Universidade Federal de Pernambuco Centro de Informática Pós-Graduação em Ciência da Computação Sylvia Campos da Luz e Silva Introdução Gerenciamento de Riscos ◦ Identificação de Riscos Raciocínio Baseado em Casos Identificação de Riscos + RBC ◦ CBR Risk Conclusões Referências “Para ser bem-sucedida, a organização deve estar comprometida com uma abordagem de riscos pró-ativa e consistente durante todo o projeto” [PMBOK 2004] Identificação de Riscos ◦ É crucial para que os mesmos possam ser gerenciados de forma efetiva Gestão do Conhecimento ◦ Armazenar e recuperar informações sobre riscos em projetos passados. Risco ◦ “Evento ou condição incerta que, se ocorrer, terá um efeito positivo ou negativo sobre pelo menos um objetivo do projeto..” [PMBOK 2004] ◦ Causas x Impactos Gerenciamento de Riscos ◦ Minimizar/evitar tais impactos ou transformá-los em oportunidades ◦ Utilizada por gestores e executivos para prevenir-se dos aspectos críticos associados aos seus negócios Potencializar os resultados das ocorrências positivas e minimizar as conseqüências negativas ◦ Parte da gerência de projetos Fases/Processos [PMBOK 2004] ◦ Planejamento do gerenciamento de riscos Decidir como abordar e executar as atividades de gerenciamento de riscos ◦ Identificação de Riscos Determinar quais são os riscos que podem afetar o projeto e documentar suas características ◦ Análise qualitativa de riscos Avalia a prioridade dos riscos identificados, baseando-se na probabilidade de ocorrência e impacto Fases/Processos [PMBOK 2004] ◦ Análise quantitativa de riscos Analisar numericamente os efeito dos riscos identificados nos objetivos gerais do projeto. ◦ Planejamento de resposta a riscos Disponibilizar respostas às mudanças nos riscos, através da definição de planos de contingências. ◦ Monitoramento e controle de riscos Monitorar riscos residuais, identificar novos riscos, executar planos de redução de riscos e avaliar seus efeitos através do ciclo de vida do projeto. É crucial para que os mesmos possam ser gerenciados efetivamente É um processo iterativo Atividade complexa ◦ Própria natureza incerta do risco Métodos de suporte Brainstorming Técnica Delphi Listas de verificação (checklist) Revisão de documentação Comparação por analogia Entrevistas Análise de premissas ◦ Fator Histórico Especialistas com experiência, projetos passados, documentos anteriores.. Técnica que busca uma solução para um problema novo baseandose em experiências passadas Recupera um problema anterior que mais se aproxima com o problema atual apresentado ◦ Representação do conhecimento ◦ Cálculo de similaridade ◦ Recuperação de casos Representação do Conhecimento Conhecimento é representado na forma de casos (problema e solução) A descrição do problema precisa conter informações que devem dar suporte para a aplicação de uma regra de similaridade Técnicas de Representação Representação Atributo-Valor Conjunto de tuplas <nome do atributo, valor> utilizadas para representar informações de um determinado domínio, ex: <peso, 5Kg>. Uma das formas mais simples de representação de casos Técnicas de Representação Representação Orientada a Objetos ◦ Permitem a representação de relações em diversos níveis. ◦ Os atributos de uma classe podem referenciar outros objetos, permitindo a modelagem de domínios de aplicação mais complexos ◦ Dificulta o cálculo da similaridade Representação Através de Estruturas ◦ Redes Semânticas: tipo de grafo com nodos e arestas dirigidas. ◦ RRC (Rede de Recuperação de Casos), foi desenvolvida como uma técnica mais flexível, capaz de trabalhar com dados ambíguos, além de manipular bases de casos maiores de modo eficiente Cálculo de similaridade Soluções == Similaridade entre o novo problema e os demais casos existentes no sistema Medidas de Similaridade ◦ Similaridade global – medida utilizada na comparação entre casos levando em