. - Вып. 1(17)/4. - С. 168 - 179.

32. Таганов А.И., Таганов P.A., Черныш С.А. Анализ процесса определения уровня целостности программных средств на системном и формальном уровне // Известия Белорусской инженерной академии, 2004. -Вып. 1(17)/1. - С. 49 - 57.

33. Везенов В.И., Кондрашов С.П., Тимашев A.B., Таганов А.И. Автоматизация системного проектирования информационного обеспечения интегрированных автоматизированных систем испытаний // Научно-технический журнал РГРТА. Выпуск «100 лет радио»,-Рязань, 1995, С. 87-91.

34. Корячко В.П., Таганов А.И. Методологические основы процессно-ориентированного управления программными и информационными проектами // Известия Белорусской инженерной академии, 2002. - Вып. № 1(13)/2. - С. 102 - 106.

35. Таганов А.И. Построение изображений физических полей на основе декомпозиции контурной информации // Методы и приборы контроля параметров биосферы: межвузовский сборник. -Л.: ЛИАП, 1984. - Вып. 171. - С. 90 - 942.

36. Таганов А.И. Теоретико-множественные операции геометрического моделирования контурных изображений // Автоматизация проектирования микроэлектронных вычислительных средств: межвузовский сборник. - Рязань: РРТИ, 1990. - С. 85-91.

37. Таганов А.И., Таганов P.A., Фомов О.П. Управление рисками программных проектов на основе модели зрелости возможностей CMMI // Информационные технологии и телекоммуникации в образовании и науке: межвузовский сборник. - Рязань: РГРТА, 2005. - С. 107- 121.

38. Таганов А.И., Маиаев М.В. Модели и инструментальные средства анализа рисков проекта на основе использования нечетких сетей Петри // Информационные технологии в научных исследованиях и образовании: межвузовский сборник. - Рязань: РГРТУ, 2009. - С. 65 - 75.

39. Таганов А.И., Абакумова Е.Е. Модели и методы интеллектуальной технологии проектирования нечетких систем // Информационные технологии в научных исследованиях и образовании: межвузовский сборник. - Рязань: РГРТУ, 2009. - С. 45 - 49.

40. Таганов А.И. Модели, методы и инструментальные средства анализа и управления рисками на проектах сложных программных систем по характеристикам качества в условиях нечеткости // Информационные технологии в научных исследованиях и образовании: межвузовский сборник. - Рязань: РГРТУ, 2009. - С. 96 - 106.

41. Таганов А.И. Современная методика анализа и сокращения рисков проектов сложных программных систем по характеристикам качества в условиях нечеткости // Информационные технологии в научных исследованиях и образовании: межвузовский сборник. - Рязань: РГРТУ, 2009. - С. 149 - 162.

42. Таганов А.И. Метод синтеза логико-алгебраических моделей рисков проекта // Информационные технологии в образовании: межвузовский сборник. - Рязань: РГРТУ, 2010. -С. 141 -150.

43. Таганов А.И. Методы представления рисков проекта на основе структурно-символьных моделей // Информационные технологии в образовании: межвузовский сборник. - Рязань: РГРТУ, 2010. - С. 133 - 140.

44. Таганов А.И. Модели системного прогнозирования рисков качества проектов сложных программных систем // Информационные технологии в научных исследованиях: межвузовский сборник. - Рязань: РГРТУ, 2010. - С. 122 - 126.

45. Таганов А.И. Методика системного анализа и прогнозирования технических рисков проекта сложных программных систем по характеристикам качества // Современные проблемы информатизации в экономике и обеспечении безопасности: сб. трудов под ред. д-ра. техн. наук, проф. О.Я.Кравца. - Воронеж: Научная книга, 2010. - Вып. 15. - С. 130 - 134.

46. Корячко В.П., Таганов А.И., Таганов P.A. Гибридные алгоритмы и бионические методы для анализа рисков и управления программными проектами // Информационные технологии в научных исследованиях: межвузовский сборник. - Рязань: РГРТУ, 2010. - С. 133 -140.

47. Таганов А.И. Реализация метода нечеткого анализа и сокращения рисков программного проекта на основе нечетких сетей Петри // Современные проблемы информатизации в анализе и синтезе программных и телекоммуникационных систем: сб. трудов / под ред. д-ра. техн. наук, проф. О.Я.Кравца. - Воронеж: Научная книга, 2010. - Вып. 15. - С. 353 - 357.

48. Таганов А.И., Журавлева E.H. Разработка средств автоматической классификации рисков проекта методами нечеткой кластеризации // Информационные технология в научных исследованиях: межвузовский сборник. - Рязань: РГРТУ, 2010. - С. 127 - 134.

49. Таганов А.И. Способ снижения размерности задачи анализа рисков программного проекта методами нечеткой классификации // Современные проблемы информатизации в моделировании и социальных технологиях: сб. трудов / под ред. д-ра. техн. наук, проф. О.Я.Кравца. - Воронеж: Научная книга, 2010. - Вып. 15. - С. 290 - 291.

Доклады на международных и всероссийских конференциях

50. Таганов А.И., Таганов Р.А Многокритериальная оптимизация рисков качества проекта программных средств в условиях неопределенности // Проблемы передачи и обработки

информации в сетях и системах телекоммуникаций: материалы международной научно-технической конференции. - Рязань: РГРТА, 2001. - С. 33-35.

51. Таганов А.И., Таганов P.A. Метод управления рисками качества проекта программных средств на основе системного процессно-ориентированного подхода // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы международной научно-технической конференции. - Рязань: РГРТА, 2001. - С. 30-32.

52. Таганов А.И., Таганов P.Á Система поддержки принятия решений по рискам проекта программных изделий // Программное обеспечение. Информационные технологии: сборник научных трудов научной сессии МИФИ. - М.: МИФИ, 2002 -Т2. - С. 77-78.

53. Таганов А.И., Таганов Р.А Оптимизация состава контролируемых рисков качества программного проекта // Технология разработки программных систем: сборник научных трудов научной сессии МИФИ. - М.: МИФИ, 2003. -Т2. - С. 123-124.

54. Корячко В.П., Таганов А.И., Таганов P.A. Разработка интегрированной системы управления рисками программного проекта и качеством программной продукции // Применение ИПИ (САЬЗ)-технологий для повышения качества и конкурентоспособности наукоёмкой продукции: материалы 5-й международной конференции - форума. - М., 2003. - С. 78 -79.

55. Таганов А.И., Таганов P.A. Парадигма системных задач по реализации автоматизированного процесса управления рисками качества и качеством проекта // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 12-й международной научнотехнической конференции. - Рязань: РГРТА, 2004. - С. 105-107.

56. Таганов А.И., Таганова Е.А. Анализ методов усовершенствования процессов разработки программных систем //Технология разработки программных систем: сборник научных трудов научной сессии МИФИ. - М.: МИФИ, 2004. - С. 123 - 124.

57. Таганов А.И., Таганова P.A. Применение аппарата нечеткой логики для формализации процесса мониторинга рисков качества программного проекта // Технология разработки программных систем: сборник научных трудов научной сессии МИФИ. - М.: МИФИ, 2004. -С. 78-79.

58. Таганов А.И., Таганова Е.А. Формализация процедуры анализа требований проекта методами нечеткой кластеризации // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 15-й международной научно-технической конференции. Часть 2. - Рязань: РГРТУ, 2008. - С. 30 - 32.

59. Таганов А.И. Нечеткие ситуационные модели принятия решений по характеристикам качества программного проекта // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 15-й международной научно-технической конференции. Часть 2. - Рязань: РГРТУ, 2008. - С. 26 - 28.

60. Таганов А.И., Леуцкий A.A., Фомичев А.Н. Принципы нечеткого анализа рисков алгоритмических процессов // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 15-й международной научно-технической конференции. Часть 2. - Рязань: РГРТУ, 2008. - С. 5 - 7.

61. Таганов А.И., Суворов A.B. Классификация рисков проекта методами нечеткого кластерного анализа // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 15-й международной научно-технической конференции. Часть 2. - Рязань: РГРТУ, 2008. - С. 22 - 24.

62. Таганов А.И. Методика сокращения рисков проектов сложных программных систем по характеристикам качества // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы международной научно-технической конференции. -Рязань, 2010.-С. 77 -82.

63. Гуров B.C., Корячко В.П., Таганов А.И, Таганов P.A. Теория и практика снижения рисков проектов сложных программных систем по характеристикам качества // Телематика -2010: труды VII Всероссийской научно-методической конференции. - СПб., 2010,- Том 2,- С. 389-390.

64. Гуров B.C., Корячко В.П., Таганов А.И. и др. Опыт создания и применения ресурсов электронной информационно-образовательной среды по направлению ИПИ (CALS) и CASE (САПР)-технологий // Телематика - 2010: труды VII Всероссийской научно-методической конференции. - СПб., 2010. - Том 1.-С. 166 - 167.

Таганов Александр Иванович

НАУЧНЫЕ ОСНОВЫ ИДЕНТИФИКАЦИИ, АНАЛИЗА И МОНИТОРИНГА ПРОЕКТНЫХ РИСКОВ КАЧЕСТВА ПРОГРАММНЫХ ИЗДЕЛИЙ В УСЛОВИЯХ НЕЧЕТКОСТИ

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Подписано в печать 11.04.11 Формат бумаги 60x84 1/16. Бумага офсетная. Печать офсетная. Усл. печ. л. 2,25. Тираж 100экз. Заказ Рязанский государственный радиотехнический университет. 390005, Рязань, ул. Гагарина, 59/1. Редакционно-издательский центр РГРТУ

Введение.

Глава 1 Обзор и анализ методов, моделей и алгоритмов поддержки принятия решений по проектным рискам программных изделий.

1.1 Проблемы анализа и сокращения рисков проектов сложных программных изделий.

1.2 Модели характеристик качества программных изделий.

1.2.1 Эталонная модель качества программных изделий.

1.2.2 Требования к качеству программных изделий.

1.2.3 Модель внешнего и внутреннего качества.

1.2.4 Модель эксплуатационного качества.

1.3 Модели и стандарты управления рисками проектов программных средств.

1.3.1 Стандартизация управления рисками программных изделий.

1.3.2 Анализ моделей сокращения рисков проектов программных изделий.

1.4 Концепция современной методики сокращения проектных рисков качества.

1.4.1 Подготовка исходных данных для сокращения проектных рисков качества.

1.4.2 Идентификация проектных рисков качества.

1.4.3 Оценивание опасности угроз рисков проекта.

1.4.4 Сокращение проектных рисков качества.

1.4.5 Контроль и мониторинг проектных рисков.

1.5 Разработка концептуальной модели процесса сокращения проектных рисков качества.

1.6 Классификация задач поддержки принятия решений по проектным рискам качества в условиях нечеткости.

1.7 Обоснование применения теории нечетких множеств для построения нечетких моделей процесса сокращения проектных рисков качества.

Выводы по главе 1.

Глава 2 Модели, методы и алгоритмы идентификации проектных рисков качества программных изделий в условиях нечеткости.

2.1 Основные задачи процесса идентификации проектных рисков качества.

2.1.1 Исходная информация для процесса идентификации проектных рисков.

2.1.2 Инструменты и методы идентификации проектных рисков.

2.1.3 Выходы процесса идентификации проектных рисков.

2.2 Графический метод идентификации рисковых событий проекта.

2.2.1 Прямой структурно-символьный способ представления графических моделей проектных рисков.

2.2.2 Лингвистический способ представления алфавита базовых графических моделей проектных рисков.

2.2.3 Программный способ представления алфавита графических моделей проектных рисков.

2.2.4 Программно-лингвистический способ представления алфавита графических моделей проектных рисков.

2.3 Метод синтеза контурных моделей рисковых полей проекта.

2.3.1 Научно-методический базис построения контурных моделей рисковых полей проекта.

2.3.2 Методология программного синтеза рисковых полей проекта.

2.4 Снижение размерности идентифицированных проектных рисков методами автоматической классификации.

2.4.1 Теоретический анализ задачи кластерного анализа проектных рисков.

2.4.2 Выбор метода (алгоритма) для решения задачи.

2.4.3 Решение задачи методом нечетких с-средних.

