A0M33PIS - Průmyslové informační systémy

Transkript

1 A0M33PIS - Průmyslvé infrmační systémy Přednáška č Katedra Kybernetiky K13133 Centrum znalstníh managementu K13393

2 Klik t stjí? Být v něčem přesný je k ničemu, pkud ani nevíte, čem mluvíte. Jhn vn Neumann A0M33PIS (C) Ing. Pavel Náplava 2

3 Nucleus ROI calculatr A0M33PIS (C) Ing. Pavel Náplava 3

4 Mtivace Odhad x přesné stanvení. Zkušený vývjář dbrník na dhady. Většina chyb vychází z nepchpení. Vědecké x intuitivní dhadvání. C chceme? Zlepšit dhad ±10% na ±5%? Předcházet dhadům s chybu vyšší než 100%? Snížení chyby pd 25%? umění dhadvání. A0M33PIS (C) Ing. Pavel Náplava 4

5 Definice dhadu Odhad x cíl x závazek? 1. Przatímní vyhdncení neb hrubá kalkulace. 2. Předběžná kalkulace ceny prjektu. 3. Úsudek pstavený na djmech a názrech jedntlivce. Odhad SW prjektů vlivňují také bchdní cíle, závazky, řízení. Dbrý dhad: Dbrý dhad je dhad, který pskytuje dstatečně jasný phled na realitu prjektu, aby vedení prjektu mhl dělat dbrá rzhdnutí, jak prjekt vést, aby byl dsažen cíle. Je správným dhadem jedn čísl? A0M33PIS (C) Ing. Pavel Náplava 5

6 Cvičení kvality dhadu práce Otázka Min. dhad Max. dhad Pvrchvá teplta Slunce Zeměpisná šířka Šanghaje Plcha asijskéh kntinentu Rk narzení Alexandra Velikéh Celkvý bjem měny USA v běhu rku 2004 Celkvý bjem Velkých jezer Celkvé celsvětvé příjmy filmu Titanic Celkvá délka pbřeží Tichéh ceánu Pčet knih vydaných v USA d rku 1776 Nejtěžší zaznamenaná mdrá velryba Vyplňte hdnty, pr které myslíte, že jsu s 90% pravděpdbnstí správné. A0M33PIS (C) Ing. Pavel Náplava 6

7 Výsledek cvičení Otázka Správná dpvěď Pvrchvá teplta Slunce F/6 000 C Zeměpisná šířka Šanghaje 31 severní šířky Plcha asijskéh kntinentu mil / km Rk narzení Alexandra Velikéh 356 před naším letpčtem Celkvý bjem měny USA v běhu rku ,9 miliard dlarů Celkvý bjem Velkých jezer km / 23 x litrů Celkvé celsvětvé příjmy filmu Titanic 1,835 miliardy dlarů Celkvá délka pbřeží Tichéh ceánu mil / kilmetrů Pčet knih vydaných v USA d rku milinů Nejtěžší zaznamenaná mdrá velryba liber / 170 tun Je 90% pravdu 90%? Nezvlili jsme úzký interval dhadu (interně)? A0M33PIS (C) Ing. Pavel Náplava 7

8 Jak jistá je 90% jistta? 25% Výsledky analýzy kvízu 20% 15% 10% 5% 0% Pčet správných dpvědí Intuitivních 90% jistty je v praxi spíše reálná 30% jistta!? A0M33PIS (C) Ing. Pavel Náplava 8

9 Kuželvý efekt dhadu prjektu A0M33PIS (C) Ing. Pavel Náplava 9

10 Prblémy v dhadech Nadhdncvání: Parkinsnův zákn. Studentský syndrm. Cena za pdhdncení je vyšší než za nadhdncení. Pzr na zahrnutí všech aktivit: Instalace, šklení, řízení, testvání, integrace, subddavatelé Nezapmínejme na při delších prjektech ani na sciální aspekty (dvlená, nemc, ). Odhady vývjářů jsu většinu ptimistické. Pzr na uspěchané prjekty. A0M33PIS (C) Ing. Pavel Náplava 10

11 Velikst prjektu Lze vyjít z pčtu řádků kódu. Nárůst veliksti je kvadratický!!! Pdbná úvaha je mžná i pr pčty funkcí, mdulů, atd. Vztah mezi velikstí a prduktivitu Velikst prjektu Řádky kódu na rk práce zaměstnanců (Ccm II) řádků (3.200) řádků (2.600) řádků (2.000) řádků (1.600) Jaká je prduktivita u větších prjektů? A0M33PIS (C) Ing. Pavel Náplava 11

12 Parametry veliksti prjektu (Ccm II) Druh vyvíjenéh SW. Např. prduktivita vývje Intranetu je vyšší než u krabicvéh SW. Lidský faktr. Schpnsti, stabilita,, zkušensti keficient až 22!!! Prgramvací jazyk. Nezapmínejme na vliv vývjvých nástrjů. Další faktry: Vývj na více místech, zkušensti s aplikacemi, nestálst platfrmy řešení architektury a rizik, Kmbinace faktrů mezi sebu a vliv veliksti!!! A0M33PIS (C) Ing. Pavel Náplava 12

13 Základy dhadvání Příklad: dhadvání pčtu lidí v místnsti. úsudek až na psledním místě, nejdříve pčítejte neb kalkulujte! Výpčet x kalkulace? Pčítejme s nejvíce krelvanými vstupy se sftwarem. Sbíráme histrická data. Odvětvvá, histrická, prjektvá. Velikst, práce, čas, chyby. Jak data sbírat? C nejdříve p prjektu. Kalibrace hdnt. A0M33PIS (C) Ing. Pavel Náplava 13

14 Metdy dhadvání Individuální úsudky expertů. Rzpad na smysluplné celky (úkly) + kmbinace nejlepších a nejhrších. Dekmpzice a zpětné skládání. Zákn velkých čísel! Odhad pmcí analgie. Odhady pmcí zástupce. Například standardní kmpnenty, Skupinvé úsudky expertů. Důležitst skupinvých hdncení (!), metdy Delphi A0M33PIS (C) Ing. Pavel Náplava 14

15 Metda PERT Metda zalžená na individuálních úsudcích expertů. Prject Evaluatin and Review Technique. Očekávaná hdnta a standardní dchylka: č. dba = ptim. +4 pravd. +pesim 6 ; Pravd. 68,3% pr ± 1 std. dchylku, pravd. 95,5% pr ± 2 std. dchylky. Někdy raději: č. dba = tpim. +3 pravd. +2 pesim. 6 Y16INS - Cvičení č.4 Ing. Pavel Náplava 15

16 MRE Vyhdncení dhadu a skutečnsti. Magnitude f Relative Errr. Relativní chyba dhadu: Při zlepšvání dhadů se chyba snižuje. A0M33PIS (C) Ing. Pavel Náplava 16

17 Jak t funguje v praxi Na vše existuje sftware. SW sám sbě nikdy nic nespčítá. Nejlepší šklu je škla živta. Dbré firmy se nebjí chybách diskutvat. Skupinvý brainstrming. Učící se rganizace. A0M33PIS (C) Ing. Pavel Náplava 17

18 Závěr Dtazy, připmínky, názry A0M33PIS (C) Ing. Pavel Náplava 18

19 Dpručená literatura McCnnell S.: Odhadvání sftwarvých prjektů, Cmputer Press, ftwaredetails.aspx?cid=1845&c1=en-us&c2=0 mlhttp://csse.usc.edu/tls/cocomoii.php (kalkulátr) A0M33PIS (C) Ing. Pavel Náplava 19