Uma abordagem para predição de comportamentos emergentes em sistemas-de-sistemas no contexto de Big Data

• Processo: 17/22237-3
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2018
• Data de Término da vigência: 31 de março de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• 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): Engenharia de software Big data
• Palavra(s)-Chave do Pesquisador: big data | Emergent Behavior | Systems-of-Systems | Engenharia de Software

Resumo

Sistemas-de-Sistemas (do inglês, Systems-of-Systems, SoS) são compostos por sistemas indepedendentes, intensivos e heterogêneos de software, encontrados principalmente em domínios críticos, como saúde, transporte e militar. Uma característica essencial desse tipo de sistema são os comportamentos emergentes (isto é, os comportamentos desejados e não desejados que emergem em tempo de execução como resultado da colaboração entre os constituintes). Em outra perspectiva, observa-se o crescimento constante de dados gerados por sistemas de software, caracterizado o cenário de Big Data, onde técnicas de aprendizado de máquina tem sido utilizadas para extrair conhecimento de tais dados. No contexto de SoS, os conjuntos de dados dos constituintes também caracterizam esse cenário. No entanto, embora este conjunto de dados contenha conhecimento necessário para a previsão de comportamentos emergentes em SoS, esse tópico de pesquisa ainda não foi explorado. Além disso, a incapacidade de SoS para prever comportamentos emergentes (antes de ocorrerem) pode causar falhas, resultando em problemas tais como lesões ou até mesmo morte, considerando um SoS no domínio de saúde. O principal objetivo deste projeto de mestrado é estabelecer uma abordagem para prever comportamentos emergentes em SoS e também identificar os comportamