Понятие жизненного цикла проекта

Содержание.

Введение.

Проект – это ограниченное по времени целенаправленное изменение отдельной системы с установленными требованиями к качеству результатов, возможными рамками расхода средств и ресурсов и специфической организацией. Все проекты, в общих чертах, имеют определенные характеристики.

• Все они имеют начало и завершение.
• Все проекты уникальны. Они могут быть похожи на предыдущие проекты, но будут уникальны по временным рамкам, ресурсам, бизнес-окружению и т.д.
• В итоге проекта создается один или более осязаемых результатов или продуктов поставки.
• Проект также имеет назначенные ресурсы: либо с полной занятостью, либо с частичной.

Кроме этих, существует также  и ряд других характеристик.

Проекты существуют в  каждой организации. Проекты могут  управляться с использованием набора соответствующих процессов проектного менеджмента. Практически, один и тот  же набор процессов может использоваться вне зависимости от типа проекта. К примеру, все проекты должны быть определены и спланированы, все проекты должны обеспечиваться процессами управления объемом, рисками, качеством, должны коммуницировать статус и т.д.

Иногда люди не вполне отчетливо различают работы по управлению проектом и работы жизненного цикла проекта, так как для успешного выполнения проекта необходимы работы обоих видов. Основное различие между ними заключается в том, что управление проектом сосредоточено на определении, планировании, мониторинге и контроле, а также на закрытии проекта. Работы же, связанные с фактическим созданием результатов поставки проекта, принято относить к "жизненному циклу" проекта. В процессе управления проектом создается его график, но подавляющее большинство работ в этом графике составляют именно работы жизненного цикла проекта, в результате выполнения которых появляется выходная продукция.

Несмотря на уникальность всех проектов, подобно тому, как  существуют общие процессы управления, применимые к большинству проектов, существуют также и общие модели, которые могут служить руководством по определению жизненного цикла большинства проектов. Эти общие модели ценны тем, что экономят время проектным командам при разработке графика проекта.

Жизненный цикл проекта.

Каждый проект от возникновения идеи до полного своего завершения проходит ряд последовательных ступеней своего развития. Полная совокупность ступеней развития образует жизненный цикл проекта. Жизненный цикл принято разделять на фазы, фазы - на стадии, стадии - на этапы. Проект проходит четыре фазы развития: концепция, разработка, реализация, завершение. Каждый проект имеет окружение. В качестве ближнего окружения большинства проектов выступает «родительская организация», где данный проект является составной частью «жизненного цикла деловой активности организации». Проект может быть тесно связан с выпуском новой продукции или услуг и осуществлением необходимых для этих целей изменений. Таким образом, проект связан еще и с «жизненным циклом продукта».

Рассмотрим более подробно содержание отдельных фаз проекта.

Начальная фаза проекта (разработка концепции) требует выполнения

следующих работ: сбор исходных данных и анализ существующего состояния (предварительное обследование); выявление потребности в изменениях (проекте); определение результата (цели, задачи, результаты; основные требования, ограничительные условия, критерии; уровень риска; окружение проекта, потенциальные участники; требуемое время, ресурсы, средства и др.); определение и сравнительная оценка альтернатив; представление предложений, их апробация и экспертиза; утверждение концепции и получение одобрения для следующей фазы.

Фаза разработки проекта требует выполнения следующих работ: назначение руководителя проекта и формирование команды проекта, в первую очередь ключевых членов команды; установление деловых контактов и изучение целей, мотивации и требований заказчика и владельцев проекта, других ключевых участников; развитие концепции и разработка основного содержания проекта (конечные результаты и продукты; стандарты качества; структура проекта; основные работы; требуемые ресурсы); структурное планирование (декомпозиция проекта; календарные планы и укрупненные графики работ и обеспечения; смета и бюджет проекта; потребность в ресурсах; процедуры УП и техника контроля; определение и распределение рисков.

