O documento discute técnicas para prever itens em um sistema de desenvolvimento de software ágil, incluindo: (1) analisar o ciclo de tempo usando histogramas e percentis, (2) simulação de Monte Carlo, (3) acompanhar a "idade" dos itens, e (4) medir ciclo de tempo, trabalho em progresso e throughput para melhorar a previsibilidade de acordo com a Lei de Little.

1. Quando vai ficar pronto?
JULIANO RIBEIRO
(PagSeguro/Aspercom)
@JulianoRibeiro contato@julianoribeiro.com.br

2. • 25+ anos trabalhando no desenvolvimento
de software
• 10+ anos trabalhando com agilidade
• Professor, Palestrante, Kanban Coach e
Trainer
JULIANO RIBEIRO

3. Agenda
• Como prever um item
• Como prever múltiplos itens
• Melhorando a sua previsão
• Receita de casa

4. Previsibilidade
Previsibilidade é o grau de confiança com a qual você
consegue corretamente predizer o estado future de
um sistema ou processo.

5. Pensamento probabilístico

6. Previsão
Previsão é sobre responder a pergunta certo, com um
grau transparente de certeza, com o mínimo de
esforço possível.

7. Estrutura de uma previsão
• Intervalo
• Possibilidade de Acontecer
• Tempo de Vida
7

8. 8
Aplicando um pouco de Matemática

9. Cycle Time
9

10. 10
Cycle Time Scatterplot
Percentile 50:
7 days
Percentile 85:
16 days
Percentile 95:
23 days

11. Monte Carlo Simulation

12. 12
Historical Throughput

13. 13
Monte Carlo – Quando? Percentile 85:
Aug, 10th

14. 14
Monte Carlo – Quantos itens?
Percentile 85:
66 items

15. Melhorando a previsão
com… previsibilidade!
Aging Chart & Little Law
15

16. 16
Aging Chart Do you remember me?
Percentile 85:
16 days

17. 17
A Lei de Little e suas
premissas

18. 18
• Cycle Time (CT)
• Working in Progress (WIP)
• Throughput (TH)
Meça os três usando a
mesma unidade
1

19. 19
A taxa média de chegada deve ser a mesma da taxa de
saída2
5

20. 20
A taxa média de chegada deve ser a mesma da taxa de
saída2

21. 21
3 Todo o trabalho iniciado irá eventualmente ser
completado e sair do sistema

22. 22
3 Todo o trabalho iniciado irá eventualmente ser
completado e sair do sistema

23. 23
4
O WIP médio deve ser aproximadamente o mesmo no início
e no final do intervalo analisado
FIFO
queue
FIFO
queue

24. 24
4 O WIP médio deve ser aproximadamente o mesmo no início
e no final do intervalo analisado

25. 25
5 O WIP médio não tende a aumentar ou diminuir

26. Um caso real
Estabilidade do Sistema

27. 27

28. Previsão é sobre fazer a pergunta certa.
Previsibilidade é o grau de confiança com o qual
você pode respondê-la.

29. Como usar isso amanhã?
1. Meça o Cycle Time (CT)
2. Analise os resultados em um histogram
e escolha um percentil para as previsões
3. Use a simulação de Monte Carlo
4. Cuide da “idade” dos seus itens de
trabalho
5. Repita esse ciclo diariamente

31. Algumas referências

32. Referências
Vacanti, Daniel (2015) “Actionable Agile Metrics for Predictability: An Introduction”.
https://www.amazon.com/Actionable-Agile-Metrics-Predictability-Introduction/dp/098643633X
Vacanti, Daniel (2018) “When Will It Be Done?”.
https://leanpub.com/whenwillitbedone
Magennis, Troy (2014) “The Economic Impact of Software Development Process Choice – Cycle-time Analysis and Monte
Carlo Simulation”. http://focusedobjective.com/paper-the-economic-impact-of-software-development-process-choice-
cycle-time-analysis-and-monte-carlo-simulation-results/
Leopold, Klaus (2017) “Practical Kanban: From Team Focus to Creating Value”.
https://www.amazon.com/Practical-Kanban-Focus-Creating-Value-ebook/dp/B077RZ2JNS
Anderson, D. J. (2010). Kanban: Successful Evolutionary Change for Your Technology Business. Sequim: Blue Hole
Press.
http://www.djaa.com/kanban-successful-evolutionary-change-your-technology-business-0
Little’s Law
https://en.wikipedia.org/wiki/Little%27s_law
Central Limit Theorem
https://en.wikipedia.org/wiki/Central_limit_theorem