Publication
Modelo de Custo Híbrido para o Desenvolvimento de Software em Ambientes Ágeis
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | pt_PT |
| dc.contributor.advisor | Morgado, José Francisco Monteiro | |
| dc.contributor.author | Marques, Nelson Duarte | |
| dc.date.accessioned | 2018-02-05T12:35:23Z | |
| dc.date.available | 2018-02-05T12:35:23Z | |
| dc.date.issued | 2017-12-20 | |
| dc.date.submitted | 2017-10-30 | |
| dc.description.abstract | A estimativa de esforço é uma das principais tarefas no planeamento e gestão de qualquer projeto de desenvolvimento de software. Desde a sua proposta inicial até ao seu desenvolvimento e manutenção é crucial ter uma previsão precisa do esforço necessário em cada etapa. Estimativas muito elevadas irão certamente levar à perda de competitividade no mercado, por outro lado estimativas muito baixas poderão levar à falha de compromissos, datas de entrega e consequentemente à perda de dinheiro. Embora exista uma grande quantidade de técnicas e modelos de estimativa de esforço de software, a grande maioria foca-se no desenvolvimento de software tradicional. O surgimento de novas metodologias de trabalho, como as metodologias ágeis, levou a que a aplicabilidade dos modelos existentes seja reduzida, pois estas novas metodologias baseiam-se num conceito totalmente diferente do desenvolvimento de software tradicional. Apesar de nos últimos anos a utilização de metodologias ágeis, nas mais diversas áreas, ter crescido, continuam a ser escassos os métodos de estimativa criados especificamente para este tipo de ambientes. Nesta dissertação foi proposto um modelo de custo híbrido para o desenvolvimento de software em ambientes ágeis. O modelo proposto combina vertentes tanto de modelos de estimativas ágeis, bem como de modelos de estimativas de esforço tradicionais com técnicas de Machine Learning de modo a aumentar a precisão das estimativas produzidas. Os resultados dos modelos referentes às várias técnicas de Machine Learning utilizadas no modelo proposto foram comparados entre si e também com outros modelos existentes na literatura. | pt_PT |
| dc.description.abstract | ABSTRACT: Effort estimation is one of the major tasks in planning and managing any software development project. From the initial proposal to its development and maintenance it is crucial to have an accurate forecast of the effort required at each stage. Very high estimates will certainly lead to loss of competitiveness in the market, on the other hand very low estimates may lead to failure to meet commitments, delivery dates and consequently loss of money. Although there are a lot of techniques and models for software effort estimation, the vast majority focuses on traditional software development. The emergence of new methodologies, such as agile methodologies, has led to the reduced applicability of existing models, as these new methodologies are based on a totally different concept from the development of traditional software. Although in recent years the use of agile methodologies in the most diverse areas has grown, estimation methods created specifically for agile environments are still scarce. In this dissertation a hybrid cost model was proposed for software development in agile environments. The proposed model combines aspects of both agile estimation models as well as traditional effort estimation models with Machine Learning techniques in order to increase the precision of the estimates produced. The results of the models related to the various Machine Learning techniques used in the proposed model were compared with each other and also with other models present in the literature. | pt_PT |
| dc.identifier.tid | 201843056 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.19/4808 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Modelo de Custo | pt_PT |
| dc.subject | Estimativa de Esforço | pt_PT |
| dc.subject | Desenvolvimento de Software | pt_PT |
| dc.subject | Metodologias Ágeis | pt_PT |
| dc.subject | Planning Poker | pt_PT |
| dc.subject | Story Points | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.subject | Scikit Learn | pt_PT |
| dc.title | Modelo de Custo Híbrido para o Desenvolvimento de Software em Ambientes Ágeis | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Sistemas e Tecnologias de Informação para as Organizações | pt_PT |