DOI: https://doi.org/10.32515/2664-262X.2025.11(42).1.5-13
Загальна модель бази знань інформаційної технології оцінки складності розробки програмного забезпечення із застосуванням SaaS/PaaS платформ
Про авторів
Д. А. Білоус, аспірант, Вінницький національних технічний університет, м. Вінниця, Україна, e-mail: dmytro.bilous@gmail.com, ORCID ID: 0009-0007-6625-6761
А. В. Козловський, доцент, кандидат технічних наук, Вінницький національних технічний університет, м. Вінниця, Україна, e-mail: akozlovskyi@vntu.edu.ua, ORCID ID: 0000-0001-9697-1511
Анотація
Критичним фактором успішного управління проєктами та ефективного планування є оцінювання складності та зусиль для розробки програмного забезпечення. Використання стандартних для індустрії методів, таких як аналіз функціональних точок, є ефективним засобом підвищення точності оцінювання зусиль при одночасному зменшенню вартості безпосередньо процесу оцінювання. Водночас, стандартні методи, більшість з яких була розроблена декілька десятиліть тому, не є достатньо адаптованими для сучасних реалій природи розробки програмного забезпечення з використанням гнучких підходів та готових або типових рішень. У роботі запропоновані моделі представлення знань з поєднанням продукційної та фреймової моделей для вирішення задачі оцінки складності та трудомісткості розробки програмного забезпечення із застосування SaaS (Software as a Service) та PaaS (Platform as a service) рішень. Розроблено модель бази знань, яка враховує особливості поєднання фреймової та продукційної моделей та забезпечує сумісність із методом аналізу функціональних точок (Function Point Analysis).
Розроблені моделі та їх взаємодії можуть стати основною для розробки моделі прийняття рішень у інформаційній технології оцінки складності розробки програмного забезпечення із врахування факторів середовища та критеріїв оцінювання. Застосування отриманих моделей надасть змогу створити алгоритми автоматизованої оцінки складності розробки програмного забезпечення в умовах неповної визначеності функціональних вимог.
Ключові слова
оцінка складності розробки програмного забезпечення, модель знань, фреймова модель, продукційна модель, аналіз функціональних точок
Повний текст:
PDF
Посилання
1. de Freitas Junior, M., Fantinato, M., & Sun, V. (2015). Improvements to the Function Point Analysis Method: A Systematic Literature Review. IEEE Transactions on Engineering Management, 62(4), 495-506. https://doi.org/10.1109/TEM.2015.2453354.
2. Lavazza, L., Locoro, A., Liu, G., & Meli, R. (2023). Estimating software functional size via machine learning. ACM Transactions on Software Engineering and Methodology, 32(5), Article 114. https://doi.org/10.1145/3582575.
3. Hoc, H. T., Hai, V. V., & Nhung, H. L. T. K. (2021). An approach to adjust effort estimation of function point analysis. Software Engineering and Algorithms, 522-537. https://doi.org/10.1007/978-3-030-77442-4_45.
4. Sree, P. R., & Ramesh, S. N. S. V. S. C. (2016). Improving efficiency of fuzzy models for effort estimation by cascading & clustering techniques. Procedia Computer Science, 85, 278-285. https://doi.org/10.1016/j.procs.2016.05.234.
5. Nwaiwu, J. C., & Oluwadare, S. (2016). Analytic study of fuzzy-based model for software cost estimation. 2nd ACM International Conference on Computing Research and Innovations (CoRI). https://www.researchgate.net/publication/313351062_Analytic_Study_of_Fuzzy-based_model_for_Software_Cost_Estimation.
6. Setyohadi, D. B. (2019). Estimation of software development project success using fuzzy logics. Advances in Science, Technology and Engineering Systems Journal, 4(2), 280-287. https://doi.org/10.25046/aj040236
7. Xia, W., Ho, D., Capretz, L. F., & Ahmed, F. (2019). Updating weight values for function point counting. International Journal of Hybrid Intelligent Systems, 6(1), 1-14. https://doi.org/10.48550/arXiv.2005.11218.
8. Kaushik, A., Soni, A., & Soni, R. (2013). A type-2 fuzzy logic based framework for function points. International Journal of Intelligent Systems and Applications, 5(3), 74-82. doi.org/10.5815/ijisa.2013.03.08.
9. Bou Nassif, A., Azzeh, M., Idri, A., & Abran, A. (2019). Software development effort estimation using regression fuzzy models. Computational Intelligence and Neuroscience Journal. doi.org/10.48550/arXiv.1902.03608.
10. Mohamed, M., Emam, O., & Azzam, S. M. (2024). Software cost estimation prediction using a convolutional neural network and particle swarm optimization algorithm. Scientific Reports, 14, Article 13129. https://doi.org/10.1038/s41598-024-63025-8.
11. Malik, G., Cevik, M., Bera, S., & Yildirim, S. (2022). Software requirement specific entity extraction using transformer models. The 35th Canadian Conference on Artificial Intelligence. doi.org/10.21428/594757db.9e433d7c.
12. Bilous, D.A., & Kozlovskyi, A.V. (2024). Using function point analysis for professional service and maintenance IT projects: A tailoring approach for enhanced size and effort estimation. XI International Scientific and Practical Conference «Modern Science: Theoretical and Practical View», April 16-17, 2024, Madrid, Spain, 82-90 [in Ukrainian]. https://doi.org/10.5281/zenodo.11065612.
13. Bilous, D., & Kozlovskyi, A. (2025). Improving the efficiency of assessing the functional complexity of software development and support using fuzzy logic models. Youth in Science: Research, Problems, Prospects (МН-2025). https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22288 [in Ukrainian]
14. Bilous, D., & Kozlovskyi, A. (2025). A frame knowledge model for fuzzy analysis of functional points in modern development using SaaS technologies. LIV All-Ukrainian Scientific and Technical Conference of the Faculty of Intellectual Information Technologies and Automation. https://conferences.vntu.edu.ua/ index.php/all-fksa/all-fksa-2025/paper/view/23168 [in Ukrainian].
15. Yukhymchuk, S.V. (2003). Mathematical risk models for decision support systems. Vinnytsia: Universum-Vinnytsia [in Ukrainian].
Пристатейна бібліографія ГОСТ
1. de Freitas Junior M., Fantinato M., Sun, V. Improvements to the Function Point Analysis Method: A Systematic Literature Review. IEEETransactions on Engineering Management. 2015. Vol. 62, №4, P. 495-506. URL: https://doi.org/10.1109/TEM.2015.2453354 (дата звернення: 22.02.2025).
2. Lavazza L., Locoro A., Liu G. Estimating software functional size via machine learning. ACM Transactions on Software Engineering and Methodology. 2023. Vol. 32, №5. URL: https://doi.org/10.1145/3582575 (дата звернення: 22.02.2025).
3. Hoc H. T., Hai V. V., Nhung H. L. T. K. An approach to adjust effort estimation of function point analysis. Software Engineering and Algorithms. 2021. P. 522-537. URL: https://doi.org/10.1007/978-3-030-77442-4_45 (дата звернення: 22.02.2025).
4. Sree P. R., Ramesh S. N. S. V. S. C. Improving efficiency of fuzzy models for effort estimation by cascading & clustering techniques. Procedia Computer Science. 2016. Vol. 85, P. 278-285. URL: https://doi.org/10.1016/j.procs.2016.05.234 (дата звернення: 22.02.2025).
5. Nwaiwu J. C., Oluwadare S. Analytic study of fuzzy-based model for software cost estimation. 2nd ACM International Conference on Computing Research and Innovations (CoRI). 2016. Vol. 1755. URL: https://www.researchgate.net/publication/313351062_Analytic_Study_of_Fuzzy-based_model_for_Software_Cost_Estimation (дата звернення: 22.02.2025)
6. Setyohadi D. B. Estimation of software development project success using fuzzy logics. Advances in Science, Technology and Engineering Systems Journal. 2019. Vol. 4, №2, P. 280-287. URL: https://doi.org/10.25046/aj040236 (дата звернення: 22.02.2025).
7. Xia W., Ho D., Capretz L. F. Updating weight values for function point counting. International Journal of Hybrid Intelligent Systems. 2019, Vol. 6, №1, P. 1-14. URL: https://doi.org/10.48550/arXiv.2005.11218 (дата звернення: 22.02.2025).
8. Kaushik A., Soni A., Soni R. A type-2 fuzzy logic based framework for function points. International Journal of Intelligent Systems and Applications, 2013, Vol. 5, №3, P. 74-82. URL: https://doi.org/10.5815/ijisa.2013.03.08 (дата звернення: 22.02.2025).
9. Bou Nassif A., Azzeh M., Idri A. Software development effort estimation using regression fuzzy models. Computational Intelligence and Neuroscience Journal. 2019. URL: https://doi.org/10.48550/arXiv.1902.03608 (дата звернення: 22.02.2025).
10. Mohamed M., Emam O., Azzam S. M. Software cost estimation prediction using a convolutional neural network and particle swarm optimization algorithm. Scientific Reports. 2024, Vol.14, URL: https://doi.org/10.1038/s41598-024-63025-8 (Дата звернення: 22.02.2025).
11. Malik G., Cevik M., Bera, S. Software requirement specific entity extraction using transformer models. The 35th Canadian Conference on Artificial Intelligence. 2024. URL: https://doi.org/10.21428/594757db.9e433d7c (дата звернення: 22.02.2025)
12. Білоус Д.А., Козловський, А.В. Використання аналізу функціональних точок для ІТ-проєктів підтримки та професійного сервісу: модифікований підхід для покращення оцінки розміру та витрат. XI Міжнародна науково-практична конференція «Сучасна наука: теоретичний та практичний погляд», 16-17 квітня 2024, Мадрид, Іспанія, C.82-90. URL: https://doi.org/10.5281/zenodo.11065612 (дата звернення: 22.02.2025).
13. Білоус Д.А., Козловський, А.В. Підвищення ефективності оцінки функціональної складності розробки та підтримки програмного забезпечення з використанням моделей нечіткої логіки. Молодь в науці: дослідження, проблеми, перспективи (МН-2025). 2025. URL: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22288 (дата звернення: 22.02.2025).
14. Білоус Д.А., Козловський А.В. Фреймова модель знань для нечіткого аналізу функціональних точок у сучасній розробці з використанням SaaS технологій. LIV Всеукраїнська науково-технічна конференція факультету інтелектуальних інформаційних технологій та автоматизації. 2025. URL: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/23168 (дата звернення: 22.02.2025).
15. Юхимчук С. В. Математичні моделі ризику для систем підтримки прийняття рішень: монографія. Вінниця: УНІВЕРСУМ-Вінниця. 2003. 188 с.
Copyright (c) 2025 Д. А. Білоус, А. В. Козловський
Загальна модель бази знань інформаційної технології оцінки складності розробки програмного забезпечення із застосуванням SaaS/PaaS платформ
Про авторів
Д. А. Білоус, аспірант, Вінницький національних технічний університет, м. Вінниця, Україна, e-mail: dmytro.bilous@gmail.com, ORCID ID: 0009-0007-6625-6761
А. В. Козловський, доцент, кандидат технічних наук, Вінницький національних технічний університет, м. Вінниця, Україна, e-mail: akozlovskyi@vntu.edu.ua, ORCID ID: 0000-0001-9697-1511
Анотація
Ключові слова
Повний текст:
PDFПосилання
1. de Freitas Junior, M., Fantinato, M., & Sun, V. (2015). Improvements to the Function Point Analysis Method: A Systematic Literature Review. IEEE Transactions on Engineering Management, 62(4), 495-506. https://doi.org/10.1109/TEM.2015.2453354.
2. Lavazza, L., Locoro, A., Liu, G., & Meli, R. (2023). Estimating software functional size via machine learning. ACM Transactions on Software Engineering and Methodology, 32(5), Article 114. https://doi.org/10.1145/3582575.
3. Hoc, H. T., Hai, V. V., & Nhung, H. L. T. K. (2021). An approach to adjust effort estimation of function point analysis. Software Engineering and Algorithms, 522-537. https://doi.org/10.1007/978-3-030-77442-4_45.
4. Sree, P. R., & Ramesh, S. N. S. V. S. C. (2016). Improving efficiency of fuzzy models for effort estimation by cascading & clustering techniques. Procedia Computer Science, 85, 278-285. https://doi.org/10.1016/j.procs.2016.05.234.
5. Nwaiwu, J. C., & Oluwadare, S. (2016). Analytic study of fuzzy-based model for software cost estimation. 2nd ACM International Conference on Computing Research and Innovations (CoRI). https://www.researchgate.net/publication/313351062_Analytic_Study_of_Fuzzy-based_model_for_Software_Cost_Estimation.
6. Setyohadi, D. B. (2019). Estimation of software development project success using fuzzy logics. Advances in Science, Technology and Engineering Systems Journal, 4(2), 280-287. https://doi.org/10.25046/aj040236
7. Xia, W., Ho, D., Capretz, L. F., & Ahmed, F. (2019). Updating weight values for function point counting. International Journal of Hybrid Intelligent Systems, 6(1), 1-14. https://doi.org/10.48550/arXiv.2005.11218.
8. Kaushik, A., Soni, A., & Soni, R. (2013). A type-2 fuzzy logic based framework for function points. International Journal of Intelligent Systems and Applications, 5(3), 74-82. doi.org/10.5815/ijisa.2013.03.08.
9. Bou Nassif, A., Azzeh, M., Idri, A., & Abran, A. (2019). Software development effort estimation using regression fuzzy models. Computational Intelligence and Neuroscience Journal. doi.org/10.48550/arXiv.1902.03608.
10. Mohamed, M., Emam, O., & Azzam, S. M. (2024). Software cost estimation prediction using a convolutional neural network and particle swarm optimization algorithm. Scientific Reports, 14, Article 13129. https://doi.org/10.1038/s41598-024-63025-8.
11. Malik, G., Cevik, M., Bera, S., & Yildirim, S. (2022). Software requirement specific entity extraction using transformer models. The 35th Canadian Conference on Artificial Intelligence. doi.org/10.21428/594757db.9e433d7c.
12. Bilous, D.A., & Kozlovskyi, A.V. (2024). Using function point analysis for professional service and maintenance IT projects: A tailoring approach for enhanced size and effort estimation. XI International Scientific and Practical Conference «Modern Science: Theoretical and Practical View», April 16-17, 2024, Madrid, Spain, 82-90 [in Ukrainian]. https://doi.org/10.5281/zenodo.11065612.
13. Bilous, D., & Kozlovskyi, A. (2025). Improving the efficiency of assessing the functional complexity of software development and support using fuzzy logic models. Youth in Science: Research, Problems, Prospects (МН-2025). https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22288 [in Ukrainian]
14. Bilous, D., & Kozlovskyi, A. (2025). A frame knowledge model for fuzzy analysis of functional points in modern development using SaaS technologies. LIV All-Ukrainian Scientific and Technical Conference of the Faculty of Intellectual Information Technologies and Automation. https://conferences.vntu.edu.ua/ index.php/all-fksa/all-fksa-2025/paper/view/23168 [in Ukrainian].
15. Yukhymchuk, S.V. (2003). Mathematical risk models for decision support systems. Vinnytsia: Universum-Vinnytsia [in Ukrainian].
Пристатейна бібліографія ГОСТ
1. de Freitas Junior M., Fantinato M., Sun, V. Improvements to the Function Point Analysis Method: A Systematic Literature Review. IEEETransactions on Engineering Management. 2015. Vol. 62, №4, P. 495-506. URL: https://doi.org/10.1109/TEM.2015.2453354 (дата звернення: 22.02.2025).
2. Lavazza L., Locoro A., Liu G. Estimating software functional size via machine learning. ACM Transactions on Software Engineering and Methodology. 2023. Vol. 32, №5. URL: https://doi.org/10.1145/3582575 (дата звернення: 22.02.2025).
3. Hoc H. T., Hai V. V., Nhung H. L. T. K. An approach to adjust effort estimation of function point analysis. Software Engineering and Algorithms. 2021. P. 522-537. URL: https://doi.org/10.1007/978-3-030-77442-4_45 (дата звернення: 22.02.2025).
4. Sree P. R., Ramesh S. N. S. V. S. C. Improving efficiency of fuzzy models for effort estimation by cascading & clustering techniques. Procedia Computer Science. 2016. Vol. 85, P. 278-285. URL: https://doi.org/10.1016/j.procs.2016.05.234 (дата звернення: 22.02.2025).
5. Nwaiwu J. C., Oluwadare S. Analytic study of fuzzy-based model for software cost estimation. 2nd ACM International Conference on Computing Research and Innovations (CoRI). 2016. Vol. 1755. URL: https://www.researchgate.net/publication/313351062_Analytic_Study_of_Fuzzy-based_model_for_Software_Cost_Estimation (дата звернення: 22.02.2025)
6. Setyohadi D. B. Estimation of software development project success using fuzzy logics. Advances in Science, Technology and Engineering Systems Journal. 2019. Vol. 4, №2, P. 280-287. URL: https://doi.org/10.25046/aj040236 (дата звернення: 22.02.2025).
7. Xia W., Ho D., Capretz L. F. Updating weight values for function point counting. International Journal of Hybrid Intelligent Systems. 2019, Vol. 6, №1, P. 1-14. URL: https://doi.org/10.48550/arXiv.2005.11218 (дата звернення: 22.02.2025).
8. Kaushik A., Soni A., Soni R. A type-2 fuzzy logic based framework for function points. International Journal of Intelligent Systems and Applications, 2013, Vol. 5, №3, P. 74-82. URL: https://doi.org/10.5815/ijisa.2013.03.08 (дата звернення: 22.02.2025).
9. Bou Nassif A., Azzeh M., Idri A. Software development effort estimation using regression fuzzy models. Computational Intelligence and Neuroscience Journal. 2019. URL: https://doi.org/10.48550/arXiv.1902.03608 (дата звернення: 22.02.2025).
10. Mohamed M., Emam O., Azzam S. M. Software cost estimation prediction using a convolutional neural network and particle swarm optimization algorithm. Scientific Reports. 2024, Vol.14, URL: https://doi.org/10.1038/s41598-024-63025-8 (Дата звернення: 22.02.2025).
11. Malik G., Cevik M., Bera, S. Software requirement specific entity extraction using transformer models. The 35th Canadian Conference on Artificial Intelligence. 2024. URL: https://doi.org/10.21428/594757db.9e433d7c (дата звернення: 22.02.2025)
12. Білоус Д.А., Козловський, А.В. Використання аналізу функціональних точок для ІТ-проєктів підтримки та професійного сервісу: модифікований підхід для покращення оцінки розміру та витрат. XI Міжнародна науково-практична конференція «Сучасна наука: теоретичний та практичний погляд», 16-17 квітня 2024, Мадрид, Іспанія, C.82-90. URL: https://doi.org/10.5281/zenodo.11065612 (дата звернення: 22.02.2025).
13. Білоус Д.А., Козловський, А.В. Підвищення ефективності оцінки функціональної складності розробки та підтримки програмного забезпечення з використанням моделей нечіткої логіки. Молодь в науці: дослідження, проблеми, перспективи (МН-2025). 2025. URL: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22288 (дата звернення: 22.02.2025).
14. Білоус Д.А., Козловський А.В. Фреймова модель знань для нечіткого аналізу функціональних точок у сучасній розробці з використанням SaaS технологій. LIV Всеукраїнська науково-технічна конференція факультету інтелектуальних інформаційних технологій та автоматизації. 2025. URL: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2025/paper/view/23168 (дата звернення: 22.02.2025).
15. Юхимчук С. В. Математичні моделі ризику для систем підтримки прийняття рішень: монографія. Вінниця: УНІВЕРСУМ-Вінниця. 2003. 188 с.
Copyright (c) 2025 Д. А. Білоус, А. В. Козловський