Особливості розроблення програмного забезпечення для організації робочого часу

Размещено на http://www.allbest.ru/

Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»

Особливості розроблення програмного забезпечення для організації робочого часу

Родіонов Павло Юрійович доцент кафедри інформатики та програмної інженерії факультету інформатики та обчислювальної техніки,

Марченко Олена Іванівна старший викладач кафедри інформатики та програмної інженерії факультету інформатики та обчислювальної техніки,

Куржумова Марія Ігнатівна здобувачка освіти другого (магістерського) рівня

Анотація

Дана робота є актуальною та може стати основою для подальшого вдосконалення та розробки програмного забезпечення для організації робочого часу, що сприятиме більшій продуктивності та організованості користувачів. У роботі буде представлена програмна реалізація системи організації робочого часу з урахуванням недоліків та переваг вже існуючих систем. Основною метою програмного забезпечення даного класу є можливість створення та зберігання завдань, а також контроль їх виконання. Користувачі можуть надавати завданням різні статуси, щоб відстежувати свою продуктивність та прогрес. Крім того, програмне забезпечення надає можливість збирати та аналізувати інформацію про виконані завдання. Однією з ключових особливостей даної системи є різноманітність типів подання завдань. Користувачі можуть використовувати колекції для групування схожих завдань, відстеження звичок для контролю за регулярними діями, а також «running list» для перегляду завдань на поточний та майбутній тиждень та відстеження їх виконання. Крім того буде доступним не тільки безпосередньо планування, але також можливість створення графіків, командна робота, довгострокові плани, декомпозиція задач і т.д. Користувач повинен мати можливість розділяти час для роботи та відпочинку, тож у програмному забезпеченні будуть доступні колекції з можливістю записувати довгострокові плани або ж списки для відпочинку - наприклад списки книг для подальшого читання. Важливою частиною буде система рекомендацій для базових категорій задля економії часу.

Ключові слова: планування, мікросервіси, система рекомендацій, нейронна мережа, running list, колекції, тайм менеджмент.

Abstract

Rodionov Pavlo Yuriyovych Associate Professor, the Department of Informatics and Software Engineering, Faculty of Informatics and Computer Engineering, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”

Marchenko Olena Ivanivna Senior Lecturer, the Department of Informatics and Software Engineering, Faculty of Informatics and Computer Engineering, National Technical University of Ukraine "Ihor Sikorsky Kyiv Polytechnic Institute"

Kurzhumova Maria Ignativna postgraduate student, the Department of Informatics and Software Engineering, Faculty of Informatics and Computer Engineering, National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”

FEATURES OF SOFTWARE DEVELOPMENT FOR THE ORGANIZATION OF WORKING TIME

This work is relevant and can become the basis for further improvement and development of software for organizing working time, which will contribute to greater productivity and organization of users. The paper will present the software implementation of the working time organization system, taking into account the disadvantages and advantages of already existing systems. The main purpose of the software is the ability to create and store tasks, as well as control their execution. Users can assign different statuses to tasks to track their performance and progress. In addition, the software provides an opportunity to collect and analyze information about completed tasks. One of the key features of this system is the variety of task submission types. Users can use collections to group similar tasks, habit trackers to monitor regular actions, and "running lists" to view tasks for the current and upcoming week and track their completion. In addition, not only direct planning will be available, but schedules, teamwork, long-term plans, task decomposition, etc. The user should be able to divide time for work and rest, so the software will have available collections where it will be possible to record long-term plans, or lists for rest - for example, lists of books for further reading. An important part will be a recommendation system for basic categories to save time.

Keywords: planning, microservices, recommendation system, neural network, running list, collections, time management.

Постановка проблеми

У сучасному світі продуктивність набуває все більшого значення. В умовах стрімкого розвитку технологій та інформаційного перенасичення, навички ефективного управління часом та виконання завдань стають критично важливими. Це стосується як професійної діяльності, так і навчання та особистого життя. Актуальність даної роботи зумовлена важливістю планування у сучасному світі, оскільки суспільство стає все більше залежним від технологій та швидкого плину часу. Зростаюча роль гаджетів, таких як смартфони, планшети та комп'ютери, зробила їх не лише необхідними інструментами для комунікації та роботи, але й джерелом потенційних відволікаючих факторів. Велика кількість часу, яку люди проводять в соціальних мережах та в іграх може відвести увагу від важливих завдань та мети планування. програмний робочий час

Підвищення продуктивності є складним завданням, яке включає в себе багато аспектів. Серед них - управління часом, планування завдань, мотивація, фізичне та психічне здоров'я. Часто ми стикаємося з ситуацією, коли людина намагається виконати якомога більше завдань у стислий термін. Це призводить до перевантаження та зниження ефективності.

З початком війни в Україні багато людей змушені працювати та навчатися дистанційно через обмеження на пересування та небезпеку відкритого перебування в громадських місцях. Це підкреслює важливість ефективного планування, оскільки необхідно забезпечити баланс між роботою та особистим часом, враховуючи обставини, що змінюються.

Ефективне планування є ключовим елементом для оптимізації використання часу та ресурсів. Дослідження показують, що люди, які відвели час на планування своїх дій, досягають більшого рівня продуктивності та успіху у своїх професійних та особистих справах. Крім того, планування допомагає уникнути стресу та перенавантаження. Правильно розподілені час і енергія дозволяють зберегти психічне та фізичне здоров'я [1].

Аналіз останніх досліджень і публікацій

Особливості застосування методів тайм-менеджменту розглядалися у роботі О. Крикун [2]. Вчений Л. Оліх досліджував інструменти впровадження корпоративного тайм- менеджменту [3]. Проблеми вибору менеджером електронних інструментів для створення ефективної системи тайм-менеджменту розглядалися у роботі О. Крикун та Ю. Медяник [4]. В. Засипко та Мірошниченко М. вивчали теоретичні та практичні аспекти розробки програмних застосунків [5]. Ефективність саморегулювання управління часом через додаток для смартфона була проаналізована у роботі Богоан Кім, Сок-Вон Лі, Хваджунг Хонг та Кюнсік Хан [6].

Мета даної статті полягає у дослідженні практичних аспектів розробки програмного забезпечення, спрямованого на ефективне керування часом та ресурсами.

Основна частина

Програмний застосунок, розроблення якого розглядається в даній роботі, створюється з урахуванням потреб користувачів у контексті підтримки балансу між роботою та відпочинком, що є важливим аспектом для збереження психічного та фізичного здоров'я. Зважаючи на потреби користувачів у різноманітних інструментах для ефективного планування та організації їхнього життя, програмне забезпечення має кілька корисних функцій, таких як «running list», планери для звичок та колекції.

Програмне забезпечення також надає можливість користувачам працювати в командах, де вони можуть спільно об'єднувати зусилля для досягнення спільних цілей. Користувачам буде доступна статистика для відстеження прогресу та подальшого планування, а також декомпозиції планів на менші завдання для кращого керування проектами, рекомендації щодо використання базових колекцій та інше. Основне призначення програмного забезпечення полягає в тому, щоб кожен користувач міг з легкістю керувати своїм часом та ресурсами, забезпечуючи ефективність своєї роботи.

Програмний застосунок для керування часом та ресурсами - це потужний інструмент, який допомагає користувачам ефективно організовувати свої завдання та цілі. Завдяки зручному інтерфейсу користувач може легко створювати, редагувати та відстежувати свої задачі. Крім того, додаток надає можливість створювати та відстежувати звички, організовувати різноманітні колекції, такі як списки книжок чи фільмів для перегляду. Система рекомендацій допомагає користувачам знаходити нові завдання та цілі відповідно до їхніх інтересів, а аналітика та статистика надають можливість відслідковувати прогрес та аналізувати результати у вигляді графіків та таблиць.

Загалом розроблене програмне забезпечення представляє собою вебсайт. Бекенд застосунку, реалізований у формі мікросервісів, представляє собою архітектурний підхід, в якому функціональність додатку розбивається на невеликі, незалежні компоненти, що називаються мікросервісами. Кожен мікросервіс відповідає за виконання певної конкретної функції і ці мікросервіси можуть взаємодіяти між собою через мережу [7].

Spring Security - це потужний фреймворк для забезпечення аутентифікації, авторизації та інших аспектів безпеки в Spring-додатках. Spring Boot інтегрується з Spring Security, що дозволяє легко налаштовувати захист різних частин вашого застосунку, таких як REST API, веб-сторінки тощо [8; 9].

