Please use this identifier to cite or link to this item: https://app.uff.br/riuff/handle/1/7410
Title: Um estudo de caso industrial investigando o uso de dados de diferentes organizações para apoiar análise causal de defeitos
Authors: Freitas, Pablo Fernandes Curty de
metadata.dc.contributor.advisor: Kalinowski, Marcos
metadata.dc.contributor.members: Murta, Leonardo Gresta Paulino
Carvalho, Aline Marins Paes
Issue Date: 2017
Publisher: Universidade Federal Fluminense
Abstract: [Contexto] A Análise Causal de Defeitos (Defect Causal Analysis - DCA) representa uma prática eficiente para melhorar os processos de software. Enquanto conhecimento sobre as relações entre causa-efeito em defeitos de software pode ser útil para apoiar DCA, o levantamento de dados de causa-efeito pode exigir um significante esforço e tempo. [Objetivo] Avaliar em um estudo de caso industrial uma nova abordagem de DCA, que utiliza dados de outras empresas para apoiar a aplicação de DCA. [Método] Utilizamos dados coletados sobre causas de problemas de engenharia de requisitos de 74 empresas de tecnologia brasileiras para construir uma rede bayesiana. A abordagem de DCA proposta utiliza a inferência diagnóstica da rede bayesiana para dar suporte às sessões de DCA. Este trabalho diz respeito ao terceiro passo na aplicação de um modelo de transferência de tecnologia que envolveu conduzir três avaliações consecutivas: (i) na academia, (ii) com representantes da indústria, e (iii) em um estudo de caso industrial na Banco Nacional de Desenvolvimento Econômico e Social (BNDES). [Resultados] Recebemos feedback positivo em todas as três avaliações e a abordagem foi considerada útil para determinar as causas dos defeitos de software. [Conclusões] Nossos resultados reforçam a confiança de que a abordagem de DCA proposta, com o apoio de dados de outras empresas, é promissora e deve ser investigada mais a fundo.
metadata.dc.description.abstractother: [Context] Defect Causal Analysis (DCA) represents an efficient practice to improve software processes. While knowledge about cause-effect relationships concerning defects can be useful to support DCA, collecting cause-effect data may require significant time and effort. [Goal] Evaluate a new DCA approach, that uses cross-company data to support the application of DCA. [Method] We used cross-company data on causes of requirements engineering problems collected from 74 Brazilian organizations and built a Bayesian network. Our DCA approach uses the diagnostic inference of the Bayesian network to support DCA sessions. This study concerns the third step in the application of a technology transfer model involved conducting three consecutive evaluations: (i) in academia, (ii) with industry representatives, and (iii) in an industrial case study at the Brazilian National Development Bank (BNDES). [Results] We received positive feedback in all three assessments and the approach was considered helpful to determine the main causes of software defects. [Conclusions] Our results reinforce our confidence that the proposed DCA approach, supported by cross-company data, is promising and should be further investigated.
URI: https://app.uff.br/riuff/handle/1/7410
Appears in Collections:BSI - Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
Monografia_pablo_curty_final.pdfTCC aluno 2120831092.71 MBAdobe PDFView/Open


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