Поиск путей применения Agile-подхода для управления проектами научных исследований и разработок

Удовиченко А. С.1
1 Санкт-Петербургский государственный университет

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 19, Номер 3 (Март 2025)

Цитировать эту статью:

Аннотация:
Agile-подход, или гибкое управление проектами разработки продуктов, возник в сфере информационных технологий. Он применяется также и в других отраслях, так как заслужил репутацию подхода, способствующего выстраиванию прочных и взаимовыгодных отношений компании с потребителями ее продуктов. Однако на практике он непрост во внедрении, так как для полноценного воплощения требует преобразования организации из иерархической структуры в сеть взаимодействующих команд. В литературе их называют «рой команд», что позволяет говорить о роевых социальных системах. Такая трансформация трудна и по определению встречает сопротивление системы управления. В сфере исследований и разработок также происходят попытки применения гибкого подхода к управлению проектами, так как успешное внедрение результатов научной деятельности в экономику способно обеспечить наибольший поток ресурсов для нужд научной работы. Кроме того, идея гибкости соответствует результативности научной деятельности. При этом научные организации и исследовательские структуры корпораций чаще всего сами являются весьма иерархичными структурами, что затрудняет реализацию гибкого подхода в полной мере. В статье рассматривается возможность переноса опыта построения технических роевых систем в построение роев команд в научных организациях. Делается вывод о возможности переноса правил и процедур из технической области в социальную, что может создать условия для трансформации организационной культуры, позволяющей эффективно внедрять гибкий подход к управлению научно-техническими проектами

Ключевые слова: Agile, роевой интеллект, управление научно-техническим прогрессом, роевое управление БПЛА

JEL-классификация: O31, O32, O33



Введение

Agile-подход, как называют в литературе гибкое управление проектами, в настоящий момент имеет эпизодическое применение в случае проектов исследований и разработок [1]. Традиционные гибкие методы проектного управления основаны на трех законах agile [5]: законе организации работы в микрокомандах численностью от 5 до 9 человек, каждая из которых решает конкретную задачу, важную для потребителя продукта (закон микрокоманды). При этом постоянно производится коммуникация внутри и вне команды, обеспечивающая связь с потребителем результата работы команды. Приоритетом ставится не извлечение прибыли из продаж продукции, которая есть у компании, а разработка продукта, приносящего максимальную пользу для потребителя (закон потребителя) – внешнего или внутреннего (то есть, являющегося другой командой в той же самой организации). Наконец, команды разработчиков продуктов, которые работают на первых двух принципах, не являются изолированными островками внутри линейно управляемой организации, а составляют из себя сеть взаимодействующих команд, которые в том числе могут периодически обмениваться людьми и в любом случае ставят друг другу задачи (закон сети). Эти три закона логически связаны между собой, главным является второй (закон потребителя), подчиняющий всю разработку продукта интересам потребителя, а основным законом, от которого и зависит успех применения подхода, является третий (закон сети), который трансформирует организационную иерархию в сеть взаимодействующих команд [5].

Данный подход для разработки продуктов был первоначально разработан в отрасли информационных технологий и впервые опубликован в виде т.н. «Манифеста Agile» [13]. Поскольку данная статья предметом имеет управление проектами научных исследований и разработок, необходимо отметить, что научные проекты в узком смысле вообще не включают в себя разработку продуктов для продажи на рынке или поставок народному хозяйству. Они нацелены на генерацию новых знаний, и результаты научно-технической деятельности лишь в некоторых случаях и после существенных дополнительных доработок достигают уровня продукта, который может быть использован производственным или конечным потребителем. И в этом случае, после фактического внедрения этого результата в виде используемого продукта в экономику, научная деятельность по факту становится непосредственной производящей силой [30].

Это означает, что несмотря на специфику научных проектов, заключающуюся в том, что их производительная сила в конечном итоге зависит от преобразования новых знаний в продукт для поставки на рынок или в народное хозяйство – то есть инновационных проектов – основание для рассмотрения возможности применения agile-подхода есть. Поскольку хоть и опосредованно, через использование их результатов, эти проекты своей целью имеют создание продуктов для потребителей. Хотя временной разрыв между завершением научного проекта и началом инновационного может быть очень длительным [2]. Следовательно, тема возможностей применения agile-подхода в проектах научных исследований и разработок является актуальной.

