স্পাইরাল মডেল

১ · স্পাইরাল মডেল কী — দুটো ধারণার মিলন

স্পাইরাল মডেলSpiral Modelএকটি SDLC মডেল যা ওয়াটারফলের কাঠামোগত ধাপ ও ইটারেটিভ মডেলের পুনরাবৃত্তিকে একত্রে যুক্ত করে, প্রতিটি চক্রে একটি প্রকট ঝুঁকি-বিশ্লেষণ ধাপ যোগ করে। হলো একটি SDLC মডেল যা L05-এর ওয়াটারফল মডেলের কাঠামোগত, ধাপে-ধাপে পদ্ধতি এবং L06-এর ইটারেটিভ মডেলের পুনরাবৃত্তিমূলক প্রকৃতি — এই দুটো ধারণাকে একসাথে নিয়ে আসে। কিন্তু স্পাইরাল মডেলের একটি নিজস্ব, স্বতন্ত্র বৈশিষ্ট্য আছে যা একে আলাদা করে তোলে: প্রতিটি পুনরাবৃত্তি চক্রে (একে "স্পাইরাল লুপ" বলা হয়) একটি স্পষ্ট, প্রকট ঝুঁকি বিশ্লেষণ ধাপ থাকে। নামটিও এখান থেকেই এসেছে — প্রতিটি চক্র সিস্টেমকে আরেকটু বেশি পরিশোধিত ও যাচাইকৃত করে তোলে, যেন একটি স্পাইরাল বা ঘূর্ণিপথ ধীরে ধীরে বাইরের দিকে বিস্তৃত হচ্ছে।

২ · চারটি কোয়াড্র্যান্ট

প্রতিটি স্পাইরাল চক্রে ঠিক এই চারটি ধাপ (কোয়াড্র্যান্ট) নির্দিষ্ট ক্রমে ঘটে:

প্রতিটি পাক (spiral turn) সিস্টেমের আরও পরিশোধিত, আরও যাচাইকৃত একটি সংস্করণ তৈরি করে, যেখানে প্রতিটি বাঁকেই ঝুঁকি স্পষ্টভাবে মূল্যায়ন ও প্রশমিত করা হয়।

৩ · কখন স্পাইরাল মডেল উপযুক্ত

স্পাইরাল মডেল সাধারণত বড়, উচ্চ-ঝুঁকিসম্পন্ন প্রজেক্টের জন্য বিশেষভাবে উপযোগী — যেখানে প্রযুক্তিগত, বাজেট বা রিকোয়ারমেন্ট-সংক্রান্ত ঝুঁকি সত্যিই বেশি এবং সেগুলো প্রতিটি ধাপে সতর্কভাবে ব্যবস্থাপনা করা জরুরি। কিন্তু সততার সাথে বলা দরকার — এই মডেলের একটি বাস্তব খরচ আছে: প্রতিটি চক্রে একটি সম্পূর্ণ ঝুঁকি-বিশ্লেষণ ধাপ চালানোর ওভারহেড। ছোট, কম-ঝুঁকির প্রজেক্টে এই ওভারহেড অপ্রয়োজনীয় বোঝা হয়ে দাঁড়ায় — সেখানে হালকা-ওজনের মডেল (M2/L08-এ আসছে অ্যাজাইল) সাধারণত বেশি উপযুক্ত পছন্দ।

৪ · একটি ছোট্ট ঝুঁকি-এক্সপোজার সিমুলেশন

নিচের কোড সেলে দুটো স্পাইরাল চক্র সিমুলেট করা হয়েছে — প্রতিটি চক্রে ৩টি ঝুঁকি এবং তাদের probability ও impact দেওয়া আছে। লক্ষ্য করুন চক্র ২-এ ঝুঁকিগুলোর probability কমে গেছে (কারণ চক্র ১-এ সেগুলো প্রশমিত করার পদক্ষেপ নেওয়া হয়েছে) — এবং তাই মোট risk exposure স্কোরও কমে যায়।

# স্পাইরাল মডেল সিমুলেশন -- প্রতিটি চক্র চারটি কোয়াড্র্যান্ট অনুসরণ করে,
# ২য় কোয়াড্র্যান্টে ঝুঁকি এক্সপোজার (risk exposure) = sum(probability * impact) গণনা করা হয়।

def risk_score(risks):
    return sum(probability * impact for _, probability, impact in risks)

def run_cycle(cycle_number, risks):
    print(f"--- চক্র {cycle_number} ---")
    print("১. উদ্দেশ্য, বিকল্প ও সীমাবদ্ধতা নির্ধারণ")
    print("২. বিকল্প মূল্যায়ন ও ঝুঁকি চিহ্নিতকরণ/সমাধান:")
    for name, p, impact in risks:
        print(f"     - {name}: probability={p}, impact={impact}, score={p * impact:.1f}")
    score = risk_score(risks)
    print(f"   মোট ঝুঁকি এক্সপোজার (risk exposure) = {score:.1f}")
    print("৩. পরবর্তী-স্তরের প্রোডাক্ট ইনক্রিমেন্ট ডেভেলপ ও টেস্ট করা")
    print("৪. পরবর্তী চক্রের পরিকল্পনা")
    print()
    return score

cycle1_risks = [
    ("অস্পষ্ট রিকোয়ারমেন্ট", 0.7, 8),
    ("নতুন টেকনোলজি স্ট্যাক", 0.5, 6),
    ("টিমের অভিজ্ঞতার অভাব", 0.4, 5),
]
cycle2_risks = [
    ("অস্পষ্ট রিকোয়ারমেন্ট", 0.2, 8),
    ("নতুন টেকনোলজি স্ট্যাক", 0.2, 6),
    ("টিমের অভিজ্ঞতার অভাব", 0.1, 5),
]

score1 = run_cycle(1, cycle1_risks)
score2 = run_cycle(2, cycle2_risks)

print(f"ঝুঁকি এক্সপোজার: চক্র ১ ({score1:.1f}) -> চক্র ২ ({score2:.1f}) -- হ্রাস পেয়েছে, ঝুঁকি প্রশমিত হয়েছে")