introducciÓn. teoria y desarrollo de la aplicaciÓn. modelos y metodolÓgias. pruebas y...

• INTRODUCCIÓN.

• TEORIA Y DESARROLLO DE LA APLICACIÓN.

• MODELOS Y METODOLÓGIAS.

• PRUEBAS Y RENDIMIENTO.

• CONCLUSIONES.

AGENDA

• CLIENTECLIENTE

INTRODUCCION

• Congregación Sagrada Familia.

• Comuna de Estación Central.

• 190 personas en el área de docencia.

• SITUACIÓN ACTUALSITUACIÓN ACTUAL

• Problema de asignación de horarios.

• 3 semanas de trabajo.

• OBJETIVOSOBJETIVOS

INTRODUCCION

• Objetivo General.

• Objetivo Específicos.

• REQUERIMIENTOSREQUERIMIENTOS

• PLANIFICACIÓNPLANIFICACIÓN

INTRODUCCION

• Carta GanttCarta Gantt

• PLANIFICACIÓNPLANIFICACIÓN

INTRODUCCION

• Costos ProyectadosCostos Proyectados

• ALTERNATIVASALTERNATIVAS

INTRODUCCION

• aSc Horarios de Clases.

• KronoWin Milenio 6.

• Desarrollo a la medida.

INTRODUCCION

• ELECCIÓN : ELECCIÓN :

• Necesidad.

• Imagen.

• Costo.

Desarrollo a la medida.Desarrollo a la medida.

• ALTERNATIVASALTERNATIVAS

• aSc Horarios de Clases.

• KronoWin Milenio 6.

• Desarrollo a la medida.

• ENFOQUE DUAL DEL PROYECTOENFOQUE DUAL DEL PROYECTO

INTRODUCCION

• Mantenedores de la aplicación.

• Modelo Evolutivo Incremental.

• Metodología OMT++ Simplificado.

• Algoritmo de Resolución.

• Modelo Espiral.

Asignación de Horarios

• Problema común a las instituciones

educacionales.

• Gran cantidad de soluciones posibles.

• Diferente grado de optimización.

• Uso de gran cantidad de recursos.

• Problema de combinatoria

Np-Completo

• Algoritmos polinómico, dice relación entre el tamaño del

problema y su tiempo de ejecución.

• Los problemas con coste factorial o combinatorio están

agrupados en NP.

• Problemas NP no se puede resolverlos en un tiempo

razonable.

Heurística

• Es la capacidad de un sistema para

realizar de innovaciones positivas.

• Favorece el tiempo de proceso en

desmedro de la precisión de los

resultados.

Algoritmo Genético

• Inspirado en la evolución biológica y su base genético-

molecular.

• Método de búsqueda dirigida basada en probabilidad.

• Al aumentar el número de iteraciones, la probabilidad de

tener el óptimo en la población es más alto.

Funcionamiento

Iniciar PoblaciónIniciar Población

Evaluar y asignar puntajeEvaluar y asignar puntaje

RepetirRepetir

Escoger Mejores PuntajesEscoger Mejores Puntajes

Mutar y CruzarMutar y Cruzar

Inicializar aleatoriamente una

población de soluciones a un

problema, representadas por una

estructura de datos adecuada.

Evaluar cada una de las soluciones, y

asignarle una puntuación según lo bien que lo hayan

hecho.

Escoger de la población la parte que tenga una puntuación

mayor.

Mutar y Cruzar las diferentes soluciones

de esa parte escogida, para reconstruir la

población.

Repetir un número determinado de veces, o hasta que se haya

encontrado la solución deseada

Cruces.

Mutaciones.