В литературе отмечается ряд проблем применения гибких подходов к управлению проектами в научной сфере. В частности, сложности адаптации методологии к специфике исследований [21, 32]: длительные итерации с поучением обратной связи, так как научные эксперименты требуют месяцев и иногда лет, что делает невозможной применение практики из отрасли разработки программного обеспечения, когда ставится командная задача на 1-2 недели. Далее, грантовая система финансирования науки, предполагающая жесткую финансовую отчетность и сроки исполнения – это противоречит идее гибкости при управлении проектом. Помимо этого, не следует забывать возможность междисциплинарного характера проектов: если в команде объединены, например, физики, химики и биологи, то в этих отраслях науки различны практики по работе команд, то есть, требуется дополнительное время на достижение эффективного взаимодействия [6]. Ну и главное, сама организационная культура научных коллективов часто иерархична, что затрудняет выполнение требований «закона сети» [28]. Трудно оценивать прогресс команды: если в ИТ результат – это готовый работающий продукт, на научной стадии есть лишь знания, выраженные в виде публикаций. То есть, нужны новые метрики прогресса. Высокая неопределенность и риск получения отрицательного результата также осложняют координацию работы команд. Необходимость сочетать гибкость с жестким планированием крупных научных проектов (таких, например, как CERN), затрудняют возможности гибкого проектного менеджмента. Наконец, необходимость заранее планировать публикации и патентную активность противоречит итерационности при проведении проекта – гибкость, основанная на получении обратной связи от потребителя по промежуточным результатам, часто ведет к трансформации цели проекта.

Agile представляет собой гибкую методику, которая может дезорганизовать работу организации, если ее саму внедрять не гибко, а дословно так, как указано в литературе по использованию agile, за пределами сектора ИТ [16]. Далее. Процесс передачи технологий является ключевым при преобразовании результата научно-технического проекта в продукт. Подход Agile здесь может сыграть значительную роль, так как направлен на определяющую роль интересов потребителя – то есть реципиента технологии. Научная литература показывает, что в настоящее время изучаются передовые методы управления проектами, однако опыт показывает, что эти методы не пропагандируются на курсах повышения квалификации, поскольку на активных курсах изучаются более общие методы [27].

Среди высокотехнологичных отраслей экономики отметим сектор здравоохранения. Этот сектор является местом концентрации постоянных исследований, испытаний и внедрения новых продуктов. Там постепенно внедряются практики эффективного и гибкого управления проектами [11]. В упомянутом исследовании рекомендуется, чтобы учреждения здравоохранения уделяли приоритетное внимание развитию гибких компетенций посредством учебных программ.

Результаты отдельных исследований [12, 24] показали, что гибкие методы могут положительно влиять на эффективность, доступность и качество медицинского обслуживания. Более того, систематический обзор подтвердил важность условий успеха, таких как готовность организационного руководства к переходу от иерархии к работе сети команд, наличие собственно команд и навыков сотрудников разрабатывать продукты в таких условиях [37]. Это важнейшие элементы для успешного внедрения Agile. Одновременно поиск этих условий помогает выявить проблемы с готовностью организаций к гибкому внедрению.

Отметим также проекты, связанные с наукой об устойчивом развитии. Они направлены на достижение целей устойчивого развития Организации объединенных наций (ООН) и являются междисциплинарными. Междисциплинарные исследовательские проекты, связанные со сложными проблемами, могут потребовать подходов к управлению проектами, которые поддерживают обучение, адаптацию и инновации. Agile - это подход к управлению, который был разработан для содействия сотрудничеству, обучению, творчеству, инновациям и рефлексии. Благодаря этим качествам Agile может стать подходящим подходом к управлению такими междисциплинарными исследовательскими проектами [14].

Однако проблемы внедрения гибкого управления проектами, с которыми сталкиваются перечисленные отрасли, подсказывают, что было бы эффективнее осознанно применять принципы Agile на более раннем этапе. С одной стороны, Agile допускает адаптивность в формулировке цели проекта и нацелен на нее. С другой стороны, некоторые проблемы сложнее устранить на более позднем этапе. Особенно это относится к аспекту культуры. Как только сформировалась культура конкуренции, становится сложнее поддерживать сотрудничество. Это приводит к разочарованию внутри команды, которого можно было избежать.

В основе успеха лежит хорошая структуризация коммуникаций в команде и между командами. Необходимо хорошо объяснить процесс Agile, особенно если исследователи никогда ранее не использовали гибкий подход к управлению проектом. Конкуренция должна быть сведена к минимуму и заменена общей целью. В связи с необходимостью большей гибкости и адаптируемости исследований, связанных со сложными проблемами [34], руководители проектов могут интуитивно применять альтернативные способы организации проекта. Исследователи могут интуитивно применять гибкие методы проведения исследований, не зная о принципах Agile [21].

Исследование [17] содержит рекомендации о том, как применять оба подхода вместе (традиционный и гибкий), такие как стандартизация и использование шаблонов и процедур для удовлетворения требований проекта. Результаты также показывают, что приверженность роли проектного менеджмента очень важна для достижения успешных результатов. Участие высшего руководства и спонсоров проекта может внести решающий вклад в результаты проекта в целом. Регулярные консультации с заказчиками сокращают время и качество разработки. Стратегическое планирование, его наличие и качество, является фактором, который влияет на эффективность проектов научных исследований и разработок [33]. Совместная разработка стратегического плана улучшает координацию, сплоченность и совместное видение участниками. С другой стороны, критическим аспектом управления исследованиями, связанным с формированием команды или гибкими инструментами, является внутрикомандная борьба [36].

