Tổng quan luận án
Công trình "Phương pháp quản trị giá trị thu được và ứng dụng trong quản lý dự án phần mềm" của nghiên cứu sinh Lê Thế Anh, thuộc ngành Kỹ thuật phần mềm (mã số: 9480103), được thực hiện dưới sự hướng dẫn khoa học của TS. Nguyễn Thanh Hùng và TS. Trịnh Anh Phúc tại Đại học Bách khoa Hà Nội (2024).
Tính cấp thiết và khoảng trống nghiên cứu
Theo báo cáo CHAOS 2020 của tổ chức Standish Group International, trong tổng số các dự án phần mềm được thực hiện, tỷ lệ dự án thành công đạt 31%, tỷ lệ dự án thất bại một phần là 50% và thất bại hoàn toàn chiếm 19%. Một số khảo sát chuyên ngành ghi nhận khoảng một phần ba các dự án phần mềm bị vượt quá 125% về cả chi phí lẫn thời gian hoàn thành so với kế hoạch ban đầu. Các nguyên nhân chính dẫn đến sự chệch hướng kiểm soát dự án bao gồm: mục tiêu không rõ ràng, lập kế hoạch kém hiệu quả, công nghệ mới, thiếu phương pháp quản lý dự án phù hợp và không đủ nhân sự.
Phương pháp Quản trị giá trị thu được (Earned Value Management - EVM) được Bộ Quốc phòng Hoa Kỳ chuẩn hóa từ những năm 1960 để kiểm soát chi phí và tiến độ. Tuy nhiên, phương pháp EVM truyền thống bộc lộ ba hạn chế kỹ thuật:
- Chỉ dựa trên các chi phí đã phát sinh trong quá khứ;
- Dự đoán thiếu độ tin cậy trong giai đoạn đầu của vòng đời dự án;
- Không tích hợp các nguồn dữ liệu dự báo.
Khoảng trống nghiên cứu được xác định là sự thiếu vắng các giải pháp kết hợp chặt chẽ giữa phương pháp EVM với các mô hình tăng trưởng phi tuyến (Growth Models - GM), phương pháp liên tiến lũy thừa (Exponential Smoothing Method - XSM) và các kỹ thuật học máy có giám sát để nâng cao độ chính xác khi dự đoán chi phí tại thời điểm hoàn thành (EAC) và thời gian hoàn thành dự án (TEAC / EAC(t)).
Mục tiêu và nhiệm vụ nghiên cứu
Mục tiêu chung: Nghiên cứu các phương pháp dự đoán chi phí và thời gian hoàn thành dự án theo phương pháp quản trị giá trị thu được nhằm nâng cao hiệu quả quản lý dự án phần mềm dựa trên công nghệ phần mềm hướng giá trị (Value-Based Software Engineering - VBSE).
Mục tiêu cụ thể:
- Nghiên cứu các vấn đề về quản lý dự án và các phương pháp dự đoán mức độ hoàn thành dựa trên tập chỉ số EVM;
- Đề xuất các phương pháp cải tiến chất lượng dự đoán chi phí và thời gian hoàn thành dự án;
- Thực hiện thử nghiệm và đánh giá thực nghiệm đối với các mô hình đề xuất.
Nhiệm vụ nghiên cứu:
- Đánh giá các công trình đã công bố liên quan đến EVM trong quản lý dự án;
- Đề xuất cải tiến phương pháp kết hợp mô hình tăng trưởng với EVM;
- Đề xuất ứng dụng các thuật toán học máy trên tập chỉ số EVM để giải quyết bài toán dự đoán chi phí và thời gian hoàn thành;
- Thử nghiệm trên các tập dữ liệu dự án phần mềm thực tế.
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Quy trình quản lý dự án phần mềm; các mô hình tăng trưởng (Gompertz, Logistic, Bass, Weibull); các thuật toán học máy (mạng nơ-ron LSTM, XGBoost, LightGBM); các chỉ số EVM ($PV, EV, AC, ES, SCI, SPI, CPI$); bài toán dự đoán $EAC$ và $EAC(t)$; các độ đo sai số ($PE, MAPE$).
- Phạm vi nghiên cứu: Khảo sát thực nghiệm trên các dự án phần mềm thực tế tại một số công ty phần mềm ở Việt Nam và các bộ dữ liệu dự án thực tế được công bố quốc tế (nguồn projectmanagement).
Tổng quan tài liệu và vị trí của luận án
Luận án điểm lại các hệ thống nghiên cứu lý thuyết và thực nghiệm trong và ngoài nước:
| Nhóm nghiên cứu |
Tác giả, công trình, tổ chức |
Nội dung và kết quả chính được điểm lại |
| Thực trạng dự án phần mềm |
Standish Group International (2020) |
Báo cáo CHAOS 2020 xác định tỷ lệ thành công (31%), thất bại một phần (50%), thất bại hoàn toàn (19%). |
| Lý thuyết EVM chuẩn mực |
Fleming & Koppelman (công bố về EVM); PMI; IEEE |
Xác lập khung đo lường hiệu suất cơ sở dựa trên ba tham số $PV, EV, AC$ và vai trò cảnh báo sớm của EVM. |
| Mô hình tăng trưởng & EVM |
Trahan (2009); Christensen (1993, 1998) |
Trahan xây dựng đường cong Gompertz dự đoán $EAC$ trên dữ liệu hợp đồng Không quân Hoa Kỳ (1960–2007). Christensen chỉ ra mô hình tăng trưởng không phải lúc nào cũng vượt trội hơn EVM trong mọi trường hợp. |
| Mô hình Bass & Weibull |
Alvarado (ngành xây dựng); Brown (128 dự án R&D); Nassar |
Alvarado áp dụng mô hình Bass tạo đường cong $EV$. Brown phát triển mô hình hồi quy Weibull ước lượng tham số hình dáng $\delta$ và tỷ lệ $\gamma$. Nassar dùng phân tích Weibull trên $CPI, SPI$ để đánh giá rủi ro sớm. |
| Chuỗi thời gian & Làm mịn |
Charles C. Holt (1957, 1958); Peter Winters (1965) |
Thiết lập phương pháp liên tiến lũy thừa (Holt-Winters) cho chuỗi thời gian đơn, kép (có xu hướng) và theo mùa. |
| Học máy trong quản lý dự án |
Các công trình quốc tế liên quan |
Ứng dụng mạng nơ-ron nhân tạo, hệ logic mờ, lý luận dựa trên trường hợp (CBR), hồi quy bội và các mô hình lai trong quản lý tham số dự án. |
Khoảng trống luận án giải quyết: Khắc phục tính thiếu tin cậy của chỉ số $SPI$ ở giai đoạn cuối dự án, xử lý sai số dự báo ở giai đoạn đầu thông qua cải tiến hệ số hiệu suất tương lai $PF$, cải tiến thuật toán ước lượng tham số trong mô hình Gompertz, kết hợp mô hình Holt-Winters với EVM, và áp dụng mạng LSTM cùng các thuật toán ensemble gradient boosting (XGBoost, LightGBM) trên các tham số $PV, EV, AC, ES$.
Cơ sở lý thuyết và phương pháp nghiên cứu
Khung lý thuyết và khái niệm sử dụng
-
Công nghệ phần mềm hướng giá trị (VBSE): Bộ quy tắc xem xét các khía cạnh kinh tế trong suốt vòng đời phần mềm, ưu tiên các chức năng cung cấp giá trị tối đa cho khách hàng, gắn kết việc đánh giá chất lượng phần mềm với các chỉ số chất lượng định lượng.
-
Quản lý dự án theo tiêu chuẩn PMI/PMBOK: Cân đối tam giác quản lý (Phạm vi, Thời gian, Chi phí/Chất lượng); thực thi qua 10 lĩnh vực kiến thức (Tích hợp, Phạm vi, Thời gian, Chi phí, Chất lượng, Nhân sự, Giao tiếp, Rủi ro, Mua sắm đấu thầu, Các bên liên quan) và 5 nhóm quy trình (Khởi tạo, Lập kế hoạch, Triển khai, Giám sát và điều khiển, Kết thúc). Áp dụng các quy định tại Nghị định số 73/2019/NĐ-CP của Chính phủ Việt Nam đối với dự án CNTT sử dụng vốn ngân sách nhà nước.
-
Phương pháp Quản trị giá trị thu được (EVM) và Thời gian kế hoạch (Earned Schedule - ES):
- Các tham số gốc: Giá trị kế hoạch ($PV$), Chi phí thực tế ($AC$), Giá trị thu được ($EV$), Ngân sách tại thời điểm hoàn thành ($BAC$), Khoảng thời gian kế hoạch ($PD$), Thời gian thực tế ($AT$).
- Độ đo $ES$: Xác định thời điểm $t$ thỏa mãn điều kiện $EV \ge PV_t$ và $EV < PV_{t+1}$.
- Phương sai và chỉ số hiệu suất:
$$\begin{aligned}
SV &= EV - PV, \quad CV = EV - AC \
SPI &= \frac{EV}{PV}, \quad CPI = \frac{EV}{AC} \
SV(t) &= ES - AT, \quad SPI(t) = \frac{ES}{AT}
\end{aligned}$$
- Chỉ số chi phí kế hoạch kết hợp: $SCI = SPI \times CPI$ và $SCI(t) = SPI(t) \times CPI$.
-
Các mô hình tăng trưởng (Growth Models - GM): Dạng đường cong chữ S biểu diễn sự tích lũy chi phí theo thời gian, gồm:
- Mô hình Logistic (LM): Hàm đối xứng, điểm uốn tại $50%$ mức tăng trưởng.
- Mô hình Gompertz (GPM): Bất đối xứng, lệch phải, điểm uốn tại tỷ lệ $1/e \approx 36.8%$ tổng tăng trưởng.
- Mô hình Bass (BM): Bất đối xứng, mô tả tỷ lệ thâm nhập và khuếch tán.
- Mô hình Weibull (WM): Cấu trúc linh hoạt dựa trên tham số hình dáng $\delta$ và tham số tỷ lệ $\gamma$.
-
Phương pháp liên tiến lũy thừa (XSM / Holt-Winters): Gồm liên tiến lũy thừa đơn, kép và theo mùa; tối ưu hóa các trọng số $\alpha, \beta, \gamma$ thông qua giảm thiểu sai số toàn phương trung bình ($MSE$).
-
Mô hình học máy (Machine Learning): Mạng hồi quy nơ-ron bộ nhớ dài-ngắn hạn (LSTM) xử lý chuỗi thời gian đa chiều; thuật toán cây quyết định tăng cường XGBoost và LightGBM tối ưu hóa hàm mất mát kết hợp thành phần chính quy hóa.
Phương pháp nghiên cứu
- Phương pháp lý thuyết: Tổng quan tài liệu chuyên ngành; phân tích toán học các hàm phân bố tích lũy $CDF$ và công thức dự báo EVM; xây dựng thuật toán tối ưu ước lượng tham số.
- Phương pháp thực nghiệm: Thu thập số liệu chuỗi thời gian của các dự án phần mềm; tiền xử lý và chuẩn hóa dữ liệu; áp dụng các thuật toán dự báo đề xuất; so sánh kết quả thực nghiệm với các phương pháp EVM truyền thống.
- Độ đo đánh giá chất lượng dự đoán:
- Phần trăm sai số:
$$PE = \frac{|\text{Giá trị thực tế} - \text{Giá trị dự đoán}|}{\text{Giá trị thực tế}} \times 100%$$
- Phần trăm lỗi trung bình tuyệt đối:
$$MAPE = \frac{1}{n} \sum_{i=1}^n PE_i$$
Nguồn dữ liệu
Dữ liệu lịch sử của 5 dự án phần mềm tại các doanh nghiệp CNTT ở Việt Nam và bộ dữ liệu gồm 10 dự án kiểm tra từ cổng thông tin chuyên ngành projectmanagement.
Nội dung chính theo từng chương
CHƯƠNG 1: TỔNG QUAN
Chương 1 hệ thống hóa lịch sử phát triển của quản lý dự án phần mềm từ mô hình Thác nước (1970s), mô hình Xoắn ốc và CMM (1980s), Scrum và XP (1990s), Tuyên ngôn Agile (2001) đến giai đoạn ứng dụng DevOps và Trí tuệ nhân tạo (2020s).
Nội dung chương trình bày chi tiết cấu trúc toán học của các phương pháp dự đoán chi phí ($EAC$) và thời gian ($TEAC$) trong EVM:
Dự đoán chi phí ($EAC$):
$$EAC = AC + PCWR = AC + \frac{BAC - EV}{PF}$$
Trong đó, hệ số hiệu suất tương lai $PF$ được gán các giá trị: $1$, $CPI$, $SPI$, $SPI(t)$, $SCI$, $SCI(t)$, $0.2SPI$, hoặc $0.2SPI(t)$.
