Модели и алгоритмы оценки продолжительности жизненного цикла разработки программного обеспечения на основе интеллектуальной обработки информации тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Храмов Дмитрий Эдуардович

• Храмов Дмитрий Эдуардович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Храмов Дмитрий Эдуардович

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ ОЦЕНКИ ВРЕМЕНИ ЖИЗНЕННОГО ЦИКЛА РАЗРАБОТКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

1.1 Обзор и анализ существующих подходов к оценке времени жизненного цикла разработки программного обеспечения

1.2 Постановка задачи исследования

1.3 Выводы по первой главе

ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ ПРЕДСТАВЛЕНИЯ ДАННЫХ ДЛЯ ОЦЕНКИ ПРОДОЛЖИТЕЛЬНОСТИ ЖИЗНЕННОГО ЦИКЛА РАЗРАБОТКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

2.1 Определение входных данных модели

2.2 Системный анализ оценки времени жизненного цикла

2.3 Описание модели

2.4 Выводы по второй главе

ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ РЕШЕНИЯ ЗАДАЧИ ОЦЕНКИ ПРОДОЛЖИТЕЛЬНОСТИ ЖИЗНЕННОГО ЦИКЛА РАЗРАБОТКИ ПО

3.1 Подход к прогнозированию длительностей этапов жизненного цикла

3.2 Алгоритм прогнозирования и оценки времени жизненного цикла

3.3 Выводы по третьей главе

ГЛАВА 4. АПРОБАЦИЯ РАЗРАБОТАННЫХ МОДЕЛЕЙ И МЕТОДОВ

4.1 Аппаратно-программные средства построения системы поддержки принятия решений

4.2 Результаты использования модели

4.3 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы оценки продолжительности жизненного цикла разработки программного обеспечения на основе интеллектуальной обработки информации»

ВВЕДЕНИЕ

С каждым годом на государственном уровне уделяется все больше внимания поддержке современной отечественной IT-отрасли. Это связано с ростом значимости информационных технологий в обществе и необходимостью повышения конкурентоспособности российских производителей на мировом рынке. Кроме этого, привлечение инвестиций в IT-отрасль является важной задачей в рамках национальных проектов «Экономика данных» и «Экономика данных и цифровая трансформация государства», для достижения которых необходимы успешно завершенные проекты.

Одним из главных критериев, указывающим на успешное завершение проекта является окончание разработки проекта в рамках заданного срока. Проведение оценки продолжительности жизненного цикла разработки программного обеспечения (далее - ЖЦР ПО) выполняется с использованием различных подходов (PERT, CPM, аналогичная оценка, покер планирования) и требует глубоких знаний в области программной инженерии и технического проектирования. Под продолжительностью ЖЦР ПО в данной работе подразумевается срок разработки программного продукта от возникновения идеи о создании ПО до ввода его в эксплуатацию. Каждый программный продукт является уникальным и разрабатывается с различными масштабом, количеством задач и с применением разных подходов к разработке.

При проведении оценки срока разработки начинающие компании сталкиваются с рядом сложностей. Наиболее значимой из них является выбор алгоритма оценки. На его выбор влияет выбранная методология разработки, масштаб проекта, а также наличие высококвалифицированного эксперта. Второй проблемой является недостаток данных о проекте или компании, что ограничивает возможность использования ряда алгоритмов.

Ошибка в анализе может существенно влиять на итоговую стоимость разработки, реализованный функционал, репутацию компании. Согласно CHAOS REPORT 2020 только 31% всех проектов завершались успешно, 50% были

проблемными и 19% были неуспешными. В то время как в 2015 году, статистика показывала, что 36% всех проектов завершались успешно, 45% были проблемными и 19% - неуспешными. Из всех проектов только 40% были завершены в срок.

Успешность проекта определяется завершением разработки в указанный срок, в рамках заданного бюджета, реализующий заявленный функционал. Анализ продолжительности сроков разработки является сложной задачей, связанной с большой вариативностью, но анализ необходимо проводить для большей части программных продуктов.

Решению задач разработки моделей и алгоритмов оценки продолжительности ЖЦР ПО посвящено большое количество научных работ (работы М.В. Бахиркина, С.А. Полицына, О.Н. Долинина, N. Garcia-Diaz, M. Hamada и др.). Но в этих исследованиях не уделяется должного внимания решению вопросов автоматизации прогнозирования и учета моделей гибкой разработки программного обеспечения.

Существует много наработок в плане онтологического моделирования. Онтологии предметной области «Модели разработки программного обеспечения» активно создаются исследователями (J.I. Olszewska, I.K. Allison, S. Leonard, J.Z. Pan, Т.Э. Шульга, А.А. Сытник, Н.А. Данилов и др.). Но модели не учитывают аспекты моделей гибкой разработки.

Российские и иностранные компании используют старые алгоритмы и аналитическую оценку. Но эти решения требуют значительного времени и работают в пределах одной компании в отдельных подразделениях.

Кроме того, на данный момент на российском рынке отсутствуют отечественные аналоги зарубежных систем автоматизированной оценки продолжительности ЖЦР ПО.

На основании вышеперечисленного сделано заключение, что разработка моделей и алгоритмов оценки продолжительности ЖЦР ПО в условиях развития моделей разработок является актуальной задачей.

Объект исследования - процесс разработки программного обеспечения, включающий этапы подготовки, планирования, проектирования, реализации, тестирования.

Предмет исследования - модели и алгоритмы анализа продолжительности жизненного цикла разработки программного обеспечения, основанные на использовании методов искусственного интеллекта.

