TCC - Bacharelado em Sistemas da Informação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/427
Navegar
5 resultados
Resultados da Pesquisa
Item Técnicas de comitês para a estimação de esforço na correção de software(2019-12-10) Guimarães, Ariana Lima; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964; http://lattes.cnpq.br/2605671850587343O planejamento bem definido de um projeto de software, desde os estágios iniciais, é imprescindível para o sucesso do desenvolvimento, seja ele referente à criação ou à manutenção do produto. Em anuência ao ciclo de vida de software, a manutenção é realizada de forma contínua após o produto ter sido construído e entregue, em paralelo à execução de testes por engenheiros e/ou usuários. Nessa etapa, surgem primariamente os documentos de Histórias de Usuário e Relatórios de Problemas, que descrevem, em linguagem natural, especificações de negócio, cenários de erros encontrados, correções esperadas e melhorias para o sistema. Esses documentos visam, dentre outras coisas, o mapeamento das atividades a serem realizadas durante o projeto. Por conseguinte, em consonância com os recursos disponíveis – humanos, financeiros e temporais -, torna-se possível estimar o esforço necessário no desenvolvimento das atividades e gerar informações essenciais a um planejamento eficaz e eficiente. Como esses documentos são escritos em textos naturais, surge a oportunidade de utilizar o Processamento de Linguagem Natural e o Aprendizado de Máquina (AM) para predição automatizada do esforço de software. Na prática, no dia-a-dia das fábricas de software, é comum a utilização da opinião de especialistas e da equipe do projeto para julgar o esforço requisitado por uma atividade durante sessões de Planning Poker. Nessa técnica, normalmente o esforço é medido em Pontos de História que seguem a sequência Fibonacci. Porém, esse modo de planejamento requer o escalonamento de muitos recursos para sua execução. A aplicação do AM acarreta em um sistema, após a fase de treinamento, capaz de apreender a experiência da equipe e replicá-la de forma rápida e automática para estimar o esforço das atividades. Dessa forma, este trabalho atinge a área de AM, propondo uma abordagem de Comitê de PVDM na extração de características de Relatórios de Problemas para estimar Pontos de História, os indicadores de esforço. Comparada a outras duas abordagens de BoW e PV-DM tradicional, a técnica proposta apresentou bons resultados, com f-measure de cerca de 80% em um classificador de SVM com aprendizado supervisionado. Os resultados dos experimentos inspiram um ponto de partida no aprofundamento do estudo da abordagem de Comitê de PV-DM e no seu aprimoramento.Item Liferay Portal Upgrade: definição de um processo eficiente para upgrade de clientes em versões legadas(2022-10-11) Ferreira, Nícolas Moura do Canto; Medeiros, Victor Wanderley Costa de; http://lattes.cnpq.br/7159595141911505A Liferay propõe que o setor de engenharia intervenha no processo de migração do Liferay Portal, das versões mais antigas para a mais atual disponível no mercado. Processo anteriormente feito pelo departamento de consultoria, o upgrade é um trabalho que demanda tempo da equipe e acaba sendo repassado em valores altos para os clientes que optam por permanecer em versões desatualizadas. Para atingir suas metas, o time faz uso de tecnologias internas do produto Liferay Portal DXP com arquitetura separada em três camadas de User Interface: core, serviços e opcional. Elas consistem em aplicações DXP web para adicionar portais, sites, páginas, widgets e conteúdos para os diversos produtos. Além de trabalhar com scripts de upgrade de versões para tabelas nos bancos de dados dos clientes e fazer automações para esse processo na ferramenta interna de formatação de código da empresa. A engenharia apresenta assim uma nova proposta para processos de upgrades de clientes visando agilizar o trabalho do time de consultoria. Além de contribuir com documentação interna e automação para migrações futuras. Este trabalho visa discorrer sobre os eventos que circundam este projeto desde sua concepção, à organização do fluxo de trabalho, além da influência da graduação em sistemas de informação pela UFRPE no atual mercado de trabalho.Item Sistema de aprendizado de máquina para predição do tempo de esforço de tarefas de desenvolvimento de software(2021-12-14) Sitonio, Tiago Pedro da Silva; Monteiro, Cleviton Vinicius Fonsêca; http://lattes.cnpq.br/9362573782715504; http://lattes.cnpq.br/0915757895643807A estimativa de esforço é uma das principais métricas para o planejamento e gerenciamento do processo de desenvolvimento de software, pois proporciona auxílio na previsão de custos e prazos para realização de um projeto. Em consideração a isso, este trabalho teve como objetivo realizar uma análise do processo de construção de um modelo de Aprendizado de Máquina com base na metodologia CRISP-DM, utilizando Algoritmo de Aprendizado de Máquina Automatizado (AutoML) para encontrar o melhor algoritmo de regressão como objetivo de encontrar a estimativa de tempo de determinada atividade. Para esta análise, dados de atividades realizadas por 29 empresas foram utilizados. O banco de dados é constituído por diferentes tipos de dados como, por exemplo, dado Numérico em formato de Linguagem Natural para descrever as atividades. Por causa disso foi realizado o processo de Tokenização a fim de transformar em dados totalmente regressivos para execução dos algoritmos. Em conjunto a isto, métodos de análise dos dados, pré-processamento, métodos de afunilamento como Seleção de Feaures, Alteração de Pesos e Combinação de Colunas serão aplicados para realizar análises do banco de dados.Este projeto foi desenvolvido através da linguagem de programação Python com apoio das suas bibliotecas, dentre elas a biblioteca Pandas para manipulação e análise de dados e Scikitlearn para acesso a algoritmos de Aprendizado de Máquina. Os resultados obtidos e avaliados apontam que o tratamento individual para cada empresa com pré-processamento e construção do modelo de algoritmo de previsão devem ser levados em consideração para encontrar os melhores resultados de estimativa de esforço por meio dos algoritmos.Item QA Metrics: integração das métricas de qualidade de software, em ambiente Docker, para exibição de dashboards Grafana alimentado pelo banco de dados temporal InfluxDB via Newman(2022-07-15) Silva, Lucas Ferreira da; Bocanegra, Silvana; Assad, Rodrigo Elia; http://lattes.cnpq.br/3791808485485116; http://lattes.cnpq.br/4596111202208863; http://lattes.cnpq.br/9075508106025707As métricas e indicadores de qualidade de software são capazes de auxiliar um testador de software, conhecido como Quality Assurance (QA), a avaliar o que precisa ser realizado para melhorar o desempenho de um projeto de desenvolvimento de software. Além disso, possibilita monitorar o progresso de um projeto a fim de sugerir iniciativas baseadas nos dados coletados. Entretanto, unificar as métricas obtidas de fontes distintas para apresentá-las em tempo real não é uma tarefa fácil para algumas empresas. Apesar disso, com o uso de APIs, é possível coletar os dados, analisar e apresentá-los em dashboards, além de reduzir o tempo de retrabalho dos QAs. Neste trabalho, foi desenvolvido um sistema capaz de coletar dados de três serviços com o intuito de apresentar, em dashboards, as métricas que são essenciais na área de Qualidade de Software. Ademais, a coleta e o armazenamento destas métricas são realizados de forma automatizada e orquestrada através de uma aplicação compacta, rápida, eficiente, segura, portátil e isolada.Item Um sistema de apoio à decisão para priorização e estruturação de histórias de usuários: um suporte para equipe ágeis(2018-08) Calado, Alex Rogério da Silva; Garrozi, Cícero; Sampaio, Suzana Cândido de Barros; http://lattes.cnpq.br/0066131495297081; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/1189807442146524Apesar dos avanços obtidos na Engenharia de Software com os métodos ágeis o mercado ainda apresenta taxas de sucesso em projetos insatisfatórias. Ao longo de um projeto de software, mudanças de requisitos e prioridades são inevitáveis e recorrentes. Esse é um fator importante para empresas de desenvolvimento de software principalmente as de pequeno porte que possuem recursos limitados. O uso de técnicas ágeis como Scrum e Histórias de Usuário (US) beneficiam as empresas e as tornam mais competitivas. Um dos problemas enfrentados com requisitos ágeis é obter uma priorização de US segura de acordo com o valor de negócio dado pelo cliente em consenso com especificações técnicas. Esse trabalho se propõe em apresentar um ensaio que serve de base para construção de uma ferramenta de apoio à decisão na priorização das US. Para tanto foi considerado um projeto de software como uma organização temporária e sugeridas métricas que melhor se adequem às necessidades de pequenas equipes evitando retrabalho, aumento de prazos e custos, sem desconsiderar a satisfação do cliente nas entregas interativas. Baseado no modelo de levantamento de requisitos Volere e na revisão de literatura foi proposto a adoção de cinco métricas a serem consideradas na priorização de Histórias de Usuários: a satisfação do cliente em receber a US e a insatisfação do cliente em não receber a US, substituindo o tradicional valor de negócio; a já usual complexidade; necessidade de aprendizagem da equipe e; riscos de software. Usando formulários online foram captados dados sobre essas métricas e a priorização dada a cada US em projetos de software que usam o método ágil Scrum. Árvore de Decisão foi a sugestão proposta para predição de priorização de US por possuir visualização prática e interpretação mais intuitiva, facilitando a aceitação como método de apoio a decisão de profissionais da área. Apesar do baixo volume da base de dados os resultados obtidos através da ferramenta Weka, como a Curva ROC e a precisão, mostraram-se satisfatórios sem tendências de predição e com bons índices de acertos, após ajustes dos algoritmos e da base de dados para evitar overfitting e underfitting.