Dự đoán thời gian ($TEAC$): Phân loại theo 3 nhóm phương pháp:
- Phương pháp Planned Value (PVM):
$$PV_{rate} = \frac{BAC}{PD}, \quad TV = \frac{SV}{PV_{rate}}, \quad TEAC_{1_PV} = PD - TV$$
$$TEAC_{2_PV} = \frac{PD}{SPI}, \quad TEAC_{3_PV} = \frac{PD}{SCI}$$
- Phương pháp Earned Duration (EDM):
$$ED = AT \times SPI, \quad TEAC_{ED} = AT + \frac{\max(PD, AT) - ED}{PF}$$
- Phương pháp Earned Schedule (ESM):
$$TEAC_{ES} = AT + \frac{PD - ES}{PF}$$
Chương 1 cũng tổng hợp các đặc trưng toán học của bốn mô hình tăng trưởng chữ S:
| Đặc trưng |
Mô hình Logistic (LM) |
Mô hình Gompertz (GPM) |
Mô hình Bass (BM) |
Mô hình Weibull (WM) |
| CDF tham số hóa |
$\frac{\alpha}{1 + e^{\beta - \gamma x}}$ |
$\alpha e^{-e^{\beta - \gamma x}}$ |
$\alpha \frac{1 - e^{-(\beta + \gamma)x}}{1 + e^{-(\beta + \gamma)x}}$ |
$\alpha (1 - e^{-(x/\gamma)^\delta})$ |
| Tọa độ điểm uốn ($x$) |
$x = \frac{\beta}{\gamma}$ |
$x = \frac{\beta}{\gamma}$ |
$x = \frac{1}{\beta(\beta+\gamma)} \ln(\frac{\gamma}{\beta})$ |
$x = \frac{1}{\delta}(\delta - \frac{1}{\delta})$ |
| Giá trị tích lũy tại điểm uốn |
$\frac{\alpha}{2}$ |
$\frac{\alpha}{e}$ |
$\alpha (0.5 - \frac{\beta}{2\gamma})$ |
$1 - e^{-(1 - 1/\delta)}$ |
| Tính đối xứng |
Đối xứng |
Bất đối xứng (lệch phải) |
Bất đối xứng |
Linh hoạt |
| Tốc độ tăng trưởng cực đại |
$\frac{\alpha \gamma}{4}$ |
$\frac{\alpha \gamma}{e}$ |
$\frac{\alpha (\beta + \gamma)^2}{4\gamma}$ |
$\frac{1}{\gamma}$ |
| Tập tham số |
$\alpha, \beta, \gamma$ |
$\alpha, \beta, \gamma$ |
$\alpha, \beta, \gamma$ |
$\alpha, \delta, \gamma$ |
Chương kết thúc bằng việc thiết lập cơ sở lý thuyết về phương pháp liên tiến lũy thừa Holt-Winters và các kiến trúc học máy cơ bản (LSTM, XGBoost, LightGBM).
CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP DỰ ĐOÁN CHI PHÍ VÀ THỜI GIAN HOÀN THÀNH DỰ ÁN DỰA VÀO PHƯƠNG PHÁP QUẢN TRỊ GIÁ TRỊ THU ĐƯỢC
Chương 2 trình bày các giải pháp kỹ thuật do tác giả đề xuất nhằm cải tiến độ chính xác của dự đoán $EAC$ và $TEAC$:
- Đóng góp CT1: Cải tiến hệ số hiệu suất tương lai $PF$ trong mô hình kết hợp GM và EVM, điều chỉnh trọng số phản ánh động thái biến thiên của các chỉ số hiệu suất thay vì sử dụng giả định tuyến tính cố định.
- Đóng góp CT2: Cải tiến thuật toán ước lượng tham số trong mô hình tăng trưởng Gompertz, tối ưu hóa quá trình khớp đường cong phi tuyến trên chuỗi dữ liệu chi phí thực tế $AC$.
- Đóng góp CT4: Đề xuất thuật toán tích hợp giữa đường cong tăng trưởng chữ S và các mốc tham số EVM.
- Đóng góp CT6: Đề xuất phương pháp kết hợp mô hình liên tiến lũy thừa (XSM) với EVM để dự báo xu hướng ngắn hạn của các tham số chi phí và tiến độ.
Thực nghiệm và đánh giá:
Thực nghiệm được triển khai trên tập dữ liệu gồm 5 dự án phần mềm thực tế tại Việt Nam (ký hiệu DA1 đến DA5). Dữ liệu được thu thập định kỳ theo tuần và tiến hành chuẩn hóa.