Цель исследования является разработка моделей и алгоритмов оценки продолжительности жизненного цикла разработки программного обеспечения на основе онтологического подхода и нейронных сетей, обеспечивающих повышение точности оценки сроков разработки и минимизацию времени на предварительный анализ проекта. Для ее достижения поставлены и решены следующие задачи:

1) проведен системный анализ процесса оценки продолжительности ЖЦР ПО, позволяющий формализовать задачу определения сроков разработки программного обеспечения с минимальным временем и высокой точностью и разработать эффективные алгоритмы оценки с использованием искусственного интеллекта;

2) разработана открытая модель знаний в области ЖЦР ПО на основе языка OWL 2 DL, которая отличается от существующих использованием аппарата дескрипционных логик и учитывает особенности моделей гибкой разработки, что позволяет осуществлять автоматизированные логические выводы при выборе модели;

3) разработан алгоритм обработки данных о параметрах проекта программного обеспечения, обеспечивающих формализацию входных факторов и повышающих точность прогнозирования сроков разработки на основе моделей машинного обучения;

4) разработан алгоритм оценки продолжительности ЖЦР ПО, который отличается от существующих сочетанием классических алгоритмов с использованием технологий искусственного интеллекта, что позволяет повысить точность прогноза;

5) разработана программная система для определения сроков разработки

программного обеспечения, отличающаяся от существующих использованием динамической оценки, что позволяет корректировать результат в соответствии с изменениями в проекте.

Научная новизна диссертационной работы состоит в следующем:

1) Выполнен системный анализ процесса оценки продолжительности жизненного цикла разработки программного обеспечения, позволяющий формализовать задачу определения сроков разработки программного обеспечения (п.2 паспорта научной специальности).

2) Разработана открытая модель знаний в области жизненного цикла разработки программного обеспечения на основе языка OWL 2 DL, которая отличается от существующих использованием аппарата дескрипционных логик и учитывает особенности моделей гибкой разработки, что позволяет осуществлять автоматизированные логические выводы при выборе модели (п.2 паспорта научной специальности).

3) Предложен алгоритм оценки продолжительности жизненного цикла разработки программного обеспечения, который отличается от существующих сочетанием классических алгоритмов с использованием технологий искусственного интеллекта, что позволяет повысить точность прогнозов и адаптироваться к меняющимся условиям разработки (п.4 паспорта научной специальности).

4) Предложена структура и состав системы для определения сроков разработки программного обеспечения, отличающаяся от существующих использованием динамической оценки, что позволяет корректировать результат в соответствии с изменениями в проекте (п.10 паспорта научной специальности).

Теоретическая и практическая значимость диссертации заключается в решении важной научно-практической задачи по совершенствованию процесса разработки программного обеспечения и оценки продолжительность ЖЦР ПО. Использование предложенных моделей и алгоритмов оценки продолжительности жизненного цикла программного обеспечения и построение на их основе системы поддержки принятия решений позволят повысить продуктивность труда

аналитика, т.к. ускорят процесс оценки сроков разработки, а также перерасчета в случае изменения требований к проекту. Предложенная в рамках исследования онтологическая модель разработана на основе открытых форматов данных и опубликована в открытом доступе, что позволяет легко ее расширить и использовать для решения различных практических задач в данной предметной области. Программная система позволит осуществлять оценку сроков разработки с минимальным временем и стоимостью.

Методы исследования. В основе диссертационного исследования лежат методы теории принятия решений, системного анализа, методы теоретико-множественного подхода, методы и технологии интеллектуального анализа данных, математические основы программирования, объектно-ориентированное программирование, технология разработки программных систем, методы онтологического инжиниринга и аппарат дескрипционных логик.

Положения, выносимые на защиту. Соискателем лично получены следующие основные научные результаты, выносимые на защиту:

1. Результаты системного анализа процесса оценки продолжительности ЖЦР ПО, позволяющие формализовать задачу определения сроков разработки программного обеспечения с минимальным временем и высокой точностью и разработать эффективные алгоритмы оценки с использованием технологий искусственного интеллекта.

2. Открытая модель знаний в области ЖЦР ПО на основе языка OWL 2 DL, использующая аппарат дескрипционной логики, что позволяет осуществлять автоматизированные логические выводы при выборе модели.

3. Алгоритм для обработки данных о параметрах проекта программного обеспечения, обеспечивающих формализацию входных факторов и повышающих точность прогнозирования сроков разработки на основе моделей машинного обучения.

4. Алгоритм оценки продолжительности жизненного цикла разработки программного обеспечения, который отличается от существующих сочетанием классических алгоритмов с использованием технологий искусственного

интеллекта, что позволяет повысить точность прогноза.

5. Программная система для определения сроков разработки программного обеспечения, отличающаяся от существующих использованием динамической оценки, что позволяет корректировать результат в соответствии с изменениями в проекте.

Степень достоверности результатов диссертационного исследования определяются всесторонним анализом научных работ российских и зарубежных исследователей, корректностью применяемых методов теории принятия решений, системного анализа, теории множеств, методов онтологического моделирования, а также соответствием основных теоретических положений и выводов приведенной программной реализации.

Апробация результатов исследования. Основные результаты работы докладывались, публиковались и обсуждались: на XVIII Международной научно-практической конференции «Проблемы управления в социально-экономических и технических системах» (Саратов, 2022); на XXXV Международной научной конференции «Математические Методы в Технике и Технологиях (ММТТ-35)» (Минск, 2022); на XIX Международной научно-практической конференции «Проблемы управления в социально-экономических и технических системах» (Саратов, 2023); на XXXVI Международной научной конференции «Математические Методы в Технике и Технологиях (ММТТ-36)» (Минск, 2023); на XX международной научно-практической конференции «Проблемы управления в социально-экономических и технических системах» (Саратов, 2024), на XXI международной научно-практической конференции «Проблемы управления в социально-экономических и технических системах» (Саратов, 2025).

Личный вклад автора. Все выносимые на защиту основные положения, выводы и результаты получены автором лично. Автору принадлежит ведущая роль в разработке общей концепции и структуры предложенной системы поддержки принятия решений, а также создании моделей, алгоритмов и реализующих их программных модулей.

Соответствие темы диссертации требованиям паспорта специальностей научных работников. Диссертационная работа соответствует следующим пунктам паспорта научной специальности 2.3.1 «Системный анализ, управление и обработка информации, статистика»: п. 2. Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта; п. 4 Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта; п. 10 Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических системах.

Публикации. Основные результаты диссертационной работы опубликованы в 1 2 научных работах, из них: 3 научных статьи в научных журналах, рекомендованных ВАК РФ, 7 статей в сборниках научных трудов и материалах конференций; получено 2 свидетельства о государственной регистрации программы для ЭВМ: №2023663226 от 23 июня 2023 г., №2025665831 от 19 июня 2025 г.

