Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados

Detalhes bibliográficos
Autor(a) principal: Silva Junior, Daniel Pinheiro da
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/5713
Resumo: Os experimentos científicos passaram a ter o suporte computacional para a sua execução e gerenciamento através de sua modelagem como um workflow. Sistemas computacionais foram desenvolvidos para fazer o gerenciamento não apenas das execuções destes experimentos mas também da organização dos dados produzidos durante todo o processo. Esses dados históricos possuem um grande conhecimento para ser extraído. Por meio do uso de técnicas de Aprendizado de Máquina este trabalho propõe uma ferramenta capaz de a partir da combinação de parâmetros das atividades do workflow, fazer a Detecção de Falhas antes que ocorram utilizando o conhecimento extraído de uma base histórica de execuções. Além disso, outra funcionalidade que a ferramenta proporciona é a Recomendação de Parâmetros, que retorna valores para parâmetros que o cientista não definiu os valores prévios, de modo a maximizar a chance do experimento ser finalizado corretamente. Com esta proposta, o trabalho visa reduzir o desperdício de recursos ocasionado por execuções dos experimentos que podem terminar falhando.
id UFF-2_c399cd0dc3375f0009afba66d3a41eb1
oai_identifier_str oai:app.uff.br:1/5713
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dadosWorkflow científicoDetecção de falhasRecomendação de parâmetrosFerramenta computacionalFluxo de trabalhoTrabalho científicoDetecção de falhasMineração de dados (Computação)Scientific workflowFailure detectionParameters recomendationOs experimentos científicos passaram a ter o suporte computacional para a sua execução e gerenciamento através de sua modelagem como um workflow. Sistemas computacionais foram desenvolvidos para fazer o gerenciamento não apenas das execuções destes experimentos mas também da organização dos dados produzidos durante todo o processo. Esses dados históricos possuem um grande conhecimento para ser extraído. Por meio do uso de técnicas de Aprendizado de Máquina este trabalho propõe uma ferramenta capaz de a partir da combinação de parâmetros das atividades do workflow, fazer a Detecção de Falhas antes que ocorram utilizando o conhecimento extraído de uma base histórica de execuções. Além disso, outra funcionalidade que a ferramenta proporciona é a Recomendação de Parâmetros, que retorna valores para parâmetros que o cientista não definiu os valores prévios, de modo a maximizar a chance do experimento ser finalizado corretamente. Com esta proposta, o trabalho visa reduzir o desperdício de recursos ocasionado por execuções dos experimentos que podem terminar falhando.Scientific experiments started to have computational support for its execution and management through workflow modeling. Computational systems were developed to ma- nage not only executions of these experiments but also data organization produced during the whole process. Through the use of Machine Learning techniques this work proposes a tool capable of starting from the combination of workflow activity parameters, to do the Fault Detection before they occur using knowledge extracted from a historical basis of executions. In addition, another feature that the tool provides is the Recommendation of Parameters, which returns values for parameters that the scientist did not define the pre- vious values, in order to maximize the chance of the experiment being finalized correctly. With this proposal, the work aims to reduce the waste of resources caused by executions of the experiments that can end up failing.Carvalho, Aline Marins PaesOcanã, Kary Ann del Carmen SorianoCarvalho, Alexandre PlastinoOliveira, Daniel Cardoso Moraes deSilva Junior, Daniel Pinheiro da2018-02-01T12:30:59Z2018-02-01T12:30:59Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/5713http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-16T15:48:09Zoai:app.uff.br:1/5713Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:11:44.463748Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
title Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
spellingShingle Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
Silva Junior, Daniel Pinheiro da
Workflow científico
Detecção de falhas
Recomendação de parâmetros
Ferramenta computacional
Fluxo de trabalho
Trabalho científico
Detecção de falhas
Mineração de dados (Computação)
Scientific workflow
Failure detection
Parameters recomendation
title_short Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
title_full Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
title_fullStr Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
title_full_unstemmed Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
title_sort Uma ferramenta de apoio à detecção de falhas e recomendação de parâmetros em workflows científicos com mineração de dados
author Silva Junior, Daniel Pinheiro da
author_facet Silva Junior, Daniel Pinheiro da
author_role author
dc.contributor.none.fl_str_mv Carvalho, Aline Marins Paes
Ocanã, Kary Ann del Carmen Soriano
Carvalho, Alexandre Plastino
Oliveira, Daniel Cardoso Moraes de
dc.contributor.author.fl_str_mv Silva Junior, Daniel Pinheiro da
dc.subject.por.fl_str_mv Workflow científico
Detecção de falhas
Recomendação de parâmetros
Ferramenta computacional
Fluxo de trabalho
Trabalho científico
Detecção de falhas
Mineração de dados (Computação)
Scientific workflow
Failure detection
Parameters recomendation
topic Workflow científico
Detecção de falhas
Recomendação de parâmetros
Ferramenta computacional
Fluxo de trabalho
Trabalho científico
Detecção de falhas
Mineração de dados (Computação)
Scientific workflow
Failure detection
Parameters recomendation
description Os experimentos científicos passaram a ter o suporte computacional para a sua execução e gerenciamento através de sua modelagem como um workflow. Sistemas computacionais foram desenvolvidos para fazer o gerenciamento não apenas das execuções destes experimentos mas também da organização dos dados produzidos durante todo o processo. Esses dados históricos possuem um grande conhecimento para ser extraído. Por meio do uso de técnicas de Aprendizado de Máquina este trabalho propõe uma ferramenta capaz de a partir da combinação de parâmetros das atividades do workflow, fazer a Detecção de Falhas antes que ocorram utilizando o conhecimento extraído de uma base histórica de execuções. Além disso, outra funcionalidade que a ferramenta proporciona é a Recomendação de Parâmetros, que retorna valores para parâmetros que o cientista não definiu os valores prévios, de modo a maximizar a chance do experimento ser finalizado corretamente. Com esta proposta, o trabalho visa reduzir o desperdício de recursos ocasionado por execuções dos experimentos que podem terminar falhando.
publishDate 2018
dc.date.none.fl_str_mv 2018-02-01T12:30:59Z
2018-02-01T12:30:59Z
2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/5713
url https://app.uff.br/riuff/handle/1/5713
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823686245679104