Прогнозування витрат на розробку програмного забезпечення в ітераціях скрам за допомогою звичайного методу найменших квадратів
DOI:
https://doi.org/10.15587/2706-5448.2024.310411Ключові слова:
прогнозування витрат, скрам, машинне навчання, метод найменших квадратів, ітерації, розробка програмного забезпеченняАнотація
Під час виконання ітерацій в скрам можливо застосувати прогнозування витрат на тестування та експлуатацію програмного забезпечення, якщо відомі дані на попередніх ітераціях. Оскільки дані для оцінювання обсягу робіт і терміну виконання в рамках одного спринта накопичуються під час виконання проєкту, то можливо використати такі дані для побудови алгоритма прогнозування оціночних показників параметрів наступних спринтів.
Підхід базується на уточненні оцінки від команди розробників і скрам мастера в певній метриці. Основними параметрами для оцінки є час виконання та кількість виконаної роботи. В результаті прогнозування ми отримаємо уточнення для оцінки команди щодо обсягу робіт на наступний спринт. Ця оцінка базується на запланованих і реальних даних на попередніх спринтах.
В роботі розглядається метод найменших квадратів і запропонований код моделі машинного навчання на базі цього методу. Побудований приклад і графіки для ітерацій в скрам і відповідні прогнозування на наступні спринти.
Використання методу найменших квадратів дозволяє створити математичну модель, яка може бути адаптована до різних проєктних умов, забезпечуючи тим самим гнучкість та точність прогнозування. Для прикладу, у дослідженні використовуються реальні дані з попередніх спринтів, що включають оцінку командою ресурсів та фактичні витрати. На основі цих даних було побудовано модель, яка демонструє високу кореляцію між прогнозованими та реальними витратами, що підтверджує ефективність використання методу найменших квадратів.
Таким чином, метод найменших квадратів є ефективним інструментом для прогнозування витрат на розробку програмного забезпечення в ітераціях скрам. Цей метод дозволяє командам розробників краще планувати свої ресурси та терміни, що сприяє підвищенню загальної ефективності проєкту.
Посилання
- Kharchenko, K., Beznosyk, O., Bulakh, B., Ishchenko, G., Yaremenko, V. (2023). The development of the method of optimizing costs for software testing in the Agile model. Technology Audit and Production Reserves, 6 (2 (74)), 10–14. https://doi.org/10.15587/2706-5448.2023.293067
- Sutherland, J., Schwaber, K. (2017). The Scrum Guide: The Definitive Guide to Scrum: The Rules of the Game. Available at: https://scrumguides.org/docs/scrumguide/v2017/2017-Scrum-Guide-US.pdf Last accessed: 05.06.2024
- Statistical models, hypothesis tests, and data exploration. Version 0.14.0. Available at: https://www.statsmodels.org/stable/ Last accessed: 01.06.2024
- Statsmodels. Ordinary Least Squares. Version 0.14.0. Available at: https://www.statsmodels.org/stable/generated/statsmodels.regression.linear_model.OLS.html Last accessed: 03.06.2024
- Ramessur, M. A., Nagowah, S. D. (2021). A predictive model to estimate effort in a sprint using machine learning techniques. International Journal of Information Technology, 13 (3), 1101–1110. https://doi.org/10.1007/s41870-021-00669-z
- Alshammari, F. H. (2022). Cost estimate in scrum project with the decision-based effort estimation technique. Soft Computing, 26 (20), 10993–11005. https://doi.org/10.1007/s00500-022-07352-w
- Coleman, J. (2022). Talking about Sizing and Forecasting in Scrum. Available at: https://www.infoq.com/articles/sizing-forecasting-scrum/ Last accessed: 05.06.2024
- Mallon, S. (2020). AI Advances Facilitate SCRUM Teams For Agile Development. Available at: https://www.smartdatacollective.com/ai-advances-facilitate-scrum-team-construction-for-agile-development/ Last accessed: 07.06.2024
- Omeyer, A. (2023). 4 ways Scrum Masters can Leverage AI today + tool recommendations. Available at: https://www.stepsize.com/blog/ways-scrum-masters-can-leverage-ai-today Last accessed: 10.06.2024
- Leveraging the Power of Artificial Intelligence in Agile Development (2023). Available at: https://www.cognixia.com/blog/leveraging-the-power-of-artificial-intelligence-in-agile-development/ Last accessed: 07.06.2024
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Kostyantyn Kharchenko, Oleksandr Beznosyk, Bogdan Bulakh, Bogdan Kyriusha, Vadym Yaremenko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.