Структура и объем работы. Диссертация состоит из введения, четырёх глав, заключения, списка использованной литературы и приложений. Работа содержит 125 страниц, включая 18 рисунков, 18 таблиц, список литературы из 100 наименований.

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ ОЦЕНКИ ВРЕМЕНИ ЖИЗНЕННОГО ЦИКЛА РАЗРАБОТКИ ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ

Жизненный цикл программного обеспечения (ЖЦ ПО / software development life cycle / SDLC) - это период времени с момента принятия решения о разработке ПО до ввода в эксплуатацию [46]. Согласно [3], «жизненный цикл (life cycle): развитие системы, продукции, услуги, проекта или другой создаваемой человеком сущности от замысла до списания» [3, с. 5].

Кроме этого, следует отметить еще два определения из [49]: жизненный цикл ПО и жизненный цикл разработки ПО.

Жизненный цикл ПО - «... период времени, который начинается, когда программный продукт только задумывается, и заканчивается, когда программное обеспечение больше не доступно для использования» [49].

Жизненный цикл разработки ПО определяется как «период времени, который начинается с принятия решения о разработке программного продукта, и заканчивается, когда программное обеспечение поставляется» [49]. Данный цикл может состоять из следующих этапов: сбор требований, проектирование, реализация, тестирование, иногда этап установки и проверки.

В зависимости от модели ЖЦ ПО состав и последовательность этапов могут варьироваться. В общем случае ЖЦ ПО состоит из нескольких этапов:

- подготовка (сбор требований);

- планирование (оценка, расписание);

- моделирование (анализ требований, проектирование);

- конструирование (кодирование, интеграция, тестирование);

- развертывание (поставка, внедрение и сопровождение).

1.1 Обзор и анализ существующих подходов к оценке времени жизненного цикла разработки программного обеспечения

Анализ начинается с обзора моделей ЖЦ ПО и существующих онтологий, поскольку выбор алгоритма оценки напрямую зависит от модели разработки и наличия формализованных знаний о процессе

В настоящее время существует множество подходов к разработке программных систем, что связано с развитием технологий и стремлением компаний выполнять проекты за меньшее время.

В качестве примеров современных концепций разработки программных систем можно обозначить следующие подходы:

- Code and fix - модель кодирования и устранения ошибок;

- Waterfall Model - каскадная модель, или «водопад»;

- V-model - V-образная модель, разработка через тестирование;

- Incremental Model - инкрементная модель;

- Iterative Model - итеративная (или итерационная) модель;

- Spiral Model - спиральная модель;

- Chaos model - модель хаоса;

- Prototype Model - прототипная модель.

Можно отметить, что в данный момент времени актуальными остаются следующие концепции методологии планирования: каскадная, V-образная, итеративная, инкрементная и спиральная. Рассмотрим каждую из них.

Waterfall (каскадная модель, или «водопад»).

Хотя каскадная модель часто ассоциируется с термином «водопад» (waterfall), её концептуальные основы были заложены значительно раньше официального употребления этого названия. В 1956 году Герберт Бенгтссон в работе по управлению проектами в авиастроении описал линейную последовательность этапов, что считается первым прототипом модели. Позже, в 1970 году, Уинстон Ройс в статье [79] представил схему процесса, в которой чётко выделил фазы: анализ требований, проектирование, реализация, тестирование и

сопровождение. Примечательно, что сам Ройс критиковал строго последовательный подход и предлагал вводить обратные связи между этапами -однако в последующей практике его схема была упрощена до «чистого» водопада. Термин «waterfall» впервые был применён к этой концепции Д.Т. Беллом и Т.Е. Тайком в 1976 году [29].

В рамках каскадной модели жизненный цикл разработки ПО и ЖЦ ПО представляются как строго последовательная цепочка фаз, каждая из которых завершается до начала следующей, без возможности возврата. Такая структура предполагает, что все требования к системе должны быть полностью и однозначно определены на начальном этапе. При соблюдении этого условия модель позволяет минимизировать временные затраты за счёт отсутствия итераций и переделок.

Наибольшую эффективность каскадная модель демонстрирует в предметных областях с высокой степенью регламентации и стабильными требованиями -например, в космической, авиационной или медицинской инженерии, где изменения в ходе разработки могут повлечь за собой критические последствия. В таких отраслях, как правило, существует обширная нормативная база, на основе которой формируются технические требования к ПО.

Однако именно из-за своей жёсткой структуры каскадная модель оказывается малопригодной для оценки сроков разработки в условиях неопределённости или динамически меняющихся требований. Ошибка, допущенная на этапе сбора требований, не может быть скорректирована на последующих этапах без значительного пересмотра графика и бюджета, что напрямую влияет на точность прогнозирования продолжительности ЖЦР ПО. Поэтому при использовании данной модели особое значение приобретает качество первоначальной спецификации, поскольку именно от неё зависит не только корректность продукта, но и достоверность оценки сроков его разработки.

V-образная модель (разработка через тестирование).

V-образная модель (V-model) возникла как логическое развитие каскадного подхода, направленное на решение одной из его ключевых слабостей - отсутствие раннего планирования верификации и валидации. Хотя часто упоминается, что

модель была разработана «независимо в США и Германии», исторически более корректно говорить о параллельной эволюции схожих идей: в США - в рамках военных стандартов (MIL-STD-498, 1980-е гг.) и концептуальной работы Forsberg и Mooz [39], предложивших У-диаграмму как инструмент интеграции проектирования и верификации в системной инженерии; в Германии - в контексте стандартизации процессов разработки для оборонной и автомобильной промышленности. Официальной основой немецкой версии стала У-Modell, впервые утверждённая правительством ФРГ в 1992 году, а её современная расширенная версия У-Modell XT - в 2005 году.

Структурно У-модель сохраняет последовательную, неитеративную природу водопада, но вводит зеркальное соответствие между фазами разработки и тестирования: каждому этапу проектирования (от системных требований до кодирования) ставится в соответствие конкретный уровень тестирования (от приёмочного до модульного). Уже на стадии формулирования требований команда совместно с заказчиком определяет не только функциональные спецификации, но и критерии приёмки и сценарии верификации, что позволяет выявлять неоднозначности и противоречия на ранних этапах.