2.5 Идентификация рисковых ситуаций проекта методами нечеткого вывода.

2.5.1 Теоретический анализ проблемы.

2.5.2 Методы нечеткого вывода для построения продукционной системы идентификации и анализа проектных рисков.

2.6 Идентификация и анализ рисков проекта на основе использования нечетких сетей Петри.

2.6.1 Теоретический анализ проблемы.

2.6.2 Правила представления правил нечетких продукций на основе нечетких сетей Петри.

2.6.3 Представление правил нечетких продукций в системе идентификации и анализа рисков проекта.

Выводы по главе 2.

Глава 3 Модели, методы и алгоритмы анализа рисков программного проекта в условиях нечеткости.

3.1 Задачи и этапы анализа проектных рисков.

3.1.1 Контекст процесса качественного анализа проектных рисков.

3.1.2 Входы процесса качественного анализа проектных рисков.

3.1.3 Методы выполнения качественного анализа проектных рисков.

3.1.4 Выходы процесса качественного анализа проектных рисков.

3.1.5 Контекст процесса количественного анализа рисков.

3.1.6 Входы процесса количественного анализа проектных рисков.

3.1.7 Методы выполнения качественного анализа проектных рисков.

3.1.8 Выходы процесса количественного анализа проектных рисков.

3.2 Методы определения вектора влияния последствий рисков на обобщенный критерий качества проекта.

3.2.1 Контекст задачи определения искомого вектора.

3.3 Метод D1 определения вектора влияния последствий рисков на обобщенный критерий качества программного проекта.

3.3.1 Формализация подхода к решению проблемной задачи.

3.3.2 Прямые методы решения проблемной задачи.

3.3.3 Косвенные методы решения проблемной задачи.

3.3.4 Решение проблемной задачи методом 01 на примере.

3.4 Метод Т)2 определения вектора влияния последствий рисков на обобщенный критерий качества проекта.

3.4.1 Формализация подхода к решению проблемной задачи.

3.4.2 Решение проблемной задачи методом Б2 на примере.

3.5 Метод ЭЗ определения вектора влияния последствий рисков на обобщенный критерий качества проекта.

3.5.1 Формализация подхода к решению проблемной задачи.

3.5.2 Решение проблемной задачи методом БЗ на примере.

3.6 Метод Б4 определения вектора влияния последствий рисков на обобщенный критерий качества проекта.

3.6.1 Формализация подхода к решению проблемной задачи.

3.6.2 Формализация решения задачи при однозначной связности проектных рисков.

3.6.3 Формализация решения задачи при субъективной связности проектных рисков.

3.6.4 Решение задачи методом на примере.

3.7 Методы решения задачи выбора оптимальной совокупности контролируемых проектных рисков качества.

3.7.1 Контекст и постановка задачи.

3.7.2 Метод решения задачи при отсутствии ресурсных ограничений.■.

3.7.3 Метод решения задачи при наличии ресурсных ограничений.

3.7.4 Решение задачи выбора примере.

Выводы по главе 3.

Глава 4 Модели, методы и алгоритмы поддержки процесса мониторинга рисков программного проекта в условиях нечеткости.

4.1 Этапы процессов планирования и мониторинга рисков программного проекта.

4.2 Контекст процесса планирование реагирования на проектные риски.

4.2.1 Входы процесса планирования реагирования на проектные риски.

4.2.2 Стратегии процесса планирования реагирования на проектные риски.

4.2.3 Выходы процесса планирования реагирования на проектных рисков.

4.3 Контекст процесса мониторинга и сокращения проектными рисками.

4.3.1 Входы процесса качественного анализа проектных рисков.

4.3.2 Методы выполнения процесса мониторинга проектных рисков.

4.3.3 Выходы процесса мониторинга рисков проекта.

4.4 Задачи процессов планирования и мониторинга рисков программного проекта.

4.5 Метод решения задачи идентификации ситуации возникновения рискового события.

4.5.1 Контекст формализации задачи.

4.5.2 Нечеткая ситуация как способ формализации состояния проекта.

4.5.3 Нечеткое включение ситуаций как способ определения соответствия текущей ситуации проекта с ситуациями возникновения рисковых событий.

4.5.4 Нечеткое равенство ситуаций как способ определения соответствия текущей ситуации проекта с ситуациями возникновения рисковых событий.

4.5.5 Решение задачи мониторинга на примере.

4.6 Методы решения задачи выбора оптимальной альтернативы реагирования на проектные риски.

4.6.1 Контекст методов решения задачи.

4.6.2 Метод решения задачи в случае использования мнения одного эксперта.

4.6.3 Решение задачи на практическом примере.

4.6.4 Метод решения задачи для случая использования мнений группы экспертов с весовыми коэффициентами важности мнений.

4.6.5 Решение задачи на практическом примере.

4.6.6 Метод решения задачи для случая использования мнений группы экспертов с нечетким отношением предпочтения важности.

4.6.7 Решение задачи на практическом примере.

Выводы по главе 4.

Глава 5 Методика построения базы знаний по проектным рискам качества.

5.1 Методика нечеткой лингвистической аппроксимации в интеллектуальной технологии идентификации и в анализе проектных рисков качества.

5.1.1 Лингвистические правила и принципы в принятии решений по рискам программного проекта.

5.1.2 Формализация исходной информации по рискам проекта.

5.1.3 Идентификация проектного риска с дискретным выходом.

5.1.4 Идентификация проектного риска с непрерывным выходом.

5.1.5 Применение композиционного правила вывода.

5.1.6 Идентификация иерархических рисков проекта.

5.2 Методика настройки нечетких баз знаний по проектным рискам.

5.2.1 Задачи настройки нечетких баз знаний по проектным рискам.

5.2.2 Настройка параметрических функций принадлежности

Выводы по главе 5.

Глава 6 Программная реализация методов, моделей и алгоритмов идентификации, анализа и мониторинга проектных рисков.

6.1 Задачи экспериментальной разработки.

6.2 Разработка программного комплекса идентификации, анализа и мониторинга проектных рисков «Риск-ППИ».

6.3 Разработка инструментальных средств «Риск-НЛВ» поддержки процессов идентификации и анализа проектных рисков на основе использования методов нечеткого логического вывода.

6.4 Разработка инструментальных средств «Риск-БСМ» Поддержки процессов идентификации и анализа проектных рисков на основе использования методов нечеткой кластеризации.

6.5 Разработка инструментальных средств «Риск-Петри» поддержки процессов идентификации и анализа проектных рисков на основе использования нечетких сетей Петри.

6.6 Разработка инструментальных средств поддержки процесса идентификации и анализа проектных рисков программных проектов на основе использования графического метода.

6.7 Разработка инструментальных средств «Риск-РСЬ» поддержки процесса идентификации и анализа проектных рисков программных проектов на основе использования языка нечеткого моделирования БСЬ.

6.8 Экспериментальные исследования.

Выводы по главе 6.

Актуальность темы: Важным направлением повышения результативности современных процессно-ориентированных CASE- технологий является расширение их функциональных возможностей в направлении повышения качества проектируемых программных изделий (ПИ) и снижения проектных рисков качества. При этом решение проблемы снижения проектных рисков качества ПИ требует проведения дополнительных исследований и создания эффективных методов, моделей и средств современной методологии построения автоматизированных процессов проектирования и управления проектированием, решающих в интерактивном режиме трудно формализуемые задачи идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ в условиях нечеткости проектных данных.

Проектные риски сложных программных изделий являются объективным явлением, связанным со многими видами неопределенности, имеющими место на различных этапах выполнения программного проекта (ГШ) и оказывающими влияние на процессы принятия проектных и управленческих решений. Строгое регламентирование процессов проектирования и процессов управления проектированием, а также использование в проектировании* интегрированных CASE-технологий, основанных на автоматизированных принципах создания программных изделий, способствует снижению энтропии программных проектов, и соответственно уменьшает проектные риски. В связи этим проблема формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях нечеткости проектных данных может рассматриваться как важное и актуальное направление развития теории и методологии в направлении повышения результативности проектно-управленческих работ по стадиям жизненного цикла ПИ.

Успешное решение данной проблемы в настоящее время невозможно без применения новых информационных технологий, составной частью которых являются интеллектуальные методы и средства обработки проектной информации. К последним методам следует отнести методы теории нечетких множеств (ТНМ), позволяющие на модельном уровне рассмотреть проектные проблемы идентификации проектных рисков, проблемы анализа проектных рисков и проблемы мониторинга проектных рисков и тем самым расширить круг успешно решаемых задач по формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях нечеткости.

Задачи принятия проектных решений по проектным рискам качества в условиях неопределенности и нечеткости представляют собой слабоструктурированные или неструктурированные задачи. При этом слабо структурированные задачи характерны для этапа количественного анализа проектных рисков и этапа мониторинга проектных рисков и характеризуются отсутствием методов решения на основе непосредственных преобразований проектных данных, а постановки задач базируются на принятии проектных решений в условиях неполной информации. Неструктурированные задачи проявляются на этапах планирования, идентификации и качественного анализа проектных рисков ПИ и содержат неформализуемые процедуры, базирующиеся на неструктурированной проектной информации, которая также определяется высокой степенью неопределенности.

Теоретические исследования по применению ТНМ и ее приложений к решению актуальной проблемы сокращения проектных рисков качества ПИ ориентированы, прежде всего, на построение новых формальных схем инженерного анализа для решения проектных задач по рискам качества в сложных условиях исходных данных. Эти данные, как правило, характеризуются той или иной степенью неопределенности, обусловленной неполнотой; внутренней противоречивостью, неоднозначностью и представляют собой приближенные количественные или качественные оценки параметров процессов проектирования и процессов управления проектированием.

Использование в ТНМ понятия «лингвистическая переменная» позволяет в новых методах сокращения проектных рисков адекватно отразить приблизительное словесное описание некоторых параметров и состояний проектного риска или процесса управления проектными рисками, когда точное описание либо отсутствует, либо является слишком сложным, либо требует больших временных и финансовых затрат. В этом случае применение ТНМ совместно с методами алгебры логики обеспечивает решение многих проблемных задач по формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях лингвистической неопределенности (нечеткости).

Основополагающими работами, оказавшими влияние на исследования автора, являются труды А.Н.Аверкина, В.Н.Азарова, А.В.Андрейчинкова, И.З.Батыршина, Р.Беллмана, Л.С.Берштейна, А.Н.Борисова, М.В.Горячевой, Л.А.Демидовой, Л.А.Заде, М.Кантора, Р.Л.Кини, С.Я.Коровина,

B.П.Корячко, А.Коффмана, В.В.Круглова, В.М.Курейчика, А.В.Леоненкова, Н.Г.Малышева, А.Н.Мелехова, В.В.Липаева, И.П.Норенкова,

C.А.Орловского, А.И.Петренко, Д.А.Поспелова, Х.Райфа, А.П.Ротштейна, Г.В.Рыбиной, Т.Л.Саати, Е.А.Саксонова, Э.А.Трахтенгерца, Р.Т.Фатрелла, Д.Ф.Шафера, С.Д.Штовбы, Р.Ягера и многих других.

Актуальность настоящей работы определяется важностью проблемы повышения качества ПИ, решаемой в диссертационной работе на основе реализации стратегии сокращения проектных рисков качества по стадиям ЖЦ ПИ. Это потребовало разработки новых эффективных методов, моделей, алгоритмов и инструментальных средств, обеспечивающих в составе интегрированных CALS- и CASE- технологий эффективную автоматизированную поддержку процессов идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ в условиях нечеткости проектных данных.

Объект исследования. Процесс сокращения проектных рисков программного проекта по характеристикам качества, содержащий в своем составе процесс идентификации проектных рисков, процесс анализа проектных рисков, процесс планирования проектных рисков и процесс мониторинга проектных рисков, функционирование которых рассматривается в условиях нечеткости проектных данных.

Предмет исследования. Предметом исследования являются:

1. Модели и методы формализации и автоматизации процесса идентификации проектных рисков в условиях лингвистической неопределенности и нечеткости проектных данных.

