UNISUL Estudo de Caso AD1

2 TEMA

A computação tem progredido bastante nos últimos anos, e com ela o desenvolvimento de software. Várias técnicas e ferramentas foram desenvolvidas, porém a criação de produtos confiáveis e dentro do prazo ainda é um desafio. O Standish Group realizou pesquisas que foram apresentadas no ano de 2009 apontando que apenas 32% dos projetos de software desenvolvidos são concluídos com êxito.

Estes problemas são comuns em empresas de desenvolvimento de softwares, pois analisar o risco durante o desenvolvimento não é uma tarefa fácil. No entanto, hoje existem várias técnicas e métodos com o objetivo de solucionar estes problemas. Uma alternativa para estes problemas é a computação inteligente, que segundo Castro (2009), ferramentas inteligentes podem consultar históricos de projetos passados para contribuírem na estimativa de novos projetos e também na avaliação de riscos. Observando isto, Moura, Pinto e Lustosa Filho (2011), citam que sistemas inteligentes podem auxiliar ou mesmo substituir outros métodos.

A computação inteligente é a área da Ciência da Computação que busca a implementação de sistemas computacionais com base no comportamento humano, inspirados na capacidade de solucionar os problemas, bem como aprender com eles (CASTRO, 2009). Existem várias técnicas de inteligência artificial, porém neste trabalho será usado a lógica fuzzy ou difusa.

A lógica fuzzy, conforme Boente (2009) é uma teoria matemática que imita a capacidade humana de pensar em ambientes de incerteza, e assim, é possível o desenvolvimento de aplicações que trabalhem com valores imprecisos e subjetivos.

Deste modo, a modelagem fuzzy aplicada à metodologia e projetos de software é o tema geral desta pesquisa e o desenvolvimento de um modelo fuzzy para previsão do risco de um projeto de software é o tema específico.

Dentro do contexto do tema apresentado, este trabalho visa responder à seguinte questão: “Como utilizar a computação inteligente para aumentar a eficácia dos projetos de software? ”.

Acredita-se que a proposta apresentada ao final deste estudo possa ser aplicada de forma genérica a projetos de desenvolvimento de softwares efetuados pelas organizações, permitindo a estas terem uma ferramenta fuzzy para avaliar o risco do presente projeto durante seu desenvolvimento.

Do ponto de vista pessoal, este será um desafio novo e importante, pois envolve a aprendizagem de um método cientifico, bem como de conteúdos importantes para a formação como tecnólogo em Gestão da TI (Cavalcanti, 2010). O ponto forte deste estudo de caso será adquirir conhecimento de áreas multidisciplinares e aplicá-los no presente trabalho.

________________

3 OBJETIVOS

3.1 OBJETIVO GERAL

Este trabalho objetiva desenvolver um modelo fuzzy para monitoramento de risco do projeto de software antes e durante seu desenvolvimento para aumentar a eficácia do projeto.

1. OBJETIVOS ESPECÍFICOS

Desenvolver modelos empíricos baseados em lógica fuzzy para determinar o risco do projeto antes e durante seu desenvolvimento.

Testar os modelos baseados em lógica fuzzy desenvolvidos, usando novos dados experimentais.

Validar os modelos baseados em lógica fuzzy desenvolvidos, usando novos dados experimentais.

________________

4 PROCEDIMENTOS METODOLÓGICOS

4.1 CAMPO DE ESTUDO

A caracterização do estudo deste trabalho será uma pesquisa na forma de um estudo de caso explicativo por utilizar variáveis para determinar o nível de risco de determinado projeto. O método usado é o fenomenológico devido a ser feito uma avaliação empírica do desenvolvimento a fim de construir a base de conhecimento mais próxima da realidade. Quanto à abordagem é quantitativa, visto que esse sistema precisa ser testado e validado para comprovar sua eficácia.

O Universo desta pesquisa compreende dois grupos de estudantes do curso de bacharel em ciência da computação na Universidade Católica de Pernambuco (UNICAP). A UNICAP está localizada na Rua do Príncipe, 526 no bairro Boa Vista, na cidade de Recife PE. A UNICAP encaixa-se numa organização de grande porte.

Nesta pesquisa será usado o toolbox para suporte à lógica fuzzy, o SciFLT do ambiente de desenvolvimento técnico-científico gratuito Scilab® da Scilab Enterprises para implementação da modelagem e simulações computacionais.

No desenvolvimento do Sistema de Inferência Fuzzy (SIF) será utilizado o conhecimento e experiência de especialistas para selecionar as variáveis linguísticas de entrada e saída e para construção da base de regras do SIF. A máquina de inferência é Mamdani. Funções de pertinências triangulares e trapezoidais serão associadas aos termos linguísticos especificados pelos especialistas. O método de defuzificação implementado será o do centro de gravidade (CRUZ, 2011).

A escolha da amostra nesta pesquisa