Засіб для підбору методології розроблення програмного забезпечення з урахуванням метрик проєкту

Abstract

Проаналізовано найпоширеніші підходи до створення засобів підтримки прийняття рішень для процесу підбору оптимальної методології розроблення програмного забезпечення (ПЗ). З'ясовано, що на сьогодні для досягнення цієї мети використовуються різні методи, переважно багатокритеріальні методи прийняття рішень, але мало застосовуються методи машинного навчання, також у процесі прийняття рішень не повною мірою враховуються метрики проєкту. Визначено, що на цей час існує велика кількість методологій розроблення програмного забезпечення (водоспадна (Waterfall), швидке розроблення додатків (Rapid Application Development), скрам (Scrum), канбан (Kanban) та ін.), які оптимізують процеси у команді та значно полегшують і пришвидшують розроблення програмного забезпечення, але разом з цим, з огляду на різноманітність цих методологій і проєктів, постає питання правильного підбору методології до конкретного проєкту на основі даних про нього, оскільки кожна методологія розроблення програмного забезпечення розрахована на різні типи команд, кількість їх членів, різні типи проєктів та їхню складність. Виділено найбільш значущі метрики проєкту, такі як: розмір та кваліфікація команди, тип проєкту та бюджетування, тривалість виконання проєкту, ризик зміни вимог, локація команди та інтенсивність комунікації зі замовником. Спроєктовано, реалізовано та відтестовано програмний засіб підбору методології розроблення програмного забезпечення з урахуванням наведених вище метрик проєкту та використанням алгоритму random forest, для програмної реалізації якого було обрано мову програмування – Swift 5, середовище розроблення – XCode 10.1, для збереження даних використовується Google Firebase Realtime Data Base. Розроблено засіб у вигляді клієнт-серверного додатку з логічною частиною на стороні клієнта та з базою даних на базі Google Cloud Firestore Data Base, а для зберігання результатів, введених користувачем розробленого засобу, вибрано нереляційну базу даних Google Firebase Database. Здійснено дослідження залежності ймовірності прогнозу відповідності методології проєкту та швидкодії роботи від обсягу даних в Data Set, а також порівняння ефективності використання алгоритмів Random Forest та Linear Regresion для задачі вибору методології розроблення ПЗ.