Melhoria Contínua de Estimativa de Esforço para o Desenvolvimento de Software: Uma abordagem sobre produtividade

Transcrição

1 Melhoria Contínua de Estimativa de Esforço para o Desenvolvimento de Software: Uma abordagem sobre produtividade UNIVERSIDADE CATÓLICA DE BRASÍLIA Programa de Pós-Graduação Stricto Sensu em Gestão do Conhecimento e Tecnologia da Informação Mestrando Ricardo Ajax Dias Kosloski ricardok@bsb.politec.com.br Orientadora: Prof. Kathia Marçal de Oliveira - kathia@ucb.br Nível: Mestrado Ano de ingresso no programa: 2003 Época prevista de conclusão: Fevereiro/2005 Aprovação da qualificação: RESUMO As estimativas de esforço são métricas importantes na gestão de projetos de desenvolvimento de software. Uma forma de estimativa atualmente em utilização consiste em derivar o esforço para a construção do software a partir do seu tamanho e da produtividade esperada para a sua produção. Dentre as medidas de tamanho do software, a APF-Análise de Pontos de Função destaca-se como uma das abordagens mais utilizadas pelo mercado atualmente. Por outro lado, os valores de produtividades têm sido extraídos de bases históricas internacionais. Algumas destas bases trazem apenas valores médios, sintetizados a partir dos eventos estudados, enquanto outras apresentam toda a amostra de eventos, mas com suas taxonomias próprias de caracterização. Esta pesquisa propõe-se a verificar fatores de impacto na produtividade de desenvolvimento de software que possam constituir um conjunto de características de projetos e suas respectivas produtividades. As características obtidas constituirão um framework para comparações entre produtividades de projetos já realizados e novos projetos a serem estimados. A execução destes projetos, com as análises comparativas entre valores previstos e realizados, proporcionadas pelas medições quantitativas estabelecidas pelo processo de melhoria, podem levar a avaliações que realimentem o conjunto de características estabelecido, evidenciando comportamentos e influências nas produtividades e, conseqüentemente, na precisão das estimativas. Este conhecimento, devidamente analisado e registrado pode se constituir num refinamento evolutivo de características de produtividades e servir para melhorar continuamente a precisão das estimativas dos próximos projetos de desenvolvimento de software da organização. PALAVRAS-CHAVE: Métricas de estimativa de tamanho de software, APF, produtividade, desenvolvimento de software, melhoria da precisão de estimativas.

2 1. Caracterização do Problema Serviços de produção de software de alta qualidade e com o mínimo custo possível, isto é, com alta produtividade, constitui um fator crítico de sucesso para o bom desempenho empresarial (SIMÕES, 1999). Desta forma, a necessidade de planejamento e controle de projetos de desenvolvimento de software têm exigido cada vez mais a atenção dos seus gerentes, onde as estimativas de esforço são um importante insumo. Neste caso o esforço está sendo entendido como a quantidade de trabalho a ser executada no desenvolvimento do projeto que entregará, ao seu final o produto de software solicitado pelos usuários (FENTON,PLEEGER,1997). A precisão da estimativa de esforço é importante, pois, se por um lado, valores de esforço superestimados elevam os prazos e os custos dos projetos, prejudicando a competitividade das empresas de desenvolvimento de software; valores subestimados causam agendas mal dimensionadas e com possibilidades de perdas ou prejuízos financeiros (AGARWAL,2001). Uma forma de estimativa bastante empregada atualmente consiste em calcular o esforço para o desenvolvimento do software, pela equação: Esforço = Produtividade x Tamanho do software. Nesta equação, o esforço é dado em horas e o tamanho do software pode ser mensurado através do seu conteúdo funcional pela Análise de Pontos de Função APF (IFPUG,1999). A produtividade pode ser então medida pela relação entre uma unidade de tamanho e o esforço necessário para a execução do projeto de desenvolvimento (MARTIN,1998), sendo dado em horas por pontos de função. O esforço estimado a partir do tamanho e da produtividade pode ser distribuído ao longo do ciclo de vida de desenvolvimento para a identificação dos prazos e custos envolvidos no projeto (AGARWAL,2001). Valores de produtividades podem ser encontrados em bases históricas internacionais agrupadas segundo suas caracterizações próprias (ISBSG,2003), (SPR,2001) e (MCFEELEY,2004). No entanto o ideal é que cada organização tenha o registro dos seus dados históricos de produtividade, refletindo as suas reais atuações frente aos seus clientes, no desenvolvimento de sistemas (FARLEY,2002). A semelhança, verificada através das características destas atuações em comparação com novos desenvolvimentos de software sendo estimados, poderá levar à utilização de melhores valores de produtividades para cada novo caso de estimativas de esforço. Portanto, esta pesquisa lida com o problema de como definir e caracterizar a produtividade, a fim de melhorar continuamente a precisão das estimativas de esforço, em projetos de desenvolvimento de software. 2. Fundamentação Teórica 2.1. Medição do tamanho do software Neste trabalho, a APF será utilizada como métrica de tamanho de software. A APF foi introduzida por Albrecht em 1979 visando estabelecer uma medida de tamanho através da mensuração das funcionalidades entregues aos usuários do software. As funcionalidades devem ser identificadas segundo o ponto de vista do usuário sendo, portanto, independente da tecnologia adotada para a solução (IFPUG,1999). Esta métrica tornou-se a mais utilizada no mercado tendo uma taxa de crescimento de 50 % ao ano e, ao final de 1993, contava com grupos de usuários em 18 países (JONES,1994). Outro benefício da utilização da APF consiste em servir como referência de medida de tamanho do software para o cálculo de valores de produtividades (SPR,2001), (ISBSG,2003); e permitir a constituição de bases históricas de sistemas realizados (FAIRLEY,2002).

3 O processo de contagem inclui as funções de transações (entradas, consultas e saídas); e as funções de dados (arquivos lógicos internos-alis e arquivos de interface externas-aies), que podem ser identificados na documentação do sistema. Depois de identificados, estes elementos devem ser classificados de acordo com suas complexidades lógicas (simples, média e complexa) e a soma de suas pontuações constitui o total de PF não ajustados. Em seguida a avaliação das características gerais do sistema (14 características), segundo uma pontuação de acordo com seus níveis de influência, constituem o fator de ajuste da contagem. O resultado final é dado pela multiplicação dos pontos de função não ajustados pelo fator de ajuste e constitui o tamanho funcional do software avaliado pela APF (IFPUG,1999) Uso de valores de produtividade em estimativas de esforço A produtividade pode ser definida como a divisão da quantidade de trabalho gasto no seu desenvolvimento do software pelo seu respectivo tamanho (FENTON, PLFEEGER,1997) (GARMUS,HERRON,2000)(VASQUEZ,2003)(SOMMERVILLE,2000). Neste caso, o esforço é dado em horas, enquanto o tamanho pode ser dado por diferentes unidades. A produtividade pode ser avaliada tanto do ponto de vista externo, com base na medida das funcionalidades do software, quanto do ponto de vista interno, levando-se em consideração a quantidade de suas linhas de código (MORASCA,2002). Estudos comparativos chegaram à conclusão de que a produtividade obtida através da medida de tamanho com a APF é mais consistente e permite melhores condições de comparação (LOW,ROSS,1990) (MARTIN,1998). Alguns fatores de impacto sobre a produtividade dizem respeito à equipe de desenvolvimento tais como: o número de integrantes e a experiência destes, tanto na plataforma tecnológica, quanto nos negócios a serem tratados pelo software (FARLEY,2002) e (MORASCA,2002). Outra classe de fatores de impacto dizem respeito às restrições de prazos impostas ao desenvolvimento (POTOK,1995) (HAMID,1996) e (AGARWAL,2001). Outros autores citam como características relevantes: o nível de reutilização utilizado no desenvolvimento e o uso de metodologia de desenvolvimento de software (POTOK,1995). Por outro lado, o SPR Software Productivity Reseach apresenta apenas valores médios de produtividades por linguagens de programação, enquanto o David Counsulting Group (DCG,2004) apresenta somente valores sintetizados por plataformas de desenvolvimento (grande porte, plataforma baixa, cliente/servidor, WEB, etc). O ISBSG Institute of Software Benchmarking Standards Group, apesar de apresentar uma amostra de mais de 2000 projetos e suas produtividades, não contempla algumas das características apontadas na bibliografia (pressões de agendas, experiência da equipe, dentre outros). Além disso, o ISBSG, por apresentar somente produtividades realizadas, não oferece informações para o entendimento sobre a precisão das estimativas iniciais realizadas em cada projeto de software cadastrado. AGUIAR (2004) argumenta que não se pode tomar uma boa decisão tendo apenas uma produtividade média, sendo também necessário conhecer outros atributos de projetos. (HAMID,1996) (KULIK,2000) e (MAXWELL,2001) afirmam que simplesmente o registro de dados de produtividade não é suficiente para melhorar o processo de estimativas, sendo necessário analisá-los para entender suas influências em projetos e seus contextos produtivos. Assim sendo, uma vez identificadas as variáveis, ou combinações de variáveis que auxiliam no entendimento dos valores registrados na base histórica de produtividades próprias da organização, elas podem basear a realização das analogias necessárias para as estimativas futuras (MAXWELL,2001).

4 Portanto, o registro das produtividades juntamente com suas características constitui um conhecimento a respeito do processo de desenvolvimento próprio da organização que, quando tratado, registrado e disponibilizado, torna-se relevante como fonte de pesquisas para estimativas futuras, podendo melhorar a precisão dos seus resultados. O tratamento evolutivo pode colaborar para a característica de melhoria contínua da precisão do processo de estimativas, melhorando a qualidade dos seus resultados, isto é dos esforços e prazos estimados Abordagens de melhoria O modelo conhecido como QIP Quality Improvement Paradigm (BASILI,CALDIERA 1994) retrata antigas preocupações com a melhoria contínua da qualidade de processos, cujas raízes remontam o final da década de 30, quando o ciclo PDCA (Plan-Do-Check-Action) foi discutido inicialmente, (JOHNSON,2002). O paradigma QIP é baseado no ciclo PDCA e pode ser detalhado em seis etapas que são (BASILI,CALDIERA 1994): caracterizar o projeto e seu ambiente com respeito aos modelos e estabelecendo linhas de base com os processos de negócios existentes na organização; definir objetivos quantificáveis com base na caracterização inicial; selecionar o processo para a melhoria, conforme os objetivos estabelecidos; executar os processos, construindo os produtos, coletando e validando os dados; analisar os dados para avaliar as práticas atuais, determinando problemas, descobrindo novos aspectos e fazendo recomendações para projetos futuros e, por fim, empacotar as experiências adquiridas em modelos atualizados para poderem ser utilizadas futuramente. Especificamente para este trabalho, o QIP é interessante por adicionar ao ciclo PDCA a atividade de caracterização do ambiente para o seu melhor entendimento, e também a de empacotamento da experiência adquirida ao percorrer todo o ciclo de melhoria. Além disso, a fase de análise necessita de uma forma objetiva de avaliação, onde o GQM Goal Question Metrics apresenta-se como uma boa opção para o estabelecimento de análises quantitativas, baseados nos objetivos traçados para a melhoria almejada. O GQM foi proposto por BASILI (BASILI,1994) e tem sido utilizado para proporcionar métricas de acordo com necessidades de informação a respeito de produtos, processos e recursos utilizados. A idéia de melhoria contínua consiste em dado um conjunto de características de produtividades, utilizá-lo na escolha dos valores mais análogos para um determinado projeto. A execução deste projeto, com as análises comparativas entre valores previstos e realizados, proporcionadas pelas medições estabelecidas, gerando avaliações que realimentem o conjunto de características estabelecido e evidenciando comportamentos ou influências de fatores de impacto nas produtividades. Este conhecimento, devidamente registrado e disponibilizado pode se constituir num refinamento evolutivo de características de produtividades, servindo para melhorar continuamente a precisão das próximas estimativas da organização. 3. Metodologia e estado atual do trabalho A proposta deste trabalho prevê então a utilização do ciclo QIP para todos os projetos de desenvolvimento de software, onde são necessárias estimativas de esforço. Assim sendo, para atender cada fase do QIP são necessárias as atividades do quadro 1. O estágio atual do trabalho encontra-se na fase de definição do processo. Uma primeira definição das características de produtividade já foi realizada assim como a definição do GQM inicial. Além disso, uma primeira versão da ferramenta que apóia a estimativa de tamanho já se encontra desenvolvida.

5 Atividade O que é desejado O que deve ser feito Caracterizar Caracterização de projetos segundo os fatores de impacto apontados como características importantes para a precisão das estimativas Definir Objetivos Escolher Processo Executar Analisar Empacotar Definir objetivos de melhoria com metas quantificáveis nos projetos em estudo para diagnosticar suas situações Uso de um processo de estimativa de esforço que vai desde a estimativa de tamanho de projetos até a definição da análise de semelhança para a escolha de valores de produtividades que serão utilizados nas estimativas de esforço Executar as estimativas, obtendo os dados de esforço para cada projeto em estudo. Depois de executados os projetos, verificar esforços estimados e realizados (precisão das estimativas) Registrar o projeto estimado com todos os valores que caracterizam a produtividade e com os resultados reais do projeto obtido (esforço, prazo, equipe, etc). Definição dos fatores de impacto que serão usados na caracterização de produtividades em projetos de desenvolvimento de Software Definição do GQM que traduzirá as medidas objetivas com as quais serão feitas as análises de precisão das estimativas de esforço nos projetos escolhidos. Definição do processo de estimativas e como realizar a análise de semelhança. Preparar ferramenta de apoio a estimativas para que, escolhidas as semelhanças entre projetos, se obtenham as estimativas de esforço. Utilizar métricas definidas, fazendo comparações entre valores estimados e valores realizados, com análises críticas e registro de conclusões. Na proposta original do QIP essa atividade envolve generalização e definição do que deve ser empacotado. Como nesta proposta cada projeto é um valor importante para a construção de uma base histórica todo projeto deve ser armazenado. Para essa atividade, deverá ser desenvolvida uma ferramenta que apóie o registro dos projetos, construindo uma base histórica de estimativa. Além disso, essa ferramenta será utilizada para apoiar o processo de estimativa como um todo. Quadro 1: Fases do trabalho proposto 4. Trabalhos relacionados Até o momento foram encontrados na literatura estudos demonstrando alguns fatores de impacto nas estimativas de esforço, conforme descrito no item 2.2. Alguns destes estudos utilizam o GQM para selecionar métricas que melhor atendem aos objetivos da medição a ser realizada, os pesquisadores têm utilizado bastante a abordagem Goal-question-metric GQM (BASILI,1994). Assim sendo, esta é uma técnica amplamente conhecida na área de qualidade de software assim como a utilização de ciclos de melhoria contínua da qualidade que, neste caso será aplicado ao processo de estimativa a fim de melhorar a precisão dos seus resultados. Alguns autores também ressaltam a necessidade de que os valores de produtividade devem ter suas caracterizações para servirem como analogias em estimativas futuras (AGUIAR,2004) (FARLEY,2002), enquanto outros apresentam inclusive recomendações importantes para a coleta e análise de dados sobre produtividade em estudos comparativos (MAXWELL,2001).

6 5. Resultados esperados Ao finalizar e aplicar a pesquisa espera-se alcançar os seguintes resultados: Obter um framework de características para que sejam feitas análises de semelhanças entre projetos já realizados e novos projetos a serem estimados; Obter um conjunto de medidas que mostrem a melhoria contínua da precisão das estimativas de esforço; A cada novo projeto, espera-se melhorar a precisão das suas estimativas através da escolha de valores de produtividades a partir de projetos com características semelhantes. Bibliografia AGARWAL, Manish, Kumar; YOGESH, S. Mallick; BRARADWAJ, R. M., et all, Estimating Software projects, ACM SIGSOFT, p.60, 2001 AGUIAR, Maurício, Qual a Produtividade do JAVA?, BFPUG ( produtividade_java.htm), Março 2004 BASILI, V. E Rombach, H. Goal Question Metric Paradigm; Encyclopedia of Software Engineering 2, 1994 BASILI, V. R., CALDIERA, Gianluigi; ROMBACH, H. Dieter; The Experience Factory, 1994 DCG, David Consulting Group, acessado na internet em 29 de março de 2004 DGC, David Consulting Group, site internet: group.com/indata.htm, Acessado em Março de 2004 FARLEY,Dick. Making Accurate Estimates, IEEE, 2002 FENTON, PFLEEGER,N.,PFLEEGER, S.Softwre Metrics A Rigorous & Practical Approach, 2 nd Ed.: PWS Publishing Company, 1997 GARMUS,HERRON, David; HERRON, David. Function Point Analysis Measurement Practices for Sucessful Software Projects, Addison-Wesley Information Technology Series, 2000 HAMID, Tarek K. Abdel, The Slippery Path to Productivity Improvement, IEEE Software, 1996 IFPUG,CPM Counting Practices Manual, release 4.1.1; IFPUG International Function Point Users Group; 1999 ISBSG, The Benchmarking, Release 8, ISBSG International Software Benchmarking Standards Group, 2003 JOHNSON, Corine N., The Benefits of PDCA, Quality Progress, pp.120, 2002 JONES, C. Software Challenges: Function point: a new way of looking at tools, Computer, August, p KULIK, Peter, A practical Aproach to Software Metrics, IEEE, 2000 LOW,Graham C., ROSS, D.Jeferry, Function Points in the Estimation and Evaluation of the Software Process, IEEE, 1990 MARTIN,PEDROSS,Arnold; PEDROSS, Peter. Software Size Measurement and Productivity Rating in Large Scale Software Development Department, IEEE, 1998 MAXWELL, Katrina D.,Colleting Data for Comparability, Benchmarking Sofware Development Productivity, IEEE Software, September/October 2001 MORASCA,GIULIANO,,Sandro, GIULIANO, Russo. An Empirical Study of Software Productivity, IEEE, 2002 POTOKVOUK, T.; VOUK, Mladen. Development productivity for comercial SW Using OO Methods; ACM, 1995 SIMÕES, C. Sistemática de Métricas, Qualidade e Produtividade, Developers Magazine, 1999 SOMERVILE, Ian. Engenharia de Software 6a. Edição; Ed. Addison Wesley, 2003