Compactación

Reglas

Distribución de DatosC

ole

gio

Co

leg

io

Cic

lo 1

Cic

lo 1

Cic

lo 3

Cic

lo 3

Cic

lo 2

Cic

lo 2

CiclosCiclos

Niv1Niv1

Niv2Niv2

Niv3Niv3

Niv4Niv4

Niv5Niv5

Niv6Niv6

Niv7Niv7

Niv8Niv8

Niv9Niv9

Niv10Niv10

Niv11Niv11

Niv12Niv12

Niv13Niv13

Niv14Niv14

NivelNivel

Pre-kinder A … Pre-kinder FPre-kinder A … Pre-kinder F

Kinder A … Kinder IKinder A … Kinder I

1A … 1J1A … 1J

2A … 2K2A … 2K

3A … 3K3A … 3K

4A … 4K4A … 4K

5A … 5K5A … 5K

6A .. 6L6A .. 6L

7A … 7K7A … 7K

8A .. 8 J8A .. 8 J

1A .. 1J1A .. 1J

2A … 2J2A … 2J

3A … 3J3A … 3J

4A … 4J4A … 4J

CursosCursos

Representación de DatosCurso : 1° Básico “A”

1° Básico A

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 … … N

Profesor Asignatura

GEN

1 2 3 4 5 6 7 … N 1 2 3 4 5 6 7 … N 1 2 3 4 5 6 7 … N

1° Básico A 1° Básico B 1° Básico C

Cromosoma

AplicaciónAplicación

GenHorGenHor

AplicaciónAplicación

GenHorGenHor

Modelo de la Aplicación

Algoritmo Algoritmo GenéticoGenéticoAlgoritmo Algoritmo GenéticoGenético

InformesInformesInformesInformesGestión Gestión

dede

DatosDatos

Gestión Gestión dede

DatosDatos

Base de Base de DatosDatos

Base de Base de DatosDatos

Aplicación

Aplicación

Aplicación

Aplicación

Aplicación

Algoritmo Genético Software Sostenedor

Modelo Espiral OMT++ Simplificado

Barry Bohem Ari Jaaksi

Juha-Markus Aalto

Algoritmo Genético Software Sostenedor

Modelo Espiral OMT++ Simplificado

Barry Bohem Ari Jaaksi

Juha-Markus Aalto

Algoritmo Genético Software Sostenedor

Modelo Espiral OMT++ Simplificado

Barry Bohem Ari Jaaksi

Juha-Markus Aalto

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Conceptualización Análisis Orientado a Objeto

Diseño Orientado a Objeto

Construcción

Entrega

Las Metodologías Utilizadas

Metodología para la Aplicación

• OMT ++ Simplificada.

• El propósito de la Utilización.

Ciclo de vida de OMT ++ Simplificada.

Construcción

Conceptualización

Análisis Orientado a Objeto

Diseño Orientado a Objetos

Ejemplos de OMT++ Simplificada.

• Análisis.

Metodología de Documentación

• Métricas Versión 3.

• El propósito de la Utilización.

Ciclo de Vida de Métrica Versión 3.

Construcción del Sistema de

Información (CSI)

Planificación del Sistema de Información

(PSI)

Estudio de Viabilidad del Sistema (EVS)

Análisis del Sistema de Información (ASI)

Diseño del Sistema de Información (DSI)

Ejemplos de Métricas Versión 3

• Análisis.

• Diseño.

Ejemplos de Métricas Versión 3

CONLUSIONES

• LOGRO DE OBJETIVOS

De acuerdo a los objetivos específicos planteados se puede decir que se cumplieron todos dando por satisfecho nuestro objetivo general.

• PROYECCIONES A FUTURO

Se pretende realizar mejoras en la aplicación, agregando los nuevos requerimientos que saldrán en el próximo período escolar.

CONCLUSIONES

• EXPERIENCIA ADQUIRIDA

Debido a la complejidad del problema, se tuvo que dedicar gran parte del período a la investigación, donde se adquirió conocimientos necesarios para desarrollar la aplicación.

COSTOS REALES v\s COSTOS PROYECTADOS

Al hacer la comparación entre ambos costos se puede ver que la diferencia es mínima

Recursos Humanos $ 5,979,750Viajes $ 57,000Llamadas Telefonicas $ 10,200Hojas impresas $ 162,000CD/DVD Grabados $ 26,000Alimentación $ 81,950

TOTAL $ 6,316,900

Costos Estimados

Recursos Humanos $ 6.366.500Viajes $57.000Llamadas Telefónicas $8.800Hojas Impresas $162.000CD/DVD Grabados $26.000Alimentación $81.950TOTAL $6.702.250

Costos Reales

CONCLUSIONES