Хотя практика применения гибкого подхода (agile) к управлению научными проектами исследований и разработок, как видно из обзора литературы, изучена для различных стадий исследований и разработок и для разных отраслей, виден также и ряд пробелов, которые не позволяют в настоящее время вполне использовать потенциальные плюсы от применения agile-подхода в проектах генерации знаний. Во-первых, гибкость в управлении такими проектами необходимо сочетать с их структурированностью. То есть это должен быть особый способ применения гибкого подхода, учитывающий высокую степень неопределенности, характерную для научных проектов. Во-вторых, для оценки эффективности и результативности таких проектов нужна особая метрика: критерий «наличие работающего продукта», как в ИТ-проектах, не применим к научным проектам, которые реализуются на допродуктовой стадии. В-третьих, необходимо осмысление вопроса: решения по первым двум пунктам в разных отраслях (отраслях технических систем и социальных, прежде всего) являются несопоставимыми, или возможен межотраслевой обмен результатами?

Целью данного исследования является выявление потенциаьных областей для переноса опыта из сферы управления техническими роевыми системами в сферу социальных роевых систем. Цель определена тем, что научные проекты, в случае успешной реализации, в конечном итоге ведут к развитию производительных сил общества. В том числе производительных сил самой науки, которая является системой знаний общества. Значит, целесообразно изучить передовые достижения и перспективные разработки в области новейшей техники с точки зрения перенесения новых подходов в сферу организации научных проектов.

Данная работа претендует на новизну в том, что направлена на выявление рекомендаций по переносу новейшего опыта технических наук, экспериментирующих с гибким управлением, в область управления исследованиями и разработками. Рассматривается применение гибкого (agile) подхода к управлению научными проектами как способа превращения науки в производительную силу экономики. Это означает, что при обзоре литературы фокус исследования сконцентрирован на моменте преобразования результата научно-технической деятельности в рыночный продукт, и роли гибкого подхода в этом процессе. Такой подход дает возможность переносить опыт передовых технических наук в науку управления научно-техническим прогрессом (поскольку технические науки, решая технические проблемы, имеют дело с теми изделиями, которые уже являются продуктами. Иначе эти проблемы не актуальны).

Гипотеза в данном исследовании состоит в том, что возможно выявить решение вышеперечисленных проблем гибкого управления научными проектами на основе изучения достижений робототехники, занимающейся перспективными разработками в области роевого интеллекта. Для этого необходимо определить наиболее развивающуюся область технических роевых систем, и сравнить полученные результаты с пробелами в возможной области применения роевых технологий в управлении научными проектами.

Методология исследования основана на отборе, анализе и обобщении научных публикаций, а также данных учебников и материалов электронных ресурсов, соответствующих критериям, установленным согласно заданной теме. Поиск осуществлялся в системе Google Scholar. Использовались такие поисковые запросы, как «agile, роевой интеллект, роевое управление БПЛА, управление научно-техническим прогрессом» на русском и английском языках.

Передовой опыт построения технических роевых систем и возможность его применения для реализации agile-подхода в сфере управления проектами научных исследований и разработок

Важно подчеркнуть, что в данной работе мы не задаемся целью определить исчерпывающий или хотя бы существенный перечень принципов, которые установлены для управления техническими роевыми системами и которые мы рекомендуем напрямую перенести их в область управления социальными роевыми системами. Это бурно развивающаяся область, и сейчас важнее определить эффективный подход к анализу ее результатов, чем определять перечень этих результатов. С учетом этого, мы уточняем цель исследования и окончательно она звучит так: формулировка рекомендаций по использованию правил и практик, являющихся выводами исследований по техническим роевым системам для решения задач формирования роев команд в научно-технических проектах. То есть, мы ставим целью найти пути поиска инструментов трансформации иерархических научных организаций в сетевые, не относящиеся к организационной культуре (в то время как большинство исследований по успешным применениям agile-подхода к разработке продуктов связывают успех именно с культурой организации, создающей условия для реализации гибкого управления проектами [8].

Подход основан на следующем. Как было сказано выше, основным законом Agile, от реализации которого зависит успех применения подхода в целом, является закон сети. В литературе случай его успешного применения называют «рой команд» [5]. Основополагающим условием для достижения этого считается соответствующая культура организации, благоприятствующая гибкости в управлении и приоритете сетевого управления над бюрократизмом и иерархией [5]. В передовой технике роевыми называют технические системы, решающие широкий круг задач, отличающиеся высокой автономностью: нет ни программы, однозначно определяющей каждое действие робота, ни оператора-человека, делающего то же самое. Роевая техническая система получает задание, сформулированное в общем виде, и интегральный критерий ее решения, а в конкретных действиях принимает автономные решения. Алгоритмы управления роевыми системами построены как на имитации физических процессов, так и роевых процессов из животного мира, а не только из чисто абстрактных результатах развития математических методов. Это и дает возможность предположить, что опыт развития технических роевых систем применим и к человеческим системам, которыми являются научно-исследовательские коллективы.

