APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO.

Transcrição

1 UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE SISTEMAS DE INFORMAÇÃO BACHARELADO APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO. KLAUBER SCHEFFLER FISCHER BLUMENAU /1-09

2 KLAUBER SCHEFFLER FISCHER APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO. Trabalho de Conclusão de Curso submetido à Universidade Regional de Blumenau para a obtenção dos créditos na disciplina Trabalho de Conclusão de Curso II do curso de Sistemas de Informação Bacharelado. Prof. Oscar Dalfovo, Doutor - Orientador BLUMENAU /1-09

3 APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO. Por KLAUBER SCHEFFLER FISCHER Trabalho aprovado para obtenção dos créditos na disciplina de Trabalho de Conclusão de Curso II, pela banca examinadora formada por: Presidente: Membro: Membro: Prof. Oscar Dalfovo, Doutor Orientador, FURB Prof. Roberto Heinzle, Doutor FURB Prof. Cláudio Ratke, Mestre FURB Blumenau, 10 de julho de 2012.

4 Dedico este trabalho aos meus pais, companheiros de curso, professores e amigos, especialmente aqueles que me ajudaram diretamente na realização deste.

5 AGRADECIMENTOS A Deus, pela sua compaixão e justiça. Aos meus pais, Ademar e Madalene, que mesmo longe, sempre estiveram presentes. Aos meus amigos, pelas fugas e companhias oferecidas nos momentos de estresse. Ao meu orientador, Oscar Dalfovo, por compartilhar seu conhecimento, ser um exemplo de profissional e docente, fonte de inspiração. A todos os professores do Departamento de Sistemas e Computação da Universidade Regional de Blumenau, em especial o mestre Wilson Pedro Carli.

6 Seja você quem for, seja qual for à posição social que você tenha na vida, a mais alta ou a mais baixa, tenha sempre como meta muita força, muita determinação e sempre faça tudo com muito amor e com muita fé em Deus, que um dia você chega lá. De alguma maneira você chega lá. Ayrton Senna

7 RESUMO Este trabalho tem como objetivo apresentar um aplicativo de apoio ao setor de suporte aos clientes de uma empresa. O aplicativo possibilita aos usuários a criação de um banco de dados com os erros conhecidos e suas soluções. Através de técnicas e regras, o aplicativo permite fazer a busca das soluções através da técnica text mining, apresentando os resultados de forma eficaz, facilitando a tomada de decisão do usuário. Para o desenvolvimento do sistema, utilizou-se a linguagem de programação Java, o ambiente integrado de desenvolvimento Eclipse, o framework para desenvolvimento de interface web Google web toolkit, o framework de apoio a linguística computacional LingPipe e o banco de dados Hibernate. A utilização do aplicativo resultou a possibilidade de gerenciar os erros conhecidos e suas soluções, tornando o processo de trabalho mais eficaz aos usuários e resultando na melhora do atendimento aos clientes. Palavras-chave: Aplicativo para help desk. Gestão do conhecimento. Text mining.

8 ABSTRACT This work aims to present an application to help the support sector of a company. The application enables users to create a database of known incidents and their solutions. Through techniques and rules, the application enables the search for solutions through text mining, presenting the results effectively, facilitating the decision of the users. For system development, was used Java programming language, the Eclipse IDE also the framework for developing web interface Google Web Tools, the LingPipe framework to support computational linguistics and the Hibernate database. Using the application resulted in the ability to manage incidents and their solutions, making the work process more effectively to the users and resulting in improved customer services. Key-words: Help desk application. Knowledge management. Text mining.

9 LISTA DE FIGURAS Figura 1 - Etapas recomendadas para aplicação da técnica de text mining Figura 2 - Passo-a-passo da aplicação da técnica de text mining de Wives Figura 3 - Consulta de similaridades Figura 4 - Cadastro de problemas Figura 5 Relatório de Selbach Figura 6 - Diagrama de casos de uso Figura 7 - Diagrama de classes Figura 8 Login Figura 9 Página Inicial Figura 10 Cadastro de usuários Figura 11 Cadastro de erro conhecido em branco Figura 12 Cadastro de erro conhecido preenchido Figura 13 - Buscar soluções Figura 14 Resultados da busca Figura 15 Atualizar soluções Figura 16 Relevância dos resultados Figura 17 Cadastrar erro conhecido Figura 18 Buscar erro conhecido Figura 19 Satisfação do resultado Figura 20 Percentual de relevância Figura 21 Atualizar os erros conhecidos Figura 22 Adequação do aplicativo Figura 23 Coexistência do aplicativo Figura 24 Usabilidade Figura 25 Tempo x Trabalho... 50

10 LISTA DE QUADROS Quadro 1 - Requisitos funcionais Quadro 2 - Requisitos não funcionais Quadro 3 Stopwords (palavras desnecessárias) Quadro 4 Stemmer (derivações) Quadro 5 Conceitos Quadro 6 Text mining Quadro 7 Percentual de relevância Quadro 8 Texto original Quadro 9 - Stopwords Quadro 10 - Radicalização Quadro 11 Conceituação... 43

11 LISTA DE SIGLAS CIOSP - Congresso Internacional de Odontologia de São Paulo CSS - Cascading Style Sheets DCT - Descoberta de Conhecimento a partir de Textos EA - Enterprise Architect GWT - Google Web Toolkit IDE - Integrated Development Environment IEC - International Electrotechnical Commission ISO - International Organization for Standardization ITIL - Information Technology Infrastructure Library JVM - Java Virtual Machine KDT - Knowledge Discovery from Text MU Manual do Usuário RBC - Raciocínio Baseado em Casos RF - Requisitos Funcionais RNF - Requisitos Não funcionais TCC - Trabalho de Conclusão de Curso

12 SUMÁRIO 1 INTRODUÇÃO OBJETIVOS DO TRABALHO ESTRUTURA DO TRABALHO FUNDAMENTAÇÃO TEÓRICA HELP DESK GESTÃO DO CONHECIMENTO BASE DE CONHECIMENTO DESCOBERTA DE CONHECIMENTO EM TEXTO SISTEMA ATUAL TRABALHOS CORRELATOS DESENVOLVIMENTO LEVANTAMENTO DE INFORMAÇÕES ESPECIFICAÇÃO Requisitos Principais Diagrama de casos de uso Diagrama de Classes IMPLEMENTAÇÃO Técnicas e ferramentas utilizadas Java Eclipse Hibernate Google Web Toolkit LingPipe Tesauro Operacionalidade do aplicativo Login Menus da página inicial Cadastro de usuários Cadastro de erros conhecidos Busca de soluções Detalhes das soluções cadastradas... 38

13 Percentual de relevância dos resultados Código fonte da aplicação RESULTADOS E DISCUSSÃO CONCLUSÕES EXTENSÕES REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICE A Descrição dos Casos de Uso... 56

14 12 1 INTRODUÇÃO As empresas utilizam sistemas denominados help desk, pois este tipo de software tem a função de auxiliar as equipes de suporte a coordenar e solucionar os erros conhecidos que ocorrem com os usuários, assegurando que estes chamados não sejam perdidos, esquecidos ou negligenciados. Este tipo de sistema constitui um mecanismo computacional facilitador da informação (CAVALARI; COSTA, 2005), porém sem nenhuma gestão de conhecimento implícita. A gestão do conhecimento realiza a captação do conhecimento que envolve as rotinas e práticas dentro da organização, com o objetivo de criar métodos para que este conhecimento seja unido, expandido e transferido de forma a aumentar o capital intelectual organizacional (DALFOVO, 2004). Combinada com os sistemas help desk e gestão do conhecimento, a técnica de text mining (mineração de texto), conforme Furtado (2004, p1), "auxilia as ferramentas de descoberta de conhecimento a extraírem informações padrões contidas nos textos, seja uma única palavra ou um conjunto de palavras". Ainda de acordo com Furtado (2004), o text mining pode ser usado para formalizar e explorar o conhecimento tácito, proporcionando a descoberta de soluções e de novos conhecimentos. As ferramentas de text mining têm o propósito de facilitar o processo de recuperação de informação, minimizando as dificuldades enfrentadas e apresentando ao usuário algum tipo de conhecimento útil e novo, satisfazendo as necessidades de novas informações. Trazendo este panorama para a empresa HartSystem Informática, porém observa-se que a utilização de um sistema help desk, não é feita a gestão do conhecimento. Atualmente cada profissional de suporte da empresa resolve os erros conhecidos utilizando conhecimentos tácitos, adquiridos com a vivência, pois não existe uma base de dados de conhecimento única, que apresente todas as soluções conhecidas de forma clara, formatadas e adequadas para explicação. Os profissionais do suporte dependem de dados memorizados, sem padronização ou formatação, o que favorece as chances de esquecimento e erros. Visto isso, o trabalho disponibiliza na empresa HartSystem Informática um aplicativo help desk onde os usuários podem, além de cadastrar e atualizar as soluções conhecidas fazendo gestão do conhecimento, também pesquisá-las de forma ágil através da técnica text mining, fornecendo rapidamente aos clientes soluções preparadas e formatadas na forma ideal.

15 OBJETIVOS DO TRABALHO O objetivo geral do trabalho é o desenvolvimento de um aplicativo para empresa HartSystem Informática, no apoio ao setor de suporte ao cliente, aplicando gestão do conhecimento e a técnica de text mining (mineração de texto) para o cadastro e pesquisa de soluções conhecidas. Os objetivos específicos deste trabalho são: a) permitir aos profissionais de suporte o cadastramento de erros conhecidos, suas soluções e a atualização destes cadastros; b) utilizar a técnica de text mining para possibilitar ao profissional de suporte pesquisar as soluções dos erros conhecidos cadastrados; c) apresentar no retorno da busca o percentual de relevância da solução encontrada, auxiliando o profissional de suporte na tomada de decisão. 1.2 ESTRUTURA DO TRABALHO No primeiro capítulo tem-se a introdução ao tema principal deste trabalho com a apresentação da justificativa e dos objetivos. No segundo capítulo apresenta-se a fundamentação teórica pesquisada, sobre help desk gestão do conhecimento, base de dados de conhecimento e descoberta de conhecimento em texto. Também é citado o sistema atual e três trabalhos correlatos. No terceiro capítulo apresenta-se o desenvolvimento do aplicativo, iniciando-se com o levantamento de informações tendo na sequência especificação de requisitos, detalhes da implementação e resultados e discussão. No quarto capítulo têm-se as considerações finais, bem como as sugestões para trabalhos futuros.

16 14 2 FUNDAMENTAÇÃO TEÓRICA Este capítulo aborda os assuntos help desk, gestão do conhecimento, base de dados de conhecimento, descoberta de conhecimento em texto - text mining, sistema atual e trabalhos correlatos. 2.1 HELP DESK Os sistemas help desk têm a principal característica de ser um facilitador de informações ao usuário, não importando se esta facilidade é ou não de natureza técnica computacional. Um sistema help desk constitui um mecanismo facilitador de informação (MARTINS, 2000). O termo help desk surgiu com o aparecimento dos computadores pessoais nos anos 80, quando cresceu a necessidade de suporte aos novos usuários de computadores, entre eles gerentes, técnicos e secretárias. Assim, muitas empresas criaram os Centros de Informação para auxiliar no uso dos computadores pessoais. Os primeiros sistemas usados pelos Centros de Informação foram os sistemas gerenciadores de bancos de dados, com informações sobre os clientes de software e hardware. Com o advento dos sistemas especialistas, importantes funções de auxílio a clientes puderam ser desenvolvidas pelos Centros de Informação (KAMP, 1993 apud WILVERT, 2005, p. 16). Martins (2000) relata que enquanto nos anos 80 os usuários eram especialistas em informática, na década de 90 esse quadro se inverteu radicalmente. A população de usuários de computadores passou a ser composta por pessoas oriundas de áreas onde a informática não era fundamental e, por essa razão, estas pessoas possuíam praticamente nenhum conhecimento sobre o uso dos computadores. Essa mudança proporcionou a criação de um tipo de técnico de suporte capaz de atender a demanda deste novo público. Além disso, as empresas perceberam que era importante armazenar todos os dados decorrentes dos problemas ocorridos, assim como a maneira de solucioná-los. Desta forma, o usuário teria um atendimento mais rápido e personalizado e a empresa teria um controle maior sobre quais são os problemas mais comuns e as melhores formas de solucioná-los.

