人工智能软件项目的风险管理研究和实践

来源 :东华大学 | 被引量 : 0次 | 上传用户:woyuxiandai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近些年来随着算法、算力、数据快速地发展,人工智能的发展遇到了新一轮的机会。在本次浪潮中各行各业都受到了人工智能的影响,尤其互联网企业在本次浪潮中得到了更多的发展契机,其中在线医疗、电商、文娱等相关领域分别从人工智能技术中受惠,且人工智能也催生了一批基于人工智能技术主导的公司。本文以A公司智能客服项目作为风险管理研究对象,结合经典的风险管理理论,对项目开发过程中所面临的内外部风险进行识别、分类以及进行定性分析;在风险识别的基础上使用风险评估的方法对项目风险进行定量评估并得到风险的权重,然后根据风险的权重以及级别制定了针对智能客服项目的风险应对策略和具体措施;最后建立了一套适合本项目的风险监控体系。具体过程如下:在风险识别阶段,采用了工作分解结构-风险分解结构法(WBS-RBS)和德尔菲法(Delphi)对A公司智能客服项目进行风险识别。首先,使用头脑风暴法归纳出项目初始风险分类清单;然后,在此基础上使用德尔菲法(Delphi)对初始的风险分类清单进行筛选,获得项目风险识别清单;最后,将各类风险和智能客服项目各阶段的工作活动结合起来构建本项目(WBS-RBS)矩阵,并且深入分析了本项目的主要风险,为后续风险评估提供依据。在风险评估阶段,使用基于层次分析法的ABC分类法对智能客服项目的风险进行定量评估。首先,根据风险识别的结果创建风险评估的层次结构模型;其次,对各层的风险判断矩阵进行一致性验证以及计算各风险项的权重,最终构建出了智能客服项目的风险指标权重表;第三,使用ABC分类法对智能客服项目的风险进行分类和排序;最后,使用定性分析方法基于模糊数学的专家打分法为智能客服项目的风险再次进行打分,并确定了智能客服项目的风险等级。在风险应对以及监控阶段,首先,根据项目的研发情况以及项目的风险问题成立了智能客服项目风险管理团队,项目风险管理团队的主要职责是对智能客服项目在开发过程中遇到的风险提供决策方案;其次,根据风险评估的结果,设计出智能客服项目开发风险的应对策略以及具体实施措施。本文详细地介绍了智能客服项目P1级别风险的应对策略和实施措施,针对智能客服项目的特点设计出来一套完善的项目风险应对策略,并通过项目定期评估和输出项目风险报告的方法监控本项目的风险问题,同时在项目中遇到的风险问题以及解决方案也会更新到A公司人工智能项目风险库中,为其他具有人工智能特点的软件项目提供参考。最终从项目风险管理实践效果上分析,证实了本文关于智能客服项目风险管理的内容研究具有一定的实用价值,可为其他具有人工智能特点的软件项目提供风险管理的借鉴。
其他文献
工业的发展离不开钢铁材料的支撑,现代工业的发展对钢板质量的要求越来越高。在钢板生产过程中会产生多种类型的缺陷,如辊印、刮痕和结疤等,这些缺陷会直接影响到钢板的质量、性能,因此需要对钢板缺陷进行有效的检测。本文针对目前传统的钢板表面缺陷检测方法自动化程度低、检测速度慢以及准确率低等问题,研究了一种基于深度学习的钢板表面缺陷检测方法,实现钢板缺陷的智能化检测。钢板表面缺陷具有多类别、多尺度和小目标等特
阿尔兹海默症对中老年人和社会的危害较大,但是目前并没有针对该疾病的特效治疗药物。如果能够尽可能早地检测出阿尔兹海默症的病情发展趋势,就能够及早地对患者采取合适的医疗措施,延缓疾病的恶化进程。根据受试者在恶化为AD前病情的发展趋势将受试者分为平稳型与进展型,平稳型受试者虽然处于轻度认知障碍(MCI)阶段,但却能保持较长时间不继续恶化,而进展型受试者则会迅速转化为AD。因此本文的研究重点在于区分这两种
随着互联网、移动互联网、物联网等相关技术的发展,各个行业的数据量飞速增长,人们急需一种有效的手段充分挖掘海量数据背后所蕴含的价值。群智和众包的出现为解决这个问题提供了更多的可能。为了更有效地管理任务,国内外纷纷涌现不少众包平台,如Amazon的Mechanical Turk、网易的有道众包等。用户可以方便地发布及接受各种各样的任务。然而由于工人的行为具有不确定性,平台方无法直接将任务随机地交付给工
随着信息技术的不断发展,数据处理量不断增大,如何在海量、高维度的数据集中进行快速搜索显得越来越重要。数十年来,近似最近邻搜索(Approximate Nearest Neighbor,简称ANNS)一直是一个热门话题,它在数据挖掘,机器学习和人工智能的许多应用中发挥着重要作用。对于稀疏的离散数据(比如文档),用户可以构建高级索引结构(比如倒排索引)来进行有效地最近邻搜索。但是对于密集的连续向量,目
中国是鞋品制造大国,每年制鞋业为我国创造巨大经济利润。然而制鞋业主要集中于东南沿海,近年来劳动力成本不断上升,同时我国鞋品生产设备落后,自动化程度不高造成了鞋品一致性差、生产效率低、一线工人工作强度大等问题,上述问题对我国制鞋业的发展产生很大限制。本课题来源于国家重点研发计划“面向运动鞋服行业的机器人自动化生产线”,根据冷粘制鞋行业的实际情况,对工业机器人鞋帮打粗作业进行相应研究,提高了冷粘线鞋帮
纺织布匹瑕疵检测是纺织品生产环节中至关重要的一步,如何更进一步的提高纺织布匹瑕疵检测的精度和速度将对这一重要的生产步骤产生十分积极的影响,这能够有效的促进纺织品行业持续健康的发展。因此,本文特别针对纺织布匹瑕疵检测环节中的检测精度和速度这两个方面展开了细致的研究,本文完成的主要创新工作如下:针对目前业界前沿的目标检测算法在织物布匹瑕疵的检测精度方面仍然存在有待提升空间的问题,本文提出了三种不同的技
目前在纺织领域,工厂主流的布匹质检方式为人工检测。随着工业智能化的发展,机器视觉技术凭借其检测速度快和精度高的优势,得到了纺织领域的更多关注。部分纺织企业开始使用基于机器视觉的布匹瑕疵检测系统,目前的瑕疵检测系统主要用于素色布的瑕疵检测。根据工厂实际生产的布匹情况,结合消费者对服装布匹的需求,发现以复杂背景图案的花色布为主。由于花色布的瑕疵特征提取受到复杂背景图案的干扰较大,而传统机器视觉的算法依
伴随互联网技术的更新换代、不断发展,人脸识别技术被应用于生活的各个角落,依托于人脸识别技术的产生带来了诸多的便利,相应的推动了研究学者对于依托新兴产业的识别技术的深入研究。如今,人脸识别技术已经由传统的模板匹配、几何特征等识别方法过渡为基于神经网络的人脸识别方法,在基于实验环境下的识别效果甚至已经达到精准识别的水平。但是,在基于非理想状况的现实生活中,人脸识别的效果受到很多因素的影响,包括光照、遮
经编提花鞋面的数量统计和质量检测是制鞋过程中的一个重要环节。目前,工厂主要采用人工检测方法,通过人眼视觉来检测鞋面布匹是否存在质量问题,手工标记存在质量问题的鞋面,并且人工统计合格鞋面的数量。这种检测方法存在着检测速度慢、检测准确率不高、劳动强度大等弊端,降低了企业的市场竞争力。利用机器视觉技术代替传统人工检测,是一种提高鞋面布匹检测效率和精度的重要途径。本课题以经编提花鞋面布匹为研究对象,利用机
熔体直纺长丝作为一种重要的工业纺织品生产原料,在生产生活中用途十分广泛。为方便熔体直纺长丝的存储和运输,化纤企业通常将其卷绕成化纤丝饼。在卷绕过程中,熔体直纺长丝由于导丝辊拉力不稳定以及挂钩处局部受力不均等因素影响,部分纺丝会发生断裂并出现长丝局部断头现象。企业将熔体直纺长丝局部断头的严重程度作为评判化纤丝饼质量等级的主要指标之一。目前,由于缺乏熔体直纺长丝断头自动化检测方面的相关研究,化纤生产线