Resumo:
No Gerenciamento de Projetos, as incertezas são uma constante, assim, a administração dos eventos de riscos torna-se estratégica. O gerenciamento adequado dos riscos, através da análise do time e históricos dos projetos desenvolvidos, reduz o risco quanto a desvios do planejamento em relação a tempo, custo e qualidade do projeto. Nesse sentido, o uso dos conceitos da computação ubíqua, como uso de contextos, históricos de contextos e computação móvel, pode auxiliar no gerenciamento proativo dos projetos. Esta Tese propõe um modelo computacional intitulado Átropos para a redução da probabilidade de falha do projeto através da recomendação de riscos. A proposta deste estudo é mostrar um modelo para auxiliar as equipes a identificar e monitorar riscos em diferentes pontos do ciclo de vida dos projetos, além de uma categorização dos riscos, Estrutura Analítica de Riscos (EAR), através de uma ontologia com base na teoria da atividade. Onde a teoria da atividade considera fatores relativos ao contexto em que a atividade se encontra e seu relacionamento com as demais atividades. O modelo proposto segue conceitos aplicados pelo método Lean, onde através da análise dos históricos de contextos de projetos é realizada uma predição de riscos para um projeto que se inicia ou para um projeto que está em execução, assim, torna mais ágil a gestão dos riscos, uma vez que o gestor no início de um projeto será conduzido para os riscos que já ocorreram em projetos similares, ou que se tornam muitas vezes problemas durante a execução dos projetos. O trabalho apresenta como contribuição científica o uso de históricos de contextos para recomendar riscos aos projetos. A pesquisa foi conduzida através de dois estudos de caso. O primeiro realizado com duas equipes que avaliaram o uso do modelo durante a execução dos projetos. As recomendações foram avaliadas por uma equipe de projetos composta por 18 profissionais, obtendo um resultado de aceitação de 72,66%. Já o segundo estudo de caso, as recomendações foram comparadas com projetos executados, neste estudo foram utilizados 17 projetos em execução, para avaliar as recomendações de risco. O modelo Átropos obteve uma precisão de 82,92% quando comparados a projetos já executados. Para o histórico, foi utilizado um banco de dados com 153 projetos de uma empresa financeira.