2. Методы и алгоритмы формализации и автоматизации процесса анализа проектных рисков качества ПИ в условиях отсутствия априорной информации о вероятностных характеристиках проектных рисков качества ПИ.

3. Методы и алгоритмы формализации и автоматизации процесса мониторинга проектных рисков качества в условиях нечеткости проектных данных.

Цель диссертационной работы состоит в разработке эффективных методов, моделей и алгоритмов формализации и автоматизации процессов сокращения проектных рисков качества ПИ в условиях нечеткости для использования в составе интегрированных CASE - технологий с целью автоматизации процессов идентификации, анализа, планирования и мониторинга проектных рисков качества для повышения качества и повышения гарантий качества создаваемой программной продукции.

Для достижения поставленной цели решались следующие задачи:

1.Исследование проблемы сокращения проектных рисков по стадиям жизненного цикла сложных программных изделий с целью определения и построения современной концепции программно-ориентированной методики сокращения проектных рисков качества ПИ в условиях нечеткости проектных данных; методики, которая позволяет достаточно простую формализацию и эффективную реализацию интерактивных компьютерных методов управления проектными рисками в составе интегрированных CASE - технологий.

2. Разработка формализованной методики идентификации проектных рисков качества ПИ, содержащей в своем составе эффективные методы многопараметрического анализа и выявления потенциальных рисков программного проекта по характеристикам качества с выполнением классификации рисков проекта для этапа анализа рисков.

3. Разработка метода формализации процесса анализа проектных рисков качества, ориентированного на определение оптимального состава контролируемых проектных рисков качества по стадиям ЖЦ ПИ в условиях нечеткости и включающего в свой состав модели и алгоритмы, учитывающие иерархическую структуру моделей характеристик качества ПИ с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по рискам, условия объективной и субъективной связности рисков по стадиям ЖЦ ПИ, а также учитывающие ресурсные ограничения проекта на этапе оптимизации состава контролируемых рисков по критерию их максимального влияния на характеристики качества проекта ПИ.

4. Разработка модифицированного метода анализа иерархий, построенного на основе положений теории нечетких множеств и предназначенного для решения задачи по определению вектора степени влияния проектных рисков на обобщенный критерий качества ПИ, учитывающего по стадиям жизненного цикла программного проекта многоуровневое представление как модели характеристик качества и так модели рисков качества.

5. Разработка метода формализации процесса мониторинга проектных рисков качества, ориентированного на программное определение (идентификацию) по ходу проекта текущих рисковых ситуаций с последующим выбором рациональной альтернативы реагирования на проектные риски.

6. Разработка методики построения базы знаний по рискам программного проекта, содержащей в своем составе необходимые интеллектуальные методы, модели и алгоритмы разработки и настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработка и исследование инструментальных средств, обеспечивающих поддержку нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующих разработанные методы, модели и алгоритмы, и предназначенных для практического использования в составе интегрированных CASE- технологий, ориентированных на проектирование и управление проектированием сложных программных изделий высокого качества.

Методы исследований. Теоретические исследования выполнены с использованием методов системного анализа, методов теории нечетких множеств, нечеткой логики, теории принятия решений, теории управления программными проектами, теории графов, аналитической геометрии, методов математического программирования и теории построения алгоритмов; экспериментальные исследования выполнены с привлечением методов математического, имитационного и IDEF - моделирования, технологий модульного и объектно-ориентированного программирования.

Научная новизна. В рамках диссертационной работы были получены следующие основные результаты, обладающие научной новизной.

1. Разработана концепция программно-ориентированной методики сокращения проектных рисков качества ПИ, формализованная методами теории нечетких множеств и ее приложениями, основанная на декомпозиции регламентированного процесса сокращения проектных рисков 1111 на взаимосвязанные процессы идентификации рисков, анализа рисков, планирования рисков и мониторинга рисков проекта, позволяющая на практике достаточно простую реализацию интерактивных компьютерных методов в составе интегрированной CASE- технологии с целью поддержки принятия, эффективных проектных решений по проектным рискам качества ПИ в условиях нечеткости проектных данных.

2. Разработана методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе: графический метод многопараметрического анализа и идентификации потенциальных рисков 1111 по характеристикам качества, формализованную процедуру снижения размерности идентифицированных рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков проекта методами нечеткого логического вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Разработан метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по проектным рискам, условия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающих ресурсные ограничения проекта на этапе оптимизации состава контролируемых проектных рисков по критерию их максимального потенциального влияния на характеристики качества проекта ПИ.

4. Предложен модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств, предназначенный для решения задачи по определению вектора влияния последствий проектных рисков на обобщенный критерий качества 1111 в условиях нечеткости и многоуровневого представления иерархии характеристик и рисков качества программного проекта по стадиям его жизненного цикла.

5. Разработан метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу ЖЦ текущих рисковых ситуаций проекта с последующим выбором рациональной альтернативы реагирования на риски, а также содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе и содержащий способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Предложена методика построения базы знаний по проектным рискам качества программного проекта, содержащая в своем составе способы нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения проектных рисков качества и процедуру настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработаны база знаний по проектным рискам качества и интерактивные программные средства поддержки нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующие разработанные методы, модели и алгоритмы сокращения проектных рисков качества ПИ и предназначенные для практического использования в составе интегрированной CASE — технологии для автоматизированного проектирования и управления проектированием сложных программных изделий высокого качества с минимальными рисками.

Соответствие паспорту специальности. Проблематика, исследованная в диссертации, соответствует двум специальностям — 05.13.12и 05.13.11.

Согласно формуле специальности 05.13.12 - это специальность, занимающаяся проблемами создания и повышения эффективности функционирования систем автоматизированного проектирования, управления качеством проектных работ на основе использования современных методов моделирования и инженерного анализа. Проблематика диссертации соответствует областям исследований: п. 1. Методология автоматизированного проектирования в технике, включая постановку, формализацию и типизацию проектных процедур и процессов проектирования, вопросы выбора методов и средств для применения в САПР; п. 3. Разработка научных основ построения средств САПР, разработка и исследование моделей, алгоритмов и методов для синтеза и анализа проектных решений.

Кроме того, в диссертации решаются проблемы, входящие в формулу специальности 05.13.11, а именно решаются задачи развития теории программирования, создания и сопровождения программных средств различного назначения. Диссертация соответствует области исследования: п. 10 «Оценка качества, стандартизация и сопровождение программных систем».

Теоретическая значимость работы заключается в разработке научных основ методологии формализации и автоматизации процессов идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости проектных данных. Построение методов, моделей, алгоритмов и инструментальных средств современной методологии сокращения проектных рисков качества ПИ выполнено и основано на решении слабоструктурированных задач идентификации, анализа, планирования и мониторинг проектных рисков качества методами теории нечетких множеств и ее приложений.

Практическая ценность работы.

Практическая ценность работы состоит в том, что разработанные методы, модели, алгоритмы и инструментальные средства, ориентированные на сокращения проектных рисков, позволяют в составе интегрированных CASE - технологий повысить результативность процессов проектирования и управления проектированием в направлении повышения качества и снижения проектных рисков качества программных изделий.

Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается:

- корректным использованием понятий и выводов теории нечетких множеств и нечеткой логики, теории графов и математического программирования, теории алгоритмов и методов IDEF-моделирования;

- результатами математического, имитационного моделирования разработанных методов, моделей и алгоритмов;

- апробацией предложенных разработанных методов, моделей и алгоритмов на конкретных примерах и прикладных задачах;

- разработкой действующих программных средств, подтвержденных свидетельствами об официальной регистрации;

- наличием актов внедрения результатов диссертационной работы.

Реализация и внедрение результатов диссертационной работы.

Исследования по тематике диссертационной работы проводились в рамках фундаментальных и прикладных исследований, проводимых в Рязанском государственном радиотехническом университете совместно с отраслевыми организациями.

Фундаментальные научные исследования: НИР 17-95Г «Интегрированная система проектирования и управления НИОКР для исследовательских и конструкторских организаций Госкомвуза России (концепция и теоретические основы создания)» (1995 - 1999 гг.); НИР 2-ООГ «Концептуальные основы создания аппаратно-программных и информационных средств автоматизированных систем с интеграцией CALS и CASE-технологий» (2000-2003 гг.); НИР 5-05Г «Разработка теоретических основ процессно-ориентированного управления наукоемкими проектами автоматизированных систем с интеграцией CALS (ИЛИ) и CASE-технологий» (2005-2006 гг.); НИР 1-07Г «Разработка теоретических основ процессно-ориентированной технологии создания интеллектуальных информационных систем с интеграцией ИЛИ (CALS) и CASE технологий» (2007 - 2008 гг.); НИР 8-09Г «Разработка и развитие теоретических основ процессно-ориентированной технологии создания интеллектуальных инфокоммуникационных систем с интеграцией ИЛИ (CALS) и CASE технологий» (2009 - 2011 гг.); НИР 1-10Г «Разработка методологии анализа и сокращения рисков программного проекта по характеристикам качества в условиях нечеткости». (2010 г.)

Прикладные научные исследования: НИР 19-00Г «Модели, методы, инструментальные средства и научно-методическое обеспечение процесса проектирования параллельных систем с использованием CASE-технологий» (2000-2002 гг.); НИР 26-01Г «Исследование и разработка нормативно-методического обеспечения менеджмента качества на основе процессно-ориентированного управления проектами по созданию программной продукции» (2001-2002 гг.); НИР 27-01Г «Интегрированное информационное сопровождение процессов проектирования и испытаний сложных технических комплексов на основе CALS-технологий» (2001-2002 гг.); НИР 8-04Г «Электронная информационно-образовательная система дистанционной подготовки, профессиональной переподготовки и повышения квалификации кадров по профилю ИЛИ (САЬЗ)-технологий» (2004 г.); ОКР 36-04 «Разработка концепции информационного взаимодействия предприятий космического комплекса на основе внедрения ИЛИ (CALS)- технологий» (2004 г., заказчик ФГУП РНИИ КП); ОКР 24-05 «Разработка и внедрение электронной информационно-образовательной системы подготовки, переподготовки и повышения квалификации кадров предприятия по профилю САПР и ИЛИ (CALS)-технологий» (2005 г., заказчик ФГУП РНИИ КП); ОКР 29-06 «Разработка и внедрение электронной информационно-образовательной системы подготовки, переподготовки и повышения квалификации кадров предприятия по профилю «Нормативно-методическое и инструментальное обеспечение управления проектами информационных систем» (2006 г., заказчик ФГУП РНИИ КП); НИР11-06Г «Интегрированная автоматизированная информационная система управления качеством образования вуза» (2006-2007 гг.); НИР 1006Г «Разработка нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИЛИ (CALS) и« CASE-технологий» (2006 - 2007 гг.); НИР 13-08Г «Разработка и развитие нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИЛИ (CALS) и CASE-технологий» (2008-2009 гг.); НИР 1509Г «Разработка и развитие нормативной базы, информационного обеспечения и регламентов открытой информационно-образовательной среды для дистанционной подготовки, переподготовки и повышения квалификации специалистов в области ИЛИ (CALS) и CASE-технологий» (2010-2011 гг.);

Разработанные методы, модели и алгоритмы, а также реализующие их пакеты прикладных программ внедрены и используются в ведущих проектных организациях:

1. ОАО «Российская корпорация ракетно-космического приборостроении и информационных систем» (ОАО «Российские космические системы») (г. Москва). Теоретические и экспериментальные результаты диссертации, представленные моделями, методами, инструментальными средствами и методиками использовались в процессах проектирования и управления проектированием при разработке специального программного обеспечения ОКР «Интеграция» и ОКР «Квалификация». Итогом применения указанных результатов диссертации явилось снижение проектных рисков и повышение качества проектных работ предприятия.

2. ФГУП «ГНПРКЦ «ЦСКБ-Прогресс» - «ОКБ «Спектр» (г. Рязань). Теоретические и экспериментальные результаты диссертации, представленные моделями, методами, алгоритмами и инструментальными средствами, использовались в составе интегрированных ИЛИ - и CASE - технологий при разработке программного обеспечения информационной поддержки процессов проектирования, испытаний и сертификации основных узлов автоматизированных систем и комплексов защищенного исполнения по ОКР «Экспресс», «Красногор» и др.