Несложно понять, что прямое перенесение принципов роевого интеллекта на работу роев команд (сети команд) исследователей и разработчиков может привести не просто к лишенному смысла, а к противоположному целям управления научным проектом результату. Проиллюстрируем это на примере сопоставления подходов к безопасности полетов пилотируемой авиации (то есть системы, которая управляется людьми – пилотами и диспетчерами) и роевых беспилотных летательных аппаратов. Задачи обеспечения безопасности полетов здесь противоположны: если в первом случае во главу угла ставится недопущение падения летательного аппарата, чтобы не погибли пилоты и пассажиры, то во втором случае – недопущение падения БПЛА в месте, в котором могут пострадать люди и их имущество. По сути, это совершенно разный подход к обеспечению безопасности полетов (хотя и не противоположный). Это нужно понимать, исследуя вопрос о применении других принципов роевого интеллекта в человеческих системах.

То есть, технические закономерности могут служить инструментом для выделения цели и задач анализа, но их применение требует адаптации к закономерностям человеческого поведения. С другой стороны, комбинация точности технических методов с гибкостью социальных предметов исследования могут позволить выявить интересные пути решения сложных социальных задач.

Так как же нам следует достичь этой необходимой для социальных предметов исследования гибкости? В данной работе мы исходим из того, что ключевые условия здесь таковы: адаптивность к изменениям условий (критерий 1), прозрачная коммуникация (критерий 2), управление рисками (критерий 3) и интеграция междисциплинарных знаний (критерий 4). Критерии взяты из работы [42]. Также, важно обеспечить независимость от политической ангажированности [7]. С этими критериями мы будем сравнивать результаты обобщения знаний из области управления техническими роевыми системами, чтобы делать заключение о целесообразности их применения для расширения принципа роевого управления командами исследователей в научных проектах. То есть, в конечном итоге – для применения agile-подхода к управлению научными проектами. Сначала для этого нам нужно сделать выборку соответствующих достижений в области науки роевого управления техническими системами. Самой бурно развивающейся из них является сейчас сфера БПЛА – беспилотных летательных аппаратов [9].

Статистика платформы IEEE (Institute of Electrical and Electronics Engineers, некоммерческой инженерная ассоциация, разрабатывающая широко применяемые в мире стандарты по радиоэлектронике, электротехнике и аппаратному обеспечению вычислительных систем и сетей) показывает, что с 2019 по 2024 год опубликовано в общей сложности 398 статей и документов, связанных с ключевым словом “роевое управление БПЛА”. В том числе 269 — материалы конференций, 118 — статьи в журналах, 7 — статьи с ранним доступом и 4 — статьи в журналах смежных научных областей. Таким образом, что тема “роевое управление БПЛА” становится важной в научных конференциях и журналах. Данные приведены в таблице 1:

Таблица 1 – Данные с платформы IEEE о росте количества статей по роевому управлению БПЛА на 31 декабря 2024 года

Платформа
IEEE
Вид результата
Конференционная статья
Журнальная статья
EAA
M
Суммарно
2019
28
11
0
1
40
2020
43
11
0
0
54
2021
39
9
0
2
50
2022
39
13
0
0
52
2023
79
25
0
0
104
2024
56
34
7
1
98
Всего




398
Источник: платформа IEEE

Помимо количественной составляющей, рассмотрим качество и уровень исследований. По материалам платформы IEEE были рассмотрены 125 научных публикаций. Из них 27% опубликованы в журнальных изданиях категории Q1, что означает о высокий уровень значимости и качества публикаций. 5% материалов опубликованы в журналах категории Q2, а 19% — категории Q3, что иллюстрирует широкий охват научных источников. Значительная часть, 41%, составляют статьи, представленные на научных конференциях, подчеркивая актуальность и быстрое развитие тематики. Около 2% материалов — это книги, которые предоставляют вклад в развитие фундаментальной базы дисциплины. Около 5% - материалы из других источников, не попавших под приведенную классификацию (статьи в некоторых российских научных изданиях). Данные приведены на Рисунке 1:

