Uma abordagem de apoio à decisão para formação de múltiplas equipes em projetos ágeis de software.

• Ano de defesa: 2019
• Autor(a) principal: COSTA, Antonio Alexandre Moura.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Software; Algoritmo Genético; Projetos Ágeis - Formação de Equipes; Genetic Algorithm; Agile Projects - Team Building; Ciência da Computação
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/10670

Metodologias 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.