Comments 4
В промавтоматизации есть разные крутые методики, анализирующие отклонения, причины отклонений, выстраивающие деревья решений проблемы и сигнализирующие о наступлении её задолго до. От аналитических, типа SVM до сеток. Это очень интересно.
Можно подробнее? Интересно.
К сожалению, на полную обзорную статью по всем методам я не готов. А те методы, которые используем мы - некоторым образом попадают под NDA :)
Из общеизвестных аналитических - это в первую очередь разные вариации SVM. Мне кажется, я не ошибусь, если предположу, что и очень многие проприетарные алгоритмы - SVM-Based, только с разным подбором критериев и оценок.
Кластеризация а ля k-means тоже используется, но больше на этапе анализа данных, как вспомогательный инструмент, насколько я могу судить.
Кроме того, крупные компании, типа GE, очень плотно используют экспертное знание и строят предиктивные модели чуть ли не по конкретным маркам агрегатов, после чего их и продают.
Как-то так.
По поводу Майка Кона, он в 2024м году написал новую статью в которой распределение SP на время уже показывал смещенным вправо, похожим на Вейбулла
https://www.mountaingoatsoftware.com/blog/dont-equate-story-points-to-hours
Привет! Спасибо за такой разбор моей статьи. С удовольствием прочитал.
Считаю, такие разборы очень ценными. И словил себя на мысли, что очень хочу с тобой пообщаться в живую. Может быть даже сможем?!
Мне давольно часто приходится искать способы изложения в очень простой форме опуская какие-либо детали и порой приводить доводы на том языке который будет понятен более широкой аудитории. И это может приводить к определенным "аффектам".
И мне очень приятно, что ты обратился к такому разбору и с тобой можно провести диалог на более инженерном языке.
Отмечу пару моментов:
"Хвост толщиной 5.6", "широкий разброс", исходя из соображения про сумму распределений, кажутся мне какой-то совсем наугад взятой величиной, но, наверное, она подбиралась для каких-то суперконкретных ситуаций, ограничения на которые в прочитанных мной статьях я не понял.
По поводу значения "5.6", значение взято из отношения 98% к 50% из свойств распределения Вэйбула. Для упрощенной методики менеджмента, которая будет понятна большему количеству людей в материалах по менеджменту (от Kanban Univercty) даже не упоминают откуда это взято, но приводят как готовое решение: "Смотрите вот так, и вот это правильно, а вот так не правильно". В массе это помогает зародить дисскуссию к действию которая позже приводит к положительным решениям. Но, в деталях, конечно, оставляет конфуз. Основа есть, но, в разборе требует деталей.
Кстати, спасибо Василию Савунову, который чуть больше закапывается в материал по источникам в своих статьях на vc.ru и приводил пример откуда это взялось https://vc.ru/u/2611688-vasilii-savunov/1711878-taina-zhirnogo-hvosta
По поводу использования весов для оценки.
Практика показывает, что такая система (по сути над система) требует отдельного процесса по ее корреляции с весами при изменениях в процессах связанными как с ростом продукта, или в общем каких-то изменений в системе управления. Таким образом это требует дополнительных ресурсов на поддержание актуализации весовых функций, это достаточно затратно. И с моей точки зрения излишне.
В твоей статье очень много определенных деталей которые явно имеют основу для дискуссии. Именно по этому было бы и интересно пообщаться в живую (в силу ограниченности времени, и возможности разобрать больше интересных деталей).
К управлению задачами через статистику