Medidas de desempenho de projetos 45

De acordo com Swink et al. (2005), a eficácia de um projeto é o grau em que os gestores fazem o uso de técnicas que melhoram a eficiência da execução do projeto. Dweiri & Kablan (2006) alegam que as métricas e ferramentas padrões de gerenciamento do desempenho de projetos impactam na metodologia padrão de gerenciamento de desempenho, que por sua vez influenciam no seu sucesso. Mesmo assim, existem, na literatura, vários trabalhos que focam nas medidas de desempenho de projetos, conforme mostra a seguir.

Lauras et al. (2010) propõem um método de avaliação do desempenho adequado à criação de um sistema de medida de performance de projeto que pode consolidar todas as

boas práticas em termos de desempenho do projeto. Além disso, visam propor uma forma de agregar as medidas de performance multicritério. Este trabalho discute a dificuldade de controlar um projeto complexo utilizando um grande número de indicadores de desempenho. Os autores observaram vários aspectos críticos para o problema, visto que existem muitas dimensões para avaliar o desempenho (custo, tempo, qualidade, risco, etc). Não obstante, os fatores de desempenho devem ser capazes de ser agregados para controlar o projeto, porém, segundo os autores, não existe instrumento formalizado para fazer isso. Sendo assim, eles sugerem um método para facilitar a análise do desempenho através de uma abordagem multicritérios. O método foca três eixos particulares para a análise, que são: as tarefas do projeto, a categoria dos indicadores de desempenho e uma estrutura baseada na eficácia, eficiência e relevância. Por fim, o método MACBETH é usado para agregar as expressões desempenho do projeto.

Em outro trabalho, Dweiri & Kablan (2006) apresentam uma abordagem que utiliza um sistema de tomada de decisão baseado na lógica fuzzy para quantificar a eficiência interna no gerenciamento de projetos. A avaliação dessa eficiência pode servir para gerentes e para as organizações do projeto como um indicador do nível de realização dos objetivos internos do gerenciamento de projeto, como também serve para auxiliar na avaliação do desempenho das equipes.

De acordo com os autores, as aplicações específicas da lógica fuzzy em gerenciamento de projetos são relativamente poucas em comparação com outras áreas de aplicação. Dweiri & Kablan (2006) consideraram os critérios de custo, tempo e qualidade do projeto para serem consideradas como medidas internas de eficiência na gestão de projetos. Sendo assim, o foco do trabalho deles foi apresentar uma abordagem que emprega tomada de decisão fuzzy para combinar estas três medidas em uma única medida, chamada de Eficiência Interna da Gestão de Projetos, que deve representar uma estimativa global de como o projeto foi gerenciado e executado.

Segundo Dweiri & Kablan (2006), para utilizar a lógica fuzzy no apoio a tomada de decisão para avaliação da eficiência interna do gerencimanto de projetos (EIGP), devem ser seguidos os seguintes passos:

− Encontrar todos os fatores que afetam a eficiência do gerenciemanto de projetos. De acordo com Dweiri & Kablan (2006), os critérios que afetam a avaliação são custo, tempo, qualidade e seus respectivos pesos. Para os pesos, o somatório dos mesmos deve ser igual a 1.

− Desenvolver um subconjunto fuzzy e as funções de pertinência para cada variável de entrada e saída utilizando conhecimento e experiência dos especialistas.

− Determinar as regras de decisão SE-ENTÃO que governam o relacionamento entre as variáveis de entrada e saída.

− Referir os valores de entrada para seus conjuntos fuzzy e aplicar as regras de decisão.

− Compor os resultados fuzzy para a saída e usar algum método de defuzzificação para obter um valor para a variável de saída.

Com relação aos critérios utilizados para seleção de projetos, Jiang & Klein (1999), conduziram uma pesquisa de campo e concluíram que as organizações que têm expectativas com a importância futura da área de TI/SI dependem fortemente de metas organizaiconais, apoio gerencial e fatores ambientais. Enquanto isso, organizações com menor importância estratégica dos SI dependem mais do apoio gerencial, considerações políticas e riscos. Com esses resultados, os autores permitem aos gerentes atribuir critérios de seleção de projetos de acordo com seu uso estratégico do SI.

Qureshi et al. (2009) propuseram um modelo, utilizando seis critérios (liderança, recursos humanos, políticas e estratégias, recursos, processo do ciclo de vida, indicadores- chave de performance), baseado no modelo de excelência European Foundation of Quality Management, que avalia o nível de impacto desses critérios sobre o desempenho do gerenciamento de projetos.

Já em relação à avaliação de riscos em projetos, Lee (1996) além de construir um modelo de estrutura de risco no desenvolvimento de software, também avaliou a taxa de risco agregativa utilizando a teoria da lógica fuzzy e da análise de estruturas hierárquicas.

Para estabelecer um modelo de estrutura hierárquica de risco agregativa, Lee (1996) classificou os fatores de risco em seis atributos. Além disso, dividiu cada atributo em alguns aspectos de risco, conforme pode ser visto na figura a seguir.

Figura 3.1 - Atributos dos riscos (Fonte: Lee (1996))

Neste caso, uma vez que o grau do risco e o grau de importância de cada item de fator de risco são determinados pelo gerente de projeto, de acordo com sua análise do risco, atribuindo-se um conjunto de pesos para os atributos e conjunto de pesos aos itens, e um conjunto de números inteiros com o grau de risco e o grau de importância de cada item de risco, então o gerente pode avaliar a taxa de risco agregativa.

Segundo o autor, o modelo de estrutura para avaliar a taxa de risco agregativa é muito útil no ciclo de vida de desenvolvimento de software. Sendo assim, ao avaliar a taxa de risco agregativa, podem-se ajustar os pesos ou graus dos fatores, para que se tome a decisão de aceitá-lo ou não.

Enquanto isso, Chen (2001) apresentou um novo algoritmo para avaliar a taxa de risco agregativa em desenvolvimento de software sob a tomada de decisão em grupo baseada na lógica fuzzy. O algoritmo proposto foi uma evolução do proposto por Lee (1996). Ele tem as vantagens de não precisar formar as matrizes de avaliação fuzzy para os atributos e não precisar executar as operações complexas de defuzzificação dos números fuzzy, usando o método centróide.

3.3 Pesquisa de campo sobre Gestão de Projetos nas empresas de TI/SI do