17 15 Statdlober (2006, p. 15) diz que a gestão do atendimento em um help desk procura oferecer uma metodologia para tratar e gerenciar diversas questões. O processo de atendimento a erros conhecidos possui inúmeros elementos que o compõem, mas os oito elementos principais que compõem o processo de atendimento são (STATDLOBER, 2006, p. 15): a) usuário final contatar a central de atendimento; b) central de atendimento realizar o atendimento em si; c) registrar no sistema e encaminhar para solução; d) qualificar o chamado e encaminhar para uma fila de atendimento; e) responsável pelo atendimento atuar na solução; f) gerente possuir acesso a todos os erros conhecidos registrados; g) solução aplicada ao chamado ficar disponível para futuros erros conhecidos e demais técnicos; h) comunicar o usuário final sobre eventos durante o atendimento ao chamado. Silva (2004, p. 15) afirma que uma ferramenta de help desk, sem dúvida proporciona um diferencial que além da documentação e sistematização, oferece possibilidade de análise dos processos e fluxo de informações. 2.2 GESTÃO DO CONHECIMENTO Atualmente vive-se em um cenário complexo onde fenômenos sociais e econômicos, de abrangência mundial, são responsáveis por constantes reestruturações no ambiente de negócios. A globalização impulsionada pela tecnologia da informação tornou-se uma realidade da qual não se pode escapar. É nesse contexto que a gestão do conhecimento se transforma em um valioso recurso estratégico para a vida das pessoas e das empresas. Sua aquisição e aplicação sempre representaram estímulo para as conquistas de inúmeras civilizações. No entanto, apenas "saber muito" sobre alguma coisa não proporciona maior poder de competição para uma organização (SILVA, 2001 apud DALFOVO, TAMBORLIN, 2010, p. 279). Conhecimento é a informação apropriada e interpretada pelo ser humano, possibilitando-o a ter novas ideias. Alguns dos fatores que influenciam nesses processos de busca do conhecimento são a rápida evolução da tecnologia, o acesso aos mercados globais e

18 16 como lidar e extrair dados e informações da inteligência competitiva nas organizações (DALFOVO, 2007). De acordo com Dalfovo (2004), a gestão do conhecimento pode ser utilizada pelas empresas, como vantagem competitiva. Isto causa uma reestruturação crescente no modo em que a organização administra o seu conhecimento e as suas informações. Conforme Figueiredo (2005) a gestão do conhecimento como estratégia competitiva nas organizações alavanca e multiplica o capital intelectual. Além disso, a gestão do conhecimento está a cada dia mais integrada na organização, pois possui gerenciamento, métodos e ferramentas imprescindíveis para que os executivos das empresas possam utilizá-las com agilidade e precisão, e ainda, se bem manejadas, a utilização do capital intelectual será o diferencial competitivo para o negócio. Nonaka e Takeuchi (1997) classificam o conhecimento em dois tipos: a) tácito, é um tipo de conhecimento muito difícil de ser expresso por meio de palavras e é adquirido com a experiência, de maneira prática utilizando-se da intuição e da subjetividade. Segundo os autores, o aprendizado mais poderoso vem da experiência direta e é aquele que se articula por meio da linguagem formal, com afirmações gramaticais, expressões matemáticas, especificações, manuais, etc.; envolve fatores intangíveis como, por exemplo, crenças pessoais, perspectivas, sistema de valor, intuições, emoções e habilidades individuais. Este processo pode ter inclusive sua interatividade prejudicada devido aos ruídos que na maioria das vezes existem em qualquer processo de comunicação; b) explícito, é um tipo de conhecimento que pode ser facilmente expresso em palavras ou números e pode ser prontamente transmitido formalmente e sistematicamente entre pessoas. Envolve o conhecimento de fatos. É objetivo, teórico, digital e articula por meio da linguagem formal, com afirmações gramaticais, expressões matemáticas, especificações, manuais, etc. Esse foi o modo dominante de conhecimento na tradição filosófica ocidental. Probst, Raub e Romhardt (2002), explicam que as empresas despendem tempo e dinheiro para solucionar certos problemas quando, muitas vezes, soluções já haviam sido encontradas no passado ou estão sendo encontradas por outras equipes. Neste sentido, esses e outros autores atribuem a importância à identificação da base de conhecimento existente, sendo abordando no item a seguir.

19 BASE DE CONHECIMENTO Figueiredo (2002) considera bases de conhecimento como containers de conhecimento e informação, concebidas para armazenar, compartilhar e disseminar conhecimentos específicos, resolvendo questões de volume de armazenamento, organização, recuperação e herança do conhecimento, mantendo e estimulando os níveis de colaboração e de compartilhamento de conhecimento e informações relevantes dentro da empresa. Ferreira, Loureiro e Martinez (2004), afirmam que a base de conhecimento é um ambiente de trabalho para o compartilhamento, recuperação e distribuição de conhecimento específico. Afirmam que uma base de conhecimento não possui modelo ou tecnologia específicos, a sua implementação depende das características e objetivos da empresa que irá utilizá-la. Volino e Kendrich (2000 apud WEHRMEISTER, 2008, p. 20), explicam que bases de conhecimento consideradas simples utilizam busca por palavras-chaves em perguntas e respostas pré-determinadas. Diante disso, podem-se imaginar diferentes situações pelas quais as organizações utilizam bases de conhecimentos: a) quando há necessidade de se resolver um problema e se tenta aplicar uma solução disponível para tal; b) quando se tem uma situação e se procura uma experiência anterior que possa ajudar ou dar pistas para que se possa melhor enfrentá-la; c) quando se está trazendo alguém que possa ajudar a resolver um problema. Probst, Raub e Romhardt (2002) salientam que, as mudanças que ocorrem regularmente na base de conhecimento, através de contribuições dos membros de uma organização, constituem a aprendizagem organizacional, a criação de estruturas coletivas de referência e o crescimento da competência da organização para agir e resolver problemas.

20 DESCOBERTA DE CONHECIMENTO EM TEXTO A Descoberta de Conhecimento a partir de Textos (DCT), em inglês Knowledge Discovery from Text (KDT), que neste trabalho será tratada como text mining (mineração de textos), consiste na aplicação de técnicas de análise de informações e de aprendizado de máquina em dados textuais (WIVES, 2004). A técnica busca extrair conhecimento útil ao usuário, recuperando informações e permitindo ao usuário procurar o conteúdo que lhe seja interessante dentro do conjunto de textos pré-selecionados, o que reduz o tempo de busca e proporciona um retorno de informação mais significativo. A área de text mining se refere ao processo de extrair padrões não triviais interessantes ou conhecimento a partir de documentos de texto não estruturado, podendo ser visto como uma extensão do data mining. (FURTADO, 2004, p. 30). Na Figura 1 são apresentadas as etapas recomendadas no desenvolvimento de um aplicativo utilizando text mining. Fonte: Corrêa (2003). Figura 1 - Etapas recomendadas para aplicação da técnica de text mining Visando recuperar informações relevantes, as técnicas de data mining surgiram para utilização em dados estruturados e as técnicas para text mining estão sendo desenvolvidas constantemente e aprimoradas para tratar dados não estruturados, representando uma área interessante (MILLER, 2005 apud FINK, 2010, p. 20).

21 19 A técnica de text mining vem solucionar grande parte dos problemas relacionados à busca, recuperação e análise de informações. A sobrecarga de informação é um dos maiores problemas enfrentados pelos usuários de sistemas atualmente (WIVES, 2004). Embora a mineração de texto possa trabalhar com qualquer tipo de informação, esta deve seguir alguns critérios (HOESCHL; BUENO; BORTOLON, 2002), quando da visualização pelo usuário: a) a informação recuperada deve ter valor para o operador do conhecimento. A mineração de textos deve fornecer novas visões sobre os textos para os operadores do conhecimento. Isto permite a adição de valores à base de conhecimento; b) o conteúdo deve ser baseado em texto. Para dados numéricos as tecnologias existentes estão mais bem desenvolvidas; c) o valor da mineração de textos é diretamente proporcional ao valor do dado que se está minerando. Quanto mais importante for o conhecimento contido na coleção de textos, mais valiosa será a mineração; d) o conteúdo deve estar explicitamente declarado no texto, tais como textos técnicos e científicos; e) a mineração de textos é mais valiosa quanto menos estruturado for o texto. Textos desorganizados, contendo acúmulo de informações são os mais indicados. De acordo com Wives (2004), existem diferentes tipos de métodos que podem ser utilizados para a mineração de textos. Entre eles estão o processamento de dados, a predição, a regressão, a classificação, o agrupamento ou clustering, a análise de associações e visualização, entre outros. Porém, qualquer um dos métodos de descoberta tradicional pode ser aplicado nos textos, principalmente se for utilizado o método de extração de informações, que identifica informações relevantes nos documentos e as coloca em um formato estruturado. Conforme apresentado na Figura 2, os passos que Wives (2004) utilizou na aplicação do método text mining para descoberta de conhecimento em texto.

22 20 Fonte: Wives (2004). Figura 2 - Passo-a-passo da aplicação da técnica de text mining de Wives 2.5 SISTEMA ATUAL A HartSystem Informática foi fundada em 23 de Novembro de Lançou o software odontológico ProDent no 16º Congresso Internacional de Odontologia de São Paulo (CIOSP), em Janeiro de Desde esta data, está se dedicando exclusivamente ao desenvolvimento e comercialização de licenças do software ProDent (HARTSYSTEM INFORMÁTICA LDTA, 2012). O software ProDent é um sistema para administração de clínicas e consultórios odontológicos. Oferece cadastro de clientes, agenda, odontograma, mala direta, contas a receber, contas a pagar e outros. Possui também módulos específicos: a) para clínicas de Radiologia;

23 21 b) para Operadoras de planos de convênios; c) para clínicas que emitem Nota Fiscal de Serviço Eletrônica. A empresa oferece aos clientes o suporte à distância para resolução de erros conhecidos, dúvidas, erros e sugestões. Atualmente o processo de atendimento inicia-se com a ligação ou atendimento do cliente pelo bate-papo online, onde o mesmo expõe sua situação ao profissional de suporte que lhe atender no momento. Se o profissional de suporte souber solucionar, dará continuidade ao atendimento, caso não saiba, este estará perguntando a solução a um profissional de suporte mais experiente na área. Frequentemente o profissional de suporte sabe que já respondeu sobre esta mesma dúvida a outro cliente, no entanto, muitas vezes não se recorda da solução conhecida. Diante desta situação o cliente muitas vezes terá que aguardar um longo tempo pela solução, pois o profissional de suporte irá procurar a solução e ocasionalmente ainda ligará ou enviará um contendo a resposta ao questionamento mais tarde. Cada contato feito pelo cliente é registrado num sistema interno próprio, onde se tenta descrever como foi solucionado o caso. Porém as soluções conhecidas não estão concentradas em uma base de dados de conhecimento geral, apenas individualmente em cada cadastro de cliente, o que torna a pesquisa por soluções conhecidas um processo demorado e pouco preciso. Como este processo acima é manual e não integrado, o conhecimento acaba sendo tácito e está armazenado apenas na memória de cada colaborador, que resolve as ocorrências com base nos casos já ocorridos anteriormente de acordo com suas lembranças. 2.6 TRABALHOS CORRELATOS Wilvert (2005) apresentou como Trabalho de Conclusão de Curso (TCC) um sistema de apoio a help desk utilizando gestão do conhecimento e técnica de Reconhecimento Baseado em Casos (RBC) para área do suporte, com objetivo de automatizar a busca por soluções similares a novas ocorrências, conforme Figura 3. O diferencial do trabalho desenvolvido quanto ao sistema do trabalho de Wilvert é uma aplicação web utilizando a técnica text mining ao invés de RBC.

24 22 Fonte: Wilvert (2005). Figura 3 - Consulta de similaridades Fink (2010) implementou a técnica text mining para auxiliar o técnico do nível 1 de um service desk na classificação de erros conhecidos, em uma base de problemas (conhecimentos) já existente. Além da técnica de text mining, foi utilizado como modelo de referência o Information Technology Infrastructure Library (ITIL). Este trabalho também se identifica com a aplicação desenvolvida pela implementação de uma técnica text mining em ambiente web. Na Figura 4, o cadastro de problema e solução de Fink (2010).

25 23 Fonte: Fink (2010). Figura 4 - Cadastro de problemas Selbach (2010) desenvolveu um sistema web para auxílio em pesquisas e gerência de dados de entidades de saúde. Trata-se de um sistema que, a partir de dados de pacientes da entidade permite a criação e manutenção de pesquisas sobre esses dados. Além das pesquisas, existem relatórios específicos para auxiliar os gestores na tomada de decisão. É utilizado gestão do conhecimento, data warehouse e data mining. A técnica data mining é voltada para mineração de dados e números, ao contrário de text mining, voltando para textos estruturados. Na Figura 5, um exemplo de relatório de Selbach (2010).

26 24 Fonte: Selbach (2010). Figura 5 Relatório de Selbach Os trabalhos citados possuem objetivos comuns entre a aplicação desenvolvida, cuja finalidade é buscar de resultados relevantes e precisos de forma automatizada para os usuários.

27 25 3 DESENVOLVIMENTO Neste capítulo estão descritos a particularidades técnicas do aplicativo proposto tais como a descrição do mesmo e a apresentação dos requisitos funcionais e não funcionais, diagrama de casos de uso e suas descrições. Na seção de implementação tem-se as técnicas e ferramentas utilizadas, demonstra-se a operacionalidade do sistema através de telas e por fim a seção com os resultados e discussões. 3.1 LEVANTAMENTO DE INFORMAÇÕES O aplicativo web auxilia os profissionais do setor de suporte a compartilhar os conhecimentos necessários para resolução dos erros conhecidos informados pelos clientes, permitindo o cadastro das soluções conhecidas, manipulação e pesquisa deste conhecimento. É importante oferecer aos profissionais de suporte uma melhor forma de gerenciar e transformar o conhecimento individual em um conhecimento coletivo. A consulta a partir da base de conhecimento é uma das funções principais do aplicativo desenvolvido. Entendido como repositório de conhecimento e de informações, este aplicativo armazena, compartilha e dissemina os conhecimentos dentro da organização. O primeiro passo é cadastrar uma base de conhecimentos onde são registrados os erros conhecidos já conhecidos pelo setor de suporte e a solução conhecida destes. As diversas situações levantadas pelos clientes e suas respectivas soluções são descritas através da reprodução das mensagens automáticas (tratamento de erros) do sistema ProDent ou em texto descritivo, utilizando o linguajar do cliente que é leigo e não utiliza os jargões da informática. As soluções dos erros conhecidos são registradas em seguida do erro conhecido, a partir do conhecimento dos profissionais de suporte e com base no manual do usuário existente. A partir da existência do banco de informações, o aplicativo web permite que sejam efetuadas buscas utilizando a técnica de text mining. De forma que o usuário do setor de suporte pergunta ao cliente qual a mensagem apresentada, a dificuldade encontrada ou sua dúvida, (erro conhecido), e digita desta forma para busca do aplicativo no banco. Partindo disto, o aplicativo apresenta as soluções já cadastradas, baseado no texto pesquisado.

