Файл: Исследование методов и средств моделирования систем управления проектами на предприятии.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 24.10.2023
Просмотров: 416
Скачиваний: 1
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
СОДЕРЖАНИЕ
Глава 1 АНАЛИЗ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЕКТАМИ
Модели жизненных циклов проектов и методы управления проектами
Анализ инструментов управления проектами
Организация процесса исследовательской деятельности на предприятии ООО «Мастер Маинд Инк»
Модель системы управления проектами «As Is»
пять стадий: от анализа условий поставленной задачи до сопровождения готового изделия в процессе его эксплуатации заказчиком.
Рисунок 2.1 Блок-схема рабочего процесса разработки программных
продуктов
Рисунок 2.2 Блок-схема рабочего процесса разработки программного продукта, содержащего ИИ
Однако более подробная детализация блок-схемы (рис. 2.2) в случае работы над созданием сервисов, программ, платформ с использованием ИИ (например, нейросетей) позволяет выделить в рабочем процессе целый этап, который предшествует непосредственно проектированию программного решения - исследовательскую деятельность (Research and Development - R&D), на рисунке 2.2 обозначен красным.
Такой тип деятельности присущ Data Science-проектам и направлен на исследование возможных вариантов решения поставленной задачи, а также разработку и обучение модели ИИ для каждого из вариантов.
Особенностью такой деятельности является то, что после этапа анализа предметной области невозможно однозначно переходить к этапу проектирования конечного программного продукта (как это происходит при решении стандартных задач), так как выходные данные, полученные после этапа анализа, могут быть многократно пересмотрены и уточнены.
Уточненный алгоритм этапа R&D представлен на рисунке 2.3.
Как показано на рисунке 2.3, в отличие от процесса реализации традиционных решений, жизненный
цикл ИИ-проектов усложняется необходимостью проведения ряда подготовительных работ, которые имеют циклический характер. Количество этих циклов заранее неизвестно и зависит как от степени сложности поставленной задачи, так и от квалификации сотрудников на проекте и уровня развития их творческого мышления.
Более того, возможен исход, при котором детальное изучение поставленного задания показывает, что оно не имеет решения.
Узел принятия решения, обозначенный *1, отражает тот момент исследования, когда команда, основываясь на своем опыте и интуиции, выбирает направление, связанное либо с изменением параметров модели, либо с изменением «features», либо с поиском нового варианта решения поставленной задачи.
Рисунок 2.3 - Блок-схема алгоритма R&D
Циклический характер процесса создания ИИ-продукта существенно отличается от Agile-моделей (Scrum, Kanban и др.), основу которых составляют итерации, на каждой из которых мы получаем некоторую законченную часть целевого программного продукта.
В случае с ИИ-проектами завершение каждого цикла не всегда означает создание части или функции конечного продукта; напротив, нередко бывает, что исполнители проекта вынуждены вернуться к точке нулевого отсчета и начать заново работу с исходной информацией.
Кроме того, деятельность R&D основывается на работе с большими
массивами данных, причем на протяжении всего жизненного цикла проекта.
Это ключевое обстоятельство вынудило специалистов Data Science искать специализированные методы работы с Big Data.
На данный момент в компаниях, специализирующихся на создании Data Science-продуктов, наиболее распространенной является CRISP-DM - методология по исследованию данных.
Таким образом, деятельность команды в процессе создания ИИ-продукта, состоит из исследовательских действий, которые всегда носят уникальный, оригинальный характер, и стандартных действий по проектированию, реализации и внедрению.
В течение всего процесса менеджмент компании ООО «Мастер Маинд Инк» для управления проектом использует Jira, а ведение документации выполняется с помощью Confluence.
Эти инструменты содержат весь необходимый функционал для управления задачами, персоналом и документацией на стандартных проектах, и идеально подходят для управления этапами проектирования и реализации, но не достаточны для управления исследовательской деятельностью на этапе R&D. Как показало проведенное автором изучение особенностей управления проектами в компании, на этапе R&D возможности Jira используются частично, фрагментарно и неэффективно.
Рассмотрим организационную структуру компании ООО «Мастер Маинд Инк». В компании работает 15 человек, распределенных между такими отделами: финансовый -1 чел., отдел DevOps - 2 чел., специалисты по данным (Data Engineering) - 2 чел., отдел R&D - 6 чел., технический директор CTO, исполнительный директор CEO, Product Owner; разработчик сайтов готового продукта - 1 чел.
Сотрудники отдела R&D владеют следующими знаниями и умениями.