Наприклад, програмний код на рис. 1 налаштовує безпеку застосунку за допомогою Spring Security. Використовуючи анотації @EnableWebSecurity та @EnableGlobalMethodSecurity(prePostEnabled = true), він включає підтримку веб-безпеки та глобальної безпеки методів. Основна конфігурація включає налаштування менеджера автентифікації для роботи з користувацьким сервісом UserDetailsServicelmpl і використанням BCryptPasswordEncoder для шифрування паролів. Методи налаштовують HTTP-безпеку: вимикається CSRF-захист, встановлюється безстейтове управління сесіями, визначаються дозволені та захищені маршрути. Фільтр для обробки JWT токенів додається перед стандартним фільтром автентифікації, що дозволяє обробляти JWT токени для аутентифікації користувачів. Маршрути для входу, реєстрації та відновлення пароля доступні без автентифікації, тоді як всі інші запити потребують автентифікації.

Рис. 1 Фрагмент програмного коду для налаштування безпеки

Для розробки застосунку було обрано REST API як основний спосіб взаємодії між фронтендом та бекендом. REST (Representational State Transfer) - це архітектурний стиль для створення веб-служб, який базується на принципах простоти та легкості використання [10]. Цей вибір має кілька переваг. По-перше, REST API простий у використанні та розумінні, що дозволяє легко створювати, розгортати та підтримувати веб-служби. Він використовує стандартні HTTP методи, такі як GET, POST, PUT та DELETE, для взаємодії з ресурсами, що спрощує розробку та робить код більш зрозумілим для інших розробників. По-друге, REST API є незалежним від мови програмування та платформи, що дозволяє використовувати різні технології для фронтенду та бекенду. Це дає можливість розробляти різнобічні застосунки та легко масштабувати їх у майбутньому. По-третє, REST API забезпечує інтерфейс з низькою зв'язаністю між фронтендом та бекендом. Це означає, що зміни в одній частині застосунку не впливають на іншу, що спрощує тестування, супровід та розширення. Усе це робить REST API оптимальним вибором для взаємодії між фронтендом та бекендом, забезпечуючи простоту, гнучкість та надійність.

Наприклад, програмний код на рис. 2 налаштовує контролер у Spring для роботи з користувацькою статистикою. Анотації @RestController та @RequestMapping('7api/users/statistic") вказують, що цей клас обробляє HTTP- запити за маршрутом /api/users/statistic. Контролер має кілька полів, позначених анотацією @Autowired, що дозволяє Spring автоматично інжектувати необхідні репозиторії: PlansStatisticRepository, UserRepository, CollectionsStatisticRepository, HabitsStatisticRepository. Метод getPlansStatistic, позначений анотацією @PostMapping("/plans"), обробляє POST-запити до /api/users/statistic/plans. Метод приймає запит у вигляді JSON (@RequestBody StatisticRequest plansStatisticRequest), перевіряє існування користувача за ID і повертає відповідну статистику за рік або місяць з репозиторію plansStatisticRepository.

Рисунок 2. Фрагмент програмного коду для роботи з користувацькою статистикою

Програмний код на рис. 3 визначає інтерфейс репозиторію в Spring Data JPA для доступу до даних з бази даних PostgreSQL. Він виконує запит для отримання статистики про колекції користувача, включаючи кількість елементів у кожній колекції та кількість завершених елементів. Запит фільтрує дані за userId, діапазоном дат і назвою колекції, підтримує пагінацію і повертає результати, згруповані за collectionId та title, відсортовані за назвою колекції.

Додатково два мікросервіси реалізовані за допомогою Python: один для системи рекомендацій, який аналізує поведінку користувачів та робить персоналізовані рекомендації, інший для інтеграції з текстовою мережею OpenAI, що дозволяє аналізувати та опрацьовувати тексти.

Рис. 3 Фрагмент програмного коду для визначення інтерфейсу репозиторію

Обрання Apache Spark для системи рекомендацій у нашому застосунку є обґрунтованим з міркувань продуктивності та масштабованості. Apache Spark - це потужний фреймворк для обробки великих обсягів даних паралельно та розподілено, що дозволяє нам ефективно аналізувати та обробляти великі набори даних [10].

Однією з основних переваг Apache Spark є можливість працювати з різними джерелами даних, включаючи файли, бази даних та стрімінгові джерела, що дає нам гнучкість у виборі джерела даних для системи рекомендацій [10]. Крім того, Apache Spark має високу швидкість обробки даних завдяки використанню у пам'яті обчислень та оптимізації запитів. Для системи рекомендацій, де потрібно аналізувати великі обсяги даних та виробляти персоналізовані рекомендації для користувачів, Apache Spark надає нам потужні інструменти для реалізації складних алгоритмів рекомендацій та обробки даних у реальному часі.