Фаза реализации проекта требует выполнения следующих работ: организация и проведение торгов, заключение контрактов; полный ввод в действие разработанной системы УП; организация выполнения работ; ввод в действие средств и способов коммуникации и связи участников проекта; ввод в действие системы мотивации и стимулирования команды проекта; детальное проектирование и технические спецификации; оперативное планирование работ; установление системы информационного контроля за ходом работ; организация и управление материально-техническим обеспечением работ, в т.ч. запасами, покупками, поставками; выполнение работ, предусмотренных проектом (в т.ч. производство строительно-монтажных и пуско-наладочных работ); руководство, координация работ, согласование темпов, мониторинг прогресса, прогноз состояния, оперативный контроль и регулирование основных показателей проекта (ход работ, их темпы; качество работ и проекта; продолжительность и сроки; стоимость и другие показатели); решение возникающих проблем и задач.

Фаза завершения проекта требует выполнения следующих работ:

планирование процесса завершения проекта; эксплуатационные испытания

окончательного продукта проекта; подготовка кадров для эксплуатации

создаваемого проекта; подготовка документации, сдача объекта заказчику и ввод в эксплуатацию; оценка результатов проекта и подведение итогов; подготовка итоговых документов; закрытие работ проекта; разрешение конфликтных ситуаций; реализация оставшихся ресурсов; накопление фактических и опытных данных для последующих проектов; расформирование команды проекта.

Большое значение имеют  следующие дополнительные элементы проекта:

начальные условия, ограничения  и требования к проекту (характеризуют

предысторию и существующее состояние системы; существующее состояние

окружения системы; требования к результатам проекта и способам их достижения; ограничения на цели и результаты проекта, определяющие количественные характеристики и допущенные границы); область допустимых решений проекта; документация проекта; виды обеспечения проекта (функциональное, информационное, математическое, программное, техническое, организационное, правовое, методическое, прочие виды обеспечения); методы и техника управления проектами.

Модели жизненного цикла.

Моделирование жизненного цикла проекта по принципу «водопада»

При моделировании по принципу «водопада» работа над проектом движется линейно через ряд фаз, таких как:

• анализ требований (исследование среды);
• проектирование;
• разработка и реализация подпроектов;
• проверка подпроектов;
• проверка проекта в целом.

Недостатками такого подхода являются накопление возможных  на ранних этапах ошибок к моменту  окончания проекта и, как следствие, возрастание риска провала проекта, увеличение стоимости проекта.

Моделирование жизненного цикла проекта по итеративной  модели

Итеративный подход (англ. iteration — повторение) — выполнение работ параллельно с непрерывным анализом полученных результатов и корректировкой предыдущих этапов работы. Проект при этом подходе в каждой фазе развития проходит повторяющийся цикл: Планирование — Реализация — Проверка — Оценка.

Преимущества  итеративного подхода:

• снижение воздействия серьезных рисков на ранних стадиях проекта, что ведет к минимизации затрат на их устранение;
• организация эффективной обратной связи проектной команды с потребителем (а также заказчиками, стейкхолдерами) и создание продукта, реально отвечающего его потребностям;
• акцент усилий на наиболее важные и критичные направления проекта;
• непрерывное итеративное тестирование, позволяющее оценить успешность всего проекта в целом;
• раннее обнаружение конфликтов между требованиями, моделями и реализацией проекта;
• более равномерная загрузка участников проекта;
• эффективное использование накопленного опыта;
• реальная оценка текущего состояния проекта и, как следствие, большая уверенность заказчиков и непосредственных участников в его успешном завершении.

Моделирование жизненного цикла проекта по спиральной модели

т.н. модель Боэма (Барри Боэм). Рассматривается зависимость эффективности проекта от его стоимости с течением времени. На каждом витке спирали выполняется создание очередной версии продукта, уточняются требования проекта, определяется его качество и планируются работы следующего витка.

Моделирование жизненного цикла проекта инкрементным методом

Инкрементное построение: разбиение большого объема проектно-конструкторских  работ на последовательность более  малых составляющих частей.

В экономической теории и практике наиболее распространен вид моделирования, называемый семиотическим. При этом главная цель семиозиса - функционирование системы выразительных средств, есть учет ненаблюдаемых свойств объекта, что практически совпадает с функцией моделирования. Семиотичные модели отличает изучение смысловой структуры объекта, его содержательной насыщенности и логики. Наибольшее значение в бизнес-системах имеют семиотичные знаковые модели. Используя широкую совокупность знаковых преобразований: схемы, графики, чертежи, формулы, таблицы, наборы символов, а также законы и закономерности, которыми можно оперировать с выбранными знаковыми элементами, они позволяют исследовать многочисленные процессы и явления, свойственные рыночной среде и развитию бизнес-системы. Среди различных видов знакового моделирования наибольшее употребление находит математическое моделирование, при котором исследование объекта осуществляется посредством модели, построенной с помощью математических методов. Применительно к экономическим задачам оно характеризуется как - экономико-математическое.

