Com o resultado da pesquisa, ao se conhecer qual métrica influência na manutenção de software, permite-se a fábrica de software ajustar o processo de desenvolvimento de software para obter vantagem competitiva frente aos seus concorrentes, mitigando problemas, reduzindo o tempo e o investimento gasto com a manutenção de software.
Após a aplicação do algoritmo para analisador cada resposta vai receber um diagnóstico conforme segue:
Viável – O item em questão tem forte tendência para avaliar a qualidade da manutenção de software.
Inviável – O item em questão tem baixa tendência para avaliação da manutenção.
Não conclusivo – Poderá ser submetido a novas avaliações.
A análise foi realizada por meio da lógica paraconsistente, elaborada sobre as respostas dos especialistas sobre os 5 fatores. Os graus de evidência favorável e evidência contrária de cada especialista foram obtidos conforme quadro abaixo:
Figura 43 - Tabela de Resultados Parciais
Conforme a Figura 3, teve-se como resultado desta pesquisa, de acordo com a análise das respostas dos especialistas, os fatores F01 e F02 respectivamente Analisibilidade e Testabilidade, na coluna fator, resultaram viáveis, estes fatores pertencem consecutivamente as métricas de Analisibilidade e Testabilidade e pela pesquisa são as que mais causam influência na qualidade da manutenção.
Figura 44 - Tabela de Resultados
Figura 45 - Análise
Analisando os graus de evidência favorável (a) e evidência contrária (b) obtém-se os resultados da aplicação dos operadores Max e Min para os fatores F01, F02, F03, F04 e F05 conforme a Figura 3.
Analisando os dados plotados no gráfico da Figura 4, tem-se as informações que podem auxiliar na análise das respostas obtidas no questionário. Os valores de evidência favorável e evidência contrária da variável global, nos ajudam a interpretar quais proposições são melhores para analisar a qualidade da manutenção de software.
Verifica-se no gráfico que as proposições F01 e F02, respectivamente Analisibilidade e Testabilidade, estão na região de verdade, concluindo-se são viáveis para analisar a qualidade da manutenção de software. As proposições F03 e F05, respectivamente Modificabilidade e Portabilidade, pertencem a região de quase verdade
proposições não conclui nem pela viabilidade e nem pela inviabilidade de sua utilização necessitando de novos estudos para sua aplicabilidade. O fator F04, Estabilidade, ficou na região quase falso tendendo ao inconsistente resultando em uma análise não conclusiva também.
Pode-se também utilizar a aplicação da regra de decisão, por meio do cálculo do grau de certeza da variável global (Figura 5, coluna HW = Figura 5, coluna aW - Figura 5,
coluna bW) onde aplica-se a regra de decisão conforme segue:
1. Se Figura 5, coluna H ≥ Nível de Exigência, a proposição é viável.; 2. se Figura 5, coluna H ≤ – Nível de Exigência, a proposição é inviável); e 3. se Nível de Exigência < Figura 5, coluna HW < Nível de Exigência, a
proposição é não conclusiva.
Conforme a tabela abaixo o grau de certeza da variável global (Figura 5 HW), nos
mostra que somente as proposições F01 (Figura 5, coluna H = 0,7) e F02 (Figura 5, coluna H = 0,7), respectivamente Analisibilidade e Testabilidade, são viáveis e as demais não conclusivas o que significa que para estas últimas necessita-se que novos estudos sejam realizados se a indecisão.
