贝叶斯网在软件项目管理中的应用

合集下载

基于贝叶斯方法的项目投资风险决策

李矫臣，娜张
（山东宜华建设咨询有限公司，威海２４０）６２０
摘
要：由于投资受政策、社会环境、经济环境、管理水平等诸多因素的制约，因而投资成败的不确定性极大。本文将贝
叶斯决策理论应用于投资决策中，建立了资贝叶斯风险决策模型，了决策模型中各种参数的确定方法，阐述了投分析并该模型对降低决策风险的作用。在风险决策中，息的价值可以定量，信运用贝叶斯公式分析在风险决策中增大信息量，有益于降低决策风险。
收稿日期：０６３２２０ —０ —２
所对应的决策行动为最优决策行动；后者是经过抽样实验求出后验概率，然后求出后验收益期望值或后悔期望值，选取其中最优者所对应的决策行动为最优决策行动。通常决策变量有两种类型：一类是离散型决策变量；另一类是连续型决策变量。本文是讨论如何应用正态分布于连续型决策变量在项目投资决策中的应用决策问题。其处理方法是根据抽样实验结果的概率分布去修正先验概率分布，再应用各种期望值准则求出最优决策行动。
ｄｃｓｎｍｏｅｉｓｄｈｖｒｉｄｏｎｍｂｒｅｉｏｉｄｌｎｉｅｔｅｅｅｙｋｎｆｕｅ，唧
ｔａｔｍｏｅｍａｅｐｌｙｔｅｆｎｔｎｏｈｉｓｏｙｎｔｒｓｈｔｈｅｄｌｋｏｉｈｕｃｉｆｔｅｒｋｌｗｌ，Ｉｈｉｋｓｃｏｅ
ｄｃｏ，ｉｆｒｔｎｃｎｈｉｅｍｏｎ，ｅｔｄｔｎｏｍａｉｎａｕｔｉｈｓｅｉｏａｅｎＢａｅｏｍｕａｔｉｅｉｎｎｏｍａｉａｆｄａｕｔｘｅｈｉｆｒｔｍｏｎｎｔｅｒｋｄｃｓｎｂｓｄｏｙｆｒｌ，ｉｓｉｓｏｅｘｎｅｏｉｉｓｂｎｆｉｌｔｍａｅｐｌｙｔｗｉｅｅｉａｏ１ｋｉｈ１ｒｋ．ｃｏｃｅ０ｓＫｅｒｓＢｙｅｉｏｋｎ；ｒｓｅｉｉｎｌｌｌｉｔｉｕｉｎｏｓｉｔｙｗｏｄ：ａｅｄｃｓｎｍａｉｓｉｇｉｋｄｃｏ；ｒ￣ａｄｓｒｔ；ｐｓｉｌｙｓｏｒｌｂｏｂｉ

基于贝叶斯网络的软件项目风险管理模型

ＢａｅｙｓａｔｒｓｄｏｎＢａｅｉｎＮｅｗｏｋｓ
ＦＥＮＧｎＬＩｉｑａｇＫＯＵＪｓｎ，ＡＮＧｙｎＮａ，ｎｉｎ，ＭｉｏｇＦＤｅｉｇ
（ｓｉｔｏｙｔｍＥｇｎｅｉｇＴａｊｎＵｎｖｒｉ，ｉｊ００２Ｉｔｕｅｆｓｎｉｅｒ，ｉｎｉｎｔＳｅｎｉｅｓｔＴａｉ３０７）ｙｎｎ
种难以预见的不确定性因素，造成失败的风险。而风险管理
被认为是软件项目中减少失败的一种重要手段。当不能预测将要发生的事情时，可以采用结构化风险管理来发现软件开发过程中的缺陷，并且采取措施来减少潜在问题发生的可能性和影响。软件项目风险管理意味着在危机还没有发生之前就对它进行处理，这样就有利于降低软件项目开发风险，进而提高软件项目的成功率。软件项目风险管理过程如图１所示。
［ｙｗｏｄ］Ｂａｅｉｎｎｔｏｋ；ｏｔａｅｒｊｃ；ｉｎｇｍｅｔｄｌＳｕｃｓｆｉｋＫｅｒｓｙｓｅｗｒｓＳｆｒｏｅｔＲｓｍａａｅｎｅ；ｏｒｅｓｓａｗｐｋｍｏｏｒ
１概述
在大型软件项目开发过程中，往往需要采用复的技术，投入巨额的资金以及组织庞大的研制队伍。这些都会带来种
维普资讯
第３３卷第７期
Ｖ１３ｏ．３・来自计算机
工
程
２００７年４月
Ａｐｉ２０７ｒｌ０
Ｎｏ７．
Ｃ０ｍｐｕｔｒＥｎｇｎｅｒｎｇｅｉｅｉ
软件技术与数据库・
文章编号：ｏ３２（０）—０４—０文献１（＿４８ｏ７７＿１＿Ｉ２ｏｏ３标识码：Ａ

基于贝叶斯网络的软件项目风险分析过程

— —
摘要论文提出了一种基于贝叶斯网络的软件项目风险分析过程。着软件项目的进行，风险分析过程能够利用不随该
断更新的项目数据持续地预测潜在风险，以此确定风险源并采取适当的应对措施降低风险发生概率。经实践检验，并在
维普资讯
基于贝叶斯网络的软件项目风险分析过程
冯楠李敏强寇纪淞方德英
（津大学管理学院，津３０７）天天００２
Ｅ－ｍａｌｆｎｇｎ１７＠ｙｈｏｃｍ．ｎｉ：ｅｎａ９８ａｏ．ｏｃ
环。对软件项目风险进行评估和分析是处置风险的前提，是也制订和实施风险处置计划的科学根据。中利用贝叶斯网络及文
其信念更新过程对风险发生的概率及其后果做出尽量准确的
Ｋｙｏｄ：Ｂｙｓｎｎｔｏｋ，ｆａｅｐｊｃ，ｓｎｙｉｐｃｓ，ｏｒｅｆｒｋｅｗｒｓａｅｉｅｒｓｓｔｒｒｅｔｒｋａａｓｒｅｓｓｕｃｓｏｓｓａｗｏｗｏｉｌｓｏｉ
１引言
由于软件系统属于复杂的社会技术系统．此在软件项目因开发过程中存在着许多不确定性因素。如，估计软件规模、例在进度以及质量等方面都具有诸多不确定性因素。些不确定性这因素大大增加了软件项目开发的风险。然业内多年来采取了虽诸如技术手段、织手段和工程手段等方法．是都无法消除组但这些不确定性因素。引入软件项目风险管理Ｉ１不利因素实１，．在２际发生之前就采取预防、回避、移或分担等措施，将有利于转必

软件项目风险管理理论与方法研究综述_潘春光

第22卷第5期Vol.22No.5控　制　与　决　策Cont rolandDecision2007年5月 May 2007收稿日期:2006201207;修回日期:2006204209.基金项目:国家自然科学基金项目(70272002).作者简介:潘春光(1974—),男,济南人,讲师,博士生,从事软件项目风险管理、决策分析技术的研究;陈英武(1963—),男,湖南益阳人,教授,博士生导师,从事公共管理、项目管理等研究. 文章编号:100120920(2007)0520481206软件项目风险管理理论与方法研究综述潘春光,陈英武,汪　浩(国防科学技术大学信息系统与管理学院,长沙410073)摘　要:软件项目风险管理是软件工程的重要分支,也是项目管理和决策研究中的热点问题.为此,简要介绍了软件项目风险管理的相关基本概念,阐述了软件项目风险管理的框架体系和研究方法,并讨论了其各自的优缺点.据此对该学科的研究发展趋势作了展望.关键词:软件项目;风险管理;风险分析;风险控制中图分类号:O157.5 文献标识码:AOvervie w of the study on theories and methods of soft w are projectrisk m anagementPA N Chun 2g uan g ,C H EN Yi ng 2w u ,W A N G H ao(College of Information System and Management ,National University of Defense Technology ,Changsha 410073,China.Correspondent :PAN Chun 2guang ,E 2mail :chunguangpan @ )Abstract :As an important branch of software engineering ,software project risk management (SPRM )is a hotspot in project management and decision 2making.The conceptions of SPRM are introduced generally.An overview of the study on theories and methods in this field is made and the merits and defects are also discussed.The prospect of this subject is presented.K ey w ords :Software project ;Risk management ;Risk analysis ;Risk control1　引言软件项目风险管理作为一门学科,出现于上世纪80年代末.经过近30年的发展,已从理论、方法乃至实践上都取得了一定的进展.目前,随着软件工程技术的进步和软件企业的不断成熟,其研究已成为软件工程和项目管理中的热点问题之一.本文对近年来软件项目风险管理理论与方法的研究进展情况进行综述,分析了各种理论体系和方法的特点和不足,并对该学科的发展趋势作了展望.2　软件项目风险管理的有关概念风险的概念最早出现于19世纪末的西方经济领域,目前已广泛应用于社会学、经济学、工程学、环境学等领域.风险一词在不同领域有不同的界定,目前尚无统一的定义[1].但一般认为风险概念应包含以下几方面内涵[1,2]:1)风险是指事物发生发展过程中某种客观存在的不确定性;2)这种不确定性对主体的决策和价值目标构成了潜在威胁或可能造成损失;3)不同主体对同样风险的承受能力与收益大小、投入多少、项目活动的主体地位和拥有的资源有关.在软件工程领域,人们一直试图将软件开发活动工程化,并通过借鉴工程项目的管理办法来解决软件项目中出现的风险问题.对软件项目风险概念的理解源于其他工程项目风险管理,并经过一定的讨论和改进.如最早研究软件项目风险管理的美国国防部,把风险定义为[3]:在预定成本、工期和技术约束下,可能无法达到全面计划目标的度量指标,它包含两部分:1)无法达到具体结果的概率(或可能性);2)达不到那些结果的后果(或影响).Boehm 等将这两部分归结为“风险暴露”[3,4],用公式表示为R E =P (U O )*L (U O ).(1)其中:R E 指风险或风险造成的影响,P (U O )表示令人不满意结果发生的概率,L (U O )表示不利结果可能产生的破坏程度.上述概念未指明其主体,即是什控制与决策第22卷么造成的不利影响,所以有些文献又将风险主体表示为“场景”.如Charette将风险定义为一个三元组[5]Risk={(s i,l i,v i)—i=1,2,…,n},(2)分别表示风险所处的环境描述、可能概率和风险发生时的后果.然而该定义仍存在缺陷,它将低概率高损失的情形与高概率低损失的情形等同起来.为此,Kumamoto等又作了扩展,将风险定义为一个四元组[6]Risk={(s i,o i,l i,v i)—i=1,2,…,n},(3)其中o i表示对第i个场景造成后果严重性的度量.经过一系列补充,人们对软件风险的概念逐渐加深,为理论研究奠定了基础.风险管理是指辨识、分析和控制风险的活动,这组活动不是孤立的,而是一组系统化、持续化的过程[7].软件项目风险管理是指贯穿于软件项目生命周期,保证项目按计划进行的策略、方法、技术和工具的集合,它含有风险辨识、评估、排序、计划、监督和控制活动,并成为软件项目管理的主要部分[8].3　软件项目风险管理的框架体系从软件项目风险管理的发展历史看,Boehm于1989年出版的专著《软件风险管理》[3],奠定了该领域的理论基础.在随后近30年中,又陆续出现了几种框架体系.现总结和比较如下.3.1　Boehm和Charette的风险管理框架Boehm在《软件风险管理》中,将软件项目风险管理分为风险评估和风险控制两大部分,其中风险评估又分为风险识别、风险分析和风险的优先级排序,风险控制又分为风险管理计划、风险解决和风险监控.软件项目风险管理的另一位创始人Charette构建的风险管理框架[5],则直接将其分为风险分析和风险管理两部分,其中风险分析包括识别、估算和评价,风险管理包括计划、控制和监控.二者的理论框架如表1所示.表1　Boehm和Charette的风险管理框架Boehm的风险管理框架Charette的风险管理框架风险评估风险识别风险分析风险优先级排序风险分析风险识别风险估算风险评价风险控制风险管理计划风险解决风险监控风险管理风险计划风险控制风险监控从本质上讲,二者风险管理框架基本相同.从内容上看,与其他工程项目风险管理也没有实质性差别.3.2　Higuera和H aimes的持续风险管理框架模型Higuera和Haimes提出的软件项目风险管理框架,是美国卡内基・梅隆大学软件工程研究所(SEI)风险管理体系中的一部分.该体系将风险管理划分为风险识别、分析、计划、跟踪、控制5个步骤,风险管理的方式是连续循环的,其核心是风险沟通.它要求在项目生命期的所有阶段都关注风险管理,即所谓持续风险管理(CRM)框架模型[9,10](见图1).图1　SEI的持续风险管理框架模型SEI的模型在Boehm和Charette的模型基础上有所改进,注重了软件项目的过程特点.但这一模型只是在理论上对风险管理的过程有了初步认识,而如何把风险管理演绎成一个动态、持续的风险管理过程,未作详细阐述.3.3　H all的六学科模型Hall的六学科风险管理模型[11](见图2),将风险管理分解为6个学科.其中:E代表预想,是把思想转化为目标的学科,用于研究软件产品的远期规划;P代表计划,是为软件目标分配资源的学科;W 代表工作,是指产品计划的执行;M代表度量,是比较期望值和实际值的学科,两个值的差异用于调整项目计划;I代表改进,是从过去经验中学习的学科,它通过分析基准和项目度量结果,找出改进的方向;D代表发现,是预知未来的学科,它通过对不确定性的评价和对困惑的思考,考虑机会和风险的均衡,预先指导计划和规划的改变.图2　H all的六学科风险管理模型Hall的六学科模型考虑了风险管理与项目管理的结合,注重风险的度量和控制,是理论与实践相结合的有益尝试.不足之处是对如何取得预想方案中风险和机会的均衡重视不够.其基本思路是改进284第5期潘春光等:软件项目风险管理理论与方法研究综述项目管理,带动风险管理,管理范围仍以核心风险管理为主.3.4　基于CMM/CMMI的软件项目风险管理框架文献[12,13]提出了基于CMM I的软件项目风险管理框架,对软件项目风险管理理论作了进一步研究和扩展.能力成熟度模型(CMM)是SEI主持研发的一套评估软件能力和成熟度的标准.该标准基于众多专家的经验,侧重于开发过程的管理,是目前国际上流行的软件生产过程标准和软件企业成熟度等级认证标准.CMM主要用5个不断进化的层次来表达,即初始级、可重复级、已定义级、已管理级和优化级,项目风险管理被集成在第3级水平.SEI将CMM扩展为能力成熟度模型集成(CMM I),从内容和特征上对CMM进行完善.在CMM I中,风险管理作为第3级中的一个独立的关键过程域,是软件工程管理的一个重要方面,体现了风险管理的过程特点,从而使在过程中进行风险管理的原则得以真正体现[14].基于CMM/ CMM I的软件项目风险管理的研究,推动了风险管理理论与以软件过程改进为主导的软件工程实践的融合,使软件项目风险管理朝着可预测、有规律、可量化的管理方向发展.4　软件项目风险管理的研究方法、技术和工具软件项目风险管理发展近30年中,出现了不少方法、技术和工具.这些成果大多以系统整体的形式出现,并贯穿于风险识别、评估、分析和控制的全过程,各方法和技术之间也有交叉,并因阐述的角度不同而有所侧重.下面就其主要研究成果进行简要评述.4.1　软件项目风险识别方法风险识别是任何风险管理活动的起点.从已有成果看,软件项目风险识别的研究方法大致有以下几种:1)风险清单法.Boehm给出了top10风险序列[3],并提出了顶级十大风险源清单[6].随后,他指出在软件项目开发生命期的每个重要阶段,都可进行top10风险清单的调查和修改,并将风险管理加入软件项目开发生命期模型.Boehm还提出了软件项目开发期的螺旋式模型,使项目管理人员可对软件项目进行动态风险追踪.Barki等通过总结列出了35项风险变量[15];Jones描述了60项最常见的风险因素[16].这些成果对于开展风险识别、提供风险源素材具有很大的帮助.2)风险识别法(TB I).Marvin等提出的基于分类的风险识别法[17],主要是从项目分类学的角度考虑风险,对项目的风险项进行分类,从单纯的清单列表走向由分类树与问卷识别过程的统一,从而使软件项目风险项具有结构性的特点.另外,它也秉承了动态管理的特点,使风险识别及后续处理有计划、分步骤、周期性地在项目生命期内进行.3)基于分类的问卷调查表法(TBQ)[17].该方法是由专家根据项目特点设计风险管理问卷调查表,对企业有关人员进行问卷调查,并根据调查结果对数据进行统计分析.文献[18]在问卷调查的基础上提出一种簇分析方法,对507个软件项目管理人员进行问卷调查.文献[19]在此基础上进一步扩展,提出一种软件风险和性能的层次模型,并对调查结果作了统计分析.4.2　网络分析模型网络分析技术在项目风险管理中经常使用,软件项目风险管理中很多方法和工具都借鉴了传统的网络技术.其研究方法主要有以下几种:1)PER T/CPM,GER T和V ER T.PER T(计划评审技术)主要是针对项目进度风险进行评估,通常要求各随机事件都服从三点分布.在实践中,这一假定往往无法满足,这时一般可与蒙特卡洛仿真联合使用.GER T(图形评审技术)可处理活动间的前后逻辑关系受活动结果支配的情况,其活动及活动的先后次序均为随机变量.它既能评估进度风险,又能评估成本和质量等风险.V ER T(风险评审技术)是以管理系统为对象、以随机网络仿真为手段的定量风险分析技术.它可根据每项活动的性质,在网络节点上设置多种输入和输出逻辑功能,使网络模型能充分反映实际过程的逻辑关系和随机约束.这类技术最为常用,在软件项目风险管理中多有引入,如文献[20222]等.2)关键链技术.G oldratt将其提出的制约理论引入项目管理,提出了以关键链取代关键路径的思想.他出版了企业管理专著《关键链》[23],提出了关键链项目管理(CCPM).文献[24]论述了CCPM在软件工程中应用的可行性,文献[25]将关键链技术与系统动力学模型相结合,对多个软件项目进行仿真,并给出了仿真结果.3)贝叶斯置信网络(BBN)模型.BBN是人工智能领域的一种概率推理方法,可描述不确定因素之间的表示和推理.文献[26]应用BBN对软件项目进行风险识别、预测和动态监控,并对项目资源进行动态调整,给出了仿真实例和结果,具有一定的参考价值.4)Pet ri网技术.Pet ri网是研究离散事件动态384 控制与决策第22卷系统的理论工具之一,它具有并行、并发、同步等特性,适合于描述软件开发过程,在软件工程领域中应用较广[27].5)其他网络模型.这类模型一般是研究人员自行设计的特殊网络模型,如文献[28]提出的设计网模型,文献[29231]提出的软件项目管理网络模型等,对软件项目的并发和迭代现象进行建模和仿真研究.需要说明的是,网络分析模型往往与系统仿真技术结合在一起使用.仿真技术能使网络模型中的不确定性得以量化,是风险管理中的基本技术之一.4.3　系统动力学仿真技术以上总结的各种网络分析模型,大都是从微观的角度考虑软件项目中存在的风险问题,它们在进行风险管理时往往表现出静态和局部的特点,而忽略了项目各部分之间的相互作用对项目整体的影响.软件开发项目是一个动态的复杂系统[32],传统的项目管理方法不能有效地应对软件项目的动态复杂性,也不能从整体上把握软件项目风险管理.