|
Todo el quehacer universitario en sus manos. >
12 Tecnología y Comunicación >
(TIC) Trabajo de Postgrado >
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/123456789/9949
|
Título : | Herramientas de pruebas de software. Automatización de pruebas de carga con Flood.io, AWS y Element e implementación de la técnica de análisis cuantitativo para evaluar arquitecturas empresariales basadas en la nube a través de la herramienta Archi |
Autor : | Ortega, Dinarle Milagro Escobar Martínez, Javier Eduardo |
Palabras clave : | Calidad del software Pruebas de software - métricas de rendimiento Ingeniería de software y sistemas de información Ciencias y tecnología Desarrollo de software Especialización en desarrollo de software |
Fecha de publicación : | feb-2024 |
Resumen : | Este trabajo especial de grado, realizado como requisito de egreso del Programa de Postgrado Especialización en Desarrollo de Software en la Facultad de Ciencias y Tecnología de la Universidad de Carabobo, presenta dos productos que se enmarcan en la línea de investigación de “Ingeniería de Software y Sistemas de Información”. Cada producto corresponde a una parte de este trabajo. La Parte I es un taller en pruebas de software, orientado hacia la Calidad del Software, un área de conocimiento fundamental en la Ingeniería de Software. Este taller enseña el uso de herramientas tecnológicas como Element, Flood.io y AWS para simular escenarios de carga y rendimiento en aplicaciones web. Se revisan conceptos claves como la calidad del software, pruebas de carga, usuarios concurrentes y métricas de rendimiento. El objetivo principal es demostrar cómo estas pruebas pueden garantizar o mejorar la calidad del software, entendida como el grado en que un producto satisface las necesidades y expectativas de los usuarios y cumple con los requisitos establecidos. En cuanto a la Parte II es un artículo de investigación que se enmarca en el área de conocimiento de las Arquitecturas Empresariales, la cual, de acuerdo al Currículo ACM 2020, corresponde con Usuarios y Organizaciones y que en los anteriores, se ubicaba en el área de Sistemas de Información. Este artículo aborda la implementación del algoritmo de Análisis Cuantitativo en modelos de Arquitecturas Empresariales en notación ArchiMate. Se propone un modelo analítico de datos, generado mediante técnicas de Machine Learning e Inteligencia Artificial, que permite reducir los cálculos que necesita hacer el algoritmo, a partir de datos históricos y actuales de la arquitectura, sin perder confiabilidad en los resultados. De esta manera, se busca hacer más eficiente y adaptable el análisis cuantitativo, contribuyendo a la adaptabilidad de este enfoque. En particular, el algoritmo de análisis cuantitativo es una técnica que permite estimar el impacto de los cambios en la arquitectura sobre indicadores como el costo, el tiempo, la calidad y el riesgo, y se basa en el cálculo de la carga de trabajo de cada elemento de la arquitectura, que depende de la frecuencia y la complejidad de las interacciones entre ellos. Sin embargo, este cálculo puede ser muy costoso y poco escalable cuando la arquitectura es grande y compleja. Tanto el taller como el artículo de investigación fueron presentados en el Primer Congreso Internacional de Investigación en la Universidad Católica Andrés Bello en Caracas el pasado mes de noviembre de 2023. Como comprobante, se adjuntan los certificados de participación y presentación otorgados por la UCAB que acreditan la realización de estas actividades. |
URI : | http://hdl.handle.net/123456789/9949 |
Aparece en las colecciones: | (TIC) Trabajo de Postgrado (TIC) Trabajo de Postgrado
|
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
|