-20-

MÔ HÌNH DỰ ĐOÁN VÀ QUẢN LÝ RỦI RO DỰ ÁN PHẦN MỀM
SỬ DỤNG CBR Nguyễn Văn Dân
MSV: 0320052
Email:

1. Giới thiệu

Dự đoán và quản lý rủi ro dự án phần
mềm sớm và chính xác từ lâu đã là một thách
thức lớn đối với các nhà quản trị dự án.. Khóa
luận này đề xuất một phương pháp mới để tăng
cường hỗ trợ cho nhà quản trị: xây dựng mô hình
dựng mô hình dự đoán và quản lý rủi ro dự án
phần mềm. Hướng tiếp cận của mô hình là sử
dụ
ng mô hình lập luận theo kinh nghiệm (Case
based reasoning - CBR) – một mô hình suy luận
thường thấy ở con người. Do có rất nhiều loại rủi
ro với nguyên nhân, kết quả và giải pháp khắc
phục khác nhau nên mô hình chỉ tập trung vào
một loại rủi ro: yêu cầu của khách hàng liên tục
thay đổi. Rủi ro này được ước lượng bằng cách
tìm kiếm những dự án tương tự trong quá khứ và
hiệu chỉnh rủi ro của các dự án đó cho phù hợp
với ngữ cảnh của dự án mới. Để kiểm chứng mô
hình đề xuất, khóa luận thực hiện xây dựng một


3. Lập luận theo kinh nghiệm
Lập luận theo kinh nghiệm (Case-
based reansoning - CBR) là phương pháp tìm
lời giải bài toán trên cơ sở hiệu chỉnh lời giải
của các bài toán khác đã có.
CBR giải quyết vấn đề theo chu trình
4 lại (4REs) bao gồm: 1. Tìm kiếm lại những
tình huống trong quá khứ tương tự với bài
toán mới. 2. Sử dụng lại lời giải của các ca
lập luận cũ cho bài toán mới. 3. Xem xét lại
lời giải bài toán mới. 4. Lưu lại ca lập luận
mới để có thể dùng lại cho các bài toán sau
này.
Trong CBR cần thực hiện ba vấn đề
chính: biểu diễn tri thức, tìm kiếm ca lập luận
và hiệu chỉnh. Đây là những vấn đề tiên quyết
cần làm để thực hiện bốn bước CBR như đã
nói ở trên. CBR có thế mạnh là có thể dùng
cho những bài toán mờ, tức là thông tin đầu
vào chưa rõ ràng. Vì thế mô hình này có thể
áp dụng ngay tại giai đoạn đầu c
ủa vòng đời
phát triển phần mềm
4. Mô hình dự đoán và quản lý rủi ro
Do CBR là giải pháp áp dụng cho
từng bài toán cụ thể nên loại rủi ro: yêu cầu
của khách hàng liên tục thay đổi đã được lựa
chọn để xây dựng mô hình dự đoán và quản
lý rủi ro.

cầu của khách hàng thay đổi liên tục, rủi ro này
được biểu diễn bởi một tập 8 thuộc tính. Như vậy
là mỗi dự án sẽ có một rủi ro này với giá trị 8
thuộc tính tương ứng.
+ Tìm kiếm dự án:
Trong mô hình, tìm kiếm k-hàng xóm gần
nhất được lựa chọn cho bộ tìm kiếm của mô hình.
Dựa trên phương pháp tìm kiếm này, khóa luận
đã thực hiện xây dựng tiêu chuẩn tương tự và
công thức tính độ tương tự cho từng nhóm thuộc
tính cụ thể của dự án. Với các thuộc tính biến đổi
nhanh, thay đổi liên tục thì mô hình sử dụng công
thức hàm mũ để tính độ tương tự, còn các thuộc
tính có quan hệ tương đối thì dùng hàm khoảng
cách.
Các thuộc tính ảnh hưởng đến rủi ro này
theo mức độ khác nhau. Vậy nên để đảm bảo
mức độ ảnh hưởng này, mô hình đã gắn trọng số
cho từng thuộc tính. Vậy độ tương tự giữa hai dự
án P
t
và P
s
được tính như sau:

∑
∑
=
=
∂

chỉnh không dựa hoàn toàn vào độ tương tự
nữa mà chủ yếu dựa trên chiều và mức độ ảnh
hưởng của từng thuộc tính tới loại rủi ro này.
Trọng số của từng thuộc tính dự án được sử
dụng thay thế cho độ tương tự để hiệu chỉnh ở
mức dự án. Sau khi hiệu chỉnh trên từng dự
án, độ tương tự sẽ được sử dụng để tính các
thuộc tính bằng số của rủi ro cho dự án mới.
Thực hiện hiệu chỉnh theo luật đối với
những thuộc tính phi số của rủi ro. Trước hết
là lấy toàn bộ từ hai dự án tương tự. Sau đó
dựa vào các thuộc tính số để tính độ ưu tiên.
5. Thực nghiệm
Để kiếm chứng mô hình, khóa luận đã
thực hiện ba thực nghiệm thực nghiệm để
kiểm tra khả năng tìm kiếm dự án tương tự,
khả năng hiệu chỉnh thống kê và khả năng
hiệu chỉnh theo luật. Đánh giá dựa trên quan
sát trực quan.
+ Thực nghiệm 1: Ba dự án P16, P17, P18
được đưa vào tính độ tương tự. Kết quả tìm
kiếm tương ứng: P2, P14, P6. Dựa trên quan
sát trực quan cho thấy P2 và P6 là chấp nhận
được.
+ Thực nghiệm 2: Thực hiện hiệu chỉnh thống
kê trên P2 và P6. Kết quả rất tốt.
+ Thực nghiệm 3: Tiếp tục thực hiện hiệu
chỉnh theo luật đã đề ra, kết quả là chấp nhận
được.