Благодаря такому подходу У-модель демонстрирует высокую эффективность в областях с критическими требованиями к надёжности и безопасности, где стоимость ошибки недопустимо высока: аэрокосмическая инженерия, разработка встроенных систем для автомобилей (например, алгоритмы управления подушками безопасности), медицинское ПО (системы мониторинга жизненно важных функций пациентов). В этих сферах регламентированность процессов, полная прослеживаемость требований и документальная фиксация всех этапов тестирования являются не просто рекомендацией, а обязательным условием сертификации.

Однако именно эта строгая структура делает У-модель малопригодной для оценки сроков в условиях нестабильных или эволюционирующих требований. Любое изменение спецификации на поздней стадии влечёт за собой пересмотр не только архитектуры и кода, но и всей иерархии тестовых сценариев, что приводит

к значительному увеличению трудозатрат и сроков. Следовательно, при использовании V-модели точность прогноза продолжительности ЖЦР ПО напрямую зависит от качества и полноты первоначального технического задания.

Iterative Model (итеративная модель).

Итеративная модель жизненного цикла разработки ПО возникла как ответ на ключевое ограничение каскадного подхода - необходимость полной и неизменной спецификации требований на начальном этапе. Впервые концепция итеративного улучшения программного продукта была формализована Базили и Тёрнером в 1975 году [27], которые предложили строить систему через последовательные циклы проектирования, реализации и оценки, постепенно приближаясь к целевому функционалу. Позднее, в 2003 году, Базили и Ларман [26] обобщили историю итеративного и инкрементального развития, показав, что эта парадигма лежит в основе большинства современных гибких методологий.

Суть итеративной модели заключается в том, что заказчик не обязан заранее знать точный вид конечного продукта и может формулировать требования постепенно, по мере получения обратной связи. Это особенно ценно в условиях высокой неопределённости - например, при разработке инновационных решений, исследовательских прототипов или цифровых продуктов на новых рынках, где пользовательские потребности ещё не сформированы.

В отличие от каскадной модели, где ошибка в требованиях ведёт к катастрофическим последствиям, итеративный подход интегрирует обучение и адаптацию в сам процесс разработки. Каждая итерация завершается выпуском работоспособного (хотя и неполного) продукта, который становится основой для уточнения требований и планирования следующего цикла.

Однако именно эта динамичность создаёт существенные сложности для оценки сроков ЖЦР ПО. Поскольку объём работ не фиксирован заранее, классические методы (PERT, COCOMO) оказываются неприменимыми. Прогнозирование становится возможным только на горизонте одной итерации, а общая длительность проекта определяется эмпирически — через скорость команды (velocity) и частоту итераций. Следовательно, для итеративных проектов особенно

важны гибридные методы оценки, сочетающие экспертные оценки (Planning Poker) с историческими данными и адаптивными ИИ-моделями, способными учитывать эволюцию требований.

Incremental Model (инкрементная модель).

Инкрементная модель жизненного цикла разработки ПО, как отмечают Базили и Тёрнер [27], а также Базили и Ларман [26], представляет собой гибридный подход, объединяющий предсказуемость каскадной модели с поэтапной поставкой версий ПО, характерной для итеративных методов. В отличие от чисто итеративного подхода, где требования могут уточняться по ходу разработки, инкрементная модель предполагает полное и детальное техническое задание на старте проекта, но реализует функционал постепенно - через последовательные инкременты (наращивания).

Первый инкремент, как правило, включает ядро системы - минимально жизнеспособный набор функций, обеспечивающий базовую ценность для заказчика. Последующие инкременты расширяют функциональность, добавляя новые модули или улучшая существующие, в строгом соответствии с изначально утверждённой спецификацией.

Такой подход особенно эффективен в условиях, когда:

- требования стабильны и могут быть зафиксированы заранее (например, при интеграции в регламентированные бизнес-процессы),

- существует необходимость в ранней поставке части функционала (например, для запуска пилотного проекта или получения обратной связи от ключевых пользователей),

- требуется сократить время выхода на рынок, не жертвуя при этом полнотой конечного решения.

Однако именно фиксированность требований, с одной стороны, и поэтапность реализации - с другой, создают специфические сложности для оценки сроков ЖЦР ПО. В отличие от каскадной модели, где оценка проводится единожды, в инкрементной модели необходимо прогнозировать длительность каждого инкремента отдельно, учитывая как общую архитектурную сложность, так

и зависимости между модулями. При этом классические методы (например, PERT) требуют адаптации: сетевая диаграмма должна строиться не для всего проекта сразу, а для каждого инкремента с учётом его вклада в общую архитектуру. Следовательно, для инкрементных проектов особенно актуален гибридный подход к оценке, сочетающий исторические данные по аналогичным инкрементам и экспертные оценки сложности интеграции.

Spiral Model (спиральная модель)

Спиральная модель жизненного цикла разработки ПО была впервые формализована Барри Боэмом в 1986 году [31] как ответ на ключевые ограничения каскадного и инкрементного подходов - прежде всего, их неспособность эффективно управлять неопределённостью и техническими рисками на ранних этапах проекта. Уже с 1988 года модель начала применяться на практике, особенно в проектах с высокой степенью новизны и сложности [30].

Основу спиральной модели составляет итеративный цикл, ориентированный на управление рисками. Каждый «виток спирали» включает четыре ключевые фазы:

Список литературы диссертационного исследования кандидат наук Храмов Дмитрий Эдуардович, 2026 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Андерсон, Д. Канбан. Альтернативный путь в Agile, / Манн, Иванов и Фербер. - 2010. - 350 с.

2. Бахиркин, М.В. Система поддержки принятия решений для прогнозирования времени цикла разработки программных систем: автореф... дис. кан. тех. наук. -М.: 2016. - 22 с.

3. ГОСТ Р 57193-2016. Информационная технология. Системная и программная инженерия. Процессы жизненного цикла систем, М.: Стандартинформ, 2016. - URL: https://docs.cntd.ru/document/1200141163 (дата обращения 10.09.2022). - Текст: электронный

4. ГОСТ Р ИСО/МЭК 12207-2010. Информационная технология. Системная и программная инженерия. Процессы жизненного цикла программных средств. М.: Стандартинформ, 2011. 99 с. - URL: https://docs.cntd.ru/document/1200082859 (дата обращения 10.12.2022). - Текст: электронный

5. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение / пер. с анг. А. А. Слинкина. - 2-е изд., испр. - М.: ДМК Пресс, 2018. - 652 с.