Высшее образование по прикладной математике, алгоритмы и структуры данных, Machine Learning, финансово-экономические знания, языки программирования и фреймворки Python, Flask, Docker Swarm, Kubernetes, TenzorFlow, Cuda, C++, NodeJS, ClickHouse, MySQL, Redis, Kafka, R language, Bash script.
Специалисты Data Engineering обладают следующими знаниями и умениями: высшее техническое образование, алгоритмы и структуры данных, языки программирования и фреймворки C++, Cuda, MySQL, MSSQL, PostgreSQL, ClickHouse, MongoDB, RabbitMQ, Redis, Kafka, NodeJS, Bashscript.
Профессиональные знания и умения сотрудников отдела DevOps следующие: высшее математическое образование, Docker Swarm, Kubernetes, Kibana, Grafana, Git, NginX, Lua, Bash Script.
Директора компании имеют высшее техническое образование, владеют некоторыми из перечисленных языков программирования и фреймворков.
Начальник R&D-отдела имеет степень PhD по математике.
Кроме того, технический директор выполняет обязанности архитектора проектов, а также непосредственно руководит отделами.
Исполнительный директор CEO совмещает обязанности Project Manager. Его задачи следующие:
R&D-процесс подразумевает большую вовлеченность проектной команды в задачи, которые по Agile-методологиям (и другим распространенным общепринятым методологиям) выполняет проектный менеджер.
Как видно из приведенных сведений, сотрудники компании представляют собой высококвалифицированных специалистов, и обладают перекрестными умениями, что является необходимым условием работы в сфере производства ИИ-продуктов.
В процессе работы над программным продуктом все сотрудники, включая менеджмент, тесно связаны между собой, и поддерживают постоянную связь с заказчиком. Каждое утро проводятся стендап-митинги, на которых обсуждаются результаты прошедшего дня и планируются задачи на текущий день.
При этом также принимаются решения об отклонении промежуточных задач или изменении постановки задачи, если не удалось найти ее решение. Каждую неделю проводятся брейн-штормы, где на повестку выносятся задачи, выполнение которых кажется невозможным. В обсуждении поиска возможных вариантов решения принимает участие весь состав компании, в особо затруднительных случаях могут привлекаться сторонние специалисты.
Следует заметить, что результаты проводимых митингов практически не документируются.
Возникающие в процессе обсуждения мысли, идеи, выводы, предложения записываются на листочках, с помощью стикеров на доске, а порой вообще не фиксируются. Пока компания небольшая, подобная практика не является катастрофичной, но тем не менее на сегодняшний день существует большое упущение в процессах управления проектами.
Схема организационной структуры предприятия в
Рисунок 2.1 Блок-схема рабочего процесса разработки программных
продуктов
Рисунок 2.2 Блок-схема рабочего процесса разработки программного продукта, содержащего ИИ
Однако более подробная детализация блок-схемы (рис. 2.2) в случае работы над созданием сервисов, программ, платформ с использованием ИИ (например, нейросетей) позволяет выделить в рабочем процессе целый этап, который предшествует непосредственно проектированию программного решения - исследовательскую деятельность (Research and Development - R&D), на рисунке 2.2 обозначен красным.
Такой тип деятельности присущ Data Science-проектам и направлен на исследование возможных вариантов решения поставленной задачи, а также разработку и обучение модели ИИ для каждого из вариантов.
Особенностью такой деятельности является то, что после этапа анализа предметной области невозможно однозначно переходить к этапу проектирования конечного программного продукта (как это происходит при решении стандартных задач), так как выходные данные, полученные после этапа анализа, могут быть многократно пересмотрены и уточнены.
Уточненный алгоритм этапа R&D представлен на рисунке 2.3.
Как показано на рисунке 2.3, в отличие от процесса реализации традиционных решений, жизненный
цикл ИИ-проектов усложняется необходимостью проведения ряда подготовительных работ, которые имеют циклический характер. Количество этих циклов заранее неизвестно и зависит как от степени сложности поставленной задачи, так и от квалификации сотрудников на проекте и уровня развития их творческого мышления.
Более того, возможен исход, при котором детальное изучение поставленного задания показывает, что оно не имеет решения.
Узел принятия решения, обозначенный *1, отражает тот момент исследования, когда команда, основываясь на своем опыте и интуиции, выбирает направление, связанное либо с изменением параметров модели, либо с изменением «features», либо с поиском нового варианта решения поставленной задачи.
Рисунок 2.3 - Блок-схема алгоритма R&D
Циклический характер процесса создания ИИ-продукта существенно отличается от Agile-моделей (Scrum, Kanban и др.), основу которых составляют итерации, на каждой из которых мы получаем некоторую законченную часть целевого программного продукта.
