Из твоих оценок считаются: масса — ресурсоёмкость, γ — напряжение и сложность задачи, λ — давление времени. Промежуточная Z-оценка — внутренняя кухня, в интерфейсе её нет. Ниже — как это устроено и живое демо.
Базовая оценка складывается из двух параметров, которые вы выставляете сами: сложность задачи и ясность (насколько понятно, что делать). Полная версия модели учитывает также ресурсы (ментальные, физические, социальные), психологию (неприязнь, страх, польза) и запас энергии — здесь показана базовая формула:
Неясная задача давит почти так же, как сложная. Z всегда лежит в диапазоне от 0 до 1. Z — внутренняя величина: в интерфейсе программы её нет, наружу выходит только гамма.
Собственная масса задачи растёт из Z-оценки: чем сложнее задача, тем она «тяжелее». А дальше масса считается снизу вверх — родитель вбирает массу всех незавершённых подзадач плюс накладные расходы на управление ими:
Координация стоит дорого: каждая подзадача делает родителя заметно тяжелее сверх собственной массы. Поэтому раздутый список подзадач виден сразу — по размеру узла на графе.
Гамма показывает, где задача трещит по швам. Оценка сложности усиливается структурной нагрузкой: каждая подзадача и каждый уровень глубины добавляют напряжения. Затем примешивается давление времени λ, которое тянет итог к своему значению:
Шкала: γ < 0.25 — баланс, 0.25–0.5 — норма, 0.5–1.0 — стоит обратить внимание, ≥ 1.0 — узкое место. Напряжение детей частично всплывает к родителю — так проблемы видны сверху, а не только в листьях.
Лямбда отвечает на вопрос «успеваю ли я». Она растёт по мере того, как тает запас времени до дедлайна относительно ожидаемой длительности задачи. Просрочка даёт значение больше 1 — со штрафом, пропорциональным опозданию. Без дедлайна λ = 0 и на гамму не влияет.
Те же вопросы и та же математика, что в приложении. Двигайте слайдеры — γ и масса пересчитаются мгновенно.
Точный расчёт одиночной задачи движком TSO: без подзадач, глубины и дедлайнов. Дерево целиком считает приложение.
Модель открыта по принципу работы, но не раскрывает внутренний рецепт: точные веса, пороги и калибровку.
Мы раскрываем: какие параметры учитываются, какие показатели рассчитываются и как читать шкалы. Этого достаточно, чтобы понимать логику модели и проверять её на своих задачах.
Мы не раскрываем: точные коэффициенты, пороги и детали калибровки. Это часть технологии, которую мы продолжаем исследовать и настраивать на реальных данных.
Модель — эвристика, а не измерение: она помогает расставлять приоритеты, но не ставит диагнозов и не заменяет собственное суждение. Исследование и калибровка продолжаются.
Демо выше — верхушка. Полная версия считает всё дерево, дедлайны, блокировки и даёт рекомендации.