Cinq contribui para projeto acadêmico de estimativa de esforço de software

Estimar o esforço de software é um fator chave para projetos na área de TI, pois engloba-se questões como horas de um contrato, força de trabalho e, principalmente: prazos e custos. Neste ínterim, a busca por precisão no resultado entregue para o cliente pode se tornar um grande desafio, uma vez que informações errôneas podem trazer prejuízos tanto para a empresa fornecedora quanto para o cliente.

Pensando nessas questões, a doutoranda Eliane De Bortoli Fávero, visa desenvolver uma forma de estimar software utilizando técnicas de Processamento de Linguagem Natural e Aprendizado de Máquina. A CINQ demonstra apoio ao projeto ao ceder dados textuais de requisitos de projetos já realizados na empresa.

Formada em Tecnologia em Processamento de Dados pelo CEFET, com especialização em Ciência da Computação pela UFSC, Mestre em Engenharia Elétrica e Informática Industrial pela UTFPR e Doutoranda em Informática pela UFPR, a pesquisadora afirma que o interesse pelas questões a respeito de estimativas de projetos de software surgiu a partir das aulas que a mesma ministrou na UTFPR – Pato Branco, nas quais percebeu a dificuldade em descobrir uma solução efetiva para as estimativas. Conversamos com Eliane para entender um pouco mais sobre seu projeto, confira abaixo!

CINQ: Você pode nos contar um pouco sobre o projeto?

Eliane: O projeto objetiva a geração de estimativas de esforço de desenvolvimento de software a partir de requisitos textuais das fases iniciais do processo de desenvolvimento de software. Para atingir esse objetivo, serão aplicadas técnicas de Processamento de Linguagem Natural (PLN) e Aprendizagem de Máquina (AM), visando a proposta de um modelo viável para a geração de estimativas de esforço em projetos de software. O projeto se baseia em estimativa por analogia, e, portanto, considera o contexto histórico de projetos já realizados.

CINQ: Quais são os principais desafios ao estimar o esforço de desenvolvimento de projetos?

Eliane: Estimar o esforço de desenvolvimento de projetos é uma das atividades mais desafiadoras do processo de desenvolvimento de software. A estimativa se encontra na fase inicial desse processo, na qual se faz o fechamento de contratos e o planejamento do projeto. Isso faz com que essa atividade seja uma peça muito importante, tanto para o orçamento, quanto para o planejamento de recursos necessários e do tempo para a realização do projeto. Eliane complementa que a estimativa com base na experiência do gerente de projetos e/ou da equipe de desenvolvimento é a técnica mais utilizada atualmente. O histórico de projetos muitas vezes não existe e as estimativas são feitas por colaboradores, fatos que as tornam bastantes subjetivas.

CINQ: Como a estimativa de esforço de desenvolvimento de software é capaz de impactar um projeto?

Eliane: Uma estimativa com nível de precisão elevado só tem a impactar positivamente um projeto. Primeiramente, porque o orçamento inicial torna-se o mais próximo possível da realidade, de modo que o projeto não é subestimado, o que causaria prejuízos à empresa desenvolvedora. E, depois, por reduzir fortemente a possibilidade de projetos entregues fora do prazo combinado, o que é bem comum em projetos de software, sendo que esses atrasos no projeto podem impactar na satisfação do cliente.

CINQ: Qual sua motivação para pesquisar o assunto?

Eliane: A expectativa de encontrar um bom resultado e a possibilidade de poder contribuir com as atividades de gerentes e desenvolvedores de projetos de software é muito instigante, por isso, estou muito motivada.

CINQ: Qual a importância da participação da CINQ em sua pesquisa? Como a empresa pode lhe ajudar?

Eliane: A CINQ possui um papel de extrema importância, pois irá colaborar com um recurso indispensável para a realização desta pesquisa, ou seja, com os dados textuais de requisitos de projetos já realizados. Além disso, serão fornecidos o histórico de esforço realizado, dentre outros atributos de projetos realizados pela empresa. A importância desse conjunto de dados se justifica, pois como o projeto se utiliza de técnicas de aprendizado de máquina, o volume de dados deve ser considerável, a fim de obter bons resultados pelos algoritmos de aprendizado.

Eliane espera concluir esta pesquisa em 2020 e acredita que poderá contribuir para a melhoria do processo de estimativa de software. Também compõem esta pesquisa os seguintes professores: Dr. Andrey Ricardo Pimentel (orientador da tese) e o coorientador Dr. Dalcimar Casanova.