3. ЗАО «Корпоративные Системы Обучения» (г. Санкт-Петербург). Теоретические и экспериментальные результаты диссертациииспользовались в составе современных информационных технологий предприятия (интегрированных САПР и CASE- технологий) при разработке специального, заказного программного и информационного обеспечений, в том числе программного обеспечения автоматизированных систем дистанционного обучения. Отмечено снижение проектных рисков предприятия по характеристикам качества программной продукции.

4. ООО «ГЕРТА» (г. Рязань). Внедрены инструментальные средства: «HOC-CALS», «Риск-ППИ», «Риск-Иден», «БД РКППИ». Использование методов и инструментальных средств в проектной деятельности предприятия позволило уменьшить трудоемкость этапа идентификации проектных рисков на 36 %, этапа анализа проектных рисков на 53%, этапа планирования проектных рисков на 42% и этапа мониторинга проектных рисков качества программных проектов на 54%.

5. ООО «ТБинформ» (г. Рязань). Использованы научно-методические разработки и инструментальные программные средства в проектно-производственной деятельности предприятия в составе следующих методов и средств: методика формализации и автоматизации процессов идентификации, анализа и мониторинга проектных рисков качества программно-аппаратных устройств; методика построения базы знаний по проектным рискам качества; программа «Система поддержки принятия решений по рискам проекта программных изделий (Риск-ШШ)»; программа «Многокритериальная оптимизация рисков качества программной продукции (Риск-КПП)»; программа «Оптимизация процесса идентификации ситуации возникновения рискового события (Риск-Иден)»; база данных рисков качества проектов программных изделий (БД РКППИ)»; электронная информационно-образовательная среда системного моделирования и управления проектами в CALS (ИОС-CALS)». Использование разработанных методов и инструментальных средств в проектно-производственной деятельности предприятия позволило уменьшить трудоемкость этапа идентификации рисков на 15-35 %, этапа анализа на 30-50%, этапа планирования на 20-40% и этапа мониторинга рисков качества программных проектов на 25-45%, а также позволило снизить фактор субъективности принимаемых проектных решений руководителями проектов.

6. ООО «ИНТРОТЕХ» (г. Рязань). Использованы научно-методические и инструментальные средства при создании заказных электронных и программно-аппаратных систем и внедрены в процессно-ориентированную технологию проектирования предприятия в составе следующих положений и методов: методики формализации и автоматизации процессов идентификации, анализа, планирования и мониторинга проектных рисков качества программных изделий; методики построения базы знаний по проектным рискам качества программных изделий; программный комплекс анализа и сокращения проектных рисков: «HOC-CALS», «Риск-ППИ», «Риск-Иден», «БД

РКППИ»; программный комплекс оценивания качества программной продукции по ИСО/МЭК 9126-1-4 «СОКПП)»; система планирования и мониторинга процесса оценивания качества программной продукции в соответствии с ИСО/МЭК 14598-1-6 «СПМ ПП». Опытная эксплуатация указанных средств показала положительный эффект, заключающийся в снижении трудоемкости и субъективности принимаемых проектных решений, в сокращении проектных рисков и повышении качества выпускаемой программно-аппаратной продукции.

7. ООО «АУДИТ-ПРОФ» (г. Рязань). Использованы научно-методические и инструментальные средства в проектной и операционной деятельности предприятия при анализе и управлении рисками. Применение методик и программных средств позволило уменьшить трудоемкости этапов анализа и сокращения проектных рисков при увеличении объема анализируемой рисковой информации в процессах проектной и операционной деятельности предприятия.

8. ГОУ ВПО «Рязанский государственный радиотехнический университет» (г. Рязань). Использованы научно-методические и инструментальные средства по результатам диссертации в выполнении НИОКР НИЧ РГРТУ (17 проектов). Результаты диссертации внедрены в учебный процессе факультета вычислительной техники по специальностям: 230102 «Системы автоматизированного проектирования вычислительных средств»; 230101 «Вычислительные машины, комплексы, системы и сети»; 230105 «Проектирование и технология электронно-вычислительных средств».

Использование результатов диссертационной работы на практике подтверждено соответствующими актами о внедрении. Получено 7 свидетельств ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам (ФГУ ФИЛИ - РОСПАТЕНТ) об официальной регистрации программ для ЭВМ и получено 18 свидетельств об официальной регистрации программ для ЭВМ в Отраслевом Фонде алгоритмов и программ (ОФАП).

Основные положения, выносимые на защиту

1. Концепция программно-ориентированной методики сокращения рисков проекта программных изделий по характеристикам качества, формализованная методами и приложениями" теории нечетких множеств, основанная на декомпозиции регламентированного процесса сокращения рисков программного проекта на взаимосвязанные процессы идентификации рисков, анализа рисков, планирования рисков и мониторинга рисков проекта, позволяющая на практике достаточно простую реализацию интерактивных компьютерных методов в составе интегрированной CASE- технологии с целью повышения результативности и эффективности автоматизированного проектирования и управления проектированием ПИ в условиях нечеткости проектных данных.

2. Методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе: графический метод многопараметрического анализа и выявления потенциальных рисков программного проекта по характеристикам качества, формализованную процедуру снижения размерности рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков проекта методами нечеткого вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по рискам, условия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающих ресурсные ограничения проекта на этапе оптимизации состава контролируемых рисков по критерию их максимального влияния на характеристики качества проекта ПИ.

4. Модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств и предназначенный для решения задачи по определению вектора* степени влияния последствий проектных рисков на обобщенный критерий качества ПИ в условиях нечеткости и многоуровневого представления иерархии характеристик качества и рисков качества по стадиям жизненного цикла программного проекта.

5. Метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу ЖЦ проекта текущих рисковых ситуаций с последующим выбором рациональной альтернативы реагирования на идентифицированные риски, содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе и способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Методика построения базы знаний по проектным рискам качества ПИ, содержащие в своем составе процедуры нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения проектных рисков и настройки нечетких баз знаний по проектным рискам качества ПИ.

7. База знаний по проектным рискам качества и интерактивные программные средства поддержки процессов идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующие разработанные методы, модели и алгоритмы программного сокращения проектных рисков качества, предназначенные для практического использования в составе интегрированных CASE - технологий для автоматизированного проектирования и управления проектированием сложных программных изделий высокого качества с минимальными рисками.

Апробация работы. Основные научные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: Всероссийской научно-технической конференции «Проблемы создания и развития интегрированных автоматизированных систем в проектировании и производстве» (Таганрог, 1987); Всероссийской научно-технической конференции «Математические методы распознавания образов» (Львов, 1987); 2-й

Всероссийской научно-практической конференции «Современные информационные технологии в образовании» (Рязань, 1988); Международной научно-технической конференции «Технологии и системы сбора, обработки и представления информации» (Москва, 1995); Всероссийской научно-технической конференции «Перспективные информационные технологии в высшей школе» (Тамбов, 1995); 1-й, 3-й, 4-й, 7-й, 12-й, 14-й, 15-й Всероссийской научно-технической конференции «Новые информационные технологии в научных исследованиях и в образовании» (1996, 1998, 1999, 2002, 2007, 2009, 2010); Всероссийской научно-технической конференции «КАЧЕСТВО» (Москва, 2001); 12-й, 13-й, 15-й, 16-й Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004, 2004, 2008, 2010); Международной научно-технической конференции «Научная Сессия МИФИ» (Москва, 2001, 2003, 2004); Всероссийской научно-технической конференции «Качество и ИПИ-технологии» (Москва, 2002); II Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2003); 5-й Международной конференции - форуме «Применение ИЛИ (CALS) —технологий для повышения качества и конкурентно способности наукоёмкой продукции» (Москва, 2003); Всероссийской научно-методической конференции «ТЕЛЕМАТИКА» (Санкт-Петербург, 2004, 2006, 2010); Международной открытой научной конференции «Современные проблемы информатизации в моделировании и социальных технологиях» (Воронеж, 2009, 2010); Международной научно-технической конференции «Гага-ринские Чтения» (Москва, 2004); Международной открытой научной конференции «Современные проблемы информатизации в экономике и обеспечении безопасности» (Воронеж, 2009, 2010); Международной открытой научной конференции «Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем» (Воронеж, 2009,2010).

Публикации. По теме диссертации опубликовано 136 печатных работ (23 - без соавторов), в том числе: 12 статей в изданиях, входящих в перечень ВАК для докторских диссертаций; 2 монографии в издательствах «Энерго-атомиздат» и «Горячая-линия Телеком»; 47 статей в научно-технических журналах и межвузовских сборниках научных трудов; 43 докладов на Международных и Всероссийских конференциях; 25 свидетельств о регистрации программ: 7 свидетельств о регистрации программ для ЭВМ в ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам» «ФГУ ФИЛИ - РОСПАТЕНТ»; 18 свидетельств об официальной регистрации комплексов программ в Отраслевом фонде алгоритмов и программ (ОФАП); 7 учебных пособий (в том числе 1 с грифом УМО).

Структура и объем диссертации. Диссертационная работа состоит из введения, шести глав, списка литературы, заключения, изложенных на 396 страницах основного текста (включая 79 рисунков и 9 таблиц) и 3-х приложений на 93 страницах. Список литературы содержит из 351 наименования.

Выводы по главе 6

В процессе разработки программного инструментария и экспериментальных исследований решены важные проектные задачи и получены новые научные и практические результаты.

1. Выполнен комплекс проектно-исследовательских работ (анализ системных требований, проектирование архитектуры, детальное проектирование, кодирование и тестирование компонентов, интеграция компонентов, квалификационное тестирование комплекса) направленных на создание комплекса; программных инструментальных средств, реализующих разработанные в диссертации, модели, методы и алгоритмы идентификации, анализа, планирования и мониторинга проектных рисков качества программных изделий в условиях нечеткости проектных данных.

2. Разработанные инструментальные программные средства предназначены для широкого практического использования в составе промышленных процессно-ориентированных технологий, ориентированных на создание сложных программных изделий и программных систем на их основе. Средства предназначены также для использования? в составе интегрированных

САБЕ-технологий с целью расширения их функциональных возможностей в направлении повышения качества проектируемых ПИ, снижения проектных рисков и увеличения результативности программных проектов в условиях нечеткости проектных данных.

3. Задачи экспериментальной разработки решены здесь на основе использования принципов модульного построения и гибкого конфигурирования программного инструментария с целью поддержки заданного цикла процессов идентификации, анализа, планирования и мониторинга проектных рисков качества программных изделий.

4. В число разработанных программных комплексов и отдельных программных модулей, реализующих разработанные в диссертации модели, методы и алгоритмы, вошли следующие программные разработки:

- программный комплекс анализа и сокращения проектных рисков, предназначенный для программной поддержки полного цикла идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, построенный с учетом использования базы данных по рискам программных проектов;

- инструментальные средства поддержки процесса идентификации и анализа проектных рисков на основе использования методов нечеткого логического вывода;

- инструментальные средства поддержки процессов идентификации и анализа проектных рисков на основе использования методов нечеткой кластеризации;

- инструментальные средства поддержки процессов идентификации и анализа проектных рисков на основе использования нечетких сетей Петри;

- инструментальные средства поддержки процесса идентификации и анализа проектных рисков программных проектов на основе использования графического метода;

- инструментальные средства поддержки процесса идентификации и анализа проектных рисков программных проектов на основе использования языка нечеткого моделирования БСЬ.

5. Разработанные инструментальные средства внедрены в проектную практику и образовательные процессы ряда предприятий, проектных организаций и высших технических учреждений, что подтверждено соответствующими актами о внедрении (приложение 2).

6. Экспериментальная и промышленная эксплуатация разработанных инструментальных средств показала получение положительного результата в процессно-ориентированной проектной деятельности в сфере программной инженерии, когда проектные данные, циркулирующие по стадиям жизненного цикла программных изделий, обладают свойством нечеткости. Эффект проявляется в снижении трудоемкости работ по идентификации, анализу, планированию и мониторингу проектных рисков, в повышении качества создаваемых программных изделий, в снижении проектных и управленческих рисков, в повышении результативности программных проектов по запланированным характеристикам качества.

7. Разработанные инструментальные программные средства являются новыми программными продуктами готовыми к широкому использованию в проектной инженерной практике. По диссертационным разработкам получено 7 свидетельств ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программ для ЭВМ и получено 18 свидетельств об официальной регистрации программ для ЭВМ в Отраслевом Фонде алгоритмов и программ.

ЗАКЛЮЧЕНИЕ

В диссертационной работе в рамках решения поставленной научно-технической проблемы, связанной с разработкой научных основ идентификации, анализа и мониторинга проектных рисков качества программных изделий в условиях нечеткости на основе комплексного использования инструментария теории нечетких множеств, получены следующие результаты.

1. Разработана концепция программно-ориентированной методики сокращения проектных рисков качества ПИ, формализованная методами теории нечетких множеств и ее приложениями, основанная на декомпозиции регламентированного процесса сокращения проектных рисков ПП на взаимосвязанные процессы идентификации рисков, анализа рисков, планирования рисков и мониторинга рисков проекта, позволяющая на практике достаточно простую реализацию интерактивных компьютерных методов в составе интегрированной CASE- технологии с целью поддержки принятия эффективных проектных решений по проектным рискам качества ПИ в условиях нечеткости проектных данных.

2. Разработана методика формализации и автоматизации процесса идентификации проектных рисков качества ПИ, содержащая в своем составе: графический метод многопараметрического анализа и идентификации потенциальных рисков ПП по характеристикам качества, формализованную процедуру снижения размерности идентифицированных рисков проекта нечеткими методами автоматической классификации, формализованную процедуру идентификации рисков проекта методами нечеткого логического вывода и приложения нечетких сетей Петри для представления правил нечетких продукций.

3. Разработан метод формализации и автоматизации процесса анализа проектных рисков качества ПИ, ориентированный на определение оптимального состава контролируемых проектных рисков по стадиям жизненного цикла программного проекта, включающий в свой состав серию разработанных нечетких методов и алгоритмов, учитывающих иерархическую структуру модели характеристик качества проекта с весовыми коэффициентами значимости, способы представления нечеткой экспертной информации по проектным рискам, условия объективной и субъективной связности рисков по стадиям жизненного цикла проекта, а также учитывающих ресурсные ограничения проекта на этапе оптимизации состава контролируемых проектных рисков по критерию их максимального потенциального влияния на характеристики качества проекта ПИ.

4. Предложен модифицированный метод анализа иерархий, разработанный на основе положений теории нечетких множеств, предназначенный для решения задачи по определению вектора влияния последствий проектных рисков на обобщенный критерий качества Ш1 в условиях нечеткости и многоуровневого представления иерархии характеристик и рисков качества программного проекта по стадиям его жизненного цикла.

5. Разработан метод формализации и автоматизации процесса мониторинга проектных рисков качества ПИ, ориентированный на программное определение (идентификацию) по ходу ЖЦ текущих рисковых ситуаций проекта с последующим выбором рациональной альтернативы реагирования на риски, а также содержащий в своем составе нечеткие процедуры ситуационного анализа с оптимизацией решений на основе диаграммы Хассе и содержащий способы оптимизации альтернатив для смягчения рисков в условиях нечеткости.

6. Предложена методика построения базы знаний по проектным рискам качества программного проекта, содержащая в своем составе способы нечеткой лингвистической аппроксимации в интеллектуальной технологии сокращения проектных рисков качества и процедуру настройки нечетких баз знаний по проектным рискам качества ПИ.

7. Разработаны база знаний по проектным рискам качества и интерактивные программные средства поддержки нечетких процедур идентификации, анализа, планирования и мониторинга проектных рисков качества ПИ, реализующие разработанные методы, модели и алгоритмы сокращения проектных рисков качества ПИ и предназначенные для практического использования в составе интегрированной CASE - технологии для автоматизированного проектирования и управления проектированием сложных программных изделий высокого качества с минимальными рисками.

8. Разработанные инструментальные средства внедрены в проектную практику и образовательные процессы ряда предприятий, проектных организаций и высших технических учреждений, что подтверждено соответствующими актами о внедрении.

9. Экспериментальная и промышленная эксплуатация разработанных инструментальных средств показала получение положительного результата в процессно-ориентированной проектной деятельности в сфере программной инженерии, когда проектные данные, циркулирующие по стадиям жизненного цикла программных изделий, обладают свойством нечеткости. Эффект проявляется в снижении трудоемкости работ по идентификации, анализу, планированию и мониторингу проектных рисков, в повышении качества создаваемых программных изделий, в снижении проектных и управленческих рисков, в повышении результативности программных проектов по запланированным характеристикам качества.

10. Разработанные инструментальные программные средства являются новыми программными продуктами готовыми к широкому использованию в проектной инженерной практике. По диссертационным разработкам получено 7 свидетельств ФГУ «Федеральный институт промышленной собственности Федеральной службы по интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программ для ЭВМ и получено 18 свидетельств об официальной регистрации программ для ЭВМ в Отраслевом Фонде алгоритмов и программ.

1. Абдикеев Н.М. Интеллектуальные информационные системы. М. «КОС ИНФ», 2003. - 188 с.

2. 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.

3. Азаров В.Н., Леохин Ю.Л. Интегрированные информационные системы управления качеством. М.: Европейский центр по качеству, 2002. - 80 с.

4. Азаров В.Н. и др. Управление качеством: Том 2. Принципы и методы всеобщего руководства качеством. Основы обеспечения качества / Под общей редакцией В.Н.Азарова. М.: МГИЭМ, 2000. - 356 с.

5. Алиев P.A. Интеллектуальные роботы с нечеткими базами знаний. М.: Радио и связь, 194. — 178 с.6; Андрейчиков A.B., Андрейчикова О.Н. Анализ, синтез, планирование решении в экономике. М.: Финансы и статистика, 2000. - 368 с.

6. Арчибальд Рассел Д., Управление высокотехнологичными программами и проектами. М.: АЙТИ системный'интегратор, Изд-во ДМК, 2002. -465 с.

7. Батищев Д. И. Многокритериальный выбор с учетом индивидуальных предпочтений; РАН, Ин-т прикл. физики. Н. Новгород: ИПФ.- 1994. - 86с.

8. Батищев Д.И. Генетические алгоритмы решения экстремальных задач. Воронеж: Изд-во ВГТУ, 1995. - 217 с.

9. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятие решений. М.: Мир, 1976. - С. 172-215.

10. Борисов А.Н., Алексеев A.B. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. - 256 с.

11. Борисов А.Н., Алексеев A.B. и др. Обработка нечеткой информации в системах принятия решений. М.:Радио и связь, 1989. — 304 с.

12. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Рига: Зинатне, 1990. - 236с.

13. Борисов В.В., Круглов В.В., Федулов A.C. Нечеткие модели и сети. -М: Горячая линия-Телеком, 2007. 284 с.

14. Боэм Б., Браун Дж., Каспар X. И др. Характеристики качества программного обеспечения / Пер. с англ. Е.К.Масловский. -М.:Мир, 1981 -208 с.

15. Бурков В.Н., Новиков Д.А. Как управлять проектами. М.: Синтег, 1997.- 188 с.

16. Вагин В.Н. Дедукция и общение в системах принятия решений. М.: Наука, 1988.-384 с.

17. Васильев Д.К., Заложнев А.Ю., Новиков Д.А., Цветков A.B. Типовые решения в управлении проектами. М.: ИПУ РАН, 2003. - 84 с.

18. Везенов В.И, Светников О.Г., Таганов А.И Основы процессно-ориентированного управления проектами информационных систем. // Под ред. проф. Корячко В.П. М.: Энергоатомиздат, 2002. - 320 с.

19. Везенов В.И., Светников О.Г., Таганов А.И. Выполнение требований к системе процессно-ориентированного менеджмента качества на основе

20. CASE- и CALS-технологий // Межвуз. сб. научных трудов «Новые информационные технологии». Рязань: РГРТА, 2001. - С. 15-23.

21. Везенов В.И., Светников О.Г., Таганов А.И. Методологические основы процессно-ориентированного управления проектами информационных систем: Учебное пособие. / Под редакцией д.т.н., проф. В.П.Корячко. Рязань: РГРТА, 2001.- 124 с.

22. Везенов В.И., Таганов А.И., Таганов P.A. Применение процедуры нечеткого вывода для анализа рисков программного проекта // Научно-технический журнал «Системы управления и информационные технологии. Москва-Воронеж». № 2(24), 2006. С. 34-39.

23. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М.: Финансы и статистика, 1998. -258 с.

24. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. М.: Финансы и статистика, 2000.352 с.

25. Венцель Е.С. Теория вероятностей. М.: Наука, 1969.- 576 с.

26. Волкович B.JL, Михалевич B.C. Вычислительные методы и проектирование сложных систем. М.: Наука, 1982. - 286 с.

27. Воропаев В.И. Управление проектами в России. М.: «Алане», 1995. -225 с.

28. Гаврилов Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2001.-384 с.

29. Герасимов В.А. Методы решения проблемы нечеткости в задачах управления. Новосибирск: Наука, сиб. предприятие РАН, 1999. - 240с.

30. ГОСТ 28195-89. Оценка качества программных средств.

31. ГОСТ 34.603-92. ИТ. Виды испытаний автоматизированных систем.

32. ГОСТ Р 51901-2002. Управление надежностью. Анализ риска технологических систем.

33. ГОСТ Р 51904-2002. Программное обеспечение встроенных систем. Общие требования к разработке и документированию.

34. Грей Клиффорд Ф., Ларсон Эрик У. Управление проектами: Практическое руководство / Пер. с англ. М.: Издательство «Дело и Сервис», 2003. -528 с.

35. Демидова JI.A. Классификация объектов на основе мультимножеств и нечеткой кластеризации // Известия ТРТУ. Таганрог, 2006. №15(70). - С. 72-79.

36. Демидова JI.A., Коняева Е.И. Кластеризация объектов с использованием FCM-алгоритма на основе нечетких множеств второго типа и генетического алгоритма // Вестник РГРТУ. Рязань, 2008. - № 4. - С. 46-54.

37. Демидова JI.A., Кираковский В.В., Пылькин А.Н. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде MATLAB. М.: Радио и связь, Горячая линия - Телеком, 2005.-365 с.

38. Демидова Л.А., Пылькин А.Н. Методы и алгоритмы принятия решений в задачах многокритериального анализа. М.: Горячая линия - Телеком, 2007.-232 с.

39. Демидова, Л.А. Многокритериальная классификация объектов на основе мультимножеств и нечеткой кластеризации // Известия ТулГУ. Серия «Радиотехника и радиооптика». Тула: Изд-во ТулГУ, 2006. - Выпуск 1. - Т.8. -С. 45-56.

40. Джонс М.Т. Программирование искусственного интеллекта в приложениях. / М.Тим Джонс; пер. с англ. Осипов А.И. М.: ДМК Пресс, 2004.-321с.

41. Донской В.И., Башта А.И. Дискретные модели принятия решений при неполной информации. Симферополь: Таврия, 1992. - 166 с.

42. Дьяконов В.П., Круглов В.В. МАТЬАВ 6.5 Инструменты искусственного интеллекта и биоинформатики. Серия «Библиотека профессионала». -М.: СОЛОН-ПРЕСС, 2006. 456 с.

43. Дьяконов В.П., Круглов В.В. Математические пакеты расширения МАТЬАВ / Специальный справочник. СПб,: Питер, 2001. - 480 с.

44. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. М.: ФИЗМАТЛИТ, 2003. - 432 с.

45. Еремеев А.П. Экспертные модели и методы принятия решений: Учеб. пособие по курсу «Теория и методы принятия решений» / Под ред. В.Н.Вагина. М.: Изд-во МЭИ, 1995. - 110 с.

46. Жуковин В.Е. Нечеткие многокритериальные модели принятия решений. Тбилиси: Мецниереба, 1988. - 69 с.

47. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений. М.: Знание, 1974. - С. 5-49.

48. Заде Л.А. Понятие лингвистической переменной и его применение к принятие приближенных решений. М.: Мир, 1976. - 160 с.

