Identificação de Fatores que Influenciam a Produtividade em Projetos de Software

Transcrição

1 Identificação de Fatores que Influenciam a Produtividade em Projetos de Software Reinaldo Cabral e Rafael Morais Inform Sistemas Ltda. Av. Humberto Mendes, 189, Jaraguá, , Maceió-AL {reinaldo, rafael}@informsistemas.com.br Abstract. The development of predictive capability of a software company requires the application of practices inherent to high maturity software processes. These practices stimulate the search for factors that influence the behavior of processes. Finding influential factors is not trivial, especially given the diversity of factors and the limited number of project data from historical basis of small and mid-sized enterprises. This paper presents an experience aiming to identify factors that influence the productivity of projects through the application of high maturity practices. Resumo. O desenvolvimento da capacidade preditiva de uma empresa de software requer a aplicação de práticas inerente à alta maturidade em processos de software. A aplicação de tais práticas estimula a busca por fatores que influenciam o comportamento dos processos, que não é trivial, especialmente devido à diversidade de fatores e o número limitado de dados de projetos que constituem a base histórica de pequenas e médias empresas. Este trabalho apresenta uma iniciativa com o intuito de identificar fatores que influenciam a produtividade dos projetos por meio da aplicação de práticas da alta maturidade. 1. Introdução Inúmeros fatores podem influenciar a execução de projetos e contribuir com a incidência de desvios de esforço, custo e prazo. Wagner e Ruhe (2008) realizaram uma revisão sistemática e identificaram 24 fatores técnicos e 27 fatores não técnicos capazes de influenciar a produtividade. Numa perspectiva da alta maturidade em processos, alguns destes fatores podem incidir como causas comuns de variação, isto é, inerente ao comportamento do processo, ou como causas especiais em função da incidência de fato incomum que afeta o comportamento do processo. Cada fator pode ter uma parcela de contribuição nesta variação. Portanto, para entender o comportamento dos processos sob a ótica da produtividade e aperfeiçoá-los é necessário identificar os fatores mais relevantes. Este trabalho realiza uma investigação em busca dos fatores que mais influenciam a produtividade no contexto de uma fábrica de software a partir da utilização de práticas da alta maturidade. O trabalho está organizado em cinco seções, incluindo esta introdução. A segunda seção apresenta ferramentas que podem ser uteis na detecção dos fatores que podem influenciar o esforço. A seção três descreve o procedimento proposto. Em seguida, a aplicação do procedimento é exemplificada em uma base de projetos de uma fábrica de software. A seção 5 discorre sobre os resultados obtidos e restrições para uso do procedimento. Por fim, são realizadas considerações finais na última seção. 158

2 Identificação de Fatores que Influenciam a Produtividade em Projetos de Software 2. Ferramentas para detectar e quantificar influências em projetos de software O uso de procedimentos estatísticos para quantificar a influência entre variáveis é uma das ferramentas mais utilizadas no contexto da engenharia de software. Há uma ampla gama de possibilidades. É preciso compreender cada medida estatística sua forma de aplicação para que não haja equívocos nos resultados e na interpretação. Dentre as medidas mais simples, destacam-se: a variância, a covariância, a correlação e o coeficiente de determinação. Estas medidas, em conjunto com uma análise de variabilidade do processo podem ser bastante uteis na quantificação dos fatores de influência em projetos de software. Modelos de maturidade como o MR-MPS-SW (SOFTEX, 2012) e CMMI (SEI, 2010), sugerem o uso do controle estatístico de processos para auxiliar na identificação de incidência de fatores que atuam na variação dos processos em prol. Uma vez que os processos estejam estáveis, a previsibilidade aumenta e a identificação dos fatores comuns de variação pode auxiliar no aumento da capacidade e na criação de modelos preditivos acurados. Se o processo está estável, há apenas causas comuns agindo sobre ele. Do contrário, há causas atribuíveis. Florac e Carleton (1999) propuseram um arcabouço para mensurar o comportamento dos processos e caracterizá-los quanto à estabilidade e capacidade. Os autores sugerem que a organização inicie por uma reflexão sobre os seus objetivos de negócio e do entendimento de quais processos podem dar maior contribuição. Em seguida, deve-se identificar e priorizar as questões a serem tratadas para que os processos atinjam os objetivos de negócio. Medidas devem ser identificadas, definidas, coletadas e analisadas para auxiliar na caracterização dos processos ou produtos. Ao avaliar o comportamento do processo com relação à estabilidade, as causas especiais de variação são identificadas e removidas. Ao atingir a estabilidade o processo é continuamente melhorado em prol do aumento da capacidade. Montoni et al. (2007) propuseram uma metodologia para criação de modelos de desempenho constituída por um processo para desenvolver modelos de desempenho para gerência quantitativa de projetos de software (Figura 1). Os autores ilustraram a aplicação da metodologia no contexto de uma empresa de software CMMI nível 3, resultando a construção de um modelo para monitorar quantitativamente os projetos de desenvolvimento de software a partir da predição da qualidade do produto sob o ponto de vista do seu conteúdo. Figura 1. Processo de desenvolvimento de modelos de desempenho de processos para gerência quantitativa de projetos de software (Montoni et al., 2007) 159

3 Rocha, Souza e Barcellos (2012) provêm detalhes sobre conceitos básicos e a aplicação adequada do controle estatístico de processos de software. 3. Contexto da Experiência A Inform Sistemas Ltda., fundada em 1991, é uma empresa de software Alagoana que vem investindo sistematicamente em melhoria dos seus processos utilizando o MR-MPS como modelo de referência desde 2009, ano em que obteve o MPS nível F. Em 2013 a empresa foi avaliada com êxito no nível C do MR-MPS-SW. A empresa possui uma unidade de fábrica de software que atua no desenvolvimento de aplicações nas plataformas Android, ios e Web e que também teve seus processos avaliados no nível C. A Figura 2 ilustra a visão macro do Processo Fabril que atualmente está na versão Figura 2. Processo Fabril Um dos principais indicadores para a Fábrica de Software é a produtividade, mensurada pela razão entre esforço realizado e o tamanho do projeto. O ISBSG 1 também utiliza esta razão como medida de produtividade, porém utiliza o termo taxa de entrega de projetos para referenciá-la. Nesta experiência foram considerados dezesseis projetos da base histórica da unidade fabril. Os projetos foram caracterizados com relação a um conjunto de fatores que poderiam influenciar a variação da produtividade de acordo com a visão dos líderes de projeto e com os fatores relacionados por Wagner e Ruhe (2008) considerados pertinentes ao contexto organizacional da unidade fabril. 3. Identificando fatores que afetam a produtividade A Inform Sistemas possui como um dos seus objetivos de negócio a necessidade de aumento do faturamento. Portanto, os processos produtivos, neste caso, o processo de desenvolvimento da fábrica de software, possui uma relação direta com este objetivo, uma vez que a melhoria da taxa de entrega poderá viabilizar o aumento da capacidade para atender um número maior de demanda por serviços e, consequentemente, possibilitará a expansão da carteira de projetos. Os procedimentos realizados com o intuído de identificar os fatores que afetam a produtividade foram baseados no arcabouço proposto por Florac e Carleton (1999) e Montoni et al. (2007). Em 1 International Software Benchmarking Standards Group

4 Identificação de Fatores que Influenciam a Produtividade em Projetos de Software síntese, utiliza-se a avaliação de estabilidade de processos para a identificação de causas especiais de variação (Passo 1) e é feita uma análise sobre um conjunto de fatores candidatos à causas comuns de variação (Passo 2) Passo 1: Identificando as causas especiais de variação O primeiro passo em busca dos fatores que afetam a Produtividade foi a realização da análise de estabilidade do processo de desenvolvimento com relação à Produtividade. Inicialmente a intenção era identificar outliers, isto é, projetos que pudessem ter sofrido a incidência de causas especiais de variação e que, por esta razão, poderiam dificultar a análise. A partir dos dados obtidos dos dezesseis projetos, foi construído de um gráfico de controle para avaliar a estabilidade da Produtividade. Para avaliar a estabilidade do processo foi utilizado o conjunto de nove testes de estabilidade disponível do software Minitab, com a aplicação dos parâmetros padrão, conforme ilustrado na Figura 3. Figura 3. Testes de estabilidade oferecidos na ferramenta Minitab com os respectivos parâmetros. Em primeira análise, o teste 5 de estabilidade indicou problemas no projeto 13. O teste indicou a existência de dois projetos (11 e 13) há mais de 2 desvios padrão da linha central e do mesmo lado. Os limites inferior e superior computados para o conjunto de projetos foi de 0,44 HH/PF e 8,57 HH/PF, respectivamente (vide Figura 4). Ao analisar o projeto 13 para identificar a causa de tamanha variação da produtividade, foi observado um investimento de esforço adicional para implementação de testes de aceitação automáticos na plataforma Android. Isto implicou no aumento da razão de esforço para cada ponto por função do projeto. 161

5 Figura 4. Gráfico de controle para valores individuais e para amplitudes móveis com testes de estabilidade O projeto 13 foi excluído da amostra de projetos e foi plotado um novo gráfico de controle (Figura 5). O novo gráfico ilustra a violação do teste 1, em função do projeto 11 ter ficado distante de três desvios padrão a partir da linha central. Ao analisar o projeto 11, constatou-se a existência de um requisito não-funcional que foi responsável por aproximadamente 50% do esforço adicional investido no projeto. Vale observar que após a exclusão do projeto 13, os limites inferiores e superiores foram redefinidos. Figura 5. Gráfico de controle para valores individuais e amplitudes móveis com a exclusão do projeto 13. Outra forma de observar que os projetos 11 e 13 provavelmente não pertencem ao grupo seria por meio de um histograma, conforme ilustrado no grupo 8 da Figura

6 Identificação de Fatores que Influenciam a Produtividade em Projetos de Software Figura 6. Histograma com os 16 projetos da base histórica (esquerda) e com os dois projetos excluídos (direita) O projeto 11 também foi excluído da amostra e um novo gráfico de controle foi gerado com apenas 14 projetos e não foram observadas falhas dos testes de estabilidade com relação à produtividade (Figura 7). O novo gráfico indica média de 3,554 HH/PF e limites inferior e superior de 1,118 e 5,989 HH/PF, respectivamente, para a variação (voz do processo). É importante considerar que a aplicação deste procedimento depende da existência de um número significativo de projetos. Figura 7. Processo estável após a exclusão dos projetos 11 e Passo 2: Identificando fatores que podem atuar como causas comuns Com a estabilidade da produtividade para este conjunto de projetos, foi iniciada a busca dos fatores que podem exercer influencia na produtividade. Foram enumerados dezessete fatores potenciais baseados nos fatores identificados por Wagner e Ruhe (2008) e em outros fatores identificados pelos líderes de projeto na unidade fabril. Em seguida foi feita uma análise do coeficiente de determinação para verificar qual o nível de influência dos fatores na produtividade dos projetos. 163