Система рекомендацій - це програмне забезпечення або алгоритм, який аналізує великі обсяги даних про користувачів та їхні взаємодії з різними об'єктами (такими як товари, статті, фільми тощо) і надає персоналізовані рекомендації. Головна мета систем рекомендацій полягає у тому, щоб допомогти користувачам знаходити інформацію або товари, які відповідають їхнім інтересам, смакам або потребам.

У застосунку будуть реалізовані базові категорії для всіх користувачів, такі як фільми, книги, подкасти. Для них буде розроблена система рекомендацій для зменшення часу на пошук відповідних даних. Системи рекомендацій використовують різні методи та алгоритми. Деякі з найбільш поширених методів включають колаборативне фільтрування, контентне фільтрування, гібридні методи та методи з використанням глибокого навчання. Розглянемо різні алгоритми для створення рекомендацій заснованих на інтересах користувачів.

Одним з найбільш поширених методів є колаборативне фільтрування, що базується на історії взаємодії користувачів з системою. Цей метод аналізує оцінки або історію перегляду користувачів, щоб здійснювати рекомендації. Його основною перевагою є здатність рекомендувати об'єкти, які сподобаються користувачам зі схожими вподобаннями. Однак він може стикатися з проблемою холодного старту, коли недостатньо даних про нових користувачів або об'єкти. Ще одним популярним методом є контентне фільтрування, яке використовує характеристики об'єктів та профілі користувачів для здійснення рекомендацій. Його основною перевагою є здатність рекомендувати об'єкти, які схожі за вмістом на ті, які сподобаються конкретному користувачеві. Проте цей метод може вимагати значної кількості метаданих та не завжди ефективний при великому обсязі контенту. Гібридні методи комбінують у собі колаборативне та контентне фільтрування з метою зменшення їхніх недоліків та підвищення точності рекомендацій. Вони можуть використовувати різноманітні комбінації цих підходів, що робить їх дуже гнучкими та ефективними у різних контекстах [11].

Методи з використанням глибокого навчання, зокрема нейронні мережі, здатні автоматично вивчати складні залежності між об'єктами та користувачами. Цей підхід може досягати вражаючих результатів у рекомендаціях, особливо в умовах великого обсягу даних та складних взаємозв'язків. Проте для успішного застосування зазвичай потрібна значна кількість даних та обчислювальних ресурсів [12].

Alternating Least Squares (ALS) - це ітеративний метод оптимізації, який використовується для розгортання рекомендаційних систем, зокрема, у вирішенні проблеми матричного розкладення для рекомендацій. Основна ідея ALS полягає в тому, щоб альтернувати між оптимізацією одного змінного фактора при фіксованих інших. У випадку рекомендаційних систем, ALS використовується для розкладання матриці рейтингів на дві менші матриці, які представляють користувачів і предмети (товари, послуги тощо). Це дозволяє здійснювати прогнози рейтингів для користувачів та предметів, які ще не мають відомих рейтингів [13].

Фронтенд застосунку реалізований з використанням Angular та TypeScript. Angular - це потужний фреймворк для розробки веб-додатків, який надає розширені можливості для створення зручного та ефективного інтерфейсу користувача. TypeScript - це мова програмування, яка розширює можливості JavaScript, дозволяючи використовувати статичну типізацію та інші сучасні функції для підвищення продуктивності та надійності коду.

Фронтенд відповідає за відображення інформації для користувача та взаємодію з ним через інтерфейс користувача. Він відображає дані, що отримані від бекенду, у зручному та зрозумілому вигляді, дозволяючи користувачам легко спілкуватися з додатком. Крім того, фронтенд відповідає за інтерактивність з користувачем, таку як обробка подій миші та клавіатури, анімація та динамічне оновлення вмісту сторінок. Використання Angular та TypeScript дозволяє побудувати потужний та ефективний фронтенд, який відповідає сучасним стандартам веб-розробки. Завдяки їм ми можемо забезпечити користувачам зручний та ефективний інтерфейс для взаємодії із застосунком, що сприяє позитивному досвіду користувача та підвищує його задоволеність від використання додатку.

Висновки

Розробка програмного забезпечення для організації робочого часу є актуальною та має потенціал для значного підвищення продуктивності та організованості користувачів. Запропонована система організації робочого часу не лише надасть зручний інструмент для створення та відстеження завдань, а й дозволить користувачам краще контролювати свій час, забезпечуючи баланс між роботою та відпочинком. Використання мікросервісної архітектури, що базується на технологіях, таких як Spring Boot, дозволяє нам створити гнучкий та розширюваний бекенд для нашого застосунку для керування часом та ресурсами. Використання мікросервісів дозволяє нам розділити функціональність нашого додатку на невеликі, незалежні компоненти, які можуть бути розгорнуті та масштабовані окремо. Кожен мікросервіс відповідає за обробку конкретної частини бізнес-логіки, що спрощує розробку та супровід додатку. Обрана технологічна платформа, що включає Python та бібліотеку Spark, демонструє великий потенціал для швидкого оброблення та аналізу великих обсягів даних, що є важливим аспектом у реалізації системи рекомендацій та ефективного управління користувальницькими даними. Отже, подальший розвиток та вдосконалення даної системи має великий потенціал для покращення організації робочого часу та підвищення продуктивності користувачів. Розробка інтегрованої та персоналізованої платформи для планування та організації робочого часу може стати важливим кроком у досягненні більш ефективного використання часу.

Література

1. What Is The Importance Of Planning? (With Advantages) -- 2023

2. Крикун, О. (2017). Особливості застосування методів тайм-менеджменту. Вісник Національного університету "Львівська політехніка", (786), 3-8.

3. Оліх, Л. (2016). Інструменти впровадження корпоративного тайм-менеджменту. Ефективна економіка, (44), 34-38.

4. Крикун, О., & Медяник, Ю. (2018). Проблеми вибору менеджером електронних інструментів для створення ефективної системи тайм-менеджменту. Вісник Національного університету "Львівська політехніка", (828), 3-8.

5. Засипко, В., & Мірошниченко, М. (2019). Теоретичні та практичні аспекти розробки програмних застосунків. Вісник Національного технічного університету "Харківський політехнічний інститут", (124), 102-107.

6. Kim, B., Lee, S.-W., Hong, H.-J., & Khan, K.-S. (2020). Effectiveness of self-regulation of time management through a smartphone application. Telematics and Informatics, 57, 101336.

7. What are Microservices? -- 2023

8. 8 Spring Boot Tutorial? -- 2021

9. REST API як спосіб спілкування компонент веб-додатків -- 2021

10. Apache Spark MLlib Collaborative Filtering Documentation -- 2023

11. Guide to Recommendation System: Types, Selection Criteria, How to Build One -- 2023

12. Prototyping a Recommender System Step by Step Part 2: Alternating Least Square (ALS) Matrix Factorization in Collaborative Filtering -- 2018

13. Recommendation System Using Alternating Least Square -- 2020

References

1. What Is The Importance Of Planning? (With Advantages) -- 2023

2. Krykun, O. (2017). Peculiarities of using time management methods. Bulletin of the National University "Lviv Polytechnic", (786), 3-8.

3. Olykh, L. (2016). Tools for implementing corporate time management. Effective Economy, (44), 34-38.

4. Krykun, O., & Medyanyk, Yu. (2018). Problems of the manager's choice of electronic tools to create an effective time management system. Bulletin of the National University "Lviv Polytechnic", (828), 3-8.

5. Zasypko, V., & Miroshnychenko, M. (2019). Theoretical and practical aspects of developing software applications. Bulletin of the National Technical University "Kharkiv Polytechnic Institute'', (124), 102-107.

6. Kim, B., Lee, S.-W., Hong, H.-J., & Khan, K.-S. (2020). Effectiveness of self-regulation of time management through a smartphone application. Telematics and Informatics, 57, 101336.

7. What are Microservices? -- 2023

8. 8 Spring Boot Tutorial? -- 2021

9. REST API as a way of communication between components of web applications -- 2021

10. Apache Spark MLlib Collaborative Filtering Documentation - 2023

11. Guide to Recommendation System: Types, Selection Criteria, How to Build One -- 2023

12. Prototyping a Recommender System Step by Step Part 2: Alternating Least Square (ALS) Matrix Factorization in Collaborative Filtering -- 2018

13. Recommendation System Using Alternating Least Square -- 2020

Размещено на Allbest.ru