6. Долинина, О. Н. Отладка искусственной нейросети, основанной на трехслойном персептроне, на примере экспертной системы для офтальмологии / О. Н. Долинина, А. К. Кузьмин // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2011. - № 2. - С. 80-89. - EDN NWDQAZ.

7. Кон, М. Agile: Оценка и планирование проектов / Пер. с англ., М. : Альпина Паблишер. - 2022. - С. 418.

8. Муртазина, М.Ш. Система поддержки принятия решений при гибком подходе к инженерии требований на основе owl-онтологии // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2018. -Том 2018 № 4. - С. 43-55.

9. Плюснина, Е. А. Возможности онтологического моделирования / Е. А. Плюснина // Научный форум: Экономика, управление и цифровые технологии в АПК-2024 : СБОРНИК ТРУДОВ, приуроченных к Международной научно-практической студенческой конференции, Москва, 20 ноября 2024 года. - Москва: Российский государственный аграрный университет, 2024. - С. 332-335. - EDN HGVACL.

10. Полицын, С. А. Разработка специального математического и алгоритмического обеспечения системы анализа и принятия решений при управлении проектами создания программного обеспечения: автореф... дис. кан. тех. наук. - М.: 2017. - 20 с.

11. Свидетельство о государственной регистрации программы для ЭВМ №2 2023663788 Российская Федерация. Программное обеспечение для выбора методологии разработки : № 2023663226 : заявл. 23.06.2023 : опубл. 28.06.2023 / Т. Э. Шульга, Д. Э. Храмов ; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Саратовский государственный технический университет имени Гагарина Ю.А.». - EDN TYYQMG.

12. Свидетельство о государственной регистрации программы для ЭВМ №2 2025665831 Российская Федерация. Программное обеспечение для оценки продолжительности разработки программного обеспечения : заявл. 21.05.2025 : опубл. 19.06.2025 / Т. Э. Шульга, Д. Э. Храмов ; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Саратовский государственный технический университет имени Гагарина Ю.А.».

13. Серегин К. С. ПРАКТИКИ DEVOPS ДЛЯ УСКОРЕНИЯ РАЗРАБОТКИ И ВНЕДРЕНИЯ СОВРЕМЕННЫХ ПРИЛОЖЕНИЙ И ОПТИМИЗАЦИИ ПРОЦЕССОВ ДОСТАВКИ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ // Вестник науки. - 2025. - №1 (82). [Электронный ресурс] URL: https://cyberleninka.ru/article/n/praktiki-devops-dlya-uskoreniya-razrabotki-i-vnedreniya-sovremennyh-prilozheniy-i-optimizatsii-protsessov-dostavki-programmnogo (дата обращения: 18.05.2025).

14. Сытник А.А., Шульга Т.Э., Данилов Н.А. Онтология предметной области «Удобство использования программного обеспечения» // Труды института системного программирования РАН. - 2018. - Том. 30. №2. - С.195-214.

15. Храмов Д.Э. Система оценки продолжительности жизненного цикла разработки программного обеспечения на основе интеллектуальной обработки информации. // Моделирование, оптимизация и информационные технологии. 2025;13(4). [Электронный ресурс]. - URL: https://moitvivt.ru/ru/journal/pdf?id=2045 (Дата обращения: 05.10.2025). - Текст: электронный. DOI: 10.26102/23106018/2025.51.4.011

16. Храмов, Д. Э. Нормализация разнородных наборов данных для прогнозирования сроков разработки программного обеспечения / Д. Э. Храмов // Проблемы управления в социально-экономических и технических системах : Материалы XXI Международной научно-практической конференции. В 2-х томах, Саратов, 17-18 апреля 2025 года. - Саратов: Издательский центр "Наука", 2025. -С. 202-206. - EDN GSNSHI.

17. Храмов, Д. Э. Онтология алгоритмов оценки продолжительности жизненного цикла программного обеспечения / Д. Э. Храмов // Проблемы управления в социально-экономических и технических системах : Материалы XX Международной научно-практической конференции. Сборник научных статей, Саратов, 17-18 апреля 2024 года. - Саратов: Издательский центр "Наука", 2024. -С. 137-140. - EDN RQHOFT.

18. Храмов, Д. Э. Программная оболочка по выбору методологии разработки / Д. Э. Храмов // Проблемы управления в социально-экономических и технических системах : Материалы XIX Международной научно-практической конференции, Саратов, 13-14 апреля 2023 года. - Саратов: ИЦ "Наука", 2023. - С. 116-119. - EDN ABDETX.

19. Шульга Т.Э. Никулина Ю.А. Онтологическая модель предметной области «Системы противопожарной безопасности»// Известия СПбГТИ(ТУ). -2019. - № 51(77). - C.109-114.

20. Шульга, Т. Э. Алгоритмы оценки продолжительности жизненного цикла программного обеспечения / Т. Э. Шульга, Д. Э. Храмов // Математические методы в технологиях и технике. - 2024. - № 1. - С. 94-97. - EDN BIUYEM.

21. Шульга, Т. Э. Архитектура программной системы для оценки продолжительности разработки программного обеспечения / Т. Э. Шульга, Д. Э. Храмов // Программная инженерия. - 2024. - Т. 15, № 9. - С. 476-484. - DOI 10.17587/prin.15.476-484. - EDN MVRXMB.

22. Шульга, Т. Э. Онтология жизненного цикла разработки программного обеспечения / Т. Э. Шульга, Д. Э. Храмов // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2023. - № 2. - С. 66-74. - DOI 10.24143/2072-9502-20232-66-74. - EDN IFNMOY.

23. Albrecht, A. Measuring Application Development Productivity // Proceedings of the Joint SHARE, GUIDE, and IBM Application Development Symposium. - 1979. - P. 83-92.

24. Almeida, F., Espinheira, E. Large-Scale Agile Frameworks: A Comparative Review. // Journal of Applied Sciences, Management and Engineering Technology. -2021. - Vol. 2. - P. 16-29. DOI: 10.31284/j.jasmet.2021.v2i 1.1832.