7 A partir dos valores obtidos na matriz foi elaborado um gráfico de pareto para observar mais claramente quais os fatores mais influenciam na produtividade dos projetos. Dentre estes fatores destacamos a produtividade na arquitetura e o componente de tamanho não funcional que, de acordo com o coeficiente de determinação, explicam aproximadamente 36% e 33% da variação da produtividade. Tabela 1. Correlação e coeficiente de determinação entre a produtividade e os Fatores Candidatos Fatores Candidatos Correlação Coeficiente de Determinação (R2) 1. Plataforma -0, , Tecnologia 0, , Tipo Cliente 0, , Tipo Serviço -0, , Tamanho Funcional -0, , Testes automáticos -0, , Projeto Novo/Manutenção 0, , Prazo Projeto 0, , Local Físico (ST/1A) 0, , Período de Início -0, , Produtividade na Codificação 0, , Produtividade na análise 0, , Produtividade na Arquitetura 0, , Componente Não-funcional 0, , Densidade Bugs Homologação 0, , Densidade de Bugs 0, , Mudanças 0, , Um dos aspectos que chamaram atenção foi o fato da produtividade da codificação exercer menos influência do que a produtividade na análise e a produtividade na arquitetura, uma vez que a codificação responde a 41% e a atividade de arquitetura corresponde a aproximadamente 14%. Outra questão é que fatores que poderiam indicar a existência de subgrupos de projetos, a exemplo da plataforma, tecnologia, tipo de serviço e projeto novo/manutenção, apresentaram baixa correlação. 164

8 Identificação de Fatores que Influenciam a Produtividade em Projetos de Software Figura 8. Gráfico de pareto para seleção dos fatores mais influentes Os passos 1 e 2 serão repetidos para os fatores identificados no primeiro ciclo de análise. Foi observado que a produtividade da arquitetura para os quatorze projetos não estava estável. Dentre as causas identificadas destacamos a curva de aprendizagem do arquiteto e o aumento da complexidade relativa a aspectos não funcionais do projeto. Ao tratar estes fatores espera-se diminuir o grau influência da produtividade da arquitetura na produtividade geral do projeto, o que implicará na definição de novos limites de controle e, possivelmente, no aumento da precisão das estimativas de esforço, que é derivada da produtividade. 4. Considerações finais Considerando o contexto da análise realizada, foram identificados dois fatores que atuaram como causas especiais de variação dos projetos: a incidência de um requisito não funcional de alta complexidade e a inclusão dos testes automáticos de aceitação para a plataforma Android. A identificação destes dois fatores foi guiada pela análise da estabilidade do processo sob a perspectiva da produtividade. Em um segundo passo foi identificado um conjunto de fatores que podem influenciar na variação comum da produtividade nos projetos. Estes fatores não seriam identificados, caso as causas especiais de variação não tivessem sido identificadas e os projetos afetados não tivessem sido excluídos da análise. Um aspecto relevante a ser considerado nesta experiência é que outros fatores, que não foram considerados na lista de fatores candidatos, podem atuar como causas comuns de variação na produtividade. Acredita-se que ao aprofundar a compreensão sobre o comportamento dos processos novos fatores de influencia poderão emergir. Concluindo, destacamos a opinião de Florac e Carleton (1999) quanto ao benefício da aplicação do controle estatístico de processos mesmo quando a organização está em níveis iniciais de maturidade com relação a modelos de qualidade. Este trabalho reitera o ponto de vista dos autores. 165

9 Referências Florac, W. A., Carleton, A. D. Measuring the software process: statistical process control for software process improvement, Massachusetts: Addison-Wesley, Rocha, A. R., Souza, G. S., Barcellos, M. P., Medição de software e controle estatístico de processos, Brasilia: Ministério da Ciência Tecnologia e Inovação, 2012 Montoni, M., Kalinowski, M., Lupo, P., Abrantes, J. F., Ferreira, A. I. F., Rocha, A. R.Uma metodologia para desenvolvimento de modelos de desempenho de processos para gerência quantitativa de projetos de software, VI Simpósio Brasileiro de Qualidade de Software (SBQS 2007), pp , SEI, Capability Maturity Model Integration (CMMI) for Development, version 1.3, Carnegie Mellon University, Software Engineering Institute - SEI, Technical Report, CMU/SEI-1010-TR-033, SOFTEX, Guia Geral MPS de Software, Associação para Promoção da Excelência do Software Brasileiro SOFTEX, 2012 Wagner, S., Ruhe, M., A systematic review of productivity factors in software development, Proceedings of 2nd International Workshop on Software Productivity Analysis and Cost Estimation (SPACE 2008),