consideração todos os seus índices. Nearest neighbour Casos são interpretados como pontos em um plano ou espaço dimensional por um par de índice (x,y). Calculada uma distância entre os casos somando a diferença no eixo x à diferença no eixo y, o resultado é o valor da distância entre os casos Medidas de Similaridade Similaridade global ◦ Similaridade entre objetos Leva em consideração as informações de hierarquia de classes Objetos mais próximos tem similaridade maior Similaridade intraclasse – Comparação feita entre objetos de mesma classe, utiliza apenas os atributos do objeto. Similaridade interclasse – Comparação feita entre objetos de classes diferentes que herdam de uma mesma classe pai. Medidas de Similaridade Similaridade local – medida utilizada na comparação entre índices de um caso. ◦ Número Diferença calculada diretamente ◦ Símbolo ordenado Podemos atribuir valores numéricos aos mesmos e assim utilizar as mesmas medidas utilizadas nos tipos numéricos, exemplo: {ótimo → 1, muito bom → 2, bom → 3, ruim → 4, inaceitável → 9} ◦ Símbolo não-ordenado vi / vk Web Aplicação Sistema Embarcado Web Aplicação Sistema Embarcado 1 0.6 0.1 1 0.3 1 Medidas de Similaridade Similaridade local ◦ Símbolos taxonômicos – Símbolos ordenados taxonomicamente são dispostos em uma árvore onde cada nodo carrega um valor numérico que simboliza a similaridade entre seus nodos filhos, quanto mais próximo das extremidades maiores os valores. Recuperação de casos ◦ Recuperação dos casos considerados relevantes ao problema atual ◦ A recuperação seqüencial é uma técnica simples, onde o cálculo de similaridade é aplicado a todos os casos da base de dados seqüencialmente, em seguida os casos são ordenados de acordo com a similaridade em relação ao problema, depois disso são eleitos os n casos mais similares. O processo de similaridade é completo A consulta na base de casos independe da medida da similaridade, podendo desse modo ser combinada com diferentes técnicas em um mesmo sistema RBC. Fácil implementação. “Projetos de software semelhantes têm riscos semelhantes” Representação do Conhecimento no CBR Risk ◦ Casos Projetos de Software Solução informações sobre os riscos de um projeto de software ◦ Caracterização Identificação de índices capazes de fornecer informações suficientes para o cálculo de similaridade entre os casos Modelo de Adaptação de Processo de Software [MAPS] Tamanho da equipe; Distribuição Geográfica; Experiência da equipe de desenvolvimento; Tamanho do projeto; Tipo de Projeto Plataforma Tecnológica Cálculo da Similaridade ◦ Feito através da similaridade global, que consiste em calcular a distância euclidiana entre todos os atributos Recuperação ◦ Recuperação de casos forma seqüencial Cálculo da similaridade aplicado em todos os projetos Ordenação dos projetos de acordo com a similaridade Importância da Identificação de Riscos RBC: Utilização de dados históricos de forma sistemática Facilidade de adapatação ◦ Representação do Conhecimento ◦ Cálculo de Similaridade ◦ Recuperação dos casos Gusmão, C (2007) Um Modelo de Processo de Gestão de Riscos para Ambientes de Múltiplos Projetos de Desenvolvimento de Software. Tese de Doutorado. Universidade Federal de Pernambuco. Recife – PE, Brasil. [Lins 2007] Lins, Arthur. CBR Risk Method. Trabalho de Graduação. Universidade de Pernambuco, Recife, Brasil. 2007 [MAPS 2003] COELHO, C.C. MAPS: um Modelo de Adaptação de Processos de Software. Dissertação (Mestrado) – Programa de PósGraduação em Ciência da Computação, Centro de Informática, Universidade Federal de Pernambuco, Recife. 2003 [PMBOK 2004] Um Guia do Conjunto de Conhecimentos em Gerenciamento de Projetos (Guia PMBOK®) Terceira edição 2004 Project Management Institute. [Trigo 2007] Trigo, Thiago. Avaliação Experiemental do CBR Risk Method. Trabalho de Graduação. Universidade de Pernambuco, Recife, Brasil. 2007.