Programação Orientada a Objetos Prof. Fábio Kon Sistema Petrolimpa. Gabriel de Vasconcellos Torres NºUSP:

Transcrição

1 Programação Orientada a Objetos Prof. Fábio Kon Sistema Petrolimpa Gabriel de Vasconcellos Torres NºUSP: Jefferson O. Silva NºUSP: de Março de 2016

2 1 - Descrição do Problema: Será criado um sistema de combate à corrupção interna para uma grande empresa petrolífera. O sistema será distribuído em 5 escritórios independentes espalhados pelo país, portanto não terá apenas uma central, e esses 5 escritórios farão a coleta dos dados das demais partes da empresa, separadas em: postos de gasolina, 20 plataformas de petróleo, 30 centros de distribuição de combustível e 10 refinarias. O sistema utilizará um motor de inferência (utilizando técnicas de mineração de dados e IA para localizar suspeitas de fraudes que serão postadas publicamente, diariamente no website da empresa). As compras feitas pela empresa (a uma taxa de milhares por dia, espalhadas pelo país) podem ser feitas com ou sem licitação, podem ser compras de serviços, equipamentos permanentes ou insumos, e também, podem ser feitas via importação ou então no mercado interno. Cada tipo de compra terá seu algoritmo de detecção de fraude. Haverá também um algoritmo para detecção de fraude para cada unidade, baseado nos gastos totais de cada unidade. No final, para análise dos dados, serão utilizados 3 escritórios diferentes, para que possa ter uma análise geral com mais chance de acerto, pois será baseada nas 3 análises dos escritórios diferentes Especificações do Sistema As especificações, do sistema que será feito, encontrados na descrição foram: -São 5 escritórios espalhados pelo país, e os 5 escritórios serão independentes entre si; -Os dados serão coletados de diferentes fontes: postos de gasolina; plataformas de petróleo; centros de distribuição; refinarias. -Será utilizado um motor de inferência; -As compras terão 3 categorias e as seguintes classificações por categoria: 1.Licitação (com licitação ou dispensa licitação); 2.Produto (compra de serviço, equipamento permanente ou insumo), e; 3.Mercado (Nacional ou via importação). -Será um algoritmo de detecção de fraude único para cada tipo de compra, ou seja, cada tipo de compra terá seu algoritmo de detecção de fraude, por terem processos diferentes;

3 -As compras serão analisadas e verificadas por 3 escritórios aleatórios, de modo a dificultar a fraude nos escritórios. -As suspeitas de fraude serão publicadas no site da empresa diariamente. Serão utilizados 3 diagramas diferentes para descrever o sistema, o diagrama de uso de caso, diagrama de classes e diagrama de implantação. 2 Diagrama de Pacotes Como pode ser visto no diagrama de pacotes na figura 1, nós dividimos o sistema em 3 grandes módulos. E aprofundamos a descrição para cada um dos módulos. Os módulos são: Compra, Fraude e Publicador. O módulo publicador depende do módulo fraude, pois as publicações serão feitas apenas quando houver suspeita de fraudes, e o módulo fraude por sua vez depende do módulo compra, pois cada tipo de compra tem seu próprio algoritmo de detecção de fraude, portanto após o tipo de compra ser definido aí haverá a detecção de fraude. Figura 1 Diagrama de Pacotes

4 3 Diagramas de Classes 3.1 Módulo Compra A figura a seguir mostra o funcionamento do módulo compra: Figura 2 - Diagrama de Classes do Módulo Compra O módulo compra engloba todas as classes que compõe uma compra feita. Tem o tipo de compra, que é dividido em 3 subclasses da classe compra, que são CompraServico, CompraInsumo e CompraEquip. Tem também duas agregações, que são as classes ViaCompra e Contratação, a ViaCompra tem 2 subclasses, para os casos de compras no mercado interno ou externo (importação) e a classe Contratação tem 2 subclasses, ComLicitacao e SemLicitacao, que mostra se a compra efetuada precisa ou não de licitação. A classe Compra, por sua vez, é uma agregação da classe Comprador, dividida em 4 subclasses que representam se a compra foi feita por um posto de gasolina, refinaria, centro de distribuição ou plataforma.

5 3.2 Módulo Fraude A figura a seguir mostra o funcionamento do módulo fraude: Figura 3 - Diagrama de Classes do Módulo Fraude O módulo DetectorFraudes tem interface com as subclasses DFContratacao, DFCompra, DFViaCompra e DFTotalizador. A subclasse DFCompra tem 3 subclasses, que representam os algoritmos de detecção de fraude para cada tipo de compra, que são DFServico, DFEquip e DFInsumo. A subclasse DFContratacao tem 2 subclasses que representam os algoritmos de detecção de fraude para as compras com e sem licitação, que são DFContratSL e DFContratCL. A subclasse DFViaCompra tem 2 subclasses que representam os algoritmos de detecção de fraude para compras feitas nos mercados interno ou externo (importação). E a subclasse DFTotalizador analisa a compra como um todo.

6 3.3 Módulo Publicador A figura a seguir mostra o funcionamento do módulo publicador: Figura 4 - Diagrama de Classes do Módulo Publicador O publicador é uma classe com dependência da DetectorFraude, que a cada compra realizada, é feita a detecção de fraude, e se houver alguma suspeita de fraude, ai o publicador publica as informações a respeito da compra no site da empresa.

7 4 Diagrama de Implantação A figura a seguir mostra diagrama de implantação do sistema: Figura 5 - Diagrama de Implantação do sistema No diagrama de implantação podemos ver que o servidor de aplicação armazena as compras nos bancos de dados, com todas as informações da compra, se é insumo, equipamento permanente ou serviço, se é mercado interno ou externo (importação) e se é com ou sem licitação, e também qual o comprador, se é posto, refinaria, plataforma ou centro de distribuição. Ocorre o algoritmo de detecção de fraude para cada compra e, no caso de suspeita de fraude, é enviado ao servidor web, para o site da empresa.

8 5 Diagrama de Caso de Uso Figura 6 - Diagrama de Caso de Uso No diagrama, podemos ver a efetuação de uma compra pelo comprador (Posto, refinaria, plataforma ou centro de distribuição), que realiza a compra e na compra é feita a detecção de fraude e publicação de suspeita e inseri os dados da compra no banco de dados. Os escritórios acessam o banco de dados, fazem a coleta dos dados das compras e analisam os dados.