Kết quả tính toán sai số $PE$ và $MAPE$ trong chương cho thấy:
- Đối với dự đoán chi phí ($EAC$), các phương pháp cải tiến kết hợp mô hình tăng trưởng (CT4) và liên tiến lũy thừa (CT6) cho sai số $PE$ thấp hơn đáng kể so với phương pháp EVM truyền thống sử dụng $PF = 1$ hoặc $PF = CPI$, đặc biệt tại các mốc kiểm soát giữa kỳ dự án.
- Đối với dự đoán thời gian ($TEAC$), phương pháp dựa trên $ES$ cải tiến kết hợp mô hình tăng trưởng cho kết quả bám sát thời gian hoàn thành thực tế hơn so với phương pháp PVM và EDM.
CHƯƠNG 3: ÁP DỤNG MỘT SỐ PHƯƠNG PHÁP HỌC MÁY TRONG PHƯƠNG PHÁP QUẢN TRỊ GIÁ TRỊ THU ĐƯỢC
Chương 3 tập trung xây dựng và đánh giá các mô hình học máy ứng dụng tập chỉ số EVM:
- Đóng góp CT3: Thiết kế kiến trúc mạng nơ-ron hồi quy LSTM (Long Short-Term Memory) nhận đầu vào là chuỗi thời gian đa chiều của các tham số ($PV_t, EV_t, AC_t, ES_t, SPI_t, CPI_t$) qua các tuần để dự đoán chi phí hoàn thành $EAC$. Mô hình được cấu hình hàm mất mát (loss function) và các siêu tham số huấn luyện nhằm tránh điểm yên ngựa.
- Đóng góp CT7: Ứng dụng thuật toán Extreme Gradient Boosting (XGBoost) thiết lập hàm mục tiêu kết hợp giữa hàm mất mát lồi và thành phần chính quy hóa kiểm soát độ phức tạp của cây quyết định, dự đoán mức độ hoàn thành dự án.
- Ứng dụng LightGBM: Tối ưu hóa cấu trúc cây phân nhánh theo chiều dọc (leaf-wise) kết hợp với các chỉ số EVM để tăng tốc độ huấn luyện và nâng cao độ chính xác dự báo.
Quy trình thực nghiệm:
- Tiền xử lý tập dữ liệu gồm 10 dự án kiểm tra từ nguồn projectmanagement; loại bỏ nhiễu và chuẩn hóa dữ liệu chuỗi thời gian.
- Thiết lập kịch bản kiểm thử: so sánh giá trị dự đoán chi phí ($EAC$) và thời gian ($TEAC$) tại các mốc thời gian thực hiện dự án giữa mô hình LSTM, XGBoost, LightGBM và các công thức EVM chuẩn.
- Đánh giá định lượng thông qua bảng chỉ số sai số $PE$ từng dự án và sai số trung bình $MAPE$. Kết quả ghi nhận các mô hình học máy (đặc biệt là LSTM và XGBoost) đạt mức độ sai số $MAPE$ thấp hơn các công thức EVM đơn lẻ, duy trì tính ổn định qua các chu kỳ kiểm soát của dự án.
Kết quả và những đóng góp mới
Luận án tự tổng hợp các kết quả mới đạt được trên hai phương diện lý luận và thực tiễn:
Đóng góp về mặt khoa học và lý luận
- Cải tiến hệ số hiệu suất tương lai (CT1): Tối ưu hóa hệ số $PF$ trong phương pháp kết hợp mô hình tăng trưởng và kỹ thuật quản trị giá trị thu được, khắc phục nhược điểm giả định hiệu suất không đổi của EVM truyền thống.
- Cải tiến thuật toán ước lượng tham số mô hình Gompertz (CT2): Nâng cao độ chính xác khi xác định các tham số $\alpha, \beta, \gamma$ của đường cong tăng trưởng bất đối xứng trên dữ liệu dự án phần mềm.
- Cải tiến thuật toán kết hợp GM và EVM (CT4): Xác lập quy trình tính toán tích hợp giữa ngoại suy phi tuyến chữ S và các chỉ số đo lường hiệu suất dự án.
- Cải tiến phương pháp kết hợp XSM và EVM (CT6): Thiết lập phương pháp tích hợp kỹ thuật làm mịn chuỗi thời gian Holt-Winters vào hệ thống chỉ số EVM.