一些学者注意到这些方法的缺陷,将系统动力学引入软件项目管理.系统动力学是以反馈控制理论为基础、以计算机仿真为手段的定量分析技术.它通常以分析系统各部分之间的因果关系来建立非线性定量模型,并通过仿真的方法来考察系统的整体结构.Abdel和Madnick[33]对软件开发过程进行系统动力学的建模和仿真,在此基础上开展项目管理.一些学者[34236]先后对这一问题作了深入详细的探讨.以上学者的研究主要是对软件过程进行建模. Houston[37,38]专门为风险管理建立了软件项目系统动力学模型.他基于先前的系统动力学模型,提出一种所谓的基本模型,并对基本模型仿真得到一个基线值.在基本模型的基础上,给出了最为常见的6个软件项目的主要风险项,建立了一个扩展的系统动力学模型,并通过仿真得出各风险因素对系统的影响结果.Houston的模型是专为评估、缓和、调节风险管理活动而设计的,它通过调整输入参数,对成本、进度和产品质量进行风险分析和决策.4.4　基于成本估算模型的风险评估方法成本估算模型主要有SPL M模型和结构化成本模型(COCOMO),其中以COCOMO较为流行.下面简要介绍基于COCOMO的软件项目风险评估[4].Behem在其专著《软件工程经济学》[39]中发表了COCOMO模型(COCOMO81),它包括基本COCOMO,中级COCOMO和详细COCOMO3个层次.随后,为支持Ada项目评估,又开发了Ada COCOMO,对成本驱动因子作了适当调整.1990年后,出现了快速应用开发模型、软件重利用、再工程、CASE、面向对象方法、软件过程成熟度模型等一系列软件工程方法和技术,而早期的COCOMO不能适应新的需要.为此,Boehm重新调整了原有模型,根据未来软件市场的发展趋势,发表了COCOMO Ⅱ模型.COCOMOⅡ的基本构成为5个规模度量因子和17个成本驱动因子,利用它们来调整成本模型计算公式,将Delp hi专家法与Bayes统计分析法相结合,通过不同的成本因子来计算工作量并进行风险评估.4.5　其他方法体系结合软件工程实践,还有一些有特点的软件项目风险管理方法.主要有:1)J yrki[40]提出的Riskit方法.该方法构造了风险因素、风险事件、风险反应和效用损失的影响图,透彻地说明了风险的起因、发展和最后结果.2)Yacoub等[41]提出的客观评估方法.认为评估应基于产品的属性,而不只是专家的经验,所以必须尽可能地采用项目度量体系得到量化数据,并掌握好风险评估的时机.3)Greer等提出的SERUM法[42].它将以往的软件项目风险管理过程或模式称为“明确的方法”,主要选择一些风险管理策略来处理比较重要的风险,并通过风险减少技术达到对风险的控制. SERUM提出了“含蓄风险管理”,该方法从一开始就从商业角度考虑风险,并一直贯串于软件项目的整个过程.4)层次全息模型(H HM).H HM是研究风险管理的一种方法体系,并已成功地引入大型数据库开发系统.它强调将复杂系统以互补、协作的方式分解为部件、子系统等层次,每个层次都是完整系统的某一特定视角结构.文献[43246]采用层次全息模型对软件项目风险管理进行研究,给出了风险管理的一套方法和模型.文献[47]对项目风险管理中各个阶段使用的工具进行评述,并通过问卷调查和分析,给出了风险管理各个阶段可使用工具的排序,为管理人员的决策提供了可靠的依据.5　我国软件项目风险管理的研究现状从我国软件项目风险管理研究现状看,由于国内软件行业发展较晚,软件企业不很成熟,很多公司主要以中小企业为主,很难谈得上系统、科学的软件项目风险管理.随着信息化浪潮的到来,我国软件业已在近几年取得了飞速发展,构建规范化、组织化的软件企业已成为业界人士的普遍共识.在这种情况484第5期潘春光等:软件项目风险管理理论与方法研究综述下,软件项目的风险管理也开始受到重视.目前,国内对软件项目风险管理的研究还停留在学习和吸收国外已有理论和方法的基础上,近年来逐渐有文章见诸期刊,如张珞玲、李师贤对M IS 项目开展了一些风险管理的研究[48];张李义提出一种信息系统开发的动态风险模糊估测方法[49];鞠彦兵等提出一种基于证据理论的软件开发风险评估方法[50];潘陈勇从生命周期的角度提出了软件开发动态风险管理的研究方法[51].另外,方德英以IT项目风险管理为题,提出一种风险管理体系,在SEI风险管理框架中加入了组织保障体系[52].焦鹏对软件项目全生命周期的风险评估方法与应用作了详细探讨[53].纵观这些研究可知,我国的软件项目风险管理研究大都还是秉承国外的模式,在理论、方法及实践上没有取得实质性的突破,因此我国软件项目的风险管理研究基本上还处于起步阶段.如何结合我国软件行业的实际进行相关技术的研究,是一个挑战性的课题,也必将经历一个较长的阶段.6　未来研究展望从目前软件项目风险管理的发展趋势看,其研究热点和需要进一步解决的问题主要有以下几方面:1)与软件过程改进相融合的风险管理理论和实践.软件项目管理朝着稳定化、有规律、可重复、可量化的方向发展已是大势所趋,风险管理应与当前软件工程的发展潮流相融合.软件过程改进的成功,使得软件项目风险管理受益匪浅.目前,人们已将风险管理的研究置于过程改进的框架之下,力图使风险管理在理论和实践上真正突破静态管理的模式,从而从根本上克服操作性不强、缺乏有效的技术和工具支持、定性分析多于量化管理等缺陷.这样,在过程改进的基础上发展起来的新的软件项目风险管理的研究,便成为该学科的一个发展方向.2)基于客观度量的风险评估技术.尽管目前应用于软件项目领域的风险评估技术不少,但大多是借鉴其他工程项目风险管理技术,而且多是以经验和主观分析为主.这些方法虽在一定程度上解决了某些风险问题,但在实践中往往不能取得较好的效果.因此应研究以软件度量为基础的客观风险评估方法.3)与新的项目管理方法的结合.项目管理领域中新的突破,往往能给软件项目的风险管理提供有益的参考,如前面总结的关键链等技术.但如何应用于软件项目风险管理并发挥作用,也是目前研究的热点问题之一.4)新的软件工程实践给风险管理带来的变化.软件工程的不断实践会出现一些新的问题,随之而来也会有许多风险问题出现.如何对这些变化开展有针对性的研究,也是未来软件项目风险管理需要解决的课题之一.总之,软件项目风险管理是一门实践性很强的学科,必须不断探求软件开发项目的规律和特点,紧密与软件工程的最新实践相结合,才会使其具有更强的生命力.参考文献(R eferences)[1]丁义明,方福康.风险概念分析[J].系统工程学报,2001,16(5):4022406.(Ding Y M,Fang F K.Analysis of concept of risk[J].J of Systems Engineering,2001,16(5):4022406.) [2]张哲.风险哲学初探[J].武警工程学院学报,2000,16(5):30232.(Zhang Z.A study of risk philosophy[J].J of Engineering College of Armed Police Force,2000,16(5):30232.)[3]Boehm B W.Software risk management[M].Piscataway:IEEE Computer Society Press,1989. [4]Madachy R.Heuristic risk assessment using cost factors[J].IEEE Software,1996,14(5/6):51259.[5]Charette R.Software engineering risk analysis andmanagement[M].New Y ork:Mc Graw2Hill,1989. [6]Kumamoto H,Henley E J.Probabilistic riskassessment and management for engineers and scientists [M].New Y ork:IEEE Press,1996.[7]Software Engineering Institute.The SEI approach tomanaging software technical risks[R].Bridge:Software Engineering Institute,1992:19221.[8]Boehm B W.Software risk management:Principles andpractices[J].IEEE Software,1991,8(1):32241. [9]Higuera Ronald P,Haimes Y Y.Software riskmanagement[R].Pittsburgh:Carnegie Mellon University,1996.[10]Dorofee A J,Walker J A.Continuous risk management[R].Pittsburgh:Carnegie Mellon University,1996.[11]Elaine M Hall.Managing risk:Methods for softwaresystems development[M].Addison2Wesley Publishing Company,1998.[12]Prikladnicki R,Yamaguti M H,Antunes D C.Riskmanagement in distributed software development:A process integration proposal[C].5th IFIP Working Conf on Virtual Enterprises.Toulouse,2004.[13]Dipak Surie.Evaluation and integration of riskmanagement in CMMI and ISO/IEC[J].http://www.cs.umu.se/～dipak/paper2cmmi.pdf.[14]Alf red B.Process2based software risk assessment[C].584 控制与决策第22卷Proc of the4th European Workshop on Software Process Technology.Nordwijkerhout,1995:1221. [15]Barki H,Riverd S,Talbot J.Toward an assessment ofsoftware development risk[J].J of Management Information Systems,1993,10(2):2032225.[16]Capers Jones.Assessment and control of software risks[M].Englewood Cliff s:Y ourdon Press,1994.[17]Carr M,K onda S L,Monarch F.Taxonomy2basedrisk identification[R].Pittsburgh:Carnegie Mellon University,1993.[18]Linda Wallace,Mark Keil,Arun Rai.Understandingsoftware project risk:A cluster analysis[J].Information and Management,2004,42(1):1152125.[19]Linda Wallace,Mark Keil,Arun Rai.How softwareproject risk affects project performance:An investigation of the dimensions risk and an exploratory model[J].Decision Sciences,2004,35(2):2892321.[20]Dawson R J,Dawson C W.Practical proposals formanaging uncertainty and risk in project planning[J].Int J of Project Management,1998,16(5):2992310.[21]Alquier A M,Tignol M H.Project managementtechnique to estimate and manage risk of innovative projects[C].IPMA Int Symp and NORDN ET’2001.Stockholm,2001.[22]Moeller G L,Digman L A.Operations planning weihV ER T[J].Operations Research,1981,29(4):6762 697.[23]G oldratt E M.Critical chain[M].New Y ork:NorthRivef Press Inc,1997.[24]Lawrence M Hayhurst.The critical chain in softwareengineering[J]./hunsaker/Critical_Chain_Software_Eng.pdf.[25]Bengee Lee,J ames Miller.Multi2project managementin software engineering using simulation modeling[J].J of Software Quality,2004,12(1):59282.[26]Fan C F,Yu Y C.BBN2based software project riskmanagement[J].J of Systems and Software,2004,73(1):1932203.[27]Ammar H,Nikzadeh T,Dugan J B.An example ofrisk assessment of software systems specifications[C].Proc of8th Int Symp on Software Reliability Engineering.Albuquerque,1997:1562167.[28]Liu L C,Horowitz E.A formal model for softwareproject management[J].IEEE Trans on Software Engineering,1989,15(10):128021293.[29]Chang C K,Christensen M.A net practice forsoftware project management[J].IEEE Software, 1999,16(6):80288.[30]Chang C K,Christensen M,Zhang T.G eneticalgorithms for project management[J].Annals ofSoftware Engineering,2001,11:1072139.[31]Chang C K.SPMN ET:A new methodology forsoftware management[D].Chicago:The University of Illinois,1995.[32]Lai L S Linda.A synergistic approach to projectmanagement in information systems development[J].Int J of Project Management,1997,15(3):1732179.[33]Abdel Hamid T K,Madnick S.Software projectdynamics:An integrated approach[M].Prentice2Hall, 1991.[34]Madachy Raymond J.A software project dynamicsmodel for process cost,schedule and risk assessment[D].University of Southern California,1994.[35]John Douglas Tvedt.An extensible model forevaluating the impact of process improvements on software development cycle time[D].Phoenix:Arizona State University,1996.[36]Sycamore Douglas M.Improving software projectmanagement through system dynamics modeling[D].Phoenix:Arizona State University,1996.[37]Dan X Houston,Gerakd T Mackulak,J ames SCollofello.Stochastic simulation of risk factor potential effects for software development risk management[J].J of Systems and Software,2001,59(3):2472257. [38]Dan X Houston.A software project simulation modelfor risk management[D].Phoenix:Arizona State University,2000.[39]Barry Boehm.Software engineering economics[M].New Jersey:Prenctice Hall,1981.[40]J yrki K ontio.Software engineering risk management:A method,improvement f ramework and empiricalevaluation[D].Helsinki:Helsinki University of Technology,2001.[41]Yacoub S M,Ammar H H,Robinson.A methodologyfor architectural2level risk assessment using dynamic metrics[C].11th Int Symp on Software Reliability Engineering.San Jose,2000:2102221.[42]Greer D,Bustard D W.SERUM—Softwareengineering risk:Understanding and management[J].Project and Business Risk Management,1997:1(4): 3732388.[43]Michael J Pennock,Yacov Y Haimes.Principles andguidelines for project risk management[J].Systems Engineering,2002,5(2):892107.[44]Clyde G Chittister,Yacov Y Haimes.Systemintegration via software risk management[J].IEEE Trans on Systems,Man and Cybernetics:Part A, 1996,26(5):5212532.(下转第493页)684第5期康惠骏等:混合励磁电机系统输入输出解耦和线性化 excitation of AC and DC machine[C].Electrical Machines and Drives:4th Int Conf.London,1989:48252.[2]Naoe Nobuyuki,Fukami Tadashi.Trial production of ahybrid excitation type synchronous machine[C].Electric Machines and Drives Int Conf.Cambridge,2001:5452 547.[3]Aydin M,Huang S R,Lipo T A.A new axial fluxsurface mounted permanent magnet machine capable of field control[C].IEEE IAS Annual Meeting.Pittsburgh,2002:125021257.[4]Amara Y,Oujehani K,Hoang E,et al.Flux weakeningof hybrid synchronous machines[C].Electric Machines and Drives Int Conf.Cambridge,2001:3672373.[5]Hori H,Ashikaga T.Current controller for hybridexcitation type permanent magnet motor[P].J apan Patent:8242600,1996.[6]Zhao C H,Yan Y G.A review of development of hybridexcitation synchronous machine[C].IEEE ISIE.Dubrovnik,2005:8572862.[7]徐衍亮,唐任远.混合励磁同步电机的结构、原理及参数计算[J].微特电机,2000,28(1):16218.(Xu Y L,Tang R Y.A kind of structure,principle and parameter calculation for hybrid excitaion synchronous machine[J].Small and Special Electrical Machines,2000,28(1):16218.)[8]杨儒珊.混合磁路电机系统的结构性质分析[D].上海:上海大学,2005.(Yang R S.Analysis of structure of hybrid excitation permanent magnet sychronous machine system[D].Shanghai:Shanghai University,2005.)[9]谢七月,康惠骏.混合磁路电动机的非线性解耦控制[J].上海大学学报,2006,12(2):1582161.(Xie Q Y,Kang H J.Nonlinear decoupling control of hybrid excitation permanent magnet synchronous motor [J].J of Shanghai University,2006,12(2):1582161.)[10]康惠骏,谢七月,杨儒珊.混合励磁电动机的可逆性[C].2006中国控制与决策学术年会论文集.天津,2006:131321316.(Kang H J,Xie Q Y,Yang R S.Invertibility of hybrid excitation synchronous machine[C].CDC’2006.Tianjin,2006:131321316.)[11]Isidori A.Nonlinear control systems[M].2nd ed.Birlin:Springer2Verlag,1989.[12]康惠骏.异步电动机非线性系统分析与控制[D].上海:上海大学,1996.(Kang H J.Analysis and control for nonlinear systems of induction motors[D].Shanghai:Shanghai University,1996.) (上接第486页)[45]Leung M F,Santos J R,Haimes Y Y.Risk modeling,assessment and management of lahar flow threat[J].Risk Analysis,2003,23(6):132321335.[46]Yacov Y Haimes,Kaplan S,Lambert J H.Riskfiltering,ranking and management f ramework using hierarchical holographic modeling[J].Risk Analysis, 2002,22(2):3812395.[47]Raz T,Michael e and benefits of tools for projectrisk management[J].Int J of Project Management, 2001,19(1):9217.[48]张珞玲,李师贤.软件项目风险管理方法比较和研究[J].计算机工程,2003,29(3):91294.(Zhang L L,Li S parision and research on models of software project risk management[J].Computer Engineering,2003,29(3):91294.)[49]张李义.信息系统开发的动态风险模糊估测方法[J].系统工程理论与实践,2001,21(10):88292.(Zhang L Y.Approach to dynamic risk estimation for information system development[J].System Engineering Theory and Practice,2001,21(10):88292.)[50]鞠彦兵,冯允成,姚李刚.基于证据理论的软件开发风险评估方法[J].系统工程理论方法应用,2003,12(3):2182223.(J u Y B,Feng Y C,Yao L G.Research on the measure of risk in the course of software development[J].Systems Engneering—Theory Methodology Applications,2003,12(3):2182223.)[51]潘陈勇.基于生命周期的软件开发动态风险管理[D].杭州:浙江大学,2002.(Pan C Y.Dynamic risk management based on the software development life cycle[D].Hangzhou: Zhejiang University,2002.)[52]方德英.IT项目风险管理理论与方法研究[D].天津:天津大学,2003.(Fang D Y.The study on theories and methods of IT project risk management[D].Tianjin:Tianjin University,2003.)[53]焦鹏.软件项目风险评估方法的研究[D].北京:北京工业大学,2003.(Jiao P.The study on software project risk assessment[D].Beijing:Beijing University of Technology,2003.)394。