49. Зайченко Ю.П. Исследование операций. Нечеткая оптимизация: Учеб. пособие. Киев: Выща шк., 1991. - 191 с.

50. Змитрович А.И. Интеллектуальные информационные системы. М.: НТООО ТетраСистемс», 1997. - 368 с.

51. Игнатов В. П. Основы нечеткого моделирования процессов проектирования. М.: Компания Спутник+, 2000. - 187 с.

52. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / под ред. Д.А.Поспелова - М.: Радио и связь, 1990. - 304 с.

53. Каипов В.Х. Методы обработки данных в системах с нечеткой информацией АН КиргССР. Фрунзе, 1988. - 187 с.

54. Кантор М. Управление программными проектами. Практическое руководство по разработке успешного программного обеспечения. Пер. с англ. -М.: Вильяме, 2002. 380 с.

55. Кини P.JL, Райфа X. Принятие решений при многих критериях: Предпочтения и замещением М.: Радио и связь, 1981. - 560 с.

56. Китайник JI. М. Нечеткие процедуры принятия решений на основе бинарных отношений: (Инвариант, подход). М.: ВЦ РАН, 1992. - 62 с.

57. Клир. Дж. Системология. Автоматизация решения системных задач / Пер с англ. М.А. Зуева. М.:Радио и связь, 1990. - 340 с.

58. Колесников A.B., Кириков^ И.А. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем. М.: ИЛИ РАН, 2007. - 387 с.

59. Кондрашов. Ю.С., Таганов А.И., Таганов P.A. Модель процесса проектирования заказных информационно-вычислительных систем по концепции открытых систем // В сб. докладов Всерос. НТК «Новые информационные технологии». Рязань:РГРТА, 1998.- С. 22-24.

60. Корячко В.П., Таганов А.И., Таганов Р.А Процессно-ориентированная технология менеджмента для проектов информатизации сферы образования

61. Труды XIII Всероссийской научно-методической конференции «Телематика 2006». Санкт-Петербург, 2006. - Том 1.

62. Корячко В.П., Таганов А.И Принципы развития научно-методического обеспечения системы менеджмента качества образования // В межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань :РГРТУ, 2008. - С. 14-25.

63. Корячко В.П., Таганов А.И, Таганов Р.А. Методологические основы разработки и управления требованиями к программным системам // Монография М: Горячая линия- Телеком, 2009. - 224 с.

64. Корячко В.П., Таганов А.И. Методика системного анализа и многоаспектного оценивания процессов управления качеством образования ВУЗа // В межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань: РГРТУ, 2006. 1

65. Корячко В.П., Таганов А.И. Методологические основы процессно-ориентированного управления программными и информационными проектами // Научно-технический журнал «Известия Белорусской инженерной академии»., 2002. № 1(13)/2. - С. 102-106.

66. Корячко В.П., Таганов А.И. Программный метод управления рисками качества проекта информационной системы // Научно-технический журнал. «Известия Белорусской инженерной академии», 2004. Выпуск 1(17)/4. - С. 168- 179.

67. Корячко В.П., Таганов А.И. Системный анализ моделей и систем менеджмента качества ВУЗа // В межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань:РГРТУ, 2006. - С. 5-18.

68. Корячко В.П., Таганов А.И. Технология разработки описаний бизнес-процессов IDEF3: Учебное пособие / Рязан. гос. радиотехн. акад. Рязань, 2002. - 80 с.

69. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы процессного моделирования для проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7096 от 26.10.2006.

70. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы информационного моделирования для проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП №7095 от 26.10.2006.

71. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы онтологического моделирования для проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП №7093 от 26.10.2006.

72. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы объектно-ориентированного моделирования для проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7150 от 26.10.2006.

73. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: регламенты управления ресурсами проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7148 от 26.10.2006.

74. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: регламенты информационного взаимодействия предприятий интегрированной структуры / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП №7145 от 26.10.2006.

75. Корячко BTL, Таганов А.И., Таганов P.A. Информационно-образовательная среда системного моделирования и управления проектами в CALS (ИОО-CALS) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002610045 от 16.01.2002.

76. Корячко В.П., Таганов А.И., Таганов P.A. Оценка эффективности процессов управления качеством.; ВУЗа / Свидетельство об, официальной регистрации программы для ЭВМ в ОФАП № 6642 от 20.07.2006.

77. Корячко В.П., Таганов А.И., Таганов Р:А. Оценка эффективности процессов управления НИОКР / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 6643 от 20.07.2006,

78. Корячко В.П., Таганов А.И., Таганов P.A. Электронная информационно-образовательная среда по ИПИ-технологиям: методы управления проектами- / Свидетельство ? об официальной регистрации программы, для ЭВМ в ОФАП № 3303 от 26.03.2004.

79. Корячко В.П;, Таганов А.И., Таганов P.A. Электронная информационно-образовательная среда по ИПИ-технологиям:, методы системного моделирования/ Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3302 от 26.03.2004.

80. Корячко В.Ш, Таганов А.И-, Таганов P.A. База знаний ВУЗа: методы обследования и анализа- объекта автоматизации для проектов внедрения ИЛИтехнологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП №7151 от 26.10.2006.

81. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы сбора информации для проектов'внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 7152 от 26.10.2006.

82. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: методы функционального моделирования для проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП №7146 от 26.10.2006.

83. Корячко В.П., Таганов А.И., Таганов P.A. База знаний ВУЗа: регламенты календарного планирования проектов внедрения ИЛИ технологий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП" № 7149 от 26.10.2006.

84. Корячко В.П., Таганов А.И., Таганов P.A. Компьютеризированная информационно-образовательная среда моделирования систем с использованием CASE-технологий // Сб. докладов Международной НТК «Научная сессия МИФИ 2001». М.: МИФИ, 2001. Т. 12. - С. 158-189.

85. Корячко В.П., Таганов А.И., Таганов P.A. Электронная информационно-образовательная среда по ИПИ-технологиям: электронная техническая информация и документация / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3304 от 26.03.2004.

86. Корячко В.П., Цыцаркин Ю.М., Таганов А.И. Автоматизация проектирования информационных систем высшей школы // В сб. Всероссийской НТК «Перспективные информационные технологии в высшей школе». Тамбов, 1995.-С. 143-145.

87. Кофман A.B. Введение в теорию нечетких множеств/ Пер с фр. -М1:Радио и связь, 1982. 432 с.

88. Кузнецов В.И. Принятие ответственных решений в условиях риска и неопределенности. Саратов: СГТУ, 1997. - 75с.

89. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: Наука, 1982. - 168с.

90. Кулиев Р.И. Принятие решений в условиях неопределенности: Учеб. пособие. Баку: Азинефтехим, 1987. - 53 с.

91. Курейчик В.В. Эволюционные, синергетические и гомеостатические методы принятия решений: Монография. Таганрог: Изд-во ТРГУ, 2001. -221 с.

92. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений: Вербальный анализ решений.,- М:: Наука, Физматлит, 1996. 208с.

93. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzy TECH. — СПб.: БХБ-Петер бург, 2003. 736 с.

94. Леффингуэлл Д., Уидриг Д. Принципы работы с требованиями к программному обеспечению. Унифицированный подход. Пер. с англ. М.: Вильяме, 2002. - 430 с.

95. Липаев В. В. Обеспечение качества программных средств. Методы и стандарты. М.:СИНТЕГ, 2001. - 380с.

96. Липаев В.В. Анализ и сокращение рисков проектов сложных программных средств. М.: СИНТЕГ, 2005. - 224 с.

97. Липаев В.В. Выбор и оценивание качества. Методы и стандарты. М.: СИНТЕГ, 2004. - 228 с.

98. Липаев В.В. Методы обеспечения качества крупномасштабных программных средств. М.:СИНТЕГ, 2003. - 520 с.

99. Липаев B.B. Проблемы обеспечения качества сложных программных средств. // Информационные технологии, 2000. № 12. С. 23-29.

100. Липаев В.В. Системное проектирование сложных программных средств для информационных систем М.: СИНТЕГ, 2002. - 268 с.

101. Липаев В.В. Технико-экономическое обоснование проектов сложных программных средств. М.:СИНТЕГ, 2004. - 284с.

102. Липаев В.В. Функциональная безопасность программных средств. -М.:СИНТЕГ, 2001. 348 с.

103. Литвак Б. Г. Экспертные оценки и принятие решений М.: 1111 «Патент», 1996.-271 с.

104. Лучшие практические навыки SPMN (Software Program Managers Network Сеть управления программами создания ПО), 1998. - 440 с.

105. Лю Б. Теория и практика неопределенного программирования / Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2009. - 416 с.

106. Мушик Э., Мюллер П. Методы принятия технических решений: Пер. с нем. М.:Мир, 1990. - 208с.

107. Мазур И.И., Шапиро В.Д., и др. Управление проектами (справочник для профессионалов). — М.: «Высшая школа», 2001. — 880 с.

108. Маклаков C.B. BP Win и ER Win. CASE-средства разработки информационных систем. М.: Диалог- МИФИ, 2000. - 256 с.144; Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. - 136 с.

109. Малышев Н.Г., Берштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

110. Матвеев Л.А. Информационные системы: поддержка принятия решений: Учеб.пособие. СПб, 1996.-241 с.

111. Мелихов А.Н., Бернштейн Л.С. Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука , 1990. - 272 с.

112. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Расплывчатые ситуационные модели принятия решений: Учебное пособие. Таганрог: ТРТИ, 1986. 92 с.

113. Мелихов А.Н., Берштейн JI.C. Конечные четкие и расплывчатые множества: Ч. II. Расплывчатые множества. Таганрог: ТРТИ, 1986. - 140 с.

114. Методологические основы управления рисками качества программного проекта: Учебное пособие / А.И.Таганов, Р.А.Таганов. Под ред. Корячко В.П. Рязань, 2007. - 142 с.

115. Методы и модели оценивания качества программного обеспечения / Воробьев В.И., Копыльцов A.B., Пальчун Б.Н.,Юсупов P.M.- СПб, 1992.- 36 с.

116. Михалевич М.В. Методы учета'риска в задачах принятия решений (по материалам II AS А). Киев: ИК. - 1989. - 14 с.

117. Мустафин Н.Г. Методы и модели систем поддержки принятия решений: Учеб. пособие. СПб, 1996. - 80 с.

118. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М:: Наука, 1986. - 312 с.

119. Нечеткие множества и теория возможностей. Последние достижения / под. ред. РЛгера. М.: Радио и связь, 1986. — 312 с.

120. Норенков И.П. Основы автоматизированного проектирования. М.: МГТУ им. Н.Э.Баумана, 2009. - 432 с.

121. Норенков И.П., Кузьмик ПК. Информационная поддержка наукоемких изделий. CALS-технологии. М.: МГТУ им. Н.Э.Баумана, 2002. - 319 с.

122. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, A.B. Алексеев, Г.В. Меркурнева и др. -М.: Радио и связь, 1989. -304 с.

123. Омельченко И.Н., Лазаренко А.Г. Определение комплексного риска проектов приведением формальной модели рисковой угрозы к задаче линейного программирования // Вестник машиностроения — 2007.- №10. С. 60-73.

124. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации М.: Наука, 1981. - 208 с.

125. Петровский А.Б. Пространства множеств и мультимножеств. М.: Едиториал УРСС, 2003. - 248 с.

126. Пискунов А. И, Интерполяционный принцип при построении моделей нечетко формализованных систем. М.: ВЦ АН СССР, 1990. - 32 с.

127. Питерсон Д. Теория сетей Петри и моделирование систем. М.: Мир, 1984.-264 с.

128. Поспелов Д.А. Ситуационное управление: теория и практика. М: Наука, 1986. - 288с.

129. Прикладные нечеткие системы / Асаи К., Ватада Д., Иваи С. и др; Под ред. Т.Тэрано и др.; Пер.с яп. Ю.Н.Чернышова. М.: Мир, 1993. - 368 с.

130. Принципы проектирования и разработки программного обеспечения. Уч. курс MSCD: Пер с англ.- М., 2000,- 608 с .

131. Размытые множества и их применения / Левнер Е.В., Птускин A.C., Фридман A.A. М., 1998. - 108 с.

