Uma abordagem para extração de conhecimento de SoS no contexto de Big Data

• Processo: 16/15634-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de fevereiro de 2017
• Data de Término da vigência: 31 de dezembro de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Elisa Yumi Nakagawa
• Beneficiário: Bruno Sena da Silva
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Engenharia de software Arquitetura de software Big data
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Arquitetura de Software | big data | sistema-de-sistemas | Engenharia de Software

Resumo

Sistemas-de-Sistemas (do inglês, System-of-Systems ou SoS) têm conquistado um importante papel na indústria e na academia como resposta ao crescimento contínuo da complexidade e tamanho dos sistemas de software, que são, muitas vezes, resultantes da composição de diversos outros sistemas independentes e complexos. Nesse cenário, observa-se também o crescimento da quantidade de dados coletados e gerados a partir desses sistemas. No contexto de SoS, um dos grandes problemas é a extração de conhecimento útil a partir dos dados existentes, visto que eles estão localizados dentro de cada constituinte e acabam não gerando informações completas a respeito do funcionamento do sistema como um todo, consequentemente não auxiliando na tomada de decisões. Dessa forma, o principal objetivo deste projeto é modelar e implementar um sistema que auxilie na extração de conhecimento do SoS que seja representativo a ponto de auxiliar na tomada de decisões dos usuários e gerar um novo comportamento emergente. Como objetivo mais específico, pretende-se analisar um SoS de monitoramento de enchentes a m de encontrar problemas que possam ser resolvidos baseando-se nos dados já existente nos constituintes, como por exemplo prever se há alto risco de enchente nas próximas 48 horas em certa localização, e resolve-los utilizando técnicas de aprendizado de máquina que sejam coerentes com a aplicação, gerando assim um resultado que pode agir como um novo comportamento emergente dentro do SoS. Este sistema será considerado como um novo constituinte do SoS e será avaliado com a análise das informações obtidas após a extração, a fim de verificar se este novo comportamento gerado é válido e causará impactos positivos. Visa-se, portanto, auxiliar o desenvolvimento e evolução de SoS ao prover um mecanismo para a tomada de decisão de forma mais eficaz. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ALLIAN, ANA PAULA; SENA, BRUNO; NAKAGAWA, ELISA YUMI; ASSOC COMP MACHINERY. Evaluating variability at the software architecture level: An Overview. SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 8-pg., 2019-01-01. (16/15634-3, 17/22237-3, 18/20882-1, 16/05919-0, 17/06195-9)

SENA, BRUNO; ALLIAN, ANA PAULA; NAKAGAWA, ELISA YUMI; ACM. Characterizing Big Data Software Architectures: A Systematic Mapping Study. XI BRAZILIAN SYMPOSIUM ON SOFTWARE COMPONENTS, ARCHITECTURES, AND REUSE (SBCARS 2017), v. N/A, p. 10-pg., 2017-01-01. (16/15634-3, 14/02244-7, 17/06195-9)