- Ứng dụng các kỹ thuật học máy tiên tiến:
- Đề xuất mô hình mạng nơ-ron LSTM dự đoán chi phí hoàn thành (CT3);
- Đề xuất mô hình học máy XGBoost dự đoán mức độ hoàn thành (CT7);
- Đề xuất mô hình học máy LightGBM trong dự đoán tham số EVM.
Đóng góp về mặt thực tiễn và giải pháp đề xuất
- Cung cấp cơ sở phương pháp luận và thuật toán giúp các nhà quản lý dự án phần mềm tại Việt Nam dự toán chính xác chi phí và tiến độ hoàn thành ngay trong quá trình thực hiện.
- Hỗ trợ tuân thủ các quy định quản lý dự án CNTT theo Nghị định số 73/2019/NĐ-CP của Chính phủ đối với các dự án sử dụng ngân sách nhà nước.
- Cung cấp công cụ toán học và thuật toán làm tiền đề xây dựng phần mềm tự động hóa hỗ trợ ra quyết định trong quản lý dự án.
Hạn chế và hướng nghiên cứu tiếp
Dựa trên phạm vi và nội dung trình bày trong luận án:
Hạn chế
- Số lượng dự án thực nghiệm còn giới hạn trong phạm vi 5 dự án thực tế tại doanh nghiệp Việt Nam và 10 dự án kiểm tra từ nguồn dữ liệu mở projectmanagement.
- Việc kiểm chứng chủ yếu tập trung vào các dự án có cấu trúc ghi nhận dữ liệu chuỗi thời gian tuần tự theo phương pháp truyền thống và Agile/Scrum có thu thập đủ các tham số $PV, EV, AC, ES$.
Hướng phát triển tiếp theo
- Mở rộng phạm vi thử nghiệm mô hình trên các tập dữ liệu dự án phần mềm quy mô lớn hơn và đa dạng hơn về lĩnh vực ứng dụng.
- Nghiên cứu tích hợp các giải pháp thuật toán (GM cải tiến, XSM, LSTM, XGBoost, LightGBM) vào một hệ thống phần mềm quản lý dự án hoàn chỉnh để tự động hóa quá trình hỗ trợ ra quyết định.
- Tiếp tục nghiên cứu tối ưu hóa các siêu tham số của mô hình học sâu và học máy đối với các dự án có dữ liệu lịch sử ngắn hoặc thiếu hoàn chỉnh trong giai đoạn khởi tạo.
Giá trị tham khảo
Luận án là tài liệu tham khảo chuyên khảo trong lĩnh vực Kỹ thuật phần mềm và Quản lý dự án:
- Đối với nghiên cứu sinh, học viên cao học và giảng viên:
- Cung cấp bức tranh toàn diện và hệ thống hóa toán học về phương pháp EVM, kỹ thuật Earned Schedule ($ES$), bốn mô hình tăng trưởng ($LM, GPM, BM, WM$) và phương pháp chuỗi thời gian Holt-Winters.
- Cung cấp tài liệu tham khảo về việc áp dụng các mô hình học máy hiện đại (LSTM, XGBoost, LightGBM) trên dữ liệu quản lý kỹ thuật phần mềm.
- Đối với nhà quản trị dự án (Project Manager) và doanh nghiệp phần mềm:
- Cung cấp các công thức tính $EAC$ và $TEAC$ có độ chính xác cao hơn phương pháp EVM truyền thống để kiểm soát ngân sách và thời gian hoàn thành.
- Cung cấp bộ chỉ số đo lường hiệu suất đáng tin cậy ($SV(t), SPI(t), SCI(t)$) khắc phục hiện tượng sai lệch của chỉ số $SPI$ khi dự án tiến gần về điểm kết thúc.
- Đối với cơ quan quản lý và người làm chính sách CNTT:
- Cung cấp cơ sở khoa học để thẩm định dự toán, kiểm soát tiến độ và đánh giá rủi ro dự án CNTT theo các tiêu chuẩn quản lý dự án và quy định pháp lý hiện hành.