В случае с ИИ-проектами завершение каждого цикла не всегда означает создание части или функции конечного продукта; напротив, нередко бывает, что исполнители проекта вынуждены вернуться к точке нулевого отсчета и начать заново работу с исходной информацией.
Кроме того, деятельность R&D основывается на работе с большими
массивами данных, причем на протяжении всего жизненного цикла проекта.
Это ключевое обстоятельство вынудило специалистов Data Science искать специализированные методы работы с Big Data.
На данный момент в компаниях, специализирующихся на создании Data Science-продуктов, наиболее распространенной является CRISP-DM - методология по исследованию данных.
Таким образом, деятельность команды в процессе создания ИИ-продукта, состоит из исследовательских действий, которые всегда носят уникальный, оригинальный характер, и стандартных действий по проектированию, реализации и внедрению.
В течение всего процесса менеджмент компании ООО «Мастер Маинд Инк» для управления проектом использует Jira, а ведение документации выполняется с помощью Confluence.
Эти инструменты содержат весь необходимый функционал для управления задачами, персоналом и документацией на стандартных проектах, и идеально подходят для управления этапами проектирования и реализации, но не достаточны для управления исследовательской деятельностью на этапе R&D. Как показало проведенное автором изучение особенностей управления проектами в компании, на этапе R&D возможности Jira используются частично, фрагментарно и неэффективно.
- 1 2 3 4 5 6 7 8 9 10 11
Организация процесса исследовательской деятельности на предприятии ООО «Мастер Маинд Инк»
Рассмотрим организационную структуру компании ООО «Мастер Маинд Инк». В компании работает 15 человек, распределенных между такими отделами: финансовый -1 чел., отдел DevOps - 2 чел., специалисты по данным (Data Engineering) - 2 чел., отдел R&D - 6 чел., технический директор CTO, исполнительный директор CEO, Product Owner; разработчик сайтов готового продукта - 1 чел.
Сотрудники отдела R&D владеют следующими знаниями и умениями.
Высшее образование по прикладной математике, алгоритмы и структуры данных, Machine Learning, финансово-экономические знания, языки программирования и фреймворки Python, Flask, Docker Swarm, Kubernetes, TenzorFlow, Cuda, C++, NodeJS, ClickHouse, MySQL, Redis, Kafka, R language, Bash script.
Специалисты Data Engineering обладают следующими знаниями и умениями: высшее техническое образование, алгоритмы и структуры данных, языки программирования и фреймворки C++, Cuda, MySQL, MSSQL, PostgreSQL, ClickHouse, MongoDB, RabbitMQ, Redis, Kafka, NodeJS, Bashscript.
Профессиональные знания и умения сотрудников отдела DevOps следующие: высшее математическое образование, Docker Swarm, Kubernetes, Kibana, Grafana, Git, NginX, Lua, Bash Script.
Директора компании имеют высшее техническое образование, владеют некоторыми из перечисленных языков программирования и фреймворков.
Начальник R&D-отдела имеет степень PhD по математике.
Кроме того, технический директор выполняет обязанности архитектора проектов, а также непосредственно руководит отделами.
Исполнительный директор CEO совмещает обязанности Project Manager. Его задачи следующие:
-
постановка заданий для проектной команды; -
назначение исполнителей для конкретных задач; -
отслеживание выполнения; -
создание проектной документации и т.д.
R&D-процесс подразумевает большую вовлеченность проектной команды в задачи, которые по Agile-методологиям (и другим распространенным общепринятым методологиям) выполняет проектный менеджер.
Как видно из приведенных сведений, сотрудники компании представляют собой высококвалифицированных специалистов, и обладают перекрестными умениями, что является необходимым условием работы в сфере производства ИИ-продуктов.
В процессе работы над программным продуктом все сотрудники, включая менеджмент, тесно связаны между собой, и поддерживают постоянную связь с заказчиком. Каждое утро проводятся стендап-митинги, на которых обсуждаются результаты прошедшего дня и планируются задачи на текущий день.
При этом также принимаются решения об отклонении промежуточных задач или изменении постановки задачи, если не удалось найти ее решение. Каждую неделю проводятся брейн-штормы, где на повестку выносятся задачи, выполнение которых кажется невозможным. В обсуждении поиска возможных вариантов решения принимает участие весь состав компании, в особо затруднительных случаях могут привлекаться сторонние специалисты.
Следует заметить, что результаты проводимых митингов практически не документируются.
Возникающие в процессе обсуждения мысли, идеи, выводы, предложения записываются на листочках, с помощью стикеров на доске, а порой вообще не фиксируются. Пока компания небольшая, подобная практика не является катастрофичной, но тем не менее на сегодняшний день существует большое упущение в процессах управления проектами.
Схема организационной структуры предприятия в