Рисунок 1 - Анализ использованных в обзоре источников на 31.12.2024

Источник: платформа IEEE

Приведенные выше данные позволяют сделать заключение о том, что сфера знаний, связанных роевым интеллектом в беспилотных летательных аппаратах, является достаточно быстро развивающейся и подтверждает актуальность ее изучения для определения перспектив диффузии ее результатов в сферу роев команд. Теперь рассмотрим собственно направления исследований в данной области на основе анализа содержания 30 наиболее цитируемых публикаций и сгруппируем основные области приложения усилий исследователей, а также актуальные для нашей цели исследования полученные результаты. Первая группа публикаций посвящена проблематике оптимизации пути передвижения роя БПЛА [15, 20, 18, 22, 23, 25, 26, 40, 41, 49]. Здесь рассматривается вопрос централизации и децентрализации принятия решений, безопасное планирование маршрутов с учетом различных моделей коммуникаций между элементами роя. Здесь интересным для нас является общий принцип, закладываемый в алгоритмы: основным источниками информации являются сигналы от соседних БПЛА. Это похоже на движение автомобилей по автотрассе, когда каждый водитель имеет карту, цель поездки и видит сигналы соседних участников движения, а также руководствуется правилами дорожного движения. Это децентрализованная система управления трафиком дорожной сети, поскольку каждое конкретное решение о движении водитель на основании вышеперечисленного принимает сам. Нам же следует понять, возможно ли перенесение этого децентрализованного управления на координацию роев команд исследователей. Сравнение обобщения с критериями из [42] позволяет заметить, что данные результаты соответствуют как минимум критерию 1 и критерию 2.

Далее выделим работы [31, 35, 39, 43, 46, 47, 48, 50]. В них рассматриваются различные аспекты передвижения роев на местности с препятствиями либо по незнакомой местности. В нашей теме с автономной координацией роев команд исследователей эта задача является актуальной, поскольку научные исследования по определению имеют дело с ранее неизвестным, и препятствия, требующие пересборки календарного плана проекта возникают в силу сути дела. Сравнение обобщения с критериями из [42] позволяет заметить, что данные результаты соответствуют как минимум критериям 1, 2 и 3.

Интерес также представляет ряд работ, основанных на переносе принципов самоуправления роев из природного мира в мир киберфизических систем [10, 19, 29, 44, 45]. Методы автономного поведения на основе роевого интеллекта в настоящее время являются одними из наиболее широко изученных алгоритмов в области планирования поведения киберфизических роевых систем. Изучены алгоритмы муравьиной колони, пчелиного роя, волчьей стаи, стаи рыб и др. Отметим также генетические алгоритмы, которые также применяются для роев технических устройств достаточно часто. В исследованиях отмечается, что алгоритмы роевого интеллекта

подвержены риску, заключающемуся в вероятности ненахождения оптимального решения из-за неопределенности, присущей настройкам начальных значений. Иными словами, критически важен верный первый шаг в реализации проекта. А это означает, что гибкость управления проектом дает возможность снять ошибку, если она заложена в самом начале процесса управления. Сравнение обобщения с критериями из [42] позволяет заметить, что данные результаты соответствуют как минимум критериям 1, 2 и 4.

В заключение обзора, отметим работы, построенных на анализе имитации физических процессов для построения алгоритмов роевого интеллекта технических систем [3, 4, 38]. В этих работах сборка роя осуществляется на основе модели кристаллической решетки. Либо описывающая движение элементов роя в виде самодвижущихся частиц активной материи. Это дает возможность применять математические методы моделирования движения роя. Сравнение обобщения с критериями из [42] позволяет заметить, что данные результаты соответствуют как минимум критерию 4.

Итак, мы выделили 4 группы исследований по роевому интеллекту в технических системах, чтобы выявить опыт, который может быть применен к управлению роями команд научно-технических проектов (что является основой для успеха применения подхода agile в данной сфере): оптимизация путей движения технических роевых систем, аспекты централизации и децентрализации принятия решений, перенос алгоритмов управления роевым движением из животного мира, перенос алгоритмов управления роевым движением из изученных физических явлений. Ни одна из перечисленных 4 групп исследований не позволяет удовлетворить всем 4 критериям, которые сигнализируют о возможной целесообрасности переноса опыта из технической в социальную сферу, согласно требованиям [42]. Но в совокупности те или иные группы исследований и их результатов отвечают всем требованиям.

В литературе уже начали появляться формулировки принципов для правил, лежащих в основе движения технических беспилотных систем именно как роевых – то есть автономного движения в составе потока других подобных транспортных средств [3]. Вот они:

1. Программно-аппаратный комплекс напрямую взаимно измеряет относительные координаты и скорости между участниками движения и наземными ориентирами. Связь осуществляется без использования третьей стороны (без GPS, без ГЛОНАСС) - габаритными огнями, стоп-сигнальными, индикаторами поворотов и аналогичных светотехнических элементов.

2. Алгоритмы и средства контроля, позволяющие выполнять сложные трехмерные манёвры в воздухе. Стыковка, дозаправка в воздухе, передача грузов с одного аппарата на другой в полёте, посадка на движущийся транспорт, уклонение от внезапно обнаруженных препятствий. Достигается методами машинного обучения с использованием искусственного интеллекта.

3. Автономная групповая работа. Групповая работа – это возможность распределить нагрузки между бортами, а не устанавливать сразу все на единственный аппарат. Пример групповой работы без автономности – шоу дронов, но такая работа сильно снижает экономический эффект, т.к. либо получается, что задание выполняется по неизменяемому сценарию от начала и до конца, либо требуется много дополнительных усилий, чтобы с земли изменить индивидуальное задание каждому беспилотнику.

4. Новый подход к созданию наземной архитектуры управления беспилотными системами. В данный момент каждый оператор осуществляет старт своего беспилотника, обеспечивает возвращение и задаёт полётное задание. Приемлемо, когда работают одиночные беспилотники. При групповой работе необходим новый язык описания полётного задания, подразумевающий групповое взаимодействие, старт с одной базы, возвращение на другую базу, получение и смену заданий в воздухе.

5. Автономные базы наземного обслуживания. Могут быть как стационарными, так и мобильными, размещенными на подвижных наземных и морских платформах. Возможен вариант воздушной базы (летающая платформа, питающаяся энергией либо от поставляемых дронами аккумуляторов, либо по кабелю с земли). При наиболее вероятных сценариях работы межполётное обслуживание дрона можно полностью автоматизировать. Чтобы обеспечить заход на посадку и саму посадку - потребуется аппаратура из первого пункта, алгоритмы из второго, диспетчеризация – из третьего и назначение конкретной базы из четвёртого.

Все пять принципов являются разворачиванием определения роевого интеллекта: децентрализованная самоорганизующаяся система, в применении к авиационным беспилотникам. Проверка на соответствие принципам переносимости результатов развития технических роевых систем на социальные роевые системы (по критериям [42]) позволит достичь междисциплинарного эффекта и найти пути повышения полезности agile-подхода в управлении научно-техническими проектами.

Заключение

Задача по управлению движением технических роевых систем сводится к обеспечению возможности автономности на основе правил, общих сигналов, воспринимаемых всеми элементами движения (как сигналы светофора на трассе, команды регулировщика и сигналы от соседних участников дорожного движения). Необходимы: общая цель всего «роя команд», децентрализованная коммуникация между командами (элементами роя), решение проблем при ситуации выхода из работы какой-либо команды. Коммуникации между командами исследователей можно налаживать на междисциплинарных мероприятиях и любых иных способов объединения людей на основе самоорганизации (включая использование коворкингового пространства, больших столовых и т.п.).

При этом требуются дополнительные исследования подходов к распределению задач для повышения автономности и масштабируемости, особенно в случае перехода к использованию крупномасштабного роя.

Данная область технических исследований может быть источником находок для развития области знаний о применении agile-подхода при управлении проектами научно-технических исследований и разработок. В первую очередь, ценность представляют идеи об организационных правилах и процедурах, способных за счет своего внедрения повлиять на культуру организации и инициировать преобразование иерархической системы в систему роя команд. Согласно имеющихся представлений теории agile-подхода, это обеспечит как эффективность формирования команд исследователей, так и их ориентацию на реализацию интересов внешнего или внутреннего потребителя (а не бюрократических требований иерархии компании). Такой подход должен выявить инструменты преобразования иерархических организаций, занимающихся исследованиями, в организованные на принципе сети (роя) команд (что позволяет эффективно использовать agile), за счет конкретных рекомендаций по правилам и процедурам, без отсылки к идеям о преобразовании организационной культуры.


Источники:

