Název: Identifikace a modelování špatných praktik v projektovém řízení
Další názvy: Project management bad practices identification and modelling
Autoři: Bezděk, Patrik
Vedoucí práce/školitel: Pícha Petr, Ing.
Oponent: Holý Lukáš, Ing. Ph.D.
Datum vydání: 2019
Nakladatel: Západočeská univerzita v Plzni
Typ dokumentu: diplomová práce
URI: http://hdl.handle.net/11025/39185
Klíčová slova: vývoj software;projektové řízení;bad practices;anti-pattern;řízení životního cyklu aplikace;software process anti-pattern detector
Klíčová slova v dalším jazyce: software development;project management;bad practices;anti-pattern;application lifecycle management;software process anti-pattern detector
Abstrakt: Cílem této diplomové práce je identifikace procesních chyb v softwarovém vývoji a vytvoření jejich modelů pomocí nástroje SPADe. SPADe slouží ke sběru dat z ALM nástrojů a následnému hledání (anti-)patternů v projektových datech. Za účelem vypracování byla provedena analýza a výběr sady procesních chyb a projektů pro ověření. Dále pak byla provedena analýza nástroje a jeho datového modelu a bylo vytvořeno rozšíření, pomocí kterého lze vytvářet SQL dotazy nad datovým skladem nástroje a tím modelovat procesní chyby. Následně byla provedena detekce vybrané skupiny procesních chyb pomocí vytvořeného rozšíření v datech vybraných projektů, která byla porovnána s odděleně provedenou manuální kontrolou přítomnosti procesních chyb v ALM datech projektů. Detekce byla úspěšná v 89,8\% případů oproti manuální kontrole.
Abstrakt v dalším jazyce: The goal of this thesis is to identify process errors in software development and create their models using SPADe. The SPADe tool collects data from ALM tools and user is then able to search for (anti-)patterns. For the purpose of addressing the goal of the thesis, an analysis and selection of a set of procedural errors and projects for verification was carried out. Furthermore, an analysis of the tool and its data model was performed, and an extension was created to create SQL queries over the tool's data warehouse and thus model process errors. Subsequently, a selected group of process errors was detected using the created extension in the selected project data, which was compared with the separately performed manual check for the presence of process errors in the ALM project data. Detection was successful in 89,8\% of cases compared to manual control.
Práva: Plný text práce je přístupný bez omezení.
Vyskytuje se v kolekcích:Diplomové práce / Theses (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
Bezdek_Patrik_DP2019.pdfPlný text práce1,03 MBAdobe PDFZobrazit/otevřít
A16N0072Phodnoceni-ved.PDFPosudek vedoucího práce324,49 kBAdobe PDFZobrazit/otevřít
A16N0072Pposudek-op.PDFPosudek oponenta práce355,68 kBAdobe PDFZobrazit/otevřít
A16N0072Pobhajoba.PDFPrůběh obhajoby práce221,53 kBAdobe PDFZobrazit/otevřít


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/39185

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.