132. РД 50-34.698-90. Методические указания. Информационная технология. Автоматизированные системы. Требования к содержанию документов.

133. Ротштейн А.П. Интеллектуальные технологии идентификации. Винница: Континент-Прим, 2004. - 270 с.

134. Ротштейн А.П., Кательников Д.И. Идентификация нелинейных объектов нечёткими базами знаний // Кибернетика и системный анализ, 1998. №5. -С. 53-61.

135. Ротштейн А.П., Лойко Е.Е., Кательников Д.И. Прогнозирование количества заболеваний на основе экспертно-лингвистической информации // Кибернетика и системный анализ, 1999. №2. - С. 178-185.

136. Ротштейн А.П., Штовба С.Д. Нечеткая надежность алгоритмических процессов. — Винница: Континент-Прим, 1997. 142 с.

137. РутковскаяД., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы, нечеткие системы: Пер. с польск. И.Д.Рудинского. М.: Горячая линия-Телеком, 2004. - 452 с.

138. Рыбина Г.В. Автоматизированное рабочее место для построения интегрированных экспертных систем: комплекс АТ-ТЕХНОЛОГИЯ // Новости искусственного интеллекта. 2005. №3. С.69-87.

139. Рыков A.C. Методы системного анализа: многокритериальная и нечеткая оптимизация, моделирование и экспертные оценки. М.: НПО Издательство «Экономика», 1999. - 191 с.

140. Саати Т. Математические модели конфликтных ситуаций. Пер. с анг. под ред. И.А. Ушакова. М.: Сов. радио, 1977. - 304 с.

141. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1989. 316с.

142. Таганов А.И. Анализ и классификация рисков проекта методами нечеткой классификации // Научно-технический журнал «Информационные технологии моделирования и управления». Воронеж «Научная книга», 2010. - С. 455-461.

143. Таганов А.И. Логические процедуры синтеза моделей контурных изображений // В кн: Математические методы распознавания образов. Тез. докл. Всесоюз. конф. Львов, 1987. - 4.1. - С. 209-210.

144. Таганов А.И. Метод синтеза логико-алгебраических моделей рисковIпроекта // Межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань: РГРТУ, 2010. - С. 141-150.

145. Таганов А.И. Методика анализа и сокращения рисков проектов сложных программных систем по характеристикам качества // Научно-технический журнал «Вестник РГРТУ». № 1. Рязань, 2010. - С. 77-82.

146. Таганов А.И. Методика сокращения рисков проектов сложных программных систем по характеристикам качества // Материалы конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций». Рязань, 2010. - С. 77-82.

147. Таганов А.И. Методология описания процессов IDEF3: Учебное пособие // Под. ред. В.П.Корячко; Рязан. гос. радиотехн. акад.- Рязань, 2002.- 80 с.

148. Таганов А.И. Методы представления рисков проекта на основе структурно-символьных моделей // Межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань: РГРТУ, 2010. - С. 133-140.

149. Таганов А.И. Методы представления сложной структурно-символьной информации // Научно-технический журнал «Вестник РГРТУ». Выпуск № 18, 2006. С. 74-80.

150. Таганов А.И. Модели системного прогнозирования рисков качества проектов сложных программных систем // Межвуз. сб. научных трудов «Информационные технологии в научных исследованиях». Рязань: РГРТУ, 2010.-С. 122-126.

151. Таганов А.И. Описание изображений на основе структурно-символьного представления // В' кн.: Автоматизированные системы обработки изображений. Тез. докладов 2-й Всесоюз. конф. -М.: Наука, 1986. С. 4344.

152. Таганов А.И. Построение изображений физических полей на основе декомпозиции контурной информации // В межвуз. сб «Методы и приборы контроля параметров биосферы». Л.:ЛИАП, 1984. - Вып. 171. - С. 90-942.

153. Таганов А.И. Представление правил нечетких продукций в нечеткой системе анализа и сокращения рисков проекта на основе нечетких сетей Петри // Журнал «Системы управления и информационные технологии». Москва-Воронеж, 2009. - № 4(38). - С. 46-51.

154. Таганов А.И. Применение нечетких множеств для формализации процессов анализа и идентификации важности рисков программного проекта // Журнал Системы управления и информационные технологии, 2007. -№4(30).-С. 46-51.

155. Таганов А.И. Процессы и задачи управления проектами заказных информационных систем: Учебное пособие // Под. ред. В.П.Корячко; Рязан. гос. радиотехн. акад. Рязань:РГРТУ, 2002. - 80 с.

156. Таганов А.И. Синтез логико-алгебраических моделей контурных изображений // Рук. деп. в ЦНИИТЭИ 17.05.88, №4199 пр.88. Реферат ВИНИТИ «Депонированные научные работы», 1988. №10. С. 155.

157. Таганов А.И. Теоретико-множественные операции геометрического моделирования контурных изображений // В межвуз. сб.: Автоматизация проектирования микроэлектронных вычислительных средств. Рязань: РРТИ, 1990.-С. 85-91.

158. Таганов А.И., Таганов P.A. Идентификация рисков качества программного проекта в условиях неопределенности // Научная сессия МИФИ-2003. Сборник научных трудов.Т.2 «Технология разработки программных систем». М.: МИФИ, 2003.

159. Таганов А.И., Таганов Р.А Метод определения оптимальной альтернативы реагирования на этапе мониторинга рисков проекта // Научно-технический журнал «Вестник РГРТА». Вып. 11, 2003. С. 115-118.

160. Таганов А.И., Таганов Р.А Методологические основы методов идентификации рисковых событий проекта // Научно-технический журнал «Вестник РГРТА». Вып. 12, 2003. С. 70-77.

161. Таганов А.И., Таганов Р.А Методологические основы процессов создания информационных систем сферы образования. Учебное пособие под редакцией Корячко В.П. Рязань: РГРТУ, 2007. - 364 с.

162. Таганов А.И., Таганов Р.А Оптимизация состава контролируемых рисков качества программного проекта // Научная сессия МИФИ-2003. Сборник научных трудов. Т.2 «Технология разработки программных систем». М.: МИФИ, 2003.-С. 123-124.

163. Таганов А.И., Таганов Р.А Процессно-ориентированная модель управления рисками качества программной продукции на всех стадиях жизненного цикла проекта //Деп. в ВИМИ 12.11.01 ДО 8900. 27 с.

164. Таганов А.И., Таганов Р.А Система поддержки принятия решений по рискам проекта программных изделий // В сб. научных трудов «Научная Сессия МИФИ-2002». Т.2. «Программное обеспечение. Информационные технологии». М.: МИФИ, 2002 - С. 77-78.

165. Таганов А.И., Таганов P.A. Качественный и количественный анализ рисков качества программных проектов / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3357 от 08.04.2004.

166. Таганов А.И., Таганов P.A. Нечеткое ситуационное моделирование для процесса мониторинга рисков качества программных проектов / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3356 от 08.04.2004.

167. Таганов А.И., Таганов P.A. Организация учебного процесса на основе электронной информационно-образовательной среды по CALS и CASE технологиям. // Материалы X научно-методической конференции РГРТА Рязань: РГРТА, 2003. - С. 58-62.

168. Таганов А.И., Таганов P.A. Планирование рисков качества программного проекта методом мозгового штурма / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3358 от 08.04.2004

169. Таганов А.И., Таганов P.A. Система формализации нечетких исходных данных программных проектов для процесса идентификации рисков качества / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3359 от 08.04.2004.

170. Таганов А.И., Таганов P.A. Формальные методы поддержки процесса управления рисками качества проекта: Учебное пособие / Под ред. проф. Ко-рячко В.П. Рязан. гос. радиотехн. акад. Рязань, 2003. - 74 с.

171. Таганов А.И., Таганов P.A. Анализ концепций, методов и моделей управления рисками программных проектов // Деп. в ВИМИ 12.11.01 ДО 8899. 47 с.

172. Таганов А.И., Таганов P.A. Метод определения важности субъективно-связных рисков качества программных проектов. // Научно-технический журнал «Вестник РГРТА», 2002. С. 64-69.

173. Таганов А.И., Таганов P.A. Метод определения уровня целостности программного средства на основе оценки его риска // Материалы международной конф. «Гагаринские чтения XXX». М. 2004. - С. 89-90.

174. Таганов А.И., Таганов P.A. Методологические основы управления рисками качества программного- проекта: Учебное пособие. / Под. редакцией Корячко В.П. Рязань: РГРТУ, 2007. - 142 с.

175. Таганов А.И., Таганов P.A. Методы оптимизации рисков качества программного проекта // Рязан. гос. радиотехн. акад. Рязань, 2001. - 45 е.: Ил. -Библиогр. 37 назв. - Рус. - ДО 8914 от 05.06.02. Деп. в ВИМИ.

176. Таганов А.И., Таганов P.A. Организация учебного процесса на основе электронной информационно-образовательной среды по CALS и CASE технологиям // Научно-технический журнал «Вестник РГРТА». Выпуск № 13, 2003. С. 52-57.

177. Таганов А.И., Таганов P.A. Применение нечетких ситуационных моделей для идентификации рисков программного проекта // Журнал Системы управления и информационные технологии. Москва-Воронеж, 2007. №4.2(30).-С. 297-303.

178. Таганов А.И., Таганов P.A. САПР информационных технологий: электронная техническая информация и документация: Учебное пособие / Рязан. гос. радиотехн. акад. Рязань, 2004. - 48 с.

179. Таганов А.И., Таганов P.A. Системная инженерия: анализ и управление требованиями систем: Учебное пособие / Под. редакцией В.П.Корячко; Рязан. гос. радиотехн. акад. Рязань: РГРТУ, 2008. - 126 с.

180. Таганов А.И., Журавлева E.H., Мишин A.C. Процедура классификации рисков проекта методами нечеткой кластеризации // Сб. материалов 57-й научно-технической конф. РГРТУ, 2010. Рязань: РГРТУ. С. 71-72.

181. Таганов А.И., Таганов P.A. Системная инженерия: модели и процессы жизненного цикла систем: Учебное пособие допущено УМО по спец. «Системы автоматизированного проектирования» / Под ред. В.П.Корячко. Рязань: РГРТА, 2005. - 120 с.

182. Таганов А.И., Таганов P.A. Системная инженерия: моделирование и разработка требований систем: Учебное пособие / Под. редакцией В.П.Корячко; Рязан. гос. радиотехн. акад. Рязань: РГРТУ, 2008. - 122 с.

183. Таганов А.И., Таганов P.A. Технология разработки типовых моделей и процессов системы менеджмента качества вуза: Учебное пособие. / Под редакцией Корячко В.П. Рязань: РГРТУ, 2007. - 112 с.

184. Таганов А.И., Таганов P.A., Черныш С.А. Анализ процесса определения уровня целостности программных средств на системном и формальном уровне // Научно-технический журнал. «Известия Белорусской инженерной академии». Выпуск 1(17)/1, 2004. С. 49-57.

185. Таганов А.И., Таганова Е.А. Анализ методов усовершенствования процессов разработки программных систем // Научная сессия МИФИ-2004. Сборник научных трудов. «Технология разработки программных систем». -М.: МИФИ, 2004. С. 123-124.

186. Таганов А.И., Таганова Е.А. Вопросы управления рисками качества образования в вузе // В межвуз. сб. научных трудов «Информационные технологии в образовании». Рязань:РГРТУ, 2007. - С. 62-74.

187. Таганов А.И., Таганов P.A. САПР информационных технологий: электронная техническая информация и документация: Учебное пособие // Рязан. гос. радиотехн. акад. Рязань, 2004. - 48 с.

188. Таганов А.И., Фомичев А.Н. Использование Web-технологий для удалённого взаимодействия с программами на языке MATLAB // В межвуз. сб. научных трудов «Информационные технологии в образовании». Ря-зань:РГРТУ, 2008. - С.103-110.

189. Таганов P.A. Анализ ресурсов базовых инструментальных средств реинжиниринга // Межвузовский сб. науч. трудов «Математическое и программное обеспечение вычислительных систем». Москва: НИЦПрИС, 1998. -С. 130-133.

190. Таганов P.A. Оптимизация планирования и идентификации рисков качества проекта информационной системы методом анализа иерархий // Межвуз сб. научных трудов «Новые информационные технологии». Рязань: РГРТА, 2001.-С. 63-72.

191. Таганов Р.А. Парадигма управления рисками качества программной продукции // Межвуз. сб. научных трудов «Новые информационные технологии». Рязань: РГРТА, 2001. - С. 56-63.

192. Таганов Р.А. Представление процесса управления рисками проекта моделями IDEF и DFD // Сборник тезисов докладов 6-й всероссийской НТК «Новые информационные технологии в научных исследованиях и в образовании». Рязань: РГРТА, 2001. - С. 83-85.

193. Таганов Р.А., Везенов В.И., Светников О.Г., Таганов А.И. Система оценивания качества программной продукции по ИСО/МЭК 9126-1-4 (СОКПП) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2003610449 от 19.02.2003.

194. Таганов P.A., Таганов А.И. Многокритериальная оптимизация рисков качества программной продукции (Риск КПП) / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ № 2001611541 от 15.11.2001.

195. Таганов P.A., Таганов А.И. Оптимизация процесса идентификации ситуации возникновения рискового события ("Риск-Иден") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002610046 от 16.01.2002.

196. Таганов P.A., Таганов А.И. База данных рисков качества проектов программных изделий ("БДРКППИ") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002620044 от 25.03.2002.

197. Таганов P.A., Таганов А.И. Система поддержки принятия решений по рискам проекта программных изделий ("Риск-ПИИ") / Свидетельство об официальной регистрации программы для ЭВМ в РОСПАТЕНТ №2002610047 от 16.01.2002.

198. Таганов P.A., Фомов О.П., Таганов А.И., Чуринов О.М. Система информационной поддержки управления работами в рамках кооперации предприятий / Свидетельство об официальной регистрации программы для ЭВМ в ОФАП № 3351 от 05.05.2004.

199. Товб A.C., Ципес Г.Л. Управление проектами. Стандарты, методы, опыт. М.: «Олимп-Бизнес», 2003. - 240 с.

200. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. - 376с.

201. Трахтенгерц Э.А. Принятие решений на основе компьютерного анализа: Препринт. М., 1996. - 69 с.

202. Трухаев Р. И. Модели принятия решений в условиях неопределенности. -М.: Наука, 1981,-258с.

203. Фатрелл Р. Т., Шафер Д. Ф., Шафер JI. И. Управление программными проектами: достижение оптимального качества при минимальных затратах. Пер. с англ. М.: Вильяме, 2003. - 1130 с.

204. Федулов A.C. Нечеткие реляционные когнитивные карты// Изв. РАН. Теория и системы управления, 2005. №5. С. 3-12.

205. Халл Э., Джексон Д., Дик Д. Разработка и управление требованиями: практическое руководство пользователя. Telelogic UK Ltd., Oxford, UK, 2005.-345 с.

206. Хованов И.В. Математические модели риска и неопределенности. -СПб, 1998.-201 с.

207. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983. - 183 с.

208. Шеннон Р. Имитационное моделирование систем: искусство и наука. -М.: Мир, 1978.-418 с.

209. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. Винница: КонтинентПрим, 2003. - 198 с.

210. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. -М.: Горячая линия Телеком, 2007. - 288 с.

211. Штойер Р. Многокритериальная оптимизация. Теория, расчет и приложения: Пер. с англ.- М.: Радио и связь, 1992. 512 с.

212. Ярушкина Н.Г. Основы теории нечетких и гибридных систем: Учеб. Пособие. М.: Финансы и статистика, 2004. - 320 с.

213. ISO 12119:1994. (ГОСТ Р 2000 г). ИТ. Требования к качеству и тестирование.

214. ISO 12182:1998. (ГОСТ Р- 2002). ИТ. Классификация программных средств.

215. ISO 12207:1995. (ГОСТ Р 1999). ИТ. Процессы жизненного цикла программных средств.

216. ISO 14598-1-6:1998-2000. Оценивание программного продукта. 4.1. Общий обзор. 4.2. Планирование и управление. Ч.З. Процессы для разработчиков. 4.4. Процессы для покупателей. 4.5. Процессы для оценщиков. 4. 6. Документирование и оценивание модулей.

217. ISO 14756: 1999. ИТ. Измерение и оценивание производительности программных средств компьютерных вычислительных систем.

218. ISO 14764: 1999. (ГОСТ Р 2002). ИТ. Сопровождение программных средств.

219. ISO 15271:1998. (ГОСТ Р 2002). ИТ. Руководство по применению ISO 12207.

220. ISO 15288: 2004. Проектирование систем. Процессы жизненного цикла систем.

221. ISO 15408 -1-3. 1999. (ГОСТ Р 2002). Методы и средства обеспечения безопасности. Критерии оценки безопасности информационных технологий. 4.1. Введение и общая модель. 4. 2. Защита функциональных требований. 4.3. Защита требований к качеству.

222. ISO 15846:1998. ТО. Процессы жизненного цикла программных средств. Конфигурационное управление программными средствами.

223. ISO 15910:1999. (ГОСТ Р 2002) ИТ. Пользовательская документация программных средств.

224. ISO 16326:1999. (ГОСТ Р 2002). ИТ. Руководство по применению ISO 12207 при административном управлении проектами.

225. ISO 6592:2000. ОИ. Руководство по документации для вычислительных систем.

226. ISO 9000:2000. (ГОСТ Р 2001). Система менеджмента (административного управления) качества. Основы и словарь.

227. ISO 9001:2000. (ГОСТ Р 2001). Система менеджмента (административного управления) качества. Требования.

228. ISO 9004:2000. (ГОСТ Р 2001). Система менеджмента (административного управления) качества. Руководство по улучшению деятельности.

229. ISO 9126:1991. (ГОСТ 1993). ИТ. Оценка программного продукта. Характеристики качества и руководство по их применению.

230. ISO 9294:1990. (ГОСТ-1993 г). ТО. ИТ. Руководство по управлению документированием программного обеспечения.

231. ISO 9126-1-4. 2002. ИТ. Качество программных средств: 4.1. Модель качества. 4.2. Внешние метрики. 4.3. Внутренние метрики. 4. 4. Метрики качества в использовании.

232. IEC 61508:1-6: 1998-2000. Функциональная безопасность электрических / электронных и программируемых электронных систем. 4асть 3. Требования к программному обеспечению. 4асть 6. Руководство по применению стандартов IEC 61508-2 и IEC 61508-3.

233. ISO 10011-1-3: 1990. Руководящие положения по проверке систем качества. 4.1. Проверка. 4.2. Квалификационные критерии для инспекторов-аудиторов систем качества. Ч.З. Управление программами проверок.

234. ISO 10006 1999. Quality management Guidelines to quality in project management. First edition 1997-12-15.313. . ISO/IEC 9126-4: Software engineering Product quality - Part 4: Quality in use metrics.

235. ANSI/PMI 99-001-2004. Руководство к Своду знаний по управлению проектами (Руководство РМВОК). 388 с.

236. Boehm B.W. Tutorial: Software Risk Management, IEEE Computer Society Press, 1989.-47 p.

237. Buchbinder B. NASA risk management program.-Washington.-1990- 7 c.

238. Can- M J., Konda S.L.Taxonomy-Based Risk Identification, SEI Technical Report SEI-93-TR-006 , Pittsburgh, PA: Software Engineering Institute, 1993

239. Castillo O, Melin P. A nev hybrid approach for plant monitoring and diagnostics using type-2 fuzzy logic and fractal theory // Proceeding of the International Conference FUZZ 2003. P. 102-107.

240. CDM method handbook, oracle method custom development. Oracle Cor-paration, 1996. 389p.

241. Charette R.N. Software Engineering Risk Analysis and Management, New york: McGraw-Hill, 1989. 13 p.

242. Chen Y.-P., Li S.-N. Natural partition-based forecasting model for fuzzy time series I I IEEE International Conference on Fuzzy Systems, 2004, P. 25-29.

243. Coupland S., John R.I. Geometric tupe-1 and type-2 fuzzy logic systems // IEEE transactions on fuzzy systems, 2007. Vol. 15. №1. - P. 3-15.

244. Frankel E.G. Systems reliability and risk analysis. Dordrecht etc.: Kluwer acad.publ. 1988.-429 p.

245. Genetic risk, risk perception, and decision making: Proc. of a conf. held July 28-29, 1986, Leuven, Belgium Bergsma Daniel. New York: Liss.- 333 p.

246. Grandell J. Aspects of risk theory.-New York etc: Springer.-1991. 175 p.

247. Hauptmanns U. Engineering risks: Evaluation and valuation: Transl.from germ./ Hauptmanns U., Werner W. -Berlin et al.: Springer, 1991. -XIII, 246 p.

248. Higuera R.P., Gluch D.P. An Introduction to Team Risk Management, SEI Special Report SEI-94-SR-001. Pittsburgh, PA: Software Engineering Institute, 1999.

249. Higuera R.P.,. Haimes Y.Y Software Risk Management. SEI Technical Report SEI-96-TR-012. Software Engineering Institute, University ofVirgia, 1996.

250. ISO/IEC 14598-1:1999. Information technology Software product evaluation - Part 1. General overview.

251. ISO/IEC 14598-2:2000. Information technology Software product evaluation - Part 2. Planning and management.

252. ISO/IEC 14598-3:2000. Information technology Software product evaluation - Part 3. Process for developers.

253. ISO/IEC 14598-4:1999. Information technology Software product evaluation - Part 4. Process for acquirers.

254. ISO/IEC 14598-5:1998. Information technology Software product evaluation - Part 5. Process for evaluators.

255. ISO/IEC 14598-6 Information technology Software product evaluation -Part 6. Documentation's of models evaluation.

256. ISO/IEC 9126-1 Software engineering-Product quality-Part 1 :Quality model.

257. ISO/IEC 9126-2: Software engineering Product quality - Part 2: External metrics.

258. ISO/TR 10006:1997 "Менеджмент качества. Руководство качеством при управлении проектами".

259. Jensen R., Shtn G. Fuzzy-rough sets assisted attribute selection // IEEE transactions on fuzzy systems, 2007. Vol. 15. - №1. - P. 73-89.

260. Karolak D.W. Software Engineering Risk Management, Washington, 1996. 126 p.

261. Kontio J. Basili V.R. Empirical Evaluation of a Risk Management Method. Maryland, 1997-8 p.

262. Kontio J. The Riskit Method for Software Risk Management. Maryland: Institute for Advanced Computer Studies and Department of Computer Science U.S.A., 1997.-45 p.

263. Kumamoto H. Probabilistic risk assessment and management for engineers and scientists. New York: IEEE press, 1996. - 597 p.

264. Lee L.W., Wang L.H., Chen S.M., Leu Y.H. Handling forecasting problems based on two-factors high-order fuzzy time series // IEEE transactions on fuzzy systems, 2006. Vol. 14. - №3. - P. 468-477.

265. Mamdani E.H. Application of fuzzy logic to approximate reasoning using linguistic synthesis/ IEEE Transactions on Computers, vol. 26, no 12, 1977. - P. 1182-1191.

266. Mendel J.M. Advances in type-2 fuzzy sets and systems // Information Sciences, 2007. Vol. 177.-P. 84-110.

267. Mendel J.M. Computing derivatives in interval type-2 fuzzy logic systems // IEEE transactions on fuzzy systems, 2004. Vol. 12. - №1. - P. 84-98.

268. Monarch I., Gluch D.P. An Experiment in Software Development Risk Information, SEI Technical Report SEI-95-TR-014, Pittsburgh, PA: Software Engineering Institute, 1995. P. 234-238.

269. Project Management Method (PJM) корпорации Oracle «Стандартный подход к руководству проектом». Версия 2.1. Ноябрь, 1996. 546 р.

270. Reed A. Computer risk manager: A manual for EDP contingency planning. -Oxford: Elsevier; Sunninghill: Alkemi, 1989. — 117 p.

271. Shaw T.E. An overview of risk management techniques, methods and application. Washington. - 1990. - 14 p.

272. Vlay G.J. Risk management integration with system engineering and program management. Washington. - 1990. - 11 p.