Câu hỏi thường gặp
1. Vì sao chỉ số hiệu suất kế hoạch truyền thống $SPI = EV/PV$ bị coi là thiếu tin cậy ở giai đoạn cuối dự án?
Tại thời điểm kết thúc dự án, theo định nghĩa của EVM, toàn bộ khối lượng công việc kế hoạch và thực tế đều đạt mức hoàn thành ($EV = PV = BAC$). Do đó, tỷ số $SPI = EV/PV$ luôn tiến dần về $1$ ($100%$), bất kể dự án kết thúc đúng hạn hay bị chậm trễ tiến độ nghiêm trọng. Luận án giải quyết nhược điểm này bằng độ đo Earned Schedule ($ES$) và chỉ số hiệu suất thời gian thay thế $SPI(t) = ES/AT$, trong đó $SPI(t) < 1$ nếu $AT > ES$ (dự án bị chậm tiến độ).
2. Bốn mô hình tăng trưởng (GM) được khảo sát trong luận án gồm những mô hình nào và điểm uốn của chúng nằm ở đâu?
Bốn mô hình gồm:
- Logistic Model (LM): Hàm đối xứng, điểm uốn tại tọa độ $x = \beta/\gamma$ với mức tăng trưởng tích lũy đạt $50%$ tổng chi phí ($\alpha/2$).
- Gompertz Model (GPM): Hàm bất đối xứng lệch phải, điểm uốn tại $x = \beta/\gamma$ với mức tăng trưởng tích lũy đạt xấp xỉ $36.8%$ tổng chi phí ($\alpha/e$).
- Bass Model (BM): Hàm bất đối xứng, điểm uốn tại $x = \frac{1}{\beta(\beta+\gamma)} \ln(\frac{\gamma}{\beta})$.
- Weibull Model (WM): Hàm linh hoạt điều chỉnh theo tham số hình dáng $\delta$ và tỷ lệ $\gamma$, điểm uốn tại $x = \frac{1}{\delta}(\delta - \frac{1}{\delta})$.
3. Phương pháp liên tiến lũy thừa (XSM / Holt-Winters) được phân loại và tối ưu hóa như thế nào trong luận án?
Phương pháp XSM gồm ba biến thể: đơn (cho dữ liệu không xu hướng, không mùa), kép (cho dữ liệu có xu hướng), và theo mùa (cho dữ liệu vừa có xu hướng vừa có tính mùa). Việc xác định các hằng số liên tiến $\alpha, \beta, \gamma$ (nằm trong khoảng từ $0$ đến $1$) được thực hiện thông qua phương pháp thử sai nhằm tối thiểu hóa sai số toàn phương trung bình ($MSE = \frac{1}{n} \sum_{t=1}^n (A_t - F_t)^2$).
4. Các thuật toán học máy nào được đề xuất ứng dụng và đóng vai trò gì trong luận án?
Luận án đề xuất ba thuật toán học máy có giám sát:
- Mạng nơ-ron LSTM (CT3): Xử lý chuỗi thời gian đa biến của các tham số EVM để dự đoán chi phí hoàn thành ($EAC$).
- XGBoost (CT7): Sử dụng kỹ thuật Ensemble cây quyết định tăng cường để dự đoán mức độ hoàn thành dự án dựa trên hàm mất mát và chính quy hóa.
- LightGBM: Tối ưu hóa tốc độ và độ chính xác dự báo mức độ hoàn thành dự án dựa trên cấu trúc phân nhánh lá cây.
5. Tỷ lệ thành công và thất bại của các dự án phần mềm theo báo cáo CHAOS 2020 được trích dẫn trong luận án là bao nhiêu?
Theo báo cáo CHAOS 2020 của Standish Group International được trích dẫn ở phần Mở đầu, tỷ lệ dự án phần mềm thành công là $31%$, dự án thất bại một phần là $50%$ và dự án thất bại hoàn toàn là $19%$.
Kết luận
Luận án của nghiên cứu sinh Lê Thế Anh đã hệ thống hóa cơ sở lý luận về quản lý dự án phần mềm hướng giá trị và phân tích toàn diện các giới hạn của phương pháp Quản trị giá trị thu được (EVM) truyền thống. Công trình đã đề xuất các giải pháp kỹ thuật cải tiến bao gồm hệ số hiệu suất tương lai $PF$, thuật toán ước lượng tham số Gompertz, mô hình kết hợp GM/XSM với EVM, cùng các mô hình học máy LSTM, XGBoost và LightGBM. Các kết quả thực nghiệm trên 5 dự án thực tế tại Việt Nam và 10 dự án kiểm tra quốc tế đã chứng minh tính khả thi và hiệu quả giảm thiểu sai số ($PE, MAPE$) của các phương pháp đề xuất khi dự đoán chi phí và thời gian hoàn thành dự án.
