A especificação das métricas pode ser realizada recorrendo a uma linguagem natural e a uma linguagem formal.
• Linguagem natural → Esta é uma técnica bastante usada, devido ao facto de ser intuitiva e universal, mas traz consigo alguns problemas, sendo estes a possibilidade da definição da métrica ser vaga ou ambígua [Som16].
• Linguagem formal → A definição de métricas através de uma linguagem formal evita ambiguidades, aumentando assim a sua consistência e permite ainda criar mecanismos de automatização na sua definição. Estas definições têm como base a utilização de conceitos matemáticos e lógicos. Por outro lado, uma definição formal exige conhecimento sobre a linguagem usada, para que seja compreendida [Abr01]. Para definir as métricas nesta dissertação, serão utilizadas ambas as linguagens acima apresentadas, sendo que para a definição formal será utilizada oOCL.
2.5.1 OCL
A linguagemOCLé utilizada para apresentar a descrição das métricas numa forma rigorosa. Esta trata-se de uma linguagem declarativa, sendo utilizada para representar e implementar expressões sobre os modelosUML[OMG14], nesta dissertação, serão criadas expressões sobre o meta-modelo do BPMN, que é definido através de um diagrama de classes.
Para além doOCLser utilizado para especificar expressões, pode ser utilizada como uma linguagem de pesquisa, para especificar invariantes das classes, pré e pós condições
das operações e restrições. Também é possível descrever mensagens, ações e novas regras derivadas dos atributos dos modelos [OMG14].
Os grandes benefícios existentes com a utilização desta linguagem são: documenta- ção melhor elaborada, uma vez que existe mais informação descrita; existência de uma maior precisão e sem ambiguidades, ou seja, a utilização da linguagemOCL, remove a divergência de interpretação da informação apresentada [Alm14] [OMG14].
Esta linguagem contém quatro tipos primitivos de dados: Booleanos, Inteiros, Reais e Strings. Estes tipos por sua vez, são interrogados ou analisados com recurso aos opera- dores lógicos existentes, que são: > (maior), < (menor), >= (maior ou igual), >= (menor ou igual) e = (igual). Para além destes operadores, existem ainda palavras-chave, que representam expressões condicionais sobre os atributos existentes. As palavras-chaves existentes são: if-then-else, and, or, xor, not, implies, let-in e in. Para além dos tipos de dados primitivos, existem ainda: conjuntos, podendo ser ordenados ou não, sequências e bags [OMG14].
NoApêndice Bencontra-se um exemploOCLde definições e restrições a partir de um diagrama de classes.
2.5.2 Complexidade
Existem diversas perspetivas complementares sobre a complexidade, algumas destas relacionam-se com os elementos do modelo em si [Car05b], ou seja, a complexidade corresponde à quantidade de elementos do modelo. Por outro lado, a complexidade pode relacionar-se com a dificuldade de compreensão da notação dos modelos e as suas técnicas de modelação[Edm95].
A complexidade de um diagrama cresce de acordo com o aumento de elementos representados no diagrama. Ao aumentar a complexidade pode-se aumentar também o esforço necessário para a compreensão do diagrama, assim como o esforço necessário para a manutenção e modificação do mesmo. [Car06;GL06b;Men+07;PC17].
Devido à complexidade crescente dos diagramas, esta passou a ser uma propriedade que deve ser medida e analisada. Para analisar a complexidade são utilizadas e criadas novas métricas, de modo a perceber e mitigar a sua complexidade. As métricas devem medir os diversos aspetos e componentes dos diagramas, assim como devem ser utilizados diferentes géneros de métricas [GL06b;SG+10].
Os aspetos avaliados pelas métricas podem ser agrupados em diferentes categorias [Car+06], sendo estas:
• Atividades → Quantidade de atividades presentes no diagrama.
• Fluxo de controlo → Quantidade de fluxos existentes no diagrama, entre as diver- sas atividades.
• Fluxo de dados → Relação entre os dados transferidos através do fluxo de controlo do diagrama.
2 . 5 . E S P E C I F I C AÇ ÃO D E M É T R I C A S
• Recursos → Recursos externos necessários para o processo representado no dia- grama ser concluído.
• Profundidade → Quantidade de decisões que devem ser tomadas no fluxo de con- trolo de modo a concluir uma determinada ação.
• Saltos → Fluxo de controlo de entrada ou saída para regiões diferentes dos mode- los.
• Peso cognitivo → Soma do esforço necessário para compreender os elementos do diagrama, baseando estes valores em estudos empíricos (como por exemplo, experi- mentos ou inquéritos).
• Anti-Padrões → Soma das secções dos diagramas que não sigam os padrões, defi- nidos por regras de boas práticas de modelação.
Dado o facto de os modelosBPMNserem gráficos, a capacidade de medição de uma métrica em processos interativos ou a sua modularidade também são aspetos importantes na análise da complexidade dos modelos [Edm95].
A validação de uma métrica pode ser decomposta em três passos [Muk10]: primeiro a métrica deve ser definida, de seguida esta passa por uma validação teórica e no final é feita uma validação empírica. Uma validação teórica baseia-se na verificação da estrutura da métrica, se esta é correta e adequada para o objetivo proposto. O mais importante nesta fase é perceber qual é o tipo de escala (como por exemplo, nominal, percentagem, intervalo de valores, entre outros) que deve ser utilizada para fazer a medição em causa. Por outro lado, a validação empírica verifica se as métricas permitiram alcançar o objetivo para o qual foram definidas. É nesta fase que são utilizados inquéritos ou são realizadas experiências de modo a fazer a validação da métrica [PC17].
Ainda em relação à validação teórica, são utilizados três métodos para a fazer, se a escala usada é a adequada, se as propriedades doframework de Briand são respeitadas e
ainda se as propriedades de Weyuker também são respeitadas. Estas propriedades estão detalhadas naSecção 2.5.3.
Na literatura são apresentadas sessenta e seis métricas [PC17], retiradas de diversos artigos, apresentadas noAnexo III. Quanto às métricas apresentadas, o domínio dos pro- cessos de negócio é aquele que possui mais diversidade de métricas, sendo estas na sua maioria relacionadas com a notação gráfica utilizada. A maioria das métricas apresenta- das avaliam um ou dois tipos de componentes (atividades, fluxo de controlo, fluxo dos dados ou recursos). A componente que é mais avaliada é o fluxo de controlo, com vinte e seis métricas diferentes e o par de componentes mais avaliado é a junção das atividades com o fluxo de controlo. Isto acontece devido ao facto de serem as componentes mais utilizadas nos diagramas.
2.5.3 Propriedades e categorização das métricas
Weyuker propõe nove propriedades que oferecem um ferramenta de avaliação para as métricas definidas. As propriedades são [Bri+96;Car05a]:
1. Medições de processos diferentes não possuem o mesmo grau de dificuldade, ou seja, não é obtido o mesmo resultado.
2. A métrica deve conseguir demonstrar resultados, por outras palavras, a granulari- dade do que está a ser medido deve ser informativa de modo a retirar conclusões. 3. Para processos semelhantes quando aplicada a métrica, devem ser obtidos resulta-
dos semelhantes.
4. Mesmo que dois processos tenham a mesma funcionalidade, não implica que pos- suam a mesma complexidade.
5. A junção das complexidades de dois processos diferentes é sempre maior ou igual à complexidade do processo menos complexo.
6. Quando agregados dois processos será obtido um valor de complexidade, que por sua vez, será diferente do valor obtido da agregação de um destes processos com qualquer outro processo.
7. Mesmo que um processo seja a permutação da ordem das atividades de outro pro- cesso, não implica que o resultado das métricas quando aplicado seja o mesmo. 8. A mudança de nome das atividades não interfere com os resultados obtidos das
métricas.
9. Uma métrica deve ser capaz de detetar quando existem mudanças de comporta- mento no processo que é avaliado. Como por exemplo, a junção de vários processos pode resultar na obtenção de valores maiores na aplicação da métrica do que uma simples somas das complexidades dos mesmos processos.
Por outro lado, Briand categoriza as métricas em cinco grupos distintos [Bri+96;
Muk10]. Para qualquer um destes grupos, os resultados obtidos nunca podem ser negati- vos e só é obtido um valornull quando não existem elementos no modelo. As categorias
são:
1. Tamanho → Quantidade de elementos presentes no modelo, possuindo proprie- dade de adição.
2. Comprimento → Pode ser descrita como a distância entre dois elementos. A pro- priedade de adição não afeta os processos em si, mas sim o resultado obtido pela métrica.
2 . 6 . E Y E -T R AC K I N G
3. Complexidade → Esta não pode depender da convenção usada para a representa- ção da conexão entre os elementos. Se os processos forem disjuntos a complexidade é a soma da complexidade de todos os processos. Por último, caso exista interseção entre os processos, o resultado final da complexidade nunca será menor que a soma das complexidades dos processos.
4. Acoplamento (do inglêscoupling) → Esta captura a relação entre os elementos de
diferentes módulos.
5. Coesão → Utilizadas quando é necessário referir vários módulos e existe a ne- cessidade de encapsulamento de alguns processos ou funcionalidades. Não existe propriedade de adição, ou seja, o resultado da junção dos módulos é o maior valor de coesão existente.