Matriz de risco

Introdução

Uma matriz de risco é uma ferramenta visual utilizada para identificar, avaliar e priorizar riscos associados a um projeto, processo ou atividade. Ela organiza riscos em uma tabela bidimensional, onde cada risco é posicionado de acordo com a probabilidade de sua ocorrência (eixo vertical) e o impacto ou severidade que teria caso ocorra (eixo horizontal). O cruzamento desses dois eixos resulta em diferentes categorias de risco, geralmente classificadas como baixo, médio, alto ou crítico.

Principais Usos da Matriz de Risco:

1. Identificação e Avaliação de Riscos:

   • Ajuda a identificar todos os riscos potenciais associados a um projeto ou atividade, e a avaliá-los de forma sistemática.

2. Prioritização de Riscos:

   • Permite que riscos sejam classificados de acordo com sua gravidade, auxiliando na priorização de ações preventivas ou corretivas. Os riscos de alta probabilidade e alto impacto são tratados com maior urgência.

3. Comunicação de Riscos:

   • Facilita a comunicação e o entendimento dos riscos entre os membros da equipe e as partes interessadas. A visualização clara ajuda a transmitir rapidamente quais riscos são mais críticos.

4. Tomada de Decisão:

   • Fornece uma base sólida para a tomada de decisões estratégicas sobre como gerenciar os riscos. As decisões podem incluir evitar, transferir, mitigar ou aceitar os riscos identificados.

5. Monitoramento Contínuo:

   • É usada para monitorar continuamente os riscos ao longo do tempo, permitindo ajustes nas estratégias de mitigação conforme novas informações ou mudanças no contexto do projeto ocorram.

6. Documentação e Compliance:

   • Serve como um registro formal dos riscos identificados e das ações planejadas, o que pode ser útil para fins de auditoria, compliance e aprendizado organizacional.

Riscos e suas mitigações:

Risco 1 - Processamento de imagens levando muito tempo:

O risco de número 1 consiste na demora no processamento das imagens. Esse risco trata-se de um risco contido em um bloco de embarcado e de api, onde estão contidos os dois modelos. Nosso medo consiste na não otimização do modelo tanto para de segmentação, que roda no rasp, tanto para o que roda na API.

Mitigação - Risco 1: Como mitigação do primeiro risco, o grupo discutiu e chegou à conclusão de que devemos focar na otimização dos modelos de forma concentrada durante uma sprint inteira. Dessa forma, vamos conseguir com que o modelo de pré-processamento e de processamento da API rode de forma eficiente e não entregue um resultado com latêcnia para o usuário final.

Risco 2 - Falha ou instabilidade no serviço de nuvem utilizado: O risco de número 2 consiste na instabilidade do serviço de nuvem, ou seja, demora e erros de conexão entre nossos blocos da arquitetura.

Mitigação - Risco 2: A fim de mitigar o risco de instabilidade, devemos fazer com que nossa arquitetura não dependa demais da estrutura em cloud, mantendo metade do processamento na borda e comunicando com o segundo processamento por meio do MQTT, protocolo escolhido pela possibilidade de armazenamento local e envio dos metadados e imagens ao se estabelecer conexão com a internet.

Risco 3 - Danifinição de hardware utilizado: O risco de danificação do hardware se encontra no fato de utilizarmos o raspberry acoplado ao drone e isso poder gerar instabilidade durante o voo.

Mitigação - Risco 3: A mitigação para esse erro foi discutido no grupo e chegamos à conclusão que uma documentação de testes seria viável para contornar esse risco, focando em saber quais são as limitações do hardware e como manter um bom uso do mesmo.

Risco 4 - Extrapolar o limite de gastos da conta AWS: Esse risco aumentou muito durante esse sprint que começamos a utilizar a AWS. Nesse módulo, estamos utilizando a academy, porém com menos saldo em relação aos últimos módulos. Resultando em uma menor quantidade de créditos para gastar com a arquitetura.

Mitigação - Risco 4: A fim de mitigar o estouro de créditos da AWS devemos focar nossa arquitetura em serviços cruciais e mantê-los em pé somente quando formos, efetivamente, utilizar o sistema de armazenamento em nuvem.

Risco 5 - Impossibilidade de alterar os resultados do modelo:

Durante a entrega do sprint 3, o parceiro demonstrou interesse na alteração manual dos resultados do modelo. Por exemplo, em um planalto que o modelo acusar 3 árvores, porém tiver 4, ele quer ter a possibilidade de alterar o resultado, apontando qual o verdadeiro resultado. Mitigação - Risco 5:

Nosso MVP não contempla essa funcionalidade de alteração de resultados, poré, podemos manter um esforço nesse sentido, documentando os próximos passos da aplicação e deixando claro os caminhos a se seguir a fim de adicionar essa funcionaldiade ao sistema.

Risco 6 - Alimentação portátil para o Raspberry: O rapberry é um IoT e como toda tecnologia desse tipo uma das maiores dificuldades dessa tecnologia é a duração da bateria, que pode acabar sendo agravado pelo peso do adicionado ao drone.

Mitigação - Risco 6: A fim de mitigar esse problema com a bateria, podemos realizar alguns testes para termos uma média de quanto tempo a bateria irá durar agora que o peso do raspberry está presente. Dessa forma, conseguimos utilizar o drone de forma assertiva, sem riscos para o sistema e para o hardware.

Risco 7 - Membros do grupo atuando em outros projetos: Atualmente todos os membros do grupo atuam como estagiários, trabalhando em alguns outros projetos além da faculdade e, dessa forma, não tendo tanto tempo para focar muito no projeto atual. Mitigação - Risco 7: Para mitigar esse risco e as consequências que podem vir com ele, o grupo deve fazer um plano de estratégia, a fim de que cada membro pegue uma parte que efetivamente consiga fazer e uma organização por sprint que caiba nas nossas vidas atuais.

Risco 8 - Florestas densas demais para o modelo: O modelo de detecção de árvores pode não funcionar bem em florestas, esse risco pode vir a se concretizar, mesmo com nossa arquitetura tendo dois processamentos diferentes para contagem de árvores. Mitigação - Risco 8: A fim de mitigar esse risco, podemos treinar o segundo modelo com um dataset de árvores denso, a fim de saber como esse modelo se saí. Além disso, focar em plantações que tenham uma densidade menor seria uma boa possibilidade.

Risco 9 - Falta de integração com o drone real: O drone utilizado para testar o sistema pode não ter a mesma configuração do drone que será utilizado no cotidiano da empresa, podendo gerar inconsistências quanto ao plano de voo, captura de imagens e tempo de voo. Mitigação - Risco 9: A fim de mitigar esse risco e suas consequências, poderíamos projetar focado no drone que o parceiro realmente utilizará, focalizando nosso plano e manual de usuário para o hardware que o parceiro tem.

Matriz de Riscos e Mitigações

Risco 1 - Processamento de imagens levando muito tempo:
Este risco refere-se à possível demora no processamento das imagens, tanto na borda (no Raspberry Pi) quanto na nuvem (API), devido à falta de otimização dos modelos de segmentação utilizados em ambas as partes da arquitetura.

• Mitigação: Para mitigar esse risco, o grupo decidiu dedicar uma sprint inteira focada na otimização dos modelos de processamento e pré-processamento, garantindo assim uma execução eficiente e sem latência perceptível para o usuário final.

Risco 2 - Falha ou instabilidade no serviço de nuvem utilizado:
Existe o risco de instabilidade nos serviços de nuvem, que pode resultar em atrasos ou falhas na comunicação entre diferentes componentes da arquitetura.

• Mitigação: A mitigação consiste em reduzir a dependência dos serviços em nuvem, mantendo metade do processamento na borda e utilizando o protocolo MQTT. Esse protocolo permite o armazenamento local e o envio de metadados e imagens assim que a conexão com a internet for restabelecida.

Risco 3 - Danificação do hardware utilizado:
O hardware, especificamente o Raspberry Pi acoplado ao drone, corre o risco de danificação devido a possíveis instabilidades durante o voo.

• Mitigação: Para mitigar este risco, será criada uma documentação de testes detalhada, que ajudará a entender as limitações do hardware e a assegurar um uso apropriado do mesmo durante as operações.

Risco 4 - Extrapolar o limite de gastos da conta AWS:
Há um risco significativo de ultrapassar o limite de créditos disponíveis na conta AWS, principalmente durante as fases intensivas de utilização.

• Mitigação: Para mitigar esse risco, a arquitetura será ajustada para que somente os serviços cruciais permaneçam ativos, garantindo que os recursos em nuvem sejam utilizados apenas quando necessário.

Risco 5 - Impossibilidade de alterar os resultados do modelo:
O parceiro demonstrou interesse em ter a capacidade de alterar manualmente os resultados gerados pelo modelo, o que atualmente não é contemplado no MVP.

• Mitigação: Documentar os passos futuros necessários para implementar essa funcionalidade e definir claramente os próximos passos para adicioná-la ao sistema em uma versão futura.

Risco 6 - Alimentação portátil para o Raspberry:
Como o Raspberry Pi depende de alimentação portátil, há um risco de esgotamento rápido da bateria, especialmente considerando o peso adicional quando acoplado ao drone.

• Mitigação: Realizar testes para determinar a duração média da bateria com o peso adicional do Raspberry Pi. Isso permitirá um uso mais eficaz do drone, minimizando os riscos para o sistema e o hardware.

Risco 7 - Membros do grupo atuando em outros projetos:
Todos os membros do grupo estão envolvidos em outros projetos, o que limita o tempo disponível para focar no projeto atual.

• Mitigação: Desenvolver um plano estratégico para distribuir as tarefas de forma que cada membro assuma responsabilidades que caibam em sua agenda, organizando o trabalho por sprints que sejam gerenciáveis dentro das limitações atuais.

Risco 8 - Florestas densas demais para o modelo:
O modelo de detecção de árvores pode apresentar dificuldades em áreas de floresta densa, mesmo com a utilização de dois processamentos diferentes para a contagem de árvores.

• Mitigação: Treinar o segundo modelo com um dataset mais denso de árvores para melhorar a precisão. Além disso, priorizar o uso do modelo em áreas com menor densidade arbórea.

Risco 9 - Falta de integração com o drone real:
O drone utilizado para testes pode não ter a mesma configuração do drone que será utilizado no cotidiano da empresa, gerando inconsistências na operação.

• Mitigação: Desenvolver o sistema focando no drone específico que será utilizado pela empresa, adaptando o plano de voo, captura de imagens, e outras especificações para o hardware real, além de ajustar o manual do usuário conforme o equipamento disponível.

Essa matriz de riscos proporciona uma visão clara dos desafios potenciais e das estratégias definidas para minimizá-los, garantindo um gerenciamento de riscos eficaz ao longo do projeto.

Oportunidades e suas Acentuações

Oportunidade 1 - Confiabilidade para a empresa:
Como o conceito de ESG (ambiental, social e governança) ainda é relativamente novo no mundo corporativo, construir confiança é crucial para atrair novos clientes e fortalecer a reputação da empresa. Nosso sistema pode contribuir para isso, oferecendo, em etapas futuras, a possibilidade de criar um "mapa" que mostre a localização exata das árvores adquiridas pelos clientes.

• Acentuação: Para destacar essa oportunidade, o sistema deve incluir funcionalidades adicionais não contempladas no MVP, como a exibição de coordenadas geográficas específicas das árvores e a geração de tokens reconhecíveis que representem essas informações.

Oportunidade 2 - Arquitetura flexível para integração:
A arquitetura do sistema foi projetada para ser facilmente integrada à plataforma já existente do parceiro, focando na criação de uma API robusta que possa ser facilmente acoplada ao sistema atual.

• Acentuação: Para enfatizar essa oportunidade, a abordagem escolhida não prioriza o desenvolvimento de um dashboard ou de um sistema completamente novo. Em vez disso, a ênfase está em uma arquitetura robusta e altamente integrável, pronta para ser conectada ao sistema existente.

Oportunidade 3 - Diversidade de árvores nos hectares da empresa:
A empresa demonstrou interesse no reconhecimento individual das árvores em termos de espécies, o que pode ser um ponto positivo para promover a diversidade de espécies e fomentar um mercado local baseado nos produtos gerados por diferentes espécies.

• Acentuação: Para acentuar essa oportunidade, o sistema pode ser aprimorado para identificar e catalogar diversas espécies de árvores, permitindo um controle mais detalhado da biodiversidade e apoiando estratégias de mercado que valorizem essa diversidade.

Oportunidade 4 - Utilização do drone da empresa:
Em vez de utilizar o drone de testes do INTELI, que não atende completamente às nossas necessidades, podemos realizar testes diretamente com o drone que será utilizado pela empresa no dia a dia.

• Acentuação: Para destacar essa oportunidade, realizaremos testes com o drone utilizado cotidianamente pela empresa, documentando os resultados e garantindo que o sistema seja totalmente compatível com o hardware que será usado em operações reais.

Oportunidade 5 - Solução escalável:
O sistema foi projetado para ser escalável, permitindo que a empresa aumente o número de drones e o uso da tecnologia sem comprometer a performance ou a estabilidade.

• Acentuação: Para acentuar essa oportunidade, serão realizados testes de carga e estresse durante a próxima sprint, focando em demonstrar a capacidade do sistema de lidar com escalas maiores sem perda de eficiência.

Essa estrutura proporciona uma visão clara de como o projeto pode maximizar as oportunidades, destacando aspectos que são estratégicos para o crescimento e a consolidação da empresa no mercado. Dessa forma, esperamos que mapeando esses possíveis rumos que o projeto pode tomar e planos de contingência para esses, possamos agregar maior valor para o parceiro e entregar o melhor MVP possível.