Title: Identifikace a modelování špatných praktik v projektovém řízení
Other Titles: Project management bad practices identification and modelling
Authors: Bezděk, Patrik
Advisor: Pícha Petr, Ing.
Referee: Holý Lukáš, Ing. Ph.D.
Issue Date: 2019
Publisher: Západočeská univerzita v Plzni
Document type: diplomová práce
URI: http://hdl.handle.net/11025/39185
Keywords: vývoj software;projektové řízení;bad practices;anti-pattern;řízení životního cyklu aplikace;software process anti-pattern detector
Keywords in different language: software development;project management;bad practices;anti-pattern;application lifecycle management;software process anti-pattern detector
Abstract: 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.
Abstract in different language: 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.
Rights: Plný text práce je přístupný bez omezení.
Appears in Collections:Diplomové práce / Theses (KIV)

Files in This Item:
File Description SizeFormat 
Bezdek_Patrik_DP2019.pdfPlný text práce1,03 MBAdobe PDFView/Open
A16N0072Phodnoceni-ved.PDFPosudek vedoucího práce324,49 kBAdobe PDFView/Open
A16N0072Pposudek-op.PDFPosudek oponenta práce355,68 kBAdobe PDFView/Open
A16N0072Pobhajoba.PDFPrůběh obhajoby práce221,53 kBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/39185

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.