Estimación de esfuerzo de trabajo y planificación de proyectos de desarrollo con restricciones de recursos

Abstract

Una etapa fundamental en el desarrollo de software es la planificación del proyecto, que en general, implica determinar el esfuerzo de trabajo, el orden en que se realizarán las tareas, qué y cómo se distribuirán los recursos y la definición de tiempos y costos de desarrollo para lograr el éxito del proyecto. Se han desarrollado variados modelos y herramientas que buscan apoyar esta etapa. COCOMO II es uno de las primeras propuestas. Permite, entre otras cosas, estimar el costo de software y esfuerzo de trabajo con una aproximación cada vez mayor a medida que avanza el proceso de desarrollo. Existen otros algoritmos que abordan el problema de la planificación de proyectos con recursos limitados (RCPSP). Dos de estos algoritmos propuestos recientemente serán los que se usen como base para esta tesis. Primeramente se considerará el Time-line based model for software project scheduling with genetic algorithms (TLB-SPS). Este utiliza un algoritmo genético, un espacio de búsqueda en tres dimensiones (tareas, empleados y períodos) y un modelo simple de aprendizaje. El otro es el Ant Colony Optimization for Software Project Scheduling and Staffing with an Event-Based Schedule (ACO-SPS) que utiliza un algoritmo de optimización ACO con un espacio de búsqueda de dos dimensiones, además de un planificador basado en eventos. Estas propuestas resuelven el problema de la planificación pero presentan otras dificultades. COCOMO II requiere gran cantidad de información y experiencia en gestión de proyectos para obtener una alta precisión. TLB-SPS, al utilizar un planificador basado en períodos, podría realizar una asignación ineficiente de tareas y recursos, y debido a su espacio de búsqueda, aumentar los tiempos de ejecución. Finalmente, ACO-SPS soluciona estos problemas reduciendo su espacio de búsqueda al utilizar un planificador basado en eventos, pero carece de un modelo aprendizaje para los empleados que lo hace menos flexible. Este trabajo propone una alternativa para la planificación de proyectos basada en las propuestas anteriores. Para ello se desarrolló el algoritmo EWEHD, que usa información histórica de procesos para estimar el esfuerzo de trabajo, las tecnología y los recursos utilizados en tareas similares. Se construyó un plugin para ProM para su libre utilización. También se extendió ACO-SPS para desarrollar un nuevo algoritmo ACO-SPS++ que incluye un modelo de experiencia y aprendizaje para los empleados que evoluciona a lo largo del proyecto. Los resultados obtenidos muestran que haciendo uso de registros históricos, se pueden extender los enfoques tradicionales para obtener una mayor precisión, ya que usando minería de datos, se puede no solo estimar los parámetros, sino también conocerlos de manera objetiva para la organización, el tipo de proyectos desarrollados y los recursos utilizados para etapas tempranas de la planificación. Por otro lado, el algoritmo ACO-SPS++, permitió modelar la experiencia y habilidades de cada empleado, adaptándose a la naturaleza evolutiva y dinámica de los proyectos de software, logrando reducir el costo de las planificaciones hasta en un 20 % y ser una alternativa viable para tareas de planificación de proyectos.