25. Attarzadeh, I.; Ow, S.H. Software development cost and time forecasting using a high performance artificial neural network model. // In Proceedings of the Intelligent Computing and Information Science, International Conference, Part I, Chongqing, China, 8-9 January 2011. - P. 18-26.

26. Basili, V., Larman, C. Iterative and incremental development: A brief history. // IEEE Comput. Soc. - 2003. - Vol. 36, No. 6. - P. 47-56

27. Basili, V., Turner, J. Iterative enhancement: A practical technique for software development. // IEEE Trans. Softw. Eng. - 1975. - Vol. 1, No. 4. - P. 390-396.

28. Beedle, M., Devos, M. SCRUM: an extension pattern language for hyperproductive software development / M. Beedle, M. Devos, Y. Sharon, K. Schwaber и J. Sutherland // Pattern Languages of Program Design. - 1999. - Vol. 4. - P. 637-651.

29. Bell, T.E., Tayer, T.A. SOFTWARE REQUIREMENTS: ARE THEY REALLY A PROBLEM? // Proceedings of the 2nd international conference on Software engineering. IEEE Computer Society Press. - 1976. - P. 61-68

30. Boehm, B. A Spiral Model of Software Development and Enhancement // IEEE Computer. - 1988. - No. 21 (5). - P. 61-72.

31. Boehm, B. A Spiral Model of Software Development and Enhancement. // ACM SIGSOFT Software Engineering Notes. - 1986. - No. 11(4). - P. 14-24.

32. Boehm, B. Software engineering economics / Prentice-Hall. - 1981. - 50 p.

33. Bourque, P., Fairley, R. SWEBOK v3.0: Guide to the Software Engineering Body of Knowledge. / IEEE. - 2014. - 335 p.

34. Bundschuh, M. The IT Measurement Compendium: Estimating and Benchmarking Success with Functional Size Measurement / M. Bundschuh, C. Dekkers - Springer Publishing Company, Incorporated. - 2008. - 644 p. - DOI: 10.1007/978-3-540-68188-5_12.

35. CHAOSREPORT 2015. URL: https: //www. standishgroup. com/sample_research_files/CHAO SReport2015 -Final. pdf. (дата обращения: 18.06.24). - Текст: электронный.

36. Dalkey, N., Helmer, O. An Experimental Application of the Delphi Method to the use of experts // Management Science. - 1963. - Vol. 9, No. 3. - P. 458-467.

37. Dennis, A. Wixom, B. Tegarden, D. Systems Analysis and Design with UML Version 2.0: An Object-Oriented Approach. // 5-th Edition, Wiley Publishing. -2015. - 544 p.

38. Fitsilis, P., Gerogiannis, V., Anthopoulos, L. Ontologies for Software Project Management: A Review. // Journal of Software Engineering and Applications. - 2014. -Vol. 7. - pp. 1096-1110. DOI: 10.4236/jsea.2014.713097.

39. Forsberg, K., Mooz, H. The Relationship of Systems Engineering to the Project Cycle // INCOSE Internetional Symposium - 1991. - P. 57-65

40. Galorath, D. Evans, M. Software Sizing, Estimation, and Risk Management: When Performance is Measured Performance Improves. // CRC Press. - 2006. - 576 p.

41. Garcia-Diaz, N., Macias-Chapula, H. Software development time estimation based on a new Neuro-fuzzy approach / N. Garcia-Diaz, H. Macias-Chapula, E. Chavez-Valdez, R. Martinez-Bonilla , A. Verduzco-Ramirez, N. Farias-Mendoza, J. Garcia-Virgen, // 2015 10th Iberian Conference on Information Systems and Technologies (CISTI). - 2015. - P. 1-7.

42. Glimm, B., HermiT: An OWL 2 Reasoner. / B. Glimm, I. Horrocks, B. Motik, G. Stoilos, Zh. Wang // Journal of Automated Reasoning. - 2014. - Vol. 53(3). -P. 245-269. DOI: https://doi.org/10.1007/s10817-014-9305-1

43. Gruber, T. A translation approach to portable ontology specifications // Knowledge Acquisition. - 1993, - Vol. 5, No. 2 - P. 199-220.

44. Hamada, M. Neural Network Estimation Model to Optimize Timing and Schedule of Software Projects. / A. Abdallah, M. Hamada, M. Kasem, M. Mahmoud // 2021 IEEE International Conference on Smart Information Systems and Technologies (SIST). - 2021. - P. 1-7. - DOI: 10.1109/SIST50301.2021.9465887.

45. Hameed S., Elsheikh Y., Azzeh M. An optimized case-based software project effort estimation using genetic algorithm //Information and Software Technology. - 2023. - Vol. 153. - P. 107088.

46. IEEE Standard Glossary of Software Engineering Terminology, IEEE Std 610.12-1990. - 1990. - p. 84.

47. ISO/IEC 14143-1:2007. Information technology - Software measurement -Functional size measurement, 2007.

48. ISO/IEC 20926. Software and Systems Engineering—Software Measurement—IFPUG Functional Size Measurement Method, 2nd Edition, // ISO, Geneva. - 2009. - 24 p.

49. ISO/IEC/IEEE 24765-2017, Systems and software engineering -Vocabulary, IEEE, 2017. - 522 p.

50. Jacobson, I. Christerson, M. Object-oriented software engineering: a use case driven approach / I. Jacobson, M. Christerson, P. Jonsson, G. Övergaard // ACM Press. - 1992. - 546 p.

51. Jira | Issue & Project Tracking Software // URL: https://www.atlassian.com/software/jira (дата обращения 24.05.2025). - Текст: электронный.

52. Jupudi, L. Machine learning techniques using python for data analysis in performance evaluation. // International Journal of Intelligent Systems Technologies and Applications. - 2018. - Vol. 17(3). DOI: 10.1504/IJISTA.2018.10012853.

53. Kelley, J. Critical-Path Planning and Scheduling: Mathematical Basis. // Operations Research. - 1961. - Vol. 9, No. 3. - P. 296-320.

54. Leffingwell, D. Scaling Software Agility: Best Practices for Large Enterprises. // Pearson Education, New York, 2007. - 384 p.

55. Leonard, S., Allison, I. K., Olszewska, J. I. Design and test (D&T) of an inflight entertainment system with camera modification. // In Proceedings of the IEEE International Conference on Intelligent Engineering Systems. - 2017. - P. 151-156.

56. Lin, Y.& Hilaire, V., Gaud, N., Koukam, A. Scrum Conceptualization Using K-CRIO Ontology. // SIMPDA 2011, LNBIP 116. - 2012. - P. 189-211. DOI: 10.1007/978-3-642-34044-4_11.

57. Linked Data Glossary. W3C Working Group Note 27 June 2013 // URL: https://www.w3.org/TR/ld-glossary/#ontology. (дата обращения: 09.09.2024). - Текст: электронный.

58. Malcolm, D. Roseboom, J. Application of a Technique for Research and Development Program Evaluation / D. Malcolm, J. Roseboom, C. Clark, W. Fazar // Operations Research, - 1959. - Vol. 7, No. 5. - P. 646-669.

59. Manifesto for Agile Software Development // URL: http://agilemanifesto.org/ (дата обращения: 12.05.2022). - Текст: электронный.

60. Maribeth, B. PERT and CPM: a selected bibliography // Monticello, Ill., Council of Planning Librarians. - 1968. - N. 53. - P. 28.

61. Martin, C.L. Software Development Effort Estimation Using Fuzzy Logic: A Case Study. / C.L. Martin, J.L. Pasquier, C.M. Yanez, A.T. Gutierrez //Sixth Mexican International Conference on Computer Science (ENC'05). doi:10.1109/enc.2005.47

62. Martin, C., Abran, A. Neural networks for predicting the duration of new software projects. / C. Martin, A. Abran // Journal of Systems and Software. - 2015 - V. 101 - P. 127-135. - DOI: 10.1016/j.jss.2014.12.002.

63. Marza, V., Seyyedi, M. Fuzzy Multiple Regression Model for Estimating Software Development Time // International Journal of Engineering Business Management. - 2009. - Vol. 1, No. 2. - pp. 31-34.

64. Oba, K. Development of a Scheffe's Model to Predict the Durations of Project Tasks // Journal of Engineering Research and Reports. - 2024. - Vol. 26, No. 1. - P. 117-124.

65. Olszewska, J. AI-T: Software Testing Ontology for AI-based Systems. // In Proceedings of the 12th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K 2020) -2020. - Vol. 2. - P. 291-298. DOI: 10.5220/0010147902910298

66. Olszewska, J. I., Simpson, R. M., McCluskey, T. L. Dynamic OWL ontology design using UML and BPMN. // In Proceedings of the International Conference on Knowledge Engineering and Ontology Development - 2014. - P. 436-444.

67. Olszewska, J., Allison, I. ODYSSEY: Software Development Life Cycle Ontology. // In Proceedings of the 10th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management - KEOD. - 2018. - P. 303-311. DOI: 10.5220/0006957703030311

68. Pan, J. Z., Staab, S., Assmann, U., Ebert, J., Zhao, Y. Ontology-driven software development. Springer. - 2012. - P. 337

69. Pospieszny, P., Czarnacka-Chrobot, B., Kobylinski, A. An effective approach for software project effort and duration estimation with machine learning algorithms. / P. Pospieszny, B. Czarnacka-Chrobot, A. Kobylinski // The Journal of Systems & Software. - Vol. 137. - 2018. - P. 184-196. - DOI: 10.13140/RG.2.2.15248.30724.

70. Prakash, B., Viswanathan, V. A Survey on Software Estimation Techniques in Traditional and Agile Development Models // Indonesian Journal of Electrical Engineering and Computer Science. - 2017. - Vol. 7, No. 3. - P. 867 - 876.

71. Predescu E. F., Tefan A., Zaharia A. V. Software effort estimation using multilayer perceptron and long short term memory //Informatica Economica. - 2019. -Vol. 23. - No. 2. - P. 76-87.

72. Protëgе // URL: https://protege.stanford.edu/ (дата обращения: 09.05.2023) - Текст: электронный.

73. PyQt vs. Tkinter - Which Should You Choose for Your Next GUI Project? // URL: https://www.pythonguis.com/faq/pyqt-vs-tkinter/ (дата обращения: 20.10.2023)

74. Python GUI, PyQt vs TKinter // URL: https://dev.to/amigosmaker/python-gui-pyqt-vs-tkinter-5hdd (дата обращения: 23.10.2023). - Текст: электронный.

75. Python UY | Design GUI with Python | Python Bindings for Qt // URL: https://www.qt.io/qt-for-python (дата обращения: 13.11.2023). - Текст: электронный.

76. Ranjan, M. Python: Empowering Data Science Applications and Research / M. Ranjan, K. Barot, V. Khairnar, V. Rawal, A. Pimpalgaonkar, Sh. Saxena, A. Sattar // Journal of Operating Systems Development & Trends. - 2023. - Vol. 10. - P. 27-33. DOI: 10.37591/joosdt.v10i1.576.

77. Rijwani, P.; Jain, S. Enhanced software effort estimation using multi layered feed forward artificial neural network technique. // Procedia Comput. Sci. - Vol. 89. -2016. - P. 307-312.

78. Riverbank Computing | Introduction // URL: https://riverbankcomputing.com/software/pyqt/intro (дата обращения: 23.10.2023). -Текст: электронный.

79. Royce, W.W. Managing the Development of Large Software Systems. // Proceedings of IEEE WESCON. - 1970. - Vol. 26. - P. 328-388.

80. Sangwan O. P. et al. Software effort estimation using machine learning techniques //2017 7th International Conference on Cloud Computing, Data Science & Engineering-Confluence. - IEEE, 2017. - P. 92-98

81. Sayyad Shirabad, J., Menzies, T.J. The PROMISE Repository of Software Engineering Databases. School of Information Technology and Engineering, University of Ottawa, Canada. - URL:

https: //web.archive.org/web/20240126152121/http: //promise. site .uottawa. ca/SERepo sit ory/datasets-page.html (Дата обращения: 15.04.2025) - Текст: электронный.

