2.2 Сравнение CASE-средств

Чтобы выбрать наилучшее CASE-средство для построения своей модели я провел сравнительный анализ трех CASE-средств методом анализа иерархии (МАИ). К этим средствам относятся:

Ш BPWin

Ш ARIS Toolset

Ш Rational Rose

В список критериев, по которым я сравнил CASE-средства, попали:

· Количество поддерживаемых стандартов

· Удобство работы по созданию моделей

· Ограничение на количество объектов на диаграмме

Известные данные по каждому из средств я свел в таблицу

1 шаг МАИ: Оценка критериев

Начнем с построения матрицы попарных сравнений для критериев. Для этого строим матрицу размерностью 3х3 (по числу критериев) и подписываем строки и столбцы наименованиями сравниваемых критериев.

Заполняем таблицу. Для этого попарно сравниваем критерий из строки с критерием из столбца по отношению к цели. Значения из шкалы относительной важности (таблица) вписываем в ячейки, образованные пересечением соответствующей строки и столбца.

Сначала определяем оценки компонент собственного вектора.

Для критерия «Удобство работы по созданию моделей»:

( 9 * 1 * 5) = 45^1/3 = 3,512

Так для критерия " Количество поддерживаемых стандартов" это будет:

(1* 1/9 * 1/7)^1/3 = (0.01573)^1/3 = 0,254

Для последнего критерия «Ограничение на количество объектов на диаграмме» :

(7 * 1/5 * 1)^1/3 = 1,117

Получив сумму оценок собственных векторов ( = 3,883), вычисляем нормализованные оценки вектора приоритета для каждого критерия, разделив значение оценки собственного вектора на эту сумму.

0,254 / 3,883= 0,065 (для критерия «Количество поддерживаемых стандартов»)

3,512 / 3,883= 0,904 (для критерия «Удобство работы по созданию моделей»)

1,117 / 3,883= 0,288 («Ограничение на количество объектов на диаграмме»)

Сравнивая нормализованные оценки вектора приоритета можно сделать вывод, что наибольшее значение при выборе CASE-средства я придаю критерию "Удобство работы по созданию моделей ".

Весьма полезным побочным продуктом теории является так называемый индекс согласованности (ИС), который дает информацию о степени нарушения согласованности. Вместе с матрицей парных сравнений мы имеем меру оценки степени отклонения от согласованности. Если такие отклонения превышают установленные пределы, то тому, кто проводит суждения, следует перепроверить их в матрице.

ИС = (л _max - n)/(n - 1)

л_max = (1+9+7)*0.065 + (1.9+1+1.5)*0,904 + (1/7+5+1)*0,288 = 3,06

ИС = (л_max - 3) / 2 = 0,03.

Но это еще не все с оценкой критериев. Необходимо проверить, насколько мои суждения были непротиворечивыми при составлении матрицы попарных сравнений критериев. Для этого необходимо индекс согласованности разделить на число, соответствующее случайной согласованности матрицы третьего порядка, равного 1,12. Получим отношение согласованности (ОС). В данном случае:

OC = 2,6 % < 10%, т.е. пересматривать свои суждения нет нужды.

2 шаг: Оценка альтернатив

Теперь для выбора наилучшего CASE-средства я сравню выбранные мною 3 CASE-средства по каждому критерию.

Критерий: «Количество поддерживаемых стандартов»

Оценки компонент собственного вектора:

BPWin: (1*3*5)^1/3 =2,444

ARIS: (1/3*1*7)^1/3 = 1,318

Rational Rose: (1/5*1/7*1)^1/3 = 0,309

Сумма оценок собственных векторов = 2,444+1,318+0,309 = 4,071

Вычислим нормализованные оценки:

BPWin: 2,444 / 4,071 = 0,6

ARIS: 1,318 / 4,071 = 0,323

Rational Rose: 0,309 / 4,071 = 0,08

Сравнивая нормализованные оценки вектора приоритета можно сделать вывод, что по количеству поддерживаемых стандартов лидирующим является BPWin.

Критерий «Удобство работы по созданию моделей»

Оценки компонент собственного вектора:

BPWin: (1*9*5)^1/3 =3,512

ARIS: (1/9*1*1/4)^1/3 = 0,0275

Rational Rose: (1/5*4*1)^1/3 = 0,8

Сумма оценок собственных векторов = 2,444+1,318+0,309 = 4,3395

Вычислим нормализованные оценки:

BPWin: 3,512 / 4,3395 = 0,809

ARIS: 0,0275 / 4,3395 = 0,006

Rational Rose: 0,8 / 4,3395= 0,184

В данном случае при сравнении нормализованных оценок вектора приоритета видно, что наиболее удобным средством по созданию моделей также является BPWin.

Критерий «Ограничение на количество объектов на диаграмме»

Оценки компонент собственного вектора:

BPWin: (1*1/7*1/5)^1/3 =0,309

ARIS: (7*1*8)^1/3 = 3,77

Rational Rose: (5*1/8*1)^1/3 = 0,856

Сумма оценок собственных векторов = 0,309+3,77+0,856 = 4,935

Нормализованные оценки:

BPWin: 0,309 / 4,935 = 0,063

ARIS: 3,77 / 4,935 = 0,764

Rational Rose: 0,856 / 4,935 = 0,173

Сравнивая по критерию ограниченности объектов на диаграмме, видно, что ARIS является лидером, так как у него нет ограничений на количество объектов на диаграмме.

Однако наиболее важным для меня критерием является прежде всего удобство при создании модели, поэтому для построения своей модели я выбрал инструментальное CASE-средство BPWin.