28 26 Pelo fato de muitas mensagens e erros conhecidos possuírem discretas diferenças em seu texto (porém soluções distintas), é apresentando um percentual de relevância para as possíveis soluções encontradas, mediante o termo pesquisado pelo usuário, auxiliando o usuário a escolher a solução ideal. As etapas executadas no desenvolvimento do aplicativo são: a) cadastro dos dados: o text mining deve ser baseado no armazenamento de dados de forma estruturada; b) processamento e transformação: elimina da frase os dados que não são adequados informações, ou seja, artigos, preposições, plural das palavras, conforme Figura 2; c) mineração de texto: a atividade de descoberta do conhecimento é onde são processados os algoritmos da técnica de text mining; d) armazenamento: nesta etapa os dados deverão ser armazenados adequadamente para facilitar a busca; e) interpretação/avaliação: os resultados do processo de descoberta do conhecimento são apresentados de forma que o usuário possa entender e interpretar os resultados obtidos. 3.2 ESPECIFICAÇÃO Esta seção descreve os requisitos funcionais (RF) e não funcionais (RNF), bem como os diagramas de casos de uso e diagrama de classe, desenvolvidos para o aplicativo. A ferramenta Enterprise Architect (EA), em sua versão , foi utilizada na elaboração dos diagramas de casos de uso Requisitos Principais O Quadro 1 apresenta os requisitos funcionais previstos para o aplicativo e sua rastreabilidade, ou seja, vinculação com o(s) caso(s) de uso associado(s).

29 27 Requisitos Funcionais RF01: O aplicativo deve permitir o cadastramento de usuários (criação, alteração, exclusão). RF02: O aplicativo deve exigir login e senha para permitir o acesso à interface inicial. RF03: O aplicativo deve permitir ao profissional de suporte o cadastro dos erros conhecidos e sua(s) solução(s) (criação, alteração, exclusão). RF04: O aplicativo deve permitir ao profissional de suporte atribuir categorias aos erros conhecidos criados. RF05: O aplicativo deve permitir ao profissional de suporte pesquisar as soluções no banco de dados de erros conhecidos, utilizando a técnica de text mining. RF06: O aplicativo deve apresentar no resultado da pesquisa o grau de relevância do termo pesquisado. Quadro 1 - Requisitos funcionais Caso de Uso UC01 UC02 UC03 UC04 UC05 UC06 O Quadro 2 lista os requisitos não funcionais previstos para o aplicativo. Requisitos Não Funcionais RNF01: O aplicativo deve utilizar a conexão com o banco de dados Hibernate. RNF02: O aplicativo deve ser desenvolvido utilizando a linguagem Java. RNF03: O aplicativo deve ser compatível com as mais atuais versões de navegadores disponíveis no mercado, como o Internet Explorer 8 e Google Chrome 13. RNF04: O aplicativo deve conter visualização de tela 1024x768. RNF05: Os usuários poderão acessar o aplicativo utilizando qualquer sistema operacional. Quadro 2 - Requisitos não funcionais Diagrama de casos de uso Esta subseção apresenta os diagramas de caso de uso do aplicativo. Para melhor entendimento do projeto, o detalhamento dos principais casos de uso se encontra no Apêndice A. A Figura 6 apresenta os casos de usos relativos às operações realizadas no aplicativo.

30 28 Figura 6 - Diagrama de casos de uso Diagrama de Classes Na Figura 7 apresenta-se o diagrama de classes, contendo a especificação dos registros que serão armazenados no banco de dados, e o relacionamento entre as classes.

31 29 Figura 7 - Diagrama de classes A função de cada classe de entidade está descrita a seguir: a) Usuario: classe que armazena informações dos usuários do aplicativo; b) Grupo: armazena informações referentes à categoria dos erros conhecidos; c) Erro conhecido: classe que armazena as informações dos erros conhecidos cadastrados; d) Solução: armazena as informações referente a solução dos erros conhecidos. 3.3 IMPLEMENTAÇÃO Nesta seção são apresentadas as informações sobre as técnicas e ferramentas utilizadas para o desenvolvimento deste trabalho. Também são apresentadas as principais operacionalidades do aplicativo juntamente com algumas telas do mesmo.