Revista Facultad de Ingeniería

IMPLEMENTATION GUIDE OF SOFTWARE DEVELOPMENT BEST PRACTICES BASED ON DEVOPS

ABSTRACT Software development processes face the constant challenge of improving quality controls within the project's construction without affecting operational efficiency and meeting customer needs. DevOps offers a potential solution by enabling software development with the best practices; however, the disadvantage of frameworks such as DevOps is that they indicate that they create the practices, but not how to implement them through precise guidelines and under specific tools, leaving this step to an experimental process of trial and error, which can sometimes be costly. To address that issue, this article proposes a guide that facilitates the step-by-step adoption of five practices: version control, change requests controlled with manual code inspection, continuous integration, static code analysis, and implementing an automated pipeline for continuous integration. The methodology involves: 1) identifying software development best practices and organizing them into a step-by-step process that allows for phased implementation; 2) detailing the steps to implement each practice with specific technologies; 3) practical application; and 4) analysis and discussion of the results. The guide was presented to students, who used it to develop a short course project. Implementing the guide's practices allowed them to recognize that the information from different tools allows for quality control as the project evolves, making the process more efficient.

RESUMEN Los procesos para desarrollo de software tienen el reto constante de mejorar los controles de calidad dentro de la construcción del proyecto, sin afectar a la eficiencia operativa y la capacidad de respuesta frente a las necesidades de los clientes. DevOps ofrece una solución potencial al proporcionar un conjunto de buenas prácticas de desarrollo de software; sin embargo, la desventaja que poseen los marcos de trabajo como DevOps es que indican que crean las prácticas, pero no cómo implementarlas a través de guías precisas y bajo herramientas específicas, dejando este paso a un proceso experimental de ensayo y error, que en algunos casos puede resultar costoso. Para abordar dicha situación, este artículo propone una guía que facilite la adopción paso a paso de cinco prácticas: control de versiones, solicitudes de cambio controladas con inspección manual de código, integración continua, análisis de código estático e implementación de una canalización automatizada para la integración continua. La metodología utilizada implica: 1) identificar las mejores prácticas de desarrollo de software y organizarlas en un paso a paso que permita una implementación escalonada; 2) detallar los pasos para implementar cada práctica con tecnologías especificas; 3) aplicación práctica y 4) análisis y discusión de los resultados. La guía fue presentada a estudiantes, quienes la utilizaron para desarrollar un proyecto de curso corto. La implementación de las prácticas de la guía les permitió reconocer que la información de diferentes herramientas permite el control de calidad a medida que el proyecto evoluciona haciendo más eficiente su proceso.

RESUMO Os processos de desenvolvimento de software enfrentam constantemente o desafio de melhorar os controles de qualidade na construção dos projetos sem comprometer a eficiência operacional e a capacidade de resposta às necessidades dos clientes. O DevOps oferece uma solução potencial ao fornecer um conjunto de boas práticas para o desenvolvimento de software. No entanto, uma das desvantagens de estruturas como o DevOps é que, embora definam as práticas, não indicam como implementá-las por meio de guias precisos e ferramentas específicas, deixando esse processo a um experimento de tentativa e erro, que pode ser custoso em certos casos. Para enfrentar essa situação, este artigo propõe um guia que facilita a adoção passo a passo de cinco práticas: controle de versão, solicitações de alteração controladas com inspeção manual de código, integração contínua, análise estática de código e implementação de um pipeline automatizado para integração contínua. A metodologia utilizada envolve: 1) identificar as melhores práticas de desenvolvimento de software e organizá-las em um passo a passo que permita uma implementação escalonada; 2) detalhar os passos para implementar cada prática com tecnologias específicas; 3) aplicação prática e 4) análise e discussão dos resultados. O guia foi apresentado a estudantes, que o utilizaram para desenvolver um projeto de curso de curta duração. A implementação das práticas do guia permitiu que reconhecessem que a informação proveniente de diferentes ferramentas possibilita o controle de qualidade à medida que o projeto evolui, tornando o processo mais eficiente.

COMPARATIVE ANALYSIS OF CLOUD COMPUTING ADOPTION FOR AN E-COMMERCE PLATFORM IN THE MANUFACTURING INDUSTRY: A SYSTEM-DYNAMICS APPROACH USING AWS

ABSTRACT The manufacturing sector has undergone significant transformation with the advent of Industry 4.0 and the emerging principles of Industry 5.0, integrating advanced technologies such as Cloud Computing (CC) and Big Data to optimize processes, improve operational efficiency, and enhance customer experiences. This study presents a systematic, step-by-step process for implementing a CC solution from scratch within the automotive industry, focusing on the development of an e-commerce platform to expand market reach and improve vehicle sales. The architecture was designed using Amazon Web Services (AWS) as the cloud provider, considering multiple technical and economic attributes. Industry experts evaluated the proposed solutions using the Analytical Hierarchy Process (AHP), incorporating critical factors such as performance, cost-effectiveness, and scalability to select optimal architecture. A System Dynamics (SD) simulation model was employed to analyze and compare the selected implementations; it provided quantitative insights into their long-term impact. Results demonstrate substantial differences in performance and costs across the analyzed architectures, highlighting the importance of a structured evaluation process when adopting cloud technologies. The study offers a replicable methodology for manufacturers seeking to transition to cloud-based infrastructures, contributes to a better understanding of the economic and operational implications of CC adoption. The findings underscore the relevance of cloud solutions in aligning manufacturing operations with the objectives of Industry 4.0 and 5.0.

RESUMEN El sector manufacturero ha experimentado una transformación significativa con la llegada de la Industria 4.0 y los principios emergentes de la Industria 5.0, integrando tecnologías como la Computación en la Nube (CN) y Big Data para optimizar procesos, mejorar la eficiencia operativa y la experiencia del cliente. Este estudio presenta un proceso sistemático para implementar una solución de CN desde cero en la industria automotriz, enfocándose en desarrollar una plataforma de comercio electrónico para ampliar el alcance de mercado y mejorar las ventas de vehículos. La arquitectura fue diseñada con Amazon Web Services (AWS) como proveedor de nube, considerando atributos técnicos y económicos. Expertos de la industria evaluaron las soluciones mediante el Proceso de Jerarquía Analítica, incorporando factores como rendimiento, rentabilidad y escalabilidad para seleccionar la arquitectura óptima. Se utilizó un modelo de simulación basado en Dinámica de Sistemas para analizar y comparar las implementaciones seleccionadas, proporcionando datos cuantitativos sobre su impacto a largo plazo. Los resultados evidencian diferencias sustanciales en rendimiento y costos entre las arquitecturas, lo que subraya la importancia de una evaluación estructurada al adoptar tecnologías en la nube. El estudio ofrece una metodología replicable para fabricantes que buscan migrar a infraestructuras basadas en la nube y aporta comprensión sobre las implicaciones económicas y operativas de adoptar CN. Los hallazgos destacan la relevancia de estas soluciones para alinear las operaciones manufactureras con los objetivos de la Industria 4.0 y 5.0.

RESUMO O setor manufatureiro tem passado por uma transformação significativa com a chegada da Indústria 4.0 e os princípios emergentes da Indústria 5.0, integrando tecnologias como Computação em Nuvem (CN) e Big Data para otimizar processos, melhorar a eficiência operacional e a experiência do cliente. Este estudo apresenta um processo sistemático para implementar uma solução de CN do zero na indústria automotiva, com foco no desenvolvimento de uma plataforma de comércio eletrônico para ampliar o alcance de mercado e aumentar as vendas de veículos. A arquitetura foi projetada com a Amazon Web Services (AWS) como provedora de nuvem, considerando atributos técnicos e econômicos. Especialistas do setor avaliaram as soluções por meio do Processo de Hierarquia Analítica, incorporando fatores como desempenho, rentabilidade e escalabilidade para selecionar a arquitetura ideal. Um modelo de simulação baseado em Dinâmica de Sistemas foi utilizado para analisar e comparar as implementações selecionadas, fornecendo dados quantitativos sobre seu impacto a longo prazo. Os resultados evidenciam diferenças substanciais em desempenho e custos entre as arquiteturas, ressaltando a importância de uma avaliação estruturada na adoção de tecnologias em nuvem. O estudo oferece uma metodologia replicável para fabricantes que desejam migrar para infraestruturas baseadas em nuvem e contribui para a compreensão das implicações econômicas e operacionais da adoção de CN. Os achados destacam a relevância dessas soluções para alinhar as operações de manufatura com os objetivos da Indústria 4.0 e 5.0.

WEB SYSTEM FOR METRICS CONTROL APPLYING THE GQM METHOD IN A SOFTWARE DEVELOPMENT CENTER

ABSTRACT The rapid evolution of software development has heightened the need to ensure high-quality products through systematic, continuously improved processes. In response, the Software Development Center (CEDESOFT) implemented a web-based system based on the Goal-Question-Metric (GQM) method to manage key project metrics. From 2022 to 2024, the system tracked 22 projects, recording estimation accuracy compared to the previous average of 4.54%. Cost deviation was reduced from 12% to 3.5%, and post-delivery defects decreased by 92%. These results suggest that the system contributed to more precise planning, enhanced quality control, and adoption of a metrics-driven organizational culture. Limitations included scarce pre-implementation data and the need for iterative metric refinement.

