Dicas de Qualidade e Automação de Testes

Buenas, Começei minha introdução. Quem quiser contribuir lendo, corrigindo e fazendo críticas, é bem vindo: Introduction  Public and private companies have monitored volcanic activities daily. The monitoring process has generated a huge number of data, that should be transmitted, proceeded, validated and stored. Example of volcano data are temperature, images, seismic signals, sounds, gas emission and gravitational field. To work with this huge amount of data, Big Data products are required, because volume of non-structured data that should be manipulated to generate knowledge about volcanos. All information generated from monitoring process to Big Data products has the objective to support scientists to create solutions to reduce or eliminate volcano disasters.             However, the existent solutions to reduce and eliminate volcano disasters have been improved constantly, because the new technologies have risen. New technics and tools have been created to provide b

Buenas amigos, Para quem não conhece o Zalenium , este é um container que disponibiliza uma infraestrutura flexível e escalável baseada em Selenium Grid. É uma excelente alternativa para execução de testes automatizados nos navegadores Chrome e Firefox. Ou seja, por meio dele o automatizador de testes só precisa se preocupar em codificar e rodar testes, nada mais. Antes de me aprofundar no que eu já fiz com o Zalenium, cabe salientar que eu fiquei conhecendo essa ferramenta graças ao Elias Nogueira  no DevOps Porto alegre. Quando vi ele executando essa solução em seus scripts em Java, fiquei me perguntando se conseguiria fazer o mesmo com o C#. Conversando mais com o Elias, e com meus colegas de trabalho Raone Costa e Maurício S e procurando material na Internet , consegui evoluir. Inclusive esses meus dois colegas citados, tiveram bastante sucesso nas primeiras execuções na nossa empresa. Bom, mas história e referências a parte... vamos aos passos para rodar nosso primeiro scr

O Jidoka é um dos pilares do Sistema Toyota de Produção. Sua essência é a detecção de defeitos de produção, com uso de ferramentas de automação. Como parte do Sistema Toyota, seu objetivo é a eliminação de perdas e desperdícios no processo produtivo.  Contudo, o Jidoka além de detectar defeitos, também auxilia na investigação do defeito e conseqüentemente na definição da causa raiz. Assim sendo, o Jidoka possui 4 passos:  1. Detectar o defeito: O produto não está dentro dos critérios definidos. No caso do Software, ele não atende os critérios de aceitação;  2. Parar: A célula de produção ou a linha de produção para. Nesse ponto, é muito semelhante a Build “quebrar” e o time ou quem solicitou a Build parar para investigar o problema. Essa etapa é bem importante, pois ao parar de produzir itens com possível problema, evitamos que o custo de correção aumente (Regra 10 de Mayers);  3. Corrigir: Caso seja realmente um problema, o time documenta o problema e começa a tra

Buenas amigos, Segue minha apresentação do TDC Porto Alegre 2018, referente ao Sistema Toyota. https://www.eventials.com/Globalcode/tdc-poa-2018-stadium-sabado-3/ Em breve estarei postando meu artigo sobre Jidoka para eliminar defeitos. Abraços.

Buenas pessoal,  Estarei divulgando nos próximos meses, a minha jornada no desenvolvimento de meu trabalho de Conclusão de Pós Graduação na Unisinos.  Atualmente estou estudando  Big Data, Data Science e Data Analytics. Então quem quiser conferir meu progresso e me dar inputs e feedbacks para me ajudar será bem vindo. Aí vai meu primeiro desafio. Definir o Tema e o problema do meu trabalho: Tema : Aplicação de Big Data e Data analytics para o entendimento, mitigação e predição de desastres causados por ações dos vulcões Kilauea, Misti e El Fuego.  Problema: As atividades vulcânicas vêm causando prejuízos humanos e matérias em diferentes localidades do globo terrestre desde eras remotas. Por isso, estudos para um melhor entendimento dessas atividades, além da mitigação do raio de destruição dessas estruturas geológicas se fazem necessário.  Questão de pesquisa: Como a aplicação do Big Data e Data analytics pode auxiliar no entendimento,   previsão e mitigação de ativi

1.     Introdução O presente trabalho é uma resenha do experimento intitulado “ Leveraging the Big Data Produced by the Network to Take Intelligent Decisions on Flow Management. ” Nesse estudo, um grupo de pesquisadores analisou a aplicação do  Software-defined Network (SDN) em um cenário Big Data, na rede de dados de 3 campos universitários. Basicamente foi um estudo comparativo do tráfego de dados utilizando o SDN e não utilizando esse recurso.               Nas redes alvo do estudo, foram analisados o grande tráfego de dados, com foco na latência e a taxa de transferência de pacotes. Os pesquisadores provaram que no cenário Big Data em experimento, o SDN gerenciou o fluxo de dados com baixa latência e máxima utilização de largura de banda pelos hosts, com base no tipo de tráfego. Esse resultado se deve ao fato dos pesquisadores utilizarem o SDN com um algoritmo inteligente que maximiza a utilização da largura de banda para conseguir um maior rendimento depois de moldar o tráfe