The geographical, temporal distances and socio-cultural differences are the biggest challenges for Global Software Development (GSD). In GSD, it is necessary to deal with behaviors, values and skills of the team members, conflicts, rework, delays, etc. can influence a software production process. The objective of this paper is to identify the sociocultural aspects and propose a classification structure under different analytical perspectives in order to offer adequate support to the management of GSD teams. A systematic mapping and proposal an approach that classifies aspects in three perspectives: collaboration, people and external. The analysis allows the project manager to make decisions about the performance of human resources and mitigate problems arising from communication, cooperation and coordination, generating better results in indicators of productivity, quality and efficiency of GSD teams.

Atualmente, é fundamental a utilização da Gestão do Conhecimento em empresas que utilizam Desenvolvimento Distribuído de Software (DDS). A evolução e/ou amadurecimento desta gestão podem ser mapeadas em Modelos de Maturidade para Gestão do Conhecimento (KMMM). Este artigo tem como objetivo verificar a influência dos aspectos socioculturais, presentes em DDS, sobre um KMMM. Para tal, procedeu-se a escolha de um KMMM, neste caso o KNM (Knowledge Navigator Model) e executou-se um estudo para identificar a influência dos aspectos socioculturais presentes no DDS. Na análise dos dados, buscou-se o suporte presente na definição do QFD (Quality Function Deployment). Os resultados obtidos evidenciam que os aspectos socioculturais exercem influência sobre as atividades definidas nas áreas-chaves de um KMMM. Além disso, é apontado o nível de influência (forte, moderado, fraco e inexistente) dos aspectos socioculturais identificados.

No abstract

RESUMOO uso de sistemas heterogêneos CPU-GPU para atender à crescente demanda por aplicações com grande paralelismo de dados resulta na necessidade de estudar e avaliar tais arquiteturas para melhorá-las continuamente. Neste artigo foram feitas simulações da execução de uma suíte de benchmark em uma GPU AMD ATI Radeon TM HD 7970, de modo a avaliar o impacto sobre o desempenho e o consumo energético quando alterado o número de Wavefront Pools presentes em cada compute unit da GPU, que é 4 por padrão. O resultado mais significante evidencia um aumento de velocidade de cerca de 5,7% para a configuração com duas Wavefront Pools em conjunto com um aumento no consumo de energia de cerca de 5,1%. Todavia, as outras configurações avaliadas também representam opções para diferentes tipos de necessidades, conforme a categoria de demanda computacional.Palavras-chave: Sistemas heterogêneos. Simulações. Desempenho.

ZUQUELLO, A. G.; BENINCA, R. A.; MASSAGO, Y. Alterando número máximo de acessos in-flight na memória da GPU, avaliando desempenho e consumo energético em ambiente simulado 1 ForSci.: r. cient. IFMG, Formiga, v. 5, n. 3, e00261, jul./dez. 2017. RESUMOEste artigo descreve um experimento de desempenho e consumo energético de Graphics Processing Unit (GPU), Central Processing Unit (CPU) Memória Principal e Cache em ambiente simulado. Utilizou-se um conjunto de benchmarks para esta tarefa. Os resultados são baseados na alteração da configuração do parâmetro MaxInFlightMen da GPU. Esse parâmetro é responsável pelo número máximo de acesso simultâneo ao vetor de memória da GPU. Essas modificações refletiram diretamente na desempenho e consumo energético dos dispositivos, portanto é claro que houve uma redução no consumo de energia da CPU próximo de 1%, em contrapartida, perda de 2% no desempenho, na GPU obteve-se uma redução de 6% no consumo energético e 12% de redução no desempenho porque as memórias caches e principais não tiveram reduções significativas. Este experimento é relevante para provar como as arquiteturas atuais são otimizadas e como qualquer simples mudança paramétrica reflete no desequilíbrio dos dispositivos arquitetônicos. Palavras-chave:Simulação. Consumo energético. Análise de desempenho. GPU. CPU. Memória. Cache. Arquiteturas. INTRODUÇÃOHá alguns anos, foi descoberto que a tecnologia utilizada para a criação dos processadores estava próxima do limite, no que se refere à velocidade do processador.Atualmente, o crescimento do poder computacional não é mais obtido pelo aumento de velocidade dos processadores, mas sim pelo da quantidade de núcleos. CPU suporta 1 Como citar este artigo: ZUQUELLO, A. G.; BENINCA, R. A.; MASSAGO, Y. Alterando número máximo de acessos in-flight na memória da GPU, avaliando desempenho e consumo energético em ambiente simulado. ForScience: revista científica do IFMG, Formiga, v. 5, n. 3, e00261, jul./dez. 2017.