Figura 46 - Tabela de Graus Resultantes
Conclusões
Conclui-se que dos cinco fatores apresentados para os especialistas, estes elegeram somente os fatores Analisibilidade e Testabilidade como fatores viáveis para analisar a qualidade na manutenção de software. Identificou as métricas ou proposições que mais afetam a qualidade da manutenção, no caso deste estudo os fatores F01 e F02, respectivamente Analisibilidade e Testabilidade, permitindo aos especialistas ponderar sobre os defeitos da aplicação desenvolvida atualmente e quais as melhorias que poderão ser realizadas no futuro para mitigar o problema de manutenção tendo como
foco estes dois fatores. O presente artigo fez a validação das questões sobre a qualidade elaborada com cinco proposições. Interpretou-se por meio da LPA por meio da posição da variável global no QUPC, quadrado unitário do plano cartesiano. A variável global indica o grau de evidência favorável e de evidência contrária dos dados informados pelas opiniões dos especialistas, no caso a variável global se situa em (0.67; 0.28) o que constitui um estado “Quase-verdadeiro tendendo ao Paracompleto” [2]. Apesar dos fatores F01 e F02, respectivamente Analisibilidade e Testabilidade, terem apresentado viabilidade, o presente estudo mostrou-se, conforme indicado pela variável global a necessidade de propor um novo questionário com a certeza de incluir os fatores F01 e F02, respectivamente Analisibilidade e Testabilidade, e refazer os fatores F03, F04 e F05, respectivamente Modificabilidade, Estabilidade e Portabilidade para reapresentar aos especialistas.
Referências
[1]. ABE, J. M.; DA SILVA FILHO, J. I.; CELESTINO, U.; CORRÊA, de A. H. Lógica Paraconsistente Anotada Evidencial Eτ. Santos: Editora Comunicar, 2011. [2]. DA COSTA, N.C.A.; ABE, J., M.; MUROLO, A. C.; DA SILVA FILHO, J. I.; LEITE, C. F. S. Lógica Paraconsistente Aplicada. São Paulo: Atlas, 1999.
[3]. DA SILVA FILHO, J. I.; Abe, J. M. Fundamentos das Redes Neurais Artificiais Paraconsistentes destacando aplicações em Neurocomputação. São Paulo, Arte & Ciência, p.298, 2001.
[4]. ISO25010. System and Software Engineering - Systems and software Quality Requirements and Evaluation (SQuaRE) — System and software quality models. ISO/IEC - International Organization for Standardization and International Electrotechnical Commission, Switzerland, 1 edition, 2011
[5]. LYU, M. Software Reliability Engineering: A Roadmap, Proceedings ICSE – International Conference on Software Engineering, 2007
[6]. MONTINI, Denis Ávila. Modelo de Indicadores e risco para o orçamento de componentes de software para célula de manufatura / Denis Ávila Montini.
[7]. PRESSMAN Roger S. Software engineering: a practitioner’s approach - New York, NY, EUA: The McGraw-Hill Companies, Inc., 2011. - Vol. 7th Edition ISBN 0073375977 /9780073375977 ©.
[8]. SOMMERVILLE, I. Engenharia de Software. 6th edition, Pearson Addison Wesley, 2003.
[9]. CARVALHO, Fabio Romeu; ABE, Jair M. Tomadas de Decisão com Ferramentas da Lógica Paraconsistente Anotada, Editora Edgard Blucher Ltda., 2011.
[9]. CARVALHO, Fábio Romeu de, ABE, Jair Minoro. A Paraconsistent Decision- Making Method. Editora Springer. 2018. ISBN 3030089193.
[10]. ABE, Jair Minoro. Aspectos de lógica e teoria da ciência. Instituto de Estudos Avançados da Universidade de São Paulo, 2011.
[11]. SUBRAHMANIAN, V. S. Amalgamating Knowledge Bases. ACM Transactions on Database Systems, Vol. 19, No. 2, June 1994.
[12]. ADALI, Sivel; SUBRAHMANIAN, V. S. Amalgamating knowledge Bases, II: Algorithms, Data Structures and Query Processing. Department of Computer Science. Institute for Advanced Computer Studies E Institute for Systems Research. University of Maryland. Colleg Park, Maryland 20742. {sivel,vs}@cs.umd.edu
[13] ISO/IEC 9126. International Standard. Information Technology. Software Product Evaluation. Quality characteristics and guidelines for their use. Geneve, 1991.