RESUMEN El desarrollo acelerado del software ha incrementado la necesidad de asegurar productos de alta calidad mediante procesos sistemáticos de mejora continua. En respuesta a esta necesidad, el Centro de Desarrollo de Software (CEDESOFT) implementó un sistema web basado en el método Goal-Question-Metric (GQM) para gestionar métricas clave de proyectos. Entre 2022 y 2024, se gestionaron 22 proyectos, registrando 11,116 horas planeadas y 11,384 reales, lo que representa una desviación del 2.41%, mejorando la estimación respecto al promedio previo (4.54%). En cuanto al costo, la desviación se redujo del 12% al 3.5%, y los defectos posteriores a la entrega disminuyeron en un 92%. Estos resultados sugieren que el uso del sistema apoyó una planificación más precisa, fortaleció el control de calidad y promovió una cultura organizacional basada en métricas. El estudio enfrentó limitaciones como la escasa disponibilidad de datos previos y la necesidad de ajustar las métricas en iteraciones sucesivas.

RESUMO O desenvolvimento acelerado de software aumentou a necessidade de garantir produtos de alta qualidade por meio de processos sistemáticos de melhoria contínua. Em resposta a essa necessidade, o Centro de Desenvolvimento de Software (CEDESOFT) implementou um sistema web baseado no método Goal-Question-Metric (GQM) para gerenciar métricas-chave dos projetos. Entre 2022 e 2024, foram gerenciados 22 projetos, registrando-se 11.116 horas planejadas e 11.384 reais, o que representa um desvio de 2,41%, melhorando a estimativa em relação à média anterior (4,54%). Quanto ao custo, o desvio foi reduzido de 12% para 3,5%, e os defeitos após a entrega diminuíram em 92%. Esses resultados sugerem que o uso do sistema apoiou um planejamento mais preciso, fortaleceu o controle de qualidade e promoveu uma cultura organizacional baseada em métricas. O estudo enfrentou limitações como a escassa disponibilidade de dados anteriores e a necessidade de ajustar as métricas em iterações sucessivas.

TOWARDS SOFTWARE PROCESS IMPROVEMENT BY INTEGRATING AGILE APPROACHES AND STATISTICAL PROCESS CONTROL: AN INDUSTRIAL EXPERIENCE REPORT

ABSTRACT The strategic integration of Agile methodologies, automation, and Statistical Process Control (SPC) enabled the Technology Unit of a public university to improve its software development processes, automate nineteen key performance indicators (KPIs), and establish a path toward data-driven management aligned with institutional strategy. This article presents the experience of this unit during an initiative conducted from 2021 to 2024, guided by the Stairway to Heaven model and supported by frameworks such as Scrum, BizDevOps, OKR, COBIT, and ITIL. The primary goal was to align technical processes with institutional strategy and regulatory compliance while fostering a culture of transparency, adaptability, and continuous improvement grounded in measurement. A hybrid methodology combining the Goal-Question-Metric (GQM) approach and SPC was adopted to define, monitor, and evaluate KPIs across processes including software development, incident management, and Product Owner satisfaction. Initial efforts focused on selecting value-driven indicators, followed by data collection and visualization through Power BI dashboards linked to Azure DevOps and SharePoint, which enabled real-time traceability and iterative measurement cycles. Subsequently, SPC techniques-including c-charts, X & S charts, and process capability indices (Cp and Cpk)-were applied to assess process stability and variability, identify deviations, and guide corrective actions aimed at continuous improvement. This documented experience serves as a practical guide for organizations transitioning from reactive quality control to proactive, evidence-based management tailored to regulated environments. It also provides insights into the challenges inherent in continuous improvement of software development processes.

RESUMEN La integración estratégica de metodologías ágiles, automatización y Control Estadístico de Procesos (SPC por sus siglas en inglés) permitió a la Unidad de Tecnología de una universidad pública mejorar sus procesos de desarrollo de software, automatizar diecinueve indicadores clave de desempeño (KPIs por sus siglas en inglés) y establecer una ruta hacia una gestión basada en datos, alineada con la estrategia institucional. Este artículo presenta la experiencia de dicha unidad durante una iniciativa desarrollada entre 2021 y 2024, guiada por el modelo Stairway to Heaven y respaldada por marcos como Scrum, BizDevOps, OKR, COBIT e ITIL. El objetivo principal fue alinear los procesos técnicos con la estrategia institucional y el cumplimiento normativo, al tiempo que se fomentaba una cultura de transparencia, adaptabilidad y mejora continua basada en la medición. Se adoptó una metodología híbrida que combina el enfoque Goal-Question-Metric (GQM) y el SPC para definir, monitorear y evaluar KPIs en procesos como desarrollo de software, gestión de incidentes y satisfacción de la persona dueña de producto. Los esfuerzos iniciales se centraron en la selección de indicadores orientados al valor, seguidos por la recolección de datos y su visualización mediante tableros en Power BI conectados con Azure DevOps y SharePoint, lo que permitió una trazabilidad en tiempo real y ciclos de medición iterativa. Posteriormente, se aplicaron técnicas de SPC -incluyendo gráficos tipo c, gráficos X & S e índices de capacidad del proceso (Cp y Cpk)- para evaluar la estabilidad y variabilidad de los procesos, identificar desviaciones y guiar acciones correctivas orientadas a la mejora continua. Esta experiencia documentada sirve como guía práctica para organizaciones que transitan de un control de calidad reactivo a una gestión proactiva basada en evidencia, adaptada a entornos regulados. Asimismo, proporciona perspectivas sobre los desafíos inherentes a la mejora continua de los procesos de desarrollo de software.

RESUMO A integração estratégica de metodologias ágeis, automação e Controle Estatístico de Processos (SPC, na sigla em inglês) permitiu que a Unidade de Tecnologia de uma universidade pública melhorasse seus processos de desenvolvimento de software, automatizasse dezenove indicadores-chave de desempenho (KPIs, na sigla em inglês) e estabelecesse um caminho para uma gestão baseada em dados, alinhada à estratégia institucional. Este artigo apresenta a experiência dessa unidade durante uma iniciativa desenvolvida entre 2021 e 2024, guiada pelo modelo Stairway to Heaven e respaldada por frameworks como Scrum, BizDevOps, OKR, COBIT e ITIL. O objetivo principal foi alinhar os processos técnicos à estratégia institucional e ao cumprimento normativo, ao mesmo tempo em que se fomentava uma cultura de transparência, adaptabilidade e melhoria contínua baseada em medições. Adotou-se uma metodologia híbrida que combina a abordagem Goal-Question-Metric (GQM) e o SPC para definir, monitorar e avaliar KPIs em processos como desenvolvimento de software, gestão de incidentes e satisfação da pessoa proprietária do produto. Os esforços iniciais concentraram-se na seleção de indicadores orientados ao valor, seguidos pela coleta de dados e sua visualização por meio de painéis no Power BI conectados ao Azure DevOps e SharePoint, o que permitiu rastreabilidade em tempo real e ciclos de medição iterativos. Posteriormente, aplicaram-se técnicas de SPC - incluindo gráficos tipo c, gráficos X & S e índices de capacidade do processo (Cp e Cpk) - para avaliar a estabilidade e variabilidade dos processos, identificar desvios e guiar ações corretivas orientadas à melhoria contínua. Essa experiência documentada serve como guia prático para organizações que estão em transição de um controle de qualidade reativo para uma gestão proativa baseada em evidências, adaptada a ambientes regulados. Além disso, fornece perspectivas sobre os desafios inerentes à melhoria contínua dos processos de desenvolvimento de software.

Logistic Regression Model to Predict the Risk Level Consumption or Addiction of Illegal Psychoactive Substances in the Colombian Population

RESUMEN Una de las principales problemáticas sociales que se presenta en Colombia es el consumo de sustancias psicoactivas ilegales, entre las que la marihuana es la sustancia más consumida por las personas. Si bien se han creado diversos programas preventivos para reducir el consumo de estas sustancias, son pocos los estudios que usan la tecnología para abordar esta problemática. Por tanto, este estudio presenta un modelo de machine learning que predice el riesgo de consumo de sustancias psicoactivas ilegales en Colombia, con datos de la ENCSPA-2019. El modelo demostró un rendimiento óptimo y logró métricas superiores al 98 %, lo que permite identificar factores clave asociados al consumo que influyen en el nivel de riesgo de una persona y ofrece una herramienta útil para apoyar decisiones en salud pública y prevención.

ABSTRACT One of the main social issues in Colombia is the consumption of illegal psychoactive substances, among which marijuana is the most consumed by individuals. Although various preventive programs have been created to reduce the consumption of these substances, few studies utilize technology to address this problem. Therefore, this study presents a machine learning model that predicts the risk of illegal psychoactive substance use in Colombia, using data from ENCSPA-2019. The model demonstrated optimal performance, achieving metrics above 98%, enabling the identification of key factors associated with consumption that influence an individual's risk level, and providing a useful tool to support public health decisions and prevention efforts.

RESUMO Um dos principais problemas sociais enfrentados na Colômbia é o consumo de substâncias psicoativas ilegais, sendo a maconha a substância mais consumida pela população. Embora diversos programas preventivos tenham sido criados para reduzir o consumo dessas substâncias, são poucos os estudos que utilizam a tecnologia para enfrentar essa problemática. Assim, este estudo apresenta um modelo de machine learning que prevê o risco de consumo de substâncias psicoativas ilegais na Colômbia, com dados da ENCSPA-2019. O modelo demonstrou um desempenho ótimo e alcançou métricas superiores a 98%, o que permite identificar fatores-chave associados ao consumo que influenciam o nível de risco de uma pessoa e oferece uma ferramenta útil para apoiar decisões em saúde pública e prevenção.