Классификация математических моделей.

Теорией моделирования  является раздел науки, изучающий способы  исследования свойств объектов-оригиналов, на основе замещения их другими объектами-моделями. В основе теории моделирования лежит  теория подобия. При моделировании абсолютное подобие не имеет места и лишь стремится к тому, чтобы модель достаточно хорошо отображала исследуемую сторону функционирования объекта. Абсолютное подобие может иметь место лишь при замене одного объекта другим точно таким же.

Все модели можно разделить  на два класса:

1. вещественные,
2. идеальные.

В свою очередь вещественные модели можно разделить на:

1. натурные,
2. физические,
3. математические.

Идеальные модели можно разделить на:

1. наглядные,
2. знаковые,
3. математические.

Вещественные натурные модели - это реальные объекты, процессы и системы, над которыми выполняются эксперименты научные, технические и производственные.

Вещественные физические модели - это макеты, муляжи, воспроизводящие физические свойства оригиналов (кинематические, динамические, гидравлические, тепловые, электрические, световые модели).

Вещественные  математические - это аналоговые, структурные, геометрические, графические, цифровые и кибернетические модели.

Идеальные наглядные  модели - это схемы, карты, чертежи, графики, графы, аналоги, структурные и геометрические модели.

Идеальные знаковые модели - это символы, алфавит, языки программирования, упорядоченная запись, топологическая запись, сетевое представление.

Идеальные математические модели - это аналитические, функциональные, имитационные, комбинированные модели.

В приведенной классификации  некоторые модели имеют двойное  толкование (например - аналоговые). Все  модели, кроме натурных, можно объединить в один класс мысленных моделей, т.к. они являются продуктом абстрактного мышления человека.

Остановимся на одном  из наиболее универсальных видов  моделирования - математическом, ставящим в соответствие моделируемому физическому  процессу систему математических соотношений, решение которой позволяет получить ответ на вопрос о поведении объекта без создания физической модели, часто оказывающейся дорогостоящей и неэффективной.

Математическое моделирование - это средство изучения реального объекта, процесса или системы путем их замены математической моделью, более удобной для экспериментального исследования с помощью ЭВМ.

Математическая модель является приближенным представлением реальных объектов, процессов или систем, выраженным в математических терминах и сохраняющим существенные черты оригинала. Математические модели в количественной форме, с помощью логико-математических конструкций, описывают основные свойства объекта, процесса или системы, его параметры, внутренние и внешние связи.

В общем случае математическая модель реального объекта, процесса или системы представляется в виде системы функционалов

Фi (X,Y,Z,t)=0,

где X - вектор входных  переменных, X=[x1,x2,x3, ... , xN]t,

Y - вектор выходных  переменных, Y=[y1,y2,y3, ... , yN]t,

Z - вектор внешних воздействий, Z=[z1,z2,z3, ... , zN]t,

t - координата времени.

Построение математической модели заключается в определении связей между теми или иными процессами и явлениями, создании математического аппарата, позволяющего выразить количественно и качественно связь между теми или иными процессами и явлениями, между интересующими специалиста физическими величинами, и факторами, влияющими на конечный результат.

Обычно их оказывается  настолько много, что ввести в  модель всю их совокупность не удается. При построении математической модели перед исследованием возникает  задача выявить и исключить из рассмотрения факторы, несущественно влияющие на конечный результат (математическая модель обычно включает значительно меньшее число факторов, чем в реальной действительности). На основе данных эксперимента выдвигаются гипотезы о связи между величинами, выражающими конечный результат, и факторами, введенными в математическую модель. Такая связь зачастую выражается системами дифференциальных уравнений в частных производных (например, в задачах механики твердого тела, жидкости и газа, теории фильтрации, теплопроводности, теории электростатического и электродинамического полей).

Конечной целью этого  этапа является формулирование математической задачи, решение которой с необходимой  точностью выражает результаты, интересующие специалиста.

Форма и принципы представления математической модели зависит от многих факторов.

По принципам  построения математические модели разделяют  на:

1.аналитические;

2.имитационные.

В аналитических моделях  процессы функционирования реальных объектов, процессов или систем записываются в виде явных функциональных зависимостей.

Аналитическая модель разделяется на типы в зависимости от математической проблемы:

1.уравнения (алгебраические, трансцендентные, дифференциальные, интегральные),

2.аппроксимационные задачи (интерполяция, экстраполяция, численное  интегрирование и дифференцирование),

3.задачи оптимизации,

4.стохастические проблемы.

Однако по мере усложнения объекта моделирования построение аналитической модели превращается в трудноразрешимую проблему. Тогда  исследователь вынужден использовать имитационное моделирование.

В имитационном моделировании функционирование объектов, процессов или систем описывается набором алгоритмов. Алгоритмы имитируют реальные элементарные явления, составляющие процесс или систему с сохранением их логической структуры и последовательности протекания во времени. Имитационное моделирование позволяет по исходным данным получить сведения о состояниях процесса или системы в определенные моменты времени, однако прогнозирование поведения объектов, процессов или систем здесь затруднительно. Можно сказать, что имитационные модели - это проводимые на ЭВМ вычислительные эксперименты с математическими моделями, имитирующими поведение реальных объектов, процессов или систем.

В зависимости  от характера исследуемых реальных процессов и систем математические модели могут быть:

1.детерминированные,

2.стохастические.

В детерминированных  моделях предполагается отсутствие всяких случайных воздействий, элементы модели (переменные, математические связи) достаточно точно установленные, поведение  системы можно точно определить. При построении детерминированных моделей чаще всего используются алгебраические уравнения, интегральные уравнения, матричная алгебра.

Стохастическая модель учитывает случайный характер процессов  в исследуемых объектах и системах, который описывается методами теории вероятности и математической статистики.

По виду входной  информации модели разделяются на:

1.непрерывные,

2.дискретные.

Если информация и  параметры являются непрерывными, а  математические связи устойчивы, то модель - непрерывная. И наоборот, если информация и параметры - дискретны, а связи неустойчивы, то и математическая модель - дискретная.

По поведению  моделей во времени они разделяются  на:

1.статические,

2.динамические.

Статические модели описывают  поведение объекта, процесса или  системы в какой-либо момент времени. Динамические модели отражают поведение объекта, процесса или системы во времени.

По степени  соответствия между математической моделью и реальным объектом, процессом  или системой математические модели разделяют на:

1.изоморфные (одинаковые  по форме),

2.гомоморфные (разные  по форме).

Модель называется изоморфной, если между нею и реальным объектом, процессом или системой существует полное поэлементное соответствие. Гомоморфной - если существует соответствие лишь между  наиболее значительными составными частями объекта и модели.

Имитационная  модель.

Реальные процессы и  системы можно исследовать с  помощью двух типов математических моделей: аналитических и имитационных.

В аналитических моделях поведение  реальных процессов и систем (РПС) задается в виде явных функциональных зависимостей (уравнений линейных или нелинейных, дифференциальных или интегральных, систем этих уравнений). Однако получить эти зависимости удается только для сравнительно простых РПС. Когда явления сложны и многообразны исследователю приходится идти на упрощенные представления сложных РПС. В результате аналитическая модель становится слишком грубым приближением к действительности. Если все же для сложных РПС удается получить аналитические модели, то зачастую они превращаются в трудно разрешимую проблему. Поэтому исследователь вынужден часто использовать имитационное моделирование.

Имитационное моделирование представляет собой численный метод проведения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими поведение реальных объектов, процессов и систем во времени в течении заданного периода. При этом функционирование РПС разбивается на элементарные явления, подсистемы и модули. Функционирование этих элементарных явлений, подсистем и модулей описывается набором алгоритмов, которые имитируют элементарные явления с сохранением их логической структуры и последовательности протекания во времени.

Имитационное моделирование - это совокупность методов алгоритмизации функционирования объектов исследований, программной реализации алгоритмических описаний, организации, планирования и выполнения на ЭВМ вычислительных экспериментов с математическими моделями, имитирующими функционирование РПС в течении заданного периода.

Под алгоритмизацией функционирования РПС понимается пооперационное описание работы всех ее функциональных подсистем отдельных модулей с уровнем детализации, соответствующем комплексу требований к модели.

"Имитационное моделирование" (ИМ)- это двойной термин. "Имитация" и "моделирование" - это синонимы. Фактически все области науки и техники являются моделями реальных процессов. Чтобы отличить математические модели друг от друга, исследователи стали давать им дополнительные названия. Термин "имитационное моделирование" означает, что мы имеем дело с такими математическими моделями, с помощью которых нельзя заранее вычислить или предсказать поведение системы, а для предсказания поведения системы необходим вычислительный эксперимент (имитация) на математической модели при заданных исходных данных.

Основное достоинство  ИМ:

1. возможность описания поведения компонент (элементов) процессов или систем на высоком уровне детализации;
2. отсутствие ограничений между параметрами ИМ и состоянием внешней среды РПС;
3. возможность исследования динамики взаимодействия компонент во времени и пространстве параметров системы;

Эти достоинства обеспечивают имитационному методу широкое распространение.

Рекомендуется использовать имитационное моделирование в следующих случаях:

1. Если не существует законченной постановки задачи исследования и идет процесс познания объекта моделирования. Имитационная модель служит средством изучения явления.
2. Если аналитические методы имеются, но математические процессы сложны и трудоемки, и имитационное моделирование дает более простой способ решения задачи.
3. Когда кроме оценки влияния параметров (переменных) процесса или системы желательно осуществить наблюдение за поведением компонент (элементов) процесса или системы (ПС) в течение определенного периода.
4. Когда имитационное моделирование оказывается единственным способом исследования сложной системы из-за невозможности наблюдения явлений в реальных условиях (реакции термоядерного синтеза, исследования космического пространства).
5. Когда необходимо контролировать протекание процессов или поведение систем путем замедления или ускорения явлений в ходе имитации.
6. При подготовке специалистов для новой техники, когда на имитационных моделях обеспечивается возможность приобретения навыков в эксплуатации новой техники.
7. Когда изучаются новые ситуации в РПС. В этом случае имитация служит для проверки новых стратегий и правил проведения натурных экспериментов.
8. Когда особое значение имеет последовательность событий в проектируемых ПС и модель используется для предсказания узких мест в функционировании РПС.

Однако ИМ наряду с  достоинствами имеет и недостатки:

1. Разработка хорошей ИМ часто обходится дороже создания аналитической модели и требует больших временных затрат.
2. Может оказаться, что ИМ неточна (что бывает часто), и мы не в состоянии измерить степень этой неточности.
3. Зачастую исследователи обращаются к ИМ, не представляя тех трудностей , с которыми они встретятся и совершают при этом ряд ошибок методологического характера.

И тем не менее ИМ является одним из наиболее широко используемых методов при решении задач синтеза и анализа сложных процессов и систем.

Одним из видов имитационного моделирования является статистическое имитационное моделирование, позволяющее воспроизводить на ЭВМ функционирование сложных случайных процессов.

При исследовании сложных  систем, подверженных случайным возмущениям  используются вероятностные аналитические  модели и вероятностные имитационные модели.

В вероятностных аналитических  моделях влияние случайных факторов учитывается с помощью задания вероятностных характеристик случайных процессов (законы распределения вероятностей, спектральные плотности или корреляционные функции). При этом построение вероятностных аналитических моделей представляет собой сложную вычислительную задачу. Поэтому вероятностное аналитическое моделирование используют для изучения сравнительно простых систем.

Подмечено, что введение случайных возмущений в имитационные модели не вносит принципиальных усложнений, поэтому исследование сложных случайных процессов проводится в настоящее время, как правило, на имитационных моделях.

В вероятностном имитационном моделировании оперируют не с характеристиками случайных процессов, а с конкретными случайными числовыми значениями параметров ПС. При этом результаты, полученные при воспроизведении на имитационной модели рассматриваемого процесса, являются случайными реализациями. Поэтому для нахождения объективных и устойчивых характеристик процесса требуется его многократное воспроизведение, с последующей статистической обработкой полученных данных. Именно поэтому исследование сложных процессов и систем, подверженных случайным возмущениям, с помощью имитационного моделирования принято называть статистическим моделированием.

Статистическая модель случайного процесса - это алгоритм, с помощью которого имитируют работу сложной системы, подверженной случайным возмущениям; имитируют взаимодействие элементов системы, носящих вероятностный характер.