概率图模型在风险管理中的实际应用(八)

概率图模型在风险管理中的实际应用一、引言风险管理是企业经营中极其重要的一个方面，它涉及到人、财、物等各个方面的安全和稳定。

如何对风险进行有效的管理和预测一直是企业所面临的重要挑战。

而概率图模型作为一种强大的分析工具，正在被越来越多的企业用于风险管理中的实际应用。

二、概率图模型的基本原理概率图模型是一种用图论方法来描述复杂变量间关系的概率模型。

它通过图的形式来表示变量间的依赖关系，包括贝叶斯网络和马尔可夫网络两种主要类型。

贝叶斯网络使用有向无环图表示变量间的依赖关系，而马尔可夫网络则使用无向图来表示变量间的相关性。

三、概率图模型在风险管理中的应用1. 风险预测概率图模型可以根据历史数据和变量间的关联性，对未来可能发生的风险进行预测。

例如，利用马尔可夫网络可以对市场价格的波动进行建模，从而预测未来的价格变化趋势。

这对于金融行业的投资决策具有重要意义。

2. 风险评估概率图模型可以帮助企业对各种风险进行评估和量化。

通过构建贝叶斯网络，可以对不同风险因素的概率分布进行建模，从而计算出整体风险的概率分布。

这有助于企业在风险决策时更加客观和科学。

3. 风险控制概率图模型可以帮助企业设计出更有效的风险控制策略。

通过对风险因素的依赖关系进行建模，可以找到最具影响力的风险因素，并制定相应的控制策略。

这有助于企业在面临复杂的风险环境时更好地保护自身利益。

四、概率图模型在实际案例中的应用1. 金融行业概率图模型在金融行业的风险管理中得到了广泛的应用。

例如，一些银行和投资机构利用贝叶斯网络来对借款人的信用风险进行评估，从而制定出更有效的信贷政策。

另外，一些基金公司也利用马尔可夫网络来对股票价格的波动进行预测，以辅助投资决策。

2. 医疗保险行业在医疗保险领域，概率图模型也得到了广泛的应用。

通过对患者的病历和疾病间的关联性进行建模，可以更准确地评估患者的风险，并为其制定更合理的保险方案。

3. 供应链管理概率图模型在供应链管理中也有着重要的应用。

神舟飞船关键链项目管理贝叶斯网络模型

资源１
所示。在图３，中简化的工序都为串行的不存在资源冲突的结构。关键路径为工序２６８９，，，一工序１一工序１一工序１，８１，，１３４７１，９２２。０
图３简化的神舟Ｘ号出厂前研制计划网络图
图４为消除资源冲突的神舟ｘ号出厂前研制的甘特图。从图４中可知，关键链是工序２６８，，
前的研制计划网络图验证了该模型的正确性，准确识别了影响神舟飞船项目进度推迟的关键工序。
船工程使中国成为世界上第三个自主发展载人航天技术的国家，提升了中国航天大国的地位，极大
地增强了中华民族的自豪感和凝聚力，在国际上产生了巨大的轰动效应和政治影响－。１Ｊ
Ｉ
Ｐｌ０
２ｄ工序ｌ１６
图４消除资源冲突的神舟Ｘ号出厂前研制的甘特图
为了便于进行关键工序识别，按照第一部分的
工序转换为对应的ＣＰＮ模型，ＣＭＢ如图５所示。
神舟飞船关键链ＣＰＮ的转换方法将图４中各ＣＭＢ
在图５中，假设工序的持续时间均满足正态分
图５神舟Ｘ号出厂前的ＣＰＮ模型ＣＭＢ
１６
２１年６月中国制造业信息化０１
第４卷０
第１期１
布。节点之间的关系如图５所示，例如：８Ｐ节点为
表２节点Ｐ。７９Ｐ的概率取值变化
关键链的最后一个工序，表示项目进度的结束，所
１０９）００４
摘要：在研究关键链项目管理和贝叶斯网络技术的基础上，结合神舟飞船项目进度管理的特点，建立了神舟飞船关键链项目管理贝叶斯网络模型。首先详细描述了如何将关键链中的每个工序按照时间和资源约束的条件分解成贝叶斯网络模型中的６个节点，并进一步简化为４个节点。然后，以神舟飞船研制网络计划图为依据，明了关键链项目管理贝叶斯网络模型的建立过程。说最后，于贝叶斯网络推理成功识别出影响神舟飞船项目基进度推迟的关键工序。

工程质量管理常用数理统计方法中

工程质量管理常用数理统计方法中引言：工程质量管理是确保工程项目按照规定的质量标准进行设计、施工和运营的过程。

而数理统计方法是一种通过数据分析和处理来揭示数据规律和进行决策的工具。

在工程质量管理中，常常需要使用数理统计方法来分析和评估工程质量的各项指标。

本文将介绍几种常用的数理统计方法，并说明其在工程质量管理中的应用。

一、假设检验假设检验是一种通过收集样本数据来判断某个假设是否成立的方法。

在工程质量管理中，我们常常需要通过假设检验来验证工程质量是否符合规定的标准。

例如，我们可以采集一定数量的样本数据，然后根据这些数据来判断工程质量是否达到了要求的水平。

二、方差分析方差分析是一种用于比较两个或多个样本均值差异是否显著的方法。

在工程质量管理中，我们常常需要通过方差分析来比较不同工程项目的质量水平是否存在显著差异。

通过方差分析，我们可以判断不同因素对工程质量的影响程度，并采取相应的措施来提高工程质量。

三、回归分析回归分析是一种通过建立数学模型来描述因变量与自变量之间关系的方法。

在工程质量管理中，我们常常需要通过回归分析来探究工程质量与各种因素之间的关系。

例如，我们可以建立一个回归模型来预测某个因素对工程质量的影响程度，从而提前采取措施来避免工程质量的下降。

四、抽样调查抽样调查是一种通过抽取部分样本来估计总体特征的方法。

在工程质量管理中，我们常常需要进行抽样调查来评估工程质量的整体水平。

通过抽样调查，我们可以根据样本数据推断总体质量水平，并采取相应的措施来提高工程质量。

五、贝叶斯统计贝叶斯统计是一种根据先验概率和样本数据来更新概率分布的方法。

在工程质量管理中，我们常常需要使用贝叶斯统计来修正对工程质量的预测。

通过贝叶斯统计，我们可以根据已有的样本数据和先验概率来更新对工程质量的估计，并根据新的估计结果来调整工程质量管理措施。

六、六西格玛六西格玛是一种通过减少过程变异性来提高产品质量的方法。

在工程质量管理中，我们常常需要使用六西格玛方法来优化工程质量管理过程。

试析海洋装备故障贝叶斯网络诊断模型

试析海洋装备故障贝叶斯网络诊断模型随着我国经济实力的提升和科学技术的发展，我国逐渐加大了对海洋资源的开发，即利用海洋工程装备进行海洋资源的勘探、开采、储运等。

目前我国海洋工程装备项目故障诊断没有得到良好的发展，主要是由于传统的故障分析方法，无法在具有小批量、多品种等特点的海洋工程装备项目中得到完善的应用。

而贝叶斯网络可以良好地解决海洋工程装备项目故障诊断问题，且具有安全性和可靠性的优势。

一、引起海洋工程装备项目故障的因素相比于传统制造项目，海洋工程装备项目非常复杂，且比较庞大，如何进行海洋工程装备项目质量问题的追溯，成为人们考虑的重要问题，其中故障分析是进行质量问题追溯的主要步骤。

影响海洋工程装备项目故障的因素主要有材料、设备和工艺，因此需要针对该三个方向进行质量追踪管理。

其中材料与设备是由其他厂家提供，因此对材料和设备的管理主要是由供货厂家把握，而海洋工程装备的生产厂家，主要是进行工艺的质量管理。

工艺主要是指将各种材料及设备组成海洋工程装备平台，同时其还能够体现出对人力、物资等生产条件和因素的应用方式。

通过对海洋工程装备项目研究可以发现，虽然不同的产品平台具有较大的差异，但不同产品却存在较小的工艺差异，因此可以将工艺作为故障诊断的主要对象。

二、海洋工程装备故障贝叶斯网络诊断模型构建1、贝叶斯网络的概述贝叶斯网络能够对不确定性和概率性的事务进行良好的表达和分析，其主要是采用二元组BN=进行表示。

另外贝叶斯网络还可以称之为因果网，主要是由于有向边表达了因果关系。

如图1所示，其具有7个随机变量，采用贝叶斯网络表达，则只需要给出17个参数，相对于传统的128个参数，其计算更加简单。

贝叶斯网络表达方式为P（v1，v2，v3，v4，v5，v6，v7）=P（v7丨v5，v4）P（v6丨v5）P（v5丨v3）P（v4丨v1，v3）P（v3丨v1）P（v2丨v1）P（v1）。

2、贝叶斯网络的结构由于海洋工程装备项目具有小批量和多品种的特点，因此在进行贝叶斯网络分析模型的构建时，需要全面考虑不用品种差异问题、小批量样本有限问题等。

项目管理中的风险识别与评估工具

项目管理中的风险识别与评估工具在项目管理过程中，风险识别与评估是确保项目成功的关键步骤之一。

项目风险的准确识别和评估有助于项目团队制定有效的风险管理策略，以降低风险对项目的影响。

本文将介绍在项目管理中常用的风险识别与评估工具。

一、PMEBOK（Project Management Body of Knowledge）风险识别与评估工具PMEBOK是项目管理领域的权威指南，提供了一系列的工具和技术，帮助项目团队进行风险识别与评估。

其中主要包括以下几种：1. SWOT分析：SWOT分析用于识别项目的优势、劣势、机会和威胁。

通过评估项目的内部和外部环境，项目团队可以发现潜在的风险因素。

2. 鱼骨图（Ishikawa Diagram）：鱼骨图将问题或目标放在鱼头上，然后用鱼骨的骨架构建导致问题的可能原因。

项目团队可以使用此工具找出潜在的风险因素。

3. 问卷调查：通过向相关方询问有关项目的问题，项目团队可以获得他们对项目风险的看法和意见。

问卷调查是一种有效的风险识别与评估工具。

4. 信息收集技术：包括专家访谈、头脑风暴和焦点小组讨论等。

这些技术可以收集有关项目的相关信息，并帮助项目团队识别潜在的风险。

二、敏捷项目管理中的风险识别与评估工具敏捷项目管理强调快速反应和灵活性，需要有效的风险识别与评估工具来支持项目团队做出及时的决策。

以下是常见的敏捷项目管理中使用的工具：1. 用户故事地图（User Story Mapping）：用户故事地图将项目中的用户需求以时间轴的方式展示出来，帮助项目团队识别潜在的风险并制定对策。

2. 敏捷风险矩阵（Agile Risk Matrix）：敏捷风险矩阵是一种二维矩阵工具，通过评估风险的概率和影响，帮助项目团队确定哪些风险需要重点关注。

3. 决策树分析（Decision Tree Analysis）：决策树分析是一种定量评估风险的工具，通过计算各种决策结果的预期价值，帮助项目团队选择最佳决策方案。

建设项目风险管理-贝叶斯后验概率法

建设项目风险管理
贝叶斯后验概率法
先验概率
◆建设项目风险分析在没有客观数据可用时，常采用主管概率或专家估计法等来确定风险后果出现的概率，这些在没有历史数据可用时主观确定的概率，又称为先验概率。 ◆先验概率具有很大的不确定性，需要通过各种途径和手段（如试验、市场调查、文献调查等）来获得更加准确、有效的信息，以修正和完善先验信息。
9
贝叶斯决策的优缺点
◆ 1.贝叶斯决策的优点（1）贝叶斯决策能对信息的价值或是否需要采集新的信息做出科学的判断。（2）它能对调查结果的可能性加以数量化的评价，而不是像一般的决策方法那样，对调查结果或者是完全相信，或者是完全不相信。（3）如果说任何调查结果都不可能完全准确，先验知识或主观概率也不是完全可以相信的，那么贝叶斯决策则巧妙地将这两种信息有机地结合起来了。（4）它可以在决策过程中根据具体情况下不断地使用，使决策逐步完善和更加科学。 ◆ 2.贝叶斯决策的局限性：（1）它需要的数据多，分析计算比较复杂，特别在解决复杂问题时，这个矛盾就更为突出。（2）有些数据必须使用主观概率，有些人不太相信，这也妨碍了贝叶斯决策方法的推广使用。
5
贝叶斯后验概率法例题
◆某建设项目提供某种特殊服务，该建设项目的收益取决于购买这种特殊服务的用户数量。主观估计用户数量多的情况出现概率p{M}=0.5，用户数量少的情况出现的概率p{L}=0.5。为提高用户数量估计的准确性，决定请咨询公司进行全面的市场调查和预测。根据历年积累的数据和资料可知：凡是实际用户数量多的情况，调查结果得出用户数量多的结论的概率为p{A｜M}=0.9，用户数量少的概率为p{B｜M}=0.1；凡是实际用户数量少的情况，调查结果得出用户数量多的结论的概率为p{A｜ L}=0.2，用户数量少的概率为p{B｜L}=0.8。

【计算机应用与软件】_贝叶斯模型_期刊发文热词逐年推荐_20140723

推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
科研热词非合作博弈邮件过滤贝叶斯网络贝叶斯纳什均衡贝叶斯推理贝叶斯判别解释模型结构学习粗糙集点击模型点击日志混合高斯模型气测录井朴素贝叶斯最小切割集日志分析方向小波变换搜索引擎合成孔径雷达图像去噪判别分析分类决策粗糙集入侵检测系统交叉熵 manets
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13
2011年科研热词随机验证软件高速缓存(cache) 贝叶斯网络覆盖率驱动网络攻防机器学习朴素贝叶斯模型故障诊断博弈模型事件驱动 soa rbf神经网络 k-median模型推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
科研热词非视距贝叶斯网络贝叶斯推理贝叶斯学习贝叶斯评估访问控制自适应自治协商直接营销用户行为用户模型烟叶香型溯因推理机会网络朴素贝叶斯时间退变因子时间贝叶斯petri网时间区间计算数据挖掘故障诊断定位多实体贝叶斯网络复杂系统声誉启发式原型模型协商策略到达角到达时间差偏好信任模型个性化推荐 tabu搜索 jade em聚类

基于贝叶斯网络的项目计划评审技术研究

间和成本范围内，发出满足用户需求的软件产品。开因此，进度、本和质量成为软件项目管理的三要成
素，它们之间相互影响、相互制约。进度以花费的时间来计量，本以消耗的资源来计量，成而质量没有具体的计量标准，以出错率来计量是比较合理的（本文中质量以出错率来计量）。限于篇幅，本文仅对进度与质量的相互关系进行探讨。
维普资讯
西安理工大学学报Ｊｕｎｌｆｉａｉｅｓｙｏｅｈｏｏｙ２Ｏ）Ｖｏ．２Ｎ．９ｒａｏ ’ｎＵｎｖｒｉｆｃｎｌｇ（Ｏ６ＸｔＴ１ｏ２２
文章编号：１０ — ７００）２Ｏ３一４０６４１ｌ０６Ｏ一１７Ｏ２
开发活动完成的情况，ＰＲＴ图直观方便；不比Ｅ但能显示各项活动之间的依赖关系，某一活动的拖如延必然会影响到依赖于它的所有活动的进展，在这Ｇａｔ图中是无法表示的。ＰＲ通常和关键路径ｎｔＥＴ
ａｉｎａｄＲｖｅＴｃｎｑｅＰＲＴ）ｔｎｅｉｏｗｅｈｉｕ，Ｅ。Ｇｎｔ图用的情况仍
然比比皆是。软件开发的最终目标就是在既定的时
单易用，易于修改，自身带有的时间特性用来检查其
１７３
基于贝叶斯网络的项目计划评审技术研究
姚全珠，任雪利，丁晓剑

科研项目的风险评估与应对策略

科研项目的风险评估与应对策略科研项目的风险评估与应对策略是保障科研项目成功进行的关键环节。

科研项目在实施的过程中，会面临各种不确定性和风险，如技术难题、资金限制、时间压力等。

因此，对项目进行全面的风险评估，并制定相应的应对策略，可以提前识别和应对潜在的风险，为项目的顺利进行提供保障。

本文将从科研项目风险评估的必要性、具体评估方法以及应对策略等方面进行探讨。

一、科研项目风险评估的必要性科研项目的风险评估非常重要，其必要性主要体现在以下几个方面：1. 项目可行性评估：科研项目的风险评估可以帮助研究人员在项目开始前对项目的可行性进行评估。

通过对项目中可能存在的风险进行分析，可以及时发现项目实施的难点和限制条件，从而判断项目的可行性和成功概率。

2. 预防风险发生：通过风险评估，可以提前识别和预测项目中可能出现的问题和风险，制定相应的措施进行防范。

这有助于减少风险事件的发生概率，保证项目能够按计划进行，提高项目的成功率。

3. 保护研究成果：科研项目的风险评估有助于保护研究成果。

通过对项目中的知识产权、保密性等方面进行评估，可以制定相应的保护措施，避免研究成果的泄露和侵权。

二、科研项目风险评估的方法科研项目的风险评估可以采用不同的方法和工具。

下面介绍几种常见的评估方法：1. SWOT分析法：SWOT分析法以评估项目的优势、劣势、机会和威胁为核心。

通过分析项目内外部环境的因素，发现可能存在的风险点和问题，并提出相应的解决方案。

2. PESTLE分析法：PESTLE分析法主要从政治、经济、社会、技术、法律和环境等方面评估项目的风险。

通过全面了解项目所处的整体环境，预测可能对项目产生影响的因素，从而制定相应的应对策略。

3. 贝叶斯网络分析法：贝叶斯网络分析法通过建立风险因素和结果之间的数学模型，对风险进行量化评估。

通过计算概率和建立关联，可以得出不同风险的影响程度，有助于确定风险的优先级和应对策略。

三、科研项目风险应对策略科研项目在面临风险时需要采取相应的应对策略，以降低风险的影响并确保项目的顺利进行。

软件开发过程中的质量保证考核试卷

A.代码行数
B.缺陷密度
C.测试覆盖率
D.项目成本
14.在软件质量保证中，以下哪些做法有助于团队协作？（）
A.定期会议
B.明确责任
C.透明沟通
D.竞争氛围
15.以下哪些是软件测试用例设计的原则？（）
A.最小化测试用例
B.覆盖所有可能的路径
C.包括边界条件
D.包括异常情况
16.以下哪些是软件质量保证的挑战？（）
三、填空题（本题共10小题，每小题2分，共20分，请将正确答案填到题目空白处）
1.软件质量保证的目的是确保软件产品符合既定的质量标准和用户需求，它包括质量规划、质量控制和_______。（）
2.在软件开发生命周期中，_______阶段的缺陷修复成本最高。（）
3.软件测试可以分为白盒测试和黑盒测试，其中白盒测试又称为_______测试。（）
B.提高软件开发效率
C.识别和预防缺陷
D.保证软件的可维护性
2.下列哪种方法不适用于软件需求分析？（）
A.问卷调查
B.会议讨论
C.原型设计
D.单元测试
3.在软件开发过程中，以下哪个角色主要负责质量保证工作？（）
A.项目经理
B.开发人员
C.测试工程师
D.销售人员
4.以下哪种方法不是软件缺陷管理的主要方法？（）
8. ABCD
9. ABC
10. ABCD
11. ABC
12. ABC
13. ABC
14. ABC
15. ABCD
16. ABCD
17. ABCD
18. ABC
19. ABC
20. ABCD
三、填空题
1.质量改进
2.维护

风险识别的方法

风险识别的方法一、概述风险识别是指在项目、企业或者组织中，通过对潜在风险进行分析和评估，以及采取相应的措施来预防或者减轻风险对组织目标的影响。

本文将介绍风险识别的方法，包括常用的定性和定量方法，以及一些辅助工具和技术。

二、定性方法1. 专家判断法：通过邀请相关领域的专家进行评估和判断，根据其经验和知识来识别潜在风险。

专家判断法可以通过专家访谈、专家问卷调查等方式进行。

2. 预期事件法：根据项目或者组织的历史数据和经验，识别可能发生的风险事件。

这种方法基于过去的事件和情况，通过分析类似的情况来预测未来可能浮现的风险。

3. 基于场景的方法：通过构建不同的场景来识别风险。

这种方法可以通过头脑风暴、故事板等工具来实施，通过设想不同的情境和情况，识别可能的风险。

三、定量方法1. 统计分析法：通过对历史数据进行统计分析，识别可能的风险。

统计分析法可以使用各种统计工具和技术，如回归分析、时间序列分析等。

2. 模型建立法：通过建立数学模型来识别风险。

模型可以基于概率论、决策树、贝叶斯网络等方法，通过输入相关的参数和变量，得出风险的概率和影响程度。

3. 风险指标法：通过定义和计算一些风险指标来识别风险。

常见的风险指标包括风险值、风险概率、风险影响程度等，通过对这些指标进行计算和比较，可以确定风险的优先级和重要性。

四、辅助工具和技术1. SWOT分析：通过分析项目或者组织的优势、劣势、机会和威胁，识别可能的风险。

SWOT分析可以匡助识别内部和外部环境中的潜在风险。

2. 事件树分析：通过构建事件树来识别风险。

事件树分析可以将复杂的风险事件分解成一系列的事件和可能的结果，匡助识别风险的来源和影响。

3. 故障模式与影响分析（FMEA）：通过对系统或者过程中可能的故障模式和其影响进行评估，识别潜在风险。

FMEA可以匡助确定风险的严重性和优先级。

4. 信息采集和监测：通过采集和监测相关信息，及时掌握潜在风险的动态。

信息采集可以通过市场调研、竞争分析、舆情监测等方式进行，以便及时发现和应对风险。

基于因果贝叶斯网络的风险建模与分析

基于因果贝叶斯网络的风险建模与分析杨敏;王竹葳;王艳梅;陈旭【摘要】为验证基于因果贝叶斯网络的风险建模与分析（CBN-based RMA）的有效性，引入4种常见模式简化该方法的结构建模，以降低随后参数建模中专家判断工作量，然后将该改进方法应用于巴基斯坦NEELUM-JHELUM水电站隧洞掘进工程风险分析中，有效控制了项目施工风险，获得远超预期的盈利。

该案例应用结果表明，改进的CBN-based RMA方法具有很强的可操作性，可显著提高工程风险管理效率。

%In order to validate the CBN-based RMA method proposed in article[1],four common patterns are first introduced to simplify the structure modeling of the method,which will reduce the effort of experts'judgement in subsequent parameter modeling,and then the improved method is applied in risk analysis of Neelum-Jhelum hydropower station tunneling project in Pakistan. As a result,the contractors control effec-tively the project risks and obtain much more revenue than expected. This case shows that improved CBN-based RMA method has easy operability and will significantly enhance the efficiency of engineering risk management.【期刊名称】《工业工程》【年(卷),期】2016(019)005【总页数】7页(P121-127)【关键词】工程风险管理;因果贝叶斯网络;隧洞工程【作者】杨敏;王竹葳;王艳梅;陈旭【作者单位】北京航空航天大学经济管理学院，北京100191;华中科技大学经济学院，湖北武汉430074;北京振冲工程股份有限公司，北京100102;宾西法尼亚州立大学能源与矿产工程系，美国宾夕法尼亚州大学城，16802【正文语种】中文【中图分类】C931.2工程风险管理一般包括风险识别、风险分析、风险应对和监控四个过程，其中风险分析为风险应对提供决策依据，是风险管理的难点[1-2]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第25卷第2期计算机应用与软件Vol 125No .22008年2月 Computer App licati ons and Soft w are Feb .2008贝叶斯网在软件项目管理中的应用李　锋1　王勇军21(东华大学计算机学院　上海200132)2(上海市计算技术研究所　上海200040)收稿日期:2007-02-07。

上海科委科技攻关项目(06BZ15005)资助。

李锋,博士,主研领域:人工智能,软件工程。

摘　要为了提高软件项目管理水平,针对软件项目过程的不确定性,利用其进展过程中层次关系所蕴含的条件独立性,提出了一种层次结构的贝叶斯推理网络模型并给出了相关的学习算法和推理步骤。

该模型可以在专家给出状态间关联度的情况下,计算出条件概率。

该模型揭示了项目状态间的关联关系,有助于项目管理中的风险分析和预测。

最后通过一个具体事例,说明了该网络在项目状态预测和缺陷原因的界定的应用。

关键词软件项目管理　贝叶斯网　缺陷预防　状态预测THE APPL I CAT I O N O F BAY ES I AN NET WO RKTO SO FT W ARE PRO JECT M ANAGE M ENTL i Feng 1　W ang Yongjun21(College of Co m puter ,D onghua U niversity,Shanghai 200132,China )2(Shanghai Institute of Co m puting Technology,Shanghai 200040,China )Abstract I n order t o i m p r ove the s oft w are p r oject manage ment,a hierarchical Bayesian Reas oning Net w ork Model is p resented,and the relative learning and reas oning algorith m s are p resented .According t o the given related coefficient bet w een the nodes of the net w ork,the condi 2ti onal p r obability can be calculated by the algorith m.Because the model reveals the relati on bet w een the p r oject states,it is hel pful f or risk a 2nalysis and state forecast in p r oject manage ment .Finally,an exa mp le is p resented t o illustrate the app licati on of the net w ork t o p r oject state forecast and defect p reclusi on .Keywords Soft w are p r oject manage ment Bayesian net w ork Defect p reclusi on State f orecast0　引　言清晰界定各种缺陷的原因和对项目发展状态进行必要的预测,可大大提高项目的管理水平。

掌握项目过程中的各状态间的关联关系,是甄别缺陷原因,预测项目发展状态的前提条件,因此对项目各状态间的关联关系进行研究,一直是项目管理领域关注的问题[1-5]。

在软件项目开发过程中,项目状态间的关联关系是复杂而且带有一定的不确定性,这给确定软件项目中的状态间的关系带来了难度。

不确定性知识的表达和处理的方法中,贝叶斯网具有数学上的一致性和严格性,但这种处理方法也存在着许多不足,如不能处理因果图中的因果循环,用条件概率表达的关系强度不直观等[6]。

在实际应用中,领域专家根据经验给出的因果图并不是真正意义上的贝叶斯因果图[7],专家给出的其实是每个原因节点对结果结点的直接相关度,而不是复杂的条件概率。

相关度虽然符合专家的一般思维习惯,但其严密性不够,直接使用相关度进行推理是缺乏数学依据,也是不准确的[7]。

基于相关度的因果图也存在着学习的困难。

本文提出了一层次结构贝叶斯因果图模型,讨论了确定项目状态关联关系的策略和学习算法,并通过事例说明其在项目管理中原因分析和状态预测中的应用。

1　网络模型有n 个节点的完全贝叶斯网,则要确定n 3(n -1)个条件概率,直接通过计算每个基本事件的概率来处理是一个NP 难题[8]。

机器学习是构造贝叶斯网络的重要途经,然而对于大规模图1　层次结构的贝叶斯推理网模型贝叶斯网络,目前还没有有效的学习方法[9]。

大规模贝叶斯网络难以学习的根本原因在于它没有充分使用问题域中的结构信息,只考虑系统变量之间的独立依赖等信息,而忽视了系统中各个子系统或对象实体之间的结构信息。

为了有效降低贝叶斯网络的复杂度,本文利用项目进展过程中层次关系所蕴含的条件独立性,定义了一种层次结构的贝叶斯推理网模型(如图1所示)。

层次贝叶斯推理网络模型S,可记为S =(C,Z,B ,A )。

62 计算机应用与软件2008年其中C:{C 1,C 2,…,C n },为层次的集合,每一层次含有多个节点,同一层次的节点间不存在因果关系,即没有连接边。

C i 为C i +1的父层次,每层的节点只和其子层节点间存在因果关系。

Z:{Z 1,Z 2,…,Z k }为节点的集合,各节点按照其涉及的领域可分成不同的组,同一组的各节点对其领域要形成一个划分。

Z i ∩Z j =Φ　i ≠jZ 1∪Z 2∪…∪Z k =U,U 为其涉及范围的状态全集。

B 是连接不同节点间的有向弧,A 为B 中各连接弧的权重,即权重θij的集合。

θij =P (子层状态为x j 父层状态为y i )=p (X =x jY =y i )层次结构的贝叶斯网不但大大降低了连接复杂度,也与项目管理的实际情况相吻合。

其充分利用软件项目管理中的结构信息,降低了网络的复杂度,为网络学习提供了可能性。

该网络既可以实现项目状态预测,也可用于项目缺陷的确定。

在状态网中θij表示当状态y i 发生时,状态x j 在未来发生的概率。

在缺陷原因界定网中θij 表示当缺陷y i 发生时,该缺陷是由x j 造成的概率。

状态预测网和缺陷原因界定网,其原理是一致的,只是推理方向和连结参数值不同,在下文中将主要描述状态预测网的处理方法。

2　学习算法在实际问题中,领域专家直接给出节点间的相关度λij ,它表征了一个原因节点与结果节点间的相关性,当λij =1时,表征了两者完全相关,当λij =0两者完全无关,即在两个节点间不存在连接弧,但为了实现贝叶斯网的推理和学习,我们需要用条件概率θ表示节点间的连接强度,首先选用具有共轭性的狄利克莱分布作为θ先验分布,令θi =(θi 1,θi 1,…,θin )P (θi )=D ir (θi λi 1,λi 2,…,λin )=Γ(λi )∏n k =1(λik)∏nk =1θikλik -1(1)由于P (θi D )=P (D |θi )P (θi )(2)D 为实例数据集。

而在参数θj 已知时,数据样本服从多项式分布,即p (D θj )=∏nj =1θijN ij -1(3)其中N ij 表示在实例数据集D 中,满足子层状态为x j 且父层状态为y i 的实例样本数,由式(1)-(3)知参数θj 的后验分布:P (θi |D )=P (D θi )P (θi )=Γ(λi )∏nk =1(λik)∏nk =1θikN ik +λik -1(4)由(4)式可知θi 的后验分布也是一狄利克莱分布,因此连接强度θij的可用后验分布数学期望表示:θ^ij =E (θijD )=λij +N ij ∑n k =1(λik +N ik )(5)式(5)给出了完备实例数据情况下的学习算法,所谓完备实例数据是指推理网中的每个节点都有采样统计数据。

但在实际应用中,有时收集的数据不够全面,发生数据缺失,在这种不完备实例情况下,θ的先验和后验分布不再是狄利克莱分布,这时我们可以通过改造期望最大化算法来实现对联结参数的估计[10],具体算法如下:算法1Step1:对整个网络的各节点间的连接强度选择随机值θij (0<θij <1)。

Step2:如果父节点和子结点都有观测数据时,计算θ^ij =N ij∑n k =1N ik=N ij N iStep3:如果父节点和子结点有缺失数据,θ^ij =θij∑n k =1θikStep4:如果∑i ,jθij-θ^ij>ε,goto Step2。

Step5:结束。

3　推　理条件概率θij描述子层状态节点x j 对其父节点y i 的概率依赖程度,贝叶斯网络的结构特征与变量间的条件独立性满足马尔可夫条件,即任一变量在已知其父节点取值状态的条件下,独立于它的所有非子孙节点。

由链式法则有:p (X =x j )=p (X =x jY m ,…,Y 2,Y 1)(6)其中m 为节点X 在贝叶斯网中的层次,即其祖先层的数量,Y i -1为Y i 的父层,Y m =X 。

在已知k -1层系统状态y i 的概率的情况下,可根据式(7)推导出第k 层每个节点x j 的概率。

p (Y k=x j )=∑ni =1p (Yk=x jYk -1=y i )=∑ni =1θk ijp (Y k -1=y i )(7)y i =parent (x j )为x j 的父节点,n 为parent (x j )的节点个数,θkij为第k 层节点x j 与k -1层节点y i 连接强度。

在已知系统处于某状态y j 时,令p (y j )=1,然后利用式(6)和式(7),推导出其子孙层的各节点的概率,这样我们可以根据项目的目前状态,推导出项目的发展趋势,从而提高在项目管理中的风险分析和预测能力,提高整个项目的管理质量。

4　应　用我们以上海信息中心提供的数据为例,建立起一个用于预测bug 率的贝叶斯推理网,结构如图2。

图2　软件项目bug 率预测网(下转第73页)第2期于建江等:基于特征选择的二维主分量分析73表1所示。

表1　X M2VTS人脸库几种人脸识别方法最优识别率的比较方法Eigenfaces2DPCA本文方法273150%75167%77133%382140%85120%86120%484125%87150%88125%由表1可以看出,本文方法的识别效果优于Eigenface方法和2DPCA方法的结果,说明了本文的选取两种特征并进行组合的方法收到了良好的效果,是一种简单可行的方法。