PHƯƠNG PHÁP QUẢN TRỊ GIÁ TRỊ THU ĐƯỢC VÀ ỨNG DỤNG TRONG QUẢN LÝ DỰ ÁN PHẦN MỀM

• Tác giả: Lê Thế Anh
• Người hướng dẫn: Nguyễn Thanh Hùng
• Trường học: Đại Học Bách Khoa Hà Nội
• Chuyên ngành: Kỹ Thuật Phần Mềm
• Đề tài: Phương Pháp Quản Trị Giá Trị Thu Được Và Ứng Dụng Trong Quản Lý Dự Án Phần Mềm
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2024
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về quản lý dự án phần mềm
• 1.2. Tổng quan về công nghệ phần mềm hướng giá trị
• 1.3. Phương pháp Quản trị giá trị thu được (Earned Value Management – EVM)
• 1.4. Tổng quan về học máy
• 1.5. Tổng hợp và đánh giá các nghiên cứu liên quan
• 1.6. Bài toán đánh giá mức độ hoàn thành dự án phần mềm
• 1.7. Tiểu kết chương
• 2. 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
• 2.1. Kết hợp mô hình tăng trưởng và phương pháp quản trị giá trị thu được
• 2.2. Thực nghiệm và đánh giá
• 2.3. Tiểu kết chương
• 3. CHƯƠNG 3: ÁP DỤNG MỘT SỐ PHƯƠNG PHÁP HỌC MÁY TRONG PHƯƠNG PHÁP QUẢN TRỊ GIÁ TRỊ THU ĐƯỢC
• 3.1. Phương pháp ứng dụng mạng nơ ron LSTM (Long Short-Term Memory) - (CT3)
• 3.2. Phương pháp ứng dụng Extreme Gradient Boosting (CT 7)
• 3.3. Phương pháp ứng dụng LightGBM
• 3.4. Thực nghiệm và đánh giá
• 3.5. Tiểu kết chương
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA LUẬN ÁN
• DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN
• TÀI LIỆU THAM KHẢO

I. Quản Trị Giá Trị Thu Được EVM Tổng Quan Luận Án 55 ký tự

Luận án này tập trung vào Quản Trị Giá Trị Thu Được (EVM), một phương pháp được sử dụng rộng rãi để kiểm soát chi phí và tiến độ dự án. EVM cung cấp một tập hợp các chỉ số để đo lường và đánh giá tình trạng tổng thể của dự án, giúp các nhà quản lý dự án xác định sớm các vấn đề tiềm ẩn. Tuy nhiên, EVM cũng có những hạn chế nhất định, chẳng hạn như việc chỉ dựa vào chi phí đã phát sinh, thiếu độ tin cậy trong giai đoạn đầu dự án và không tính đến dữ liệu dự báo. Do đó, việc nghiên cứu và phát triển các phương pháp mới để khắc phục những hạn chế này là vô cùng cần thiết. Luận án này tìm cách khai thác công nghệ phần mềm hướng giá trị, đặt sự chú trọng vào việc hiểu và đáp ứng nhu cầu thực sự của khách hàng, từ đó xác định và ưu tiên các tính năng và chức năng của phần mềm để cung cấp giá trị tối đa cho họ. Luận án này sử dụng tài liệu 'Phương pháp quản trị giá trị thu được và ứng dụng trong quản lý dự án phần mềm' làm tài liệu chính. Mục tiêu cuối cùng là nâng cao chất lượng dự án phần mềm. "Phương pháp này được sử dụng từ những năm 1960 khi Bộ Quốc phòng Hoa kỳ đề xuất một phương pháp chuẩn để đo lường hiệu suất của một dự án."

1.1. Giới thiệu chung về Quản Lý Dự Án Phần Mềm

Quản lý dự án phần mềm đóng vai trò then chốt trong việc đảm bảo thành công của các dự án phần mềm. Nhiều dự án thất bại do quản lý dự án không phù hợp, ví dụ như mục tiêu không rõ ràng, lập kế hoạch tồi, thiếu phương pháp quản lý dự án. Việc áp dụng các công cụ để dự đoán chi phí và thời gian hoàn thành dự án (EAC) là rất quan trọng. Công nghệ phần mềm hướng giá trị tập trung vào việc tạo ra giá trị cho khách hàng, đóng vai trò quan trọng. Luận án này sẽ làm rõ tầm quan trọng của quản lý dự án hiệu quả trong bối cảnh dự án phần mềm hiện đại.

1.2. Vai trò của Luận Án Tiến Sĩ trong Nghiên Cứu EVM

Luận án này, với tư cách là một luận án tiến sĩ, đóng góp vào việc nghiên cứu sâu rộng về EVM trong quản lý dự án phần mềm. Nó không chỉ tổng hợp các kiến thức hiện có mà còn đề xuất các phương pháp mới và cải tiến để nâng cao hiệu quả của EVM. Bằng cách kết hợp các mô hình tăng trưởng và kỹ thuật học máy, luận án này mang đến một góc nhìn mới về việc dự đoán chi phí và thời gian hoàn thành dự án, đóng góp đáng kể vào lĩnh vực kỹ thuật phần mềm.

II. Vấn Đề Thách Thức Ứng Dụng EVM Thực Tế 56 ký tự

Mặc dù Quản Trị Giá Trị Thu Được (EVM) là một phương pháp mạnh mẽ, việc ứng dụng nó trong thực tế vẫn còn nhiều thách thức. Các dự án phần mềm thường xuyên đối mặt với những thay đổi về yêu cầu, công nghệ và nguồn lực, điều này có thể làm giảm độ chính xác của các dự đoán EVM. Hơn nữa, việc thu thập dữ liệu EVM chính xác và kịp thời có thể là một khó khăn, đặc biệt là trong các dự án lớn và phức tạp. "Ba hạn chế nêu trên là lý do chính dẫn đến việc cần phát triển các phương pháp mới." Luận án này đi sâu vào phân tích những thách thức này và đề xuất các giải pháp để vượt qua chúng, tập trung vào việc kết hợp EVM với các phương pháp quản lý dự án khác và sử dụng các công cụ hỗ trợ EVM hiệu quả hơn. Luận án này cũng chỉ ra tầm quan trọng của việc quản lý rủi ro và quản lý thay đổi trong quá trình áp dụng EVM.

2.1. Hạn chế của EVM trong Dự Đoán Chi Phí Dự Án

Một trong những hạn chế lớn nhất của EVM là khả năng dự đoán chi phí dự án trong giai đoạn đầu. EVM chủ yếu dựa vào dữ liệu đã phát sinh, do đó, các dự đoán thường không chính xác khi dự án mới bắt đầu. Luận án này sẽ trình bày các phương pháp để cải thiện độ chính xác của dự đoán chi phí, đặc biệt là bằng cách sử dụng các mô hình tăng trưởng và kỹ thuật học máy. Từ đó, cung cấp một giải pháp toàn diện hơn để quản lý chi phí dự án phần mềm.

2.2. Độ Tin Cậy của EVM trong Giai Đoạn Đầu Dự Án

Độ tin cậy của EVM trong giai đoạn đầu dự án là một vấn đề quan trọng cần được giải quyết. Luận án này tập trung vào việc phát triển các phương pháp để tăng cường độ tin cậy của EVM trong giai đoạn này, bằng cách kết hợp EVM với các phương pháp dự báo khác và sử dụng dữ liệu lịch sử từ các dự án tương tự. Các chỉ số như CPI và SPI sẽ được phân tích kỹ lưỡng để cải thiện hiệu quả quản trị.

III. Phương Pháp Kết Hợp EVM và Mô Hình Tăng Trưởng 53 ký tự

Luận án này đề xuất một phương pháp kết hợp Quản Trị Giá Trị Thu Được (EVM) với các mô hình tăng trưởng để cải thiện khả năng dự đoán chi phí và thời gian hoàn thành dự án. Các mô hình tăng trưởng, chẳng hạn như mô hình Gompertz và mô hình Logistic, có thể được sử dụng để mô phỏng sự phát triển của dự án theo thời gian và dự đoán các giá trị trong tương lai. Bằng cách kết hợp các mô hình này với EVM, chúng ta có thể tận dụng được cả dữ liệu lịch sử và thông tin dự báo, từ đó đưa ra các dự đoán chính xác hơn. "Đã có các công trình sử dụng phương pháp EVM hoặc GM trong việc dự đoán giá trị EAC [8], [9], [10] tuy nhiên hầu như rất ít công trình đề cập đến việc kết hợp hai phương pháp này trong việc nâng cao tính chính xác của việc dự đoán chi phí và thời gian hoàn thành dự án." Luận án này cũng sẽ trình bày các thuật toán mới để ước lượng tham số trong các mô hình tăng trưởng, giúp cải thiện độ chính xác của các dự đoán.

3.1. Ưu điểm của Mô Hình Tăng Trưởng trong Dự Báo

Mô hình tăng trưởng có khả năng dự báo dựa trên xu hướng phát triển của dự án. Bằng cách sử dụng các mô hình như Gompertz và Logistic, chúng ta có thể dự đoán các giá trị trong tương lai dựa trên dữ liệu lịch sử. Điều này đặc biệt hữu ích trong các dự án có tính chất lặp đi lặp lại, nơi mà các mô hình tăng trưởng có thể nắm bắt được các mẫu phát triển và đưa ra các dự đoán chính xác hơn. Việc dự báo hoàn thành dự án bằng các mô hình tăng trưởng được luận án phân tích cụ thể.

3.2. Cải Tiến Thuật Toán Ước Lượng Tham Số Gompertz

Luận án này đề xuất một số cải tiến thuật toán để ước lượng tham số trong mô hình tăng trưởng Gompertz. Các thuật toán này giúp cải thiện độ chính xác của mô hình và giảm thiểu sai số trong các dự đoán. Bằng cách sử dụng các kỹ thuật tối ưu hóa và điều chỉnh tham số, chúng ta có thể làm cho mô hình Gompertz phù hợp hơn với dữ liệu dự án thực tế và đưa ra các dự đoán đáng tin cậy hơn. Nghiên cứu này đóng góp vào việc cải tiến quy trình quản lý dự án phần mềm.

IV. Ứng Dụng Học Máy Nâng Cao Quản Trị Giá Trị Thu Được 58 ký tự

Luận án này khám phá việc ứng dụng học máy trong Quản Trị Giá Trị Thu Được (EVM) để cải thiện khả năng dự đoán và quản lý dự án. Các thuật toán học máy, chẳng hạn như mạng nơ-ron LSTM, XGBoost và LightGBM, có thể được sử dụng để phân tích dữ liệu EVM và phát hiện ra các mẫu phức tạp mà các phương pháp truyền thống không thể nhận ra. "Hiện nay, trí tuệ nhân tạo rất phát triển và được ứng dụng trong mọi lĩnh vực đời sống." Luận án này trình bày các phương pháp ứng dụng các thuật toán này để dự đoán chi phí và thời gian hoàn thành dự án, cũng như để đánh giá mức độ hoàn thành của dự án. Luận án này nhấn mạnh tiềm năng của học máy trong việc cách mạng hóa cách chúng ta quản lý các dự án phần mềm.

4.1. Mạng Nơ ron LSTM Dự Đoán Chi Phí Hoàn Thành

Luận án này trình bày một phương pháp ứng dụng mạng nơ-ron LSTM để dự đoán chi phí hoàn thành dự án. LSTM là một loại mạng nơ-ron có khả năng xử lý các chuỗi dữ liệu theo thời gian, làm cho nó phù hợp với việc phân tích dữ liệu EVM. Bằng cách huấn luyện mạng LSTM trên dữ liệu EVM lịch sử, chúng ta có thể xây dựng một mô hình có khả năng dự đoán chi phí hoàn thành dự án với độ chính xác cao. Phương pháp này đặc biệt hiệu quả cho dự án phần mềm.

4.2. XGBoost và LightGBM Dự Đoán Mức Độ Hoàn Thành

Luận án này cũng khám phá việc sử dụng XGBoost và LightGBM để dự đoán mức độ hoàn thành dự án. Cả hai thuật toán này đều là các phương pháp học máy mạnh mẽ có khả năng xử lý dữ liệu phức tạp và đưa ra các dự đoán chính xác. Bằng cách huấn luyện các mô hình XGBoost và LightGBM trên dữ liệu EVM, chúng ta có thể đánh giá mức độ hoàn thành của dự án và xác định các khu vực cần được chú ý. Việc này đóng vai trò quan trọng trong đo lường hiệu suất dự án phần mềm.

V. Ứng Dụng Thực Tế và Đánh Giá Hiệu Quả 51 ký tự

Luận án này trình bày kết quả của việc ứng dụng thực tế các phương pháp đã đề xuất trên một số dự án phần mềm thực tế. Các dự án này bao gồm các dự án có quy mô và độ phức tạp khác nhau, cho phép đánh giá hiệu quả của các phương pháp trong nhiều tình huống khác nhau. "Nghiên cứu thực nghiệm trên một số dự án phần mềm thực tế tại các công ty phần mềm Việt Nam." Kết quả cho thấy rằng các phương pháp kết hợp EVM với mô hình tăng trưởng và học máy có thể cải thiện đáng kể độ chính xác của các dự đoán chi phí và thời gian hoàn thành dự án. Luận án này cũng thảo luận về các yếu tố ảnh hưởng đến hiệu quả của các phương pháp và đề xuất các hướng dẫn để triển khai chúng trong thực tế.

5.1. Thực Nghiệm Trên Các Dự Án Phần Mềm Thực Tế

Luận án này tiến hành thực nghiệm trên một số dự án phần mềm thực tế để đánh giá hiệu quả của các phương pháp đã đề xuất. Các dự án này được lựa chọn để đại diện cho các loại dự án khác nhau, với các đặc điểm và yêu cầu khác nhau. Bằng cách áp dụng các phương pháp EVM kết hợp với các mô hình tăng trưởng và thuật toán học máy, luận án này chứng minh được khả năng cải thiện đáng kể độ chính xác của các dự đoán và nâng cao hiệu quả quản lý dự án.

5.2. Đánh Giá Độ Chính Xác và Các Yếu Tố Ảnh Hưởng

Luận án này đánh giá độ chính xác của các phương pháp dự đoán bằng cách sử dụng các độ đo thống kê khác nhau, chẳng hạn như sai số trung bình tuyệt đối (MAPE) và phần trăm sai số (PE). Kết quả cho thấy rằng các phương pháp kết hợp EVM với mô hình tăng trưởng và học máy có độ chính xác cao hơn so với các phương pháp truyền thống. Luận án này cũng xác định các yếu tố ảnh hưởng đến độ chính xác của các phương pháp, chẳng hạn như chất lượng dữ liệu và lựa chọn tham số mô hình. Những yếu tố này cần được xem xét khi áp dụng EVM trong thực tế.

VI. Kết Luận Hướng Phát Triển EVM trong Tương Lai 53 ký tự

Luận án này kết luận rằng việc kết hợp Quản Trị Giá Trị Thu Được (EVM) với các mô hình tăng trưởng và học máy là một hướng đi đầy hứa hẹn để cải thiện khả năng dự đoán và quản lý dự án. Các phương pháp đã đề xuất trong luận án này có thể giúp các nhà quản lý dự án đưa ra các quyết định tốt hơn và nâng cao hiệu quả của dự án. Luận án này cũng đề xuất các hướng phát triển trong tương lai, chẳng hạn như việc nghiên cứu các thuật toán học máy mới và việc tích hợp EVM với các hệ thống quản lý dự án khác. "Đề xuất áp dụng một số phương pháp dự đoán chi phí và thời gian hoàn thành dự án dựa trên một số thuật toán học máy." Luận án này tin rằng EVM sẽ tiếp tục đóng một vai trò quan trọng trong quản lý dự án trong tương lai.

6.1. Tích Hợp EVM với Hệ Thống Quản Lý Dự Án

Một trong những hướng phát triển quan trọng của EVM là việc tích hợp EVM với các hệ thống quản lý dự án khác. Việc tích hợp này sẽ giúp tự động hóa quá trình thu thập và phân tích dữ liệu EVM, cũng như cung cấp cho các nhà quản lý dự án một cái nhìn tổng quan hơn về tình trạng dự án. Luận án này khuyến khích các nhà phát triển phần mềm và các nhà cung cấp dịch vụ quản lý dự án xem xét việc tích hợp EVM vào các sản phẩm của họ.

6.2. Nghiên Cứu Các Thuật Toán Học Máy Mới cho EVM

Một hướng nghiên cứu khác là việc nghiên cứu các thuật toán học máy mới cho EVM. Các thuật toán này có thể giúp phát hiện ra các mẫu phức tạp trong dữ liệu EVM và đưa ra các dự đoán chính xác hơn. Luận án này khuyến khích các nhà nghiên cứu học máy và các nhà quản lý dự án hợp tác để khám phá tiềm năng của các thuật toán học máy mới trong việc cải thiện quản lý dự án phần mềm.