82. Schofield, C., Shepperd, M. Estimating software project effort using analogy // Software Engineering, IEEE Transactions. - 1997. - Vol. 23, No. 1. - P. 736 - 743.

83. Schwaber, K. Agile Project Management with Scrum / Microsoft, Paperback. - 2004. - 192 p.

84. SDLC Ontology URL: https://github.com/Dmitry2571/SDLC. (Дата обращения: 08 12 2022). - Текст: электронный.

85. Sharma S., Vijayvargiya S. An optimized neuro-fuzzy network for software project effort estimation //IETE Journal of Research. - 2023. - Vol. 69. - No. 10. - P. 6855-6866.

86. Sharma, S., Sarkar D., Gupta, D. Agile Processes and Methodologies: A Conceptual Study // International Journal on Computer Science and Engineering. - 2021. - Vol. 4, No. 5. - P. 892-898.

87. Shrivastava, A. A Systematic Review on Extreme Programming. / A. Shrivastava, I. Jaggi, N. Katoch, G. Deepali, Sh. Gupta // Journal of Physics: Conference Series. - 2021. - Vol. 1969. DOI: 10.1088/1742-6596/1969/1/012046.

88. Shulga T., Sytnik A., Danilov N., Palashevskii D. Ontology-Based Model of User Activity Data for Cyber-Physical Systems. // In: Kravets A., Bolshakov A., Shcherbakov M. (eds) Cyber-Physical Systems: Advances in Design & Modelling. Studies in Systems, Decision and Control - 2020. - Vol. 259. - P. 205-216.

89. Siddiqui, F., Alam, A. Ontology Based Feature Driven Development Life Cycle. // International Journal of Computer Science. - 2013. - Iss. 9. - URL: https://arxiv.org/ftp/arxiv/papers/1307/1307.4174.pdf (дата обращения 19.11.2022) -Текст: электронный.

90. Simangunsong, S., Raharjo, T., Fitriani, N. Lean and Agile Software Development for Managing Technical Debt on A Large-scale Software: A Systematic Literature Review. // Indonesian Journal of Computer Science. - 2024. - Vol. 12. DOI: 10.33022/ijcs.v12i6.3612.

91. Svensson, H. Developing Support for Agile and Plan-Driven Methods, // Royal Institute of Technology Department of Computer and Systems Sciences. - 2005. -P. 228.

92. The American Statistician, Volume 13, Issue 2 (1959) URL: https://www.tandfonline.eom/toc/utas20/13/2. (дата обращения: 24.03.2023). - Текст: электронный.

93. The most-comprehensive AI-powered DevSecOps platform - GitLab // URL: https://about.gitlab.com/ (дата обращения 24.05.2025). - Текст: электронный.

94. TkInter - Python Wiki // URL: https://wiki.python.org/moin/TkInter (дата обращения: 21.10.2023). - Текст: электронный.

95. Tysiak, W. A DEEPER INSIGHT IN SOME EFFECTS IN PROJECT RISK MANAGEMENT // International Journal of Computing. - 2014. - Vol. 13, No. 4. - P. 214-220.

96. Usman M. et al. Effort estimation in large-scale software development: An industrial case study //Information and Software technology. - 2018. - Vol. 99. - P. 2140.

97. Welcome to Owlready2's documentation! / URL: https://owlready2.readthedocs.io/en/ (дата обращения 02.02.2025). - Текст: электронный.

98. Willman, J.. Modern PyQt: Create GUI Applications for Project Management, Computer Vision, and Data Analysis. / Apress. - 2021. - 332 p. DOI: 10.1007/978-1-4842-6603-8.

99. Yadav, N.S., Goar, V., Kuri, M. AGILE METHODOLOGY -A PERFECT SDLC MODEL WITH SOME IMPROVEMENTS. // Journal of Critical Reviews. -2020. - Vol. 7. - P. 2511-2514. DOI: 10.31838/jcr.07.19.306.

100. Zada, I., Shahzad, S., Ali, Sh., Mehmood, R. M. OntoSuSD: Software engineering approaches integration ontology for sustainable software development. // Software: Practice and Experience. - 2022. - P. 1-35. DOI: 10.1002/spe.3149.

ПРИЛОЖЕНИЕ А

Свидетельство о государственной регистрации программы для ЭВМ

Свидетельство о государственной регистрации программы для ЭВМ

ПРИЛОЖЕНИЕ Б

Акт о внедрении

ООО «ГИПНО ТЕХ»

Общество с ограниченной ответственностью

ПОВОЛЖСКИЙ БАНК ПЛО СБЕРБАНК

к/с 30101810200000000607 БИК 043601607 _

ННН/К11II 6453174454/645301001 р/с 40702810956000019483

Юридический адрес: 410012, Саратовская обд, г.о. юрод Саратов, г Саратов, уд им Вавидова Н.И., 1,1. 38/114, этаж 7 Телефон: [phone]

АКТ

о внедрении результатов научно-квалификационной работы

на тему «Модели и алгоритмы анализа продолжительности жизненного цикла разработки программного обеспечения» по направлению 09.06.01 Информатика и вычислительная техника по направленности 2.3.1 Системный анализ, управление и обработка информации, статистика

Выполненную Храмовым Дмитрием Эдуардовичем Комиссия в составе:

- Нахов Максим Сергеевич - учредитель,

- Гаспарян Эдик Арамович - генеральный директор,

составили настоящий акт о том, что результаты научно-квалификационной работы «Модели и алгоритмы анализа продолжительности жизненного цикла разработки программного обеспечения» Храмова Дмитрия Эдуардовича внедрены в производственный процесс ООО «ГИПНО ТЕХ».

Использование разработанной Храмовым Д.Э. системы «Оценка продолжительности разработки программного обеспечения» позволит автоматизировать процесс анализа сроков разработки программного обеспечения с учетом сложности задач, масштаба проекта и других факторов, а также поможет решить важную научно-практическую задачу по повышению точности и надежности прогнозирования сроков реализации программного обеспечения. Применение предложенного метода, моделей и алгоритмов анализа и построенная на их основе система поддержки принятия решений позволят повысить эффективность работы аналитика, т.к. ускорят процесс оценки сроков разработки программного обеспечения и повысят точность результата, использованием технологий искусственного интеллекта

Председатель комиссии Члены комиссии