Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10670
Full metadata record
DC FieldValueLanguage
dc.creator.IDCOSTA, A. A. M.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/1697365016908069pt_BR
dc.contributor.advisor1ALMEIDA, Hyggo Oliveira de.-
dc.contributor.advisor1IDAlmeida, H. O.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4993914550234923pt_BR
dc.contributor.referee1ARAÚJO, Joseana Macedo Fechine Régis de.-
dc.contributor.referee2COSTA , Evandro de Barros.-
dc.contributor.referee3PERKUSICH , Mirko Barbosa.-
dc.contributor.referee4KULESZA, Uira.-
dc.description.resumoMetodologias ágeis surgiram como uma forma de gestão e desenvolvimento baseadas em uma abordagem incremental para atender às demandas dos clientes e seus projetos. O Scrum é um arcabouço para gerenciamento e desenvolvimento ágil de projetos de software, centrado no conceito de equipe, com o intuito de entregar valor de negócio. Um dos maiores desafios, não só das empresas de software, mas da indústria como um todo, está focado na formação de equipes. Tradicionalmente, a formação de equipe para projetos de software é um processo não automatizado, dependente da ação humana e sujeito a erros. A complexidade desse pro- cesso se torna ainda maior quando se considera a distribuição de pessoas, dentro de uma mesma organização, em diversas equipes, com diferentes demandas de competência e experiência, o que é denominado na literatura de Formação de Múltiplas Equipes. O objetivo geral da pesquisa ora descrita, consiste na concepção de uma abordagem de apoio à decisão para formação de múltiplas equipes para projetos ágeis de software, mais especificamente, que seguem o Scrum, a partir da realocação dos recursos humanos disponíveis na empresa. A abordagem proposta utiliza algoritmos genéticos para sugerir equipes, formadas a partir de perfis técnicos gerados durante a execução de projetos de software internos à empresa. Para validação do trabalho, foi gerada uma base de dados históricos a partir de informações reais de 12 projetos de desenvolvimento de software e 52 desenvolvedores distintos. A abordagem foi executada e validada em 13 diferentes cenários criados a partir dos dados da base. Com o auxílio de gestores de projetos ágeis, a abordagem foi avaliada resultando em uma média de 86,4% de Precisão em relação às equipes escolhidas pelos gestores. Além disto, obteve-se uma média de 75% de aceitação em relação às equipes recomendadas.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.programPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
dc.titleUma abordagem de apoio à decisão para formação de múltiplas equipes em projetos ágeis de software.pt_BR
dc.date.issued2019-02-25-
dc.description.abstractAgile methodologies have emerged as a form of management and development, based on an incremental approach to satisfy customers demands and their projects. Scrum is a framework for management and agile development of software projects, centered on the team concept, aiming to deliver business value. One of the greatest challenges, not only for software companies, but also for industry as a whole, is focused on team formation. Traditionally, software project team formation is a human based non automated process, susceptible to errors. The process complexity becomes even greater when we consider the distribution of people, within the same organization, in several teams, with different demands of competence and experience, which is called multiple teams formation problem. The overall objective of this research is to design a decision support approach to form multiple teams for agile software projects, specifically, those following Scrum, from the reallocation of human resources available in the company. The proposed approach uses genetic algorithm to suggest teams, derived from technical profiles generated during the execution of the company software projects. The validation was performed with a historical database generated from real world data from 12 software development projects and 52 different developers. The approach was executed and validated in 13 different scenarios created from the database. Afterward, it was evaluated with the support of four agile project managers and as result it reached an average of 86.4 % of Precision. In addition, an average of 75 % of acceptance was obtained.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10670-
dc.date.accessioned2020-01-06T11:22:30Z-
dc.date.available2020-01-06-
dc.date.available2020-01-06T11:22:30Z-
dc.typeTesept_BR
dc.subjectSoftwarept_BR
dc.subjectAlgoritmo Genéticopt_BR
dc.subjectProjetos Ágeis - Formação de Equipespt_BR
dc.subjectGenetic Algorithmpt_BR
dc.subjectAgile Projects - Team Buildingpt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorCOSTA, Antonio Alexandre Moura.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeA decision support approach to building multiple teams in agile software projects.pt_BR
dc.description.sponsorshipCapespt_BR
dc.identifier.citationCOSTA, A. A. M. Uma abordagem de apoio à decisão para formação de múltiplas equipes em projetos ágeis de software. 2019. 146 f. Tese (Doutorado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10670pt_BR
Appears in Collections:Doutorado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
ANTÔNIO ALEXANDRE MOURA COSTA - TESE (PPGCC) 2019.pdfAntônio Alexandre Moura Costa - Tese - (PPGCC) 2019.2.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.