Exercícios comentados

1️⃣ Exercício: Gerenciamento de Mudanças em Requisitos

Enunciado

Uma clínica médica está implementando um sistema de prontuário eletrônico. Durante o desenvolvimento, um novo requisito surge: permitir que os pacientes consultem seus exames online.

Tarefas:

1. Elaborar um plano de gerenciamento de mudanças.
2. Criar um fluxo UML para análise/aprovação da mudança.
3. Explicar como métodos ágeis poderiam ajudar.

---

Resolução

Plano de Gerenciamento de Mudanças:

• Identificação da Mudança: Inclusão do módulo de consulta de exames online.
• Justificativa: Aumentar a autonomia dos pacientes e reduzir demanda no atendimento.
• Avaliação de Impacto:
  • Custo: Necessidade de servidor seguro e integração com o laboratório.
  • Prazo: Estimativa de +3 sprints no Scrum.
  • Segurança: Implementação de autenticação multifator.
  • Usabilidade: Interface simplificada para acesso via celular.
• Prioridade: Alta (impacto direto no valor para o cliente).
• Controle de Versão: Atualização do documento de requisitos (IEEE 830).

Fluxo UML (atividade simplificada):

[Solicitação de Mudança] → [Análise de Impacto] → [Aprovação do Comitê] → 
[Planejamento no Backlog] → [Implementação e Testes] → [Deploy e Feedback]

Métodos Ágeis:

• Scrum permite ajustes rápidos via backlog.
• Cada sprint incorpora incrementos pequenos (entrega contínua).
• Feedback dos usuários nas revisões ajuda a validar rapidamente.

---

2️⃣ Exercício: Herança e Encapsulamento

Enunciado

Crie uma classe Pessoa com atributos comuns (nome, idade e CPF), e duas subclasses: Aluno e Professor, que herdam atributos e adicionam informações específicas.

---

Resolução em Python

class Pessoa:
    def __init__(self, nome, idade, cpf):
        self._nome = nome
        self._idade = idade
        self._cpf = cpf

    def get_nome(self):
        return self._nome

    def set_nome(self, nome):
        self._nome = nome

    def get_idade(self):
        return self._idade

    def set_idade(self, idade):
        self._idade = idade

    def get_cpf(self):
        return self._cpf

    def set_cpf(self, cpf):
        self._cpf = cpf


class Aluno(Pessoa):
    def __init__(self, nome, idade, cpf, serie):
        super().__init__(nome, idade, cpf)
        self.serie = serie

    def exibir_informacoes(self):
        return f"Aluno: {self.get_nome()}, Idade: {self.get_idade()}, Série: {self.serie}"


class Professor(Pessoa):
    def __init__(self, nome, idade, cpf, disciplina):
        super().__init__(nome, idade, cpf)
        self.disciplina = disciplina

    def exibir_informacoes(self):
        return f"Professor: {self.get_nome()}, Idade: {self.get_idade()}, Disciplina: {self.disciplina}"


# Teste
aluno1 = Aluno("Carlos", 15, "123.456.789-00", "9º Ano")
prof1 = Professor("Ana", 35, "987.654.321-00", "Matemática")

print(aluno1.exibir_informacoes())
print(prof1.exibir_informacoes())

Saída esperada:

yamlCopiarEditarAluno: Carlos, Idade: 15, Série: 9º Ano
Professor: Ana, Idade: 35, Disciplina: Matemática

---

3️⃣ Exercício: Polimorfismo em um Sistema de Entregas

Enunciado

Implemente classes de transporte (Moto, Caminhao, Drone) que calculam o tempo de entrega de forma distinta, utilizando polimorfismo.

---

Resolução em Python

from abc import ABC, abstractmethod

class Transporte(ABC):
    @abstractmethod
    def calcular_tempo(self, distancia):
        pass


class Moto(Transporte):
    def calcular_tempo(self, distancia):
        velocidade = 60  # km/h
        return distancia / velocidade


class Caminhao(Transporte):
    def calcular_tempo(self, distancia):
        velocidade = 40  # km/h
        return distancia / velocidade


class Drone(Transporte):
    def calcular_tempo(self, distancia):
        velocidade = 80  # km/h
        return distancia / velocidade


# Teste com polimorfismo
transportes = [Moto(), Caminhao(), Drone()]
distancia = 120  # km

for t in transportes:
    print(f"{t.__class__.__name__}: Tempo estimado = {t.calcular_tempo(distancia):.2f} horas")

Saída esperada:

Moto: Tempo estimado = 2.00 horas
Caminhao: Tempo estimado = 3.00 horas
Drone: Tempo estimado = 1.50 horas