1. Бабенко В. В., Тельнова О. П., Бабенко В. Проектный менеджмент в фундаментальных научных исследованиях // Корпоративное управление и инновационное развитие экономики Севера: Вестник Научно-исследовательского центра корпоративного права, управления и венчурного инвестирования Сыктывкарского государственного университета. – 2020. – № 2. – c. 78-89.
2. Беляев Ю. Инновационный менеджмент. - Litres, 2022.
3. Бойко А.М., Будза А.А., Кваско А.Г., Костырин П.В., Максимов К.А., Ткаченко Д.В., Шамрай П.Ю. Высокопроизводительная оптоэлектронная система отслеживания положения беспилотных летательных аппаратов (БЛА) // Экстремальная робототехника: Труды 33й международной научно-технической конференции «Экстремальная робототехника». Санкт-Петербург, 29-30 сентября 2022: Санкт-Петербург: Изд-во: ЦНИИ РТК. Санкт-Петербург, 2022. – c. 596.
4. Бойко А.М., Гиргидов Р.А. Ключевые особенности алгоритмов формирования роя автономных беспилотных летательных аппаратов (БЛА) в условиях отсутствия ГНСС и устойчивой радиосвязи // Робототехника и техническая кибернетика. – 2022. – № 10. – c. 25-31.
5. Деннинг С. Эпоха Agile: Как умные компании меняются и достигают результатов. - Манн, Иванов и Фербер, 2019.
6. Удовиченко А.С. Время для развития. / Научная монография. - СПб.: Издатель Англинова Л.Н., 2022.
7. Удовиченко А.С. Устойчивое развитие при отказе от приоритета климатических целей: экономика замкнутого цикла и цифровизация // Информатизация в цифровой экономике. – 2024. – № 4. – c. 613-632. – doi: 10.18334/ide.5.4.122550.
8. Agile для всех. - СПб.: Питер, 2019. – 240 c.
9. Ahmed F. Recent advances in unmanned aerial vehicles: a review // Arabian Journal for Science and Engineering. – 2022. – № 7. – p. 7963-7984.
10. Alhaqbani A., Kurdi H., Youcef-Toumi K. Fish-Inspired Task Allocation Algorithm for Multiple Unmanned Aerial Vehicles in Search and Rescue Missions // Remote Sens. – 2021. – p. 27. – doi: 10.3390/RS13010027.
11. Alotaibi F., Almudhi R. Application of Agile Methodology in Managing the Healthcare Sector // IRASD Journal of Management. – 2023. – № 3. – p. 147-160.
12. Invigorating Ubuntu Ethics in AI for healthcare: Enabling equitable care Amugongo L. M., Bidwell N. J., Corrigan C. C. Invigorating Ubuntu Ethics in AI for healthcare: Enabling equitable care //Proceedings of the 2023 ACM conference on fairness, accountability, and transparency. – 2023. – С. 583-592
13. Beck K. Manifest für agile Softwareentwicklung // Zugriff am. – 2001. – p. 2020.
14. Biely K. Agile by accident: how to apply Agile principles in academic research projects // Social Sciences. – 2024. – № 1. – p. 12.
15. Chowdhury M. M. U., Bulut E., Guvenc I. Trajectory Optimization in UAV-Assisted Cellular Networks under Mission Duration Constraint Orlando. - FL, USA: IEEE, 2019. – 1-4 p.
16. Ciric D. Agile project management in new product development and innovation processes: challenges and benefits beyond software domain // 2018 IEEE International Symposium on Innovation and Entrepreneurship (TEMS-ISIE). – IEEE. 2018. – p. 1-9.
17. Conforto E. C., Amaral D. C. Evaluating an agile method for planning and controlling innovative projects // Project Management Journal. – 2010. – № 2. – p. 73-80.
18. Floriano B., Borges G. A., Ferreira H. Planning for Decentralized Formation Flight of UAV Fleets in Uncertain Environments with Dec-POMDP. - Atlanta, GA, USA: IEEE, 2019. – 563-568 p.
19. Gao S., Wu J., Ai J. Multi-UAV reconnaissance task allocation for heterogeneous targets using grouping ant colony optimization algorithm // Soft Comput. – 2021. – № 25. – p. 7155–7167. – doi: 10.1007/S00500-021-05675-8/.
20. Hamnanaka M. Optimum Design for Drone Highway. - Network Atlanta, GA, USA: IEEE, 2019. – 923-929 p.
21. Hidalgo E. S. Adapting the scrum framework for agile project management in science: case study of a distributed research initiative // Heliyon. – 2019. – № 3.
22. Ho F. Multi-Agent Path Finding in Unmanned Aircraft System Traffic Management With Scheduling and Speed Variation // IEEE Intelligent Transportation Systems Magazine. – 2022. – № 5. – p. 8-21.
23. Khassanov, A.M., Lazarev, E.A., Viksnin, I.I.: The Task of Localizing the Source of Air Pollution by a Group of Drones Using Multi-Agent Approach. Proc. 2024 Conf. Young Res. Electr. Electron. Eng. ElCon 2024. 185–189 (2024). https://doi.org/10.1109/ELCON61730.2024.10468227 URL: https://doi.org/.
24. Lakhani H. V. Systematic review of clinical insights into novel coronavirus (CoVID-19) pandemic: persisting challenges in US rural population // International Journal of Environmental Research and Public Health. – 2020. – № 12. – p. 4279.
25. Liu D., Dou L., Zhang R., Zhang X., Zong Q. Multi-Agent Reinforcement Learning-Based Coordinated Dynamic Task Allocation for Heterogenous UAVs // IEEE Trans. Veh. Technol. – 2023. – № 72. – p. 4372–4383. – doi: 10.1109/TVT.2022.3228198.
26. Luo, Y., Huang, X., Yang, J., Wu, F., Leng, S.: Auction Mechanism-based Multi-type Task Planning for Heterogeneous UAVs Swarm. Int. Conf. Commun. Technol. Proceedings, ICCT. 2020-October, 698–702 (2020). https://doi.org/10.1109/ICCT50939.2020.9295777 URL: https://doi.org/.
27. Martin A. Introduction to an agile framework for the management of technology transfer projects // Procedia Computer Science. – 2023. – p. 1963-1968.
28. Pajula M. et al. Innovative companies from Finland and Russia are participating in a border-crossing accelerator program finale. – 2021
29. Peng, Q., Wu, H., Li, N., Wang, F.: A Dynamic Task Allocation Method for Unmanned Aerial Vehicle Swarm Based on Wolf Pack Labor Division Model. IEEE Trans. Emerg. Top. Comput. Intell. (2024). https://doi.org/10.1109/TETCI.2024.3386614 URL: https://doi.org/.
30. Pham K. Karl Marx’s Theory of the Productive Forces in the Present Fourth Industrial Revolution // Journal of Social Studies Education Research. – 2021. – № 3. – p. 101-119.
31. Pshikhopov V. K., Medvedev M. Y. Group Control of Autonomous Robots Motion in Uncertain Environment via Unstable Modes // Спииран. – 2018. – № 60. – p. 39.
32. Rasnacis A., Berzisa S. Method for adaptation and implementation of agile project management methodology // Procedia Computer Science. – 2017. – p. 43-50.
33. Senabre Hidalgo E., Fuster Morell M. Co-designed strategic planning and agile project management in academia: Case study of an action research group // Palgrave Communications. – 2019. – № 1. – p. 1-13.
34. Spangenberg J. H. Sustainability science: a review, an analysis and some empirical lessons // Environmental Conservation. – 2011. – № 3. – p. 275-287.
35. Soria E., Schiano F., Floreano D. Distributed Predictive Drone Swarms in Cluttered Environments // IEEE Robotics and Automation Letters. – 2022. – № 1. – p. 73-80.
36. Sørensen E., Torfing J. Collaborative innovation in the public sector // Enhancing public innovation by transforming public governance. 2016. – p. 115-116.
37. Thomas A., Suresh M. Readiness for agile-sustainability in health-care organizations // International Journal of Quality and Service Sciences. – 2023. – № 2. – p. 148-167.
38. Virágh C., Vásárhelyi G., Tarcai N., Szörényi T., Somorjai G., Nepusz T., Vicsek T. Flocking algorithm for autonomous flying robots // Bioinspir. Biomim. – 2014. – № 9. – p. 025012. – doi: 10.1088/1748-3182/9/2/025012.
39. Wang F. AGDS: Adaptive Goal-Directed Strategy for Swarm Drones Flying Through Unknown Environments // Complex & Intelligent Systems. – 2023. – № 2. – p. 2065-2080.
40. Wang J., Jia G., Lin J., Hou Z. Cooperative task allocation for heterogeneous multi-UAV using multi-objective optimization algorithm // J. Cent. South Univ. – 2020. – № 27. – p. 432-448. – doi: 10.1007/s11771-020-4307-0.
41. Wang Z., Li J., Li J., Liu C. A decentralized decision-making algorithm of UAV swarm with information fusion strategy // Expert Syst. Appl. – 2024. – № 237. – p. 121444. – doi: 10.1016/J.ESWA.2023.121444.
42. Wingate L. M. Project management for research and development: Guiding innovation for positive R&D outcomes. - CRC press, 2025.
43. Xu Guangtong, Wang Zhu Distributed Sequential Convex Programming for Trajectory Planning of UAV Swarms with Dynamic Priority Decoupling // Acta Aeronautica et Astronautica Sinica. – 2021. – № 2. – p. 325059–325059.
44. Yan F., Chu J., Hu J., Zhu X. Cooperative task allocation with simultaneous arrival and resource constraint for multi-UAV using a genetic algorithm // Expert Syst. Appl. – 2024. – № 245. – p. 123023. – doi: 10.1016/J.ESWA.2023.123023.
45. Yan X., Chen R. Application Strategy of Unmanned Aerial Vehicle Swarms in Forest Fire Detection Based on the Fusion of Particle Swarm Optimization and Artificial Bee Colony Algorithm // Appl. Sci. – 2024. – p. 4937. – doi: 10.3390/APP14114937.
46. Yasin J. N. Energy-Efficient Formation Morphing for Collision Avoidance in a Swarm of Drones // IEEE Access. – 2020. – № 8. – p. 170681–170695.
47. Yasin J. N. Formation Maintenance and Collision Avoidance in a Swarm of Drones Amsterdam. - Netherlands: ACM, 2019. – 1-6 p.
48. Yasin J. N., Demazeau Y. Navigation of Autonomous Swarm of Drones Using Translational Coordinates. , 2020. – 353-362 p.
49. ZHANG, Z., JIANG, J., XU, H., ZHANG, W.A. Distributed dynamic task allocation for unmanned aerial vehicle swarm systems: A networked evolutionary game-theoretic approach // Chinese J. Aeronaut. – 2024. – № 37. – p. 182–204. – doi: 10.1016/J.CJA.2023.12.027.
50. Zhou Shaolei, Qi Yahui Time-Varying Formation Control of UAV Swarm System with Switching Topology // Acta Aeronautica et Astronautica Sinica. – 2016. – № 4. – p. 320452–320452.

Страница обновлена: 04.03.2025 в 11:07:00