| 1. Identificação | |
| Tipo de Referência | Tese ou Dissertação (Thesis) |
| Site | mtc-m16b.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 6qtX3pFwXQZGivnK2Y/Sq253 |
| Repositório | sid.inpe.br/mtc-m17@80/2007/12.10.13.25 (acesso restrito) |
| Última Atualização | 2008:04.03.13.16.08 (UTC) simone |
| Repositório de Metadados | sid.inpe.br/mtc-m17@80/2007/12.10.13.25.47 |
| Última Atualização dos Metadados | 2019:04.03.19.28.16 (UTC) simone |
| Chave Secundária | INPE-15144-TDI/1276 |
| Chave de Citação | Tronto:2007:MeBaMo |
| Título | Uma metodologia baseada em modelos estatísticos e redes neurais para a estimativa de esforço de desenvolvimento de software  |
| Título Alternativo | A methodology based on statistics models and neural networks to the software project devolopment effort estimation |
| Curso | CAP-SPG-INPE-MCT-BR |
| Ano | 2007 |
| Data Secundária | 20080129 |
| Data | 2007-09-05 |
| Data de Acesso | 18 maio 2024 |
| Tipo da Tese | Tese (Doutorado em Computação Aplicada) |
| Tipo Secundário | TDI |
| Número de Páginas | 161 |
| Número de Arquivos | 496 |
| Tamanho | 22606 KiB |
| 2. Contextualização | |
| Autor | Tronto, Iris Fabiana de Barcelos |
| Grupo | CAP-SPG-INPE-MCT-BR |
| Banca | Carvalho, Solon Venâncio de (presidente) Silva, José Demisio Simões da (orientador) Sant'Anna, Nilson (orientador) Olivo, Acioli Antonio de Castro, Jaelson Freire Brelaz de Fabbri, Sandra Camargo Pinto Ferraz |
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
| Cidade | São José dos Campos |
| Histórico (UTC) | 2008-01-30 15:56:22 :: jefferson -> administrator :: 2008-04-03 13:28:07 :: administrator -> jefferson :: 2008-10-16 17:38:44 :: jefferson -> administrator :: 2009-07-07 20:13:30 :: administrator -> jefferson :: 2009-11-05 14:57:39 :: jefferson -> alessandra@sid.inpe.br :: 2010-01-11 19:24:36 :: alessandra@sid.inpe.br -> administrator :: 2018-06-05 03:36:12 :: administrator -> viveca@sid.inpe.br :: 2007 2019-04-03 19:26:12 :: viveca@sid.inpe.br -> simone :: 2007 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Palavras-Chave | estimativa de esforço de software redes neurais artificais análise de regressão análise de variância análise de resíduos software effort estimation artificial neural networks regression analysis analysis of variance analysis of residuals |
| Resumo | Estimativa de esforço de software é uma parte importante do desenvolvimento de software e fornece um guia essencial para a análise de viabilidade, licitação, orçamento, planejamento e acompanhamento de projeto. As consequências de estimativas imprecisas podem resultar em perdas significativas ou mesmo em perda de contratos. Em geral as estimativas de projetos são excedidas, principalmente porque as estimativas são muito otimistas. Nesta tese, o principal objetivo é apresentar uma metodologia baseada em métodos estatísticos e de redes neurais para realizar estimativas de esforço mais precisas e de forma mais simples. Esta pesquisa contribui para a redução de erros de estimativa de projeto de desenvolvimento de software, permitindo que o público interessado tenha um melhor entendimento das várias classes de modelos e técnicas de estimativa de esforço de software e da expressividade das variáveis de projeto disponíveis. São utilizadas redes neurais artificiais, técnicas de raciocínio baseado em casos, modelos baseados em regressão, e técnicas para integrar análise de resíduos, análise de variância e modelos baseados em regressão. Vários estudos de casos foram conduzidos para validar os diferentes métodos. Os resultados indicam que os métodos propostos apresentam resultados realistas, para os dados das empresas disponíveis na base de dados, e que o uso de redes neurais implica em um processo simples de calibração de modelos locais. Entretanto, observa-se que as técnicas são dependentes dos dados disponíveis, exigindo a re-calibração dos modelos em função do surgimento de novas tecnologias para o desenvolvimento de software. ABSTRACT: Software effort estimation is an important part of software development work and provides essential input to project feasibility analyses, bidding, budgeting and planning. The consequences of inaccurate estimates can be severe. Optimistic estimates may cause significant losses while the pessimistic estimates may lead to loss of exiting and future contracts. Unfortunately, it is common for software development projects to overrun their effort estimates, typically because the estimates are too optimistic. This thesis presents a methodology based on statistical and neural networks methods to provide more accurate effort estimates in a simpler way. The goal of this research is to contribute to reduce estimation error in software development projects by better understanding the different software effort estimation models and techniques that include: artificial neural networks, case-based reasoning techniques, regression-based models, and techniques for integrating analysis of residuals, analysis of variance and regression-based models. Several case studies have been conducted. The results show all the proposed models lead to realistic estimations, however, neural networks based models emerge as a very easy tool for local models calibration processes due to its simpler implementation. The case studies show all the models are sensitive to the available data, thus requiring recalibration processes every since new project data area gathered to the database. |
| Área | COMP |
| Arranjo | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Uma metodologia baseada... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| Idioma | pt |
| Arquivo Alvo | paginadeacesso.html |
| Grupo de Usuários | administrator jefferson simone |
| Grupo de Leitores | administrator simone |
| Visibilidade | shown |
| Detentor da Cópia | SID/SCD |
| Permissão de Leitura | deny from all |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS |
| Divulgação | NTRSNASA; BNDEPOSITOLEGAL. |
| Acervo Hospedeiro | lcp.inpe.br/ignes/2004/02.12.18.39 cptec.inpe.br/walmeida/2003/04.25.17.12 |
| 6. Notas | |
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyright creatorhistory descriptionlevel doi e-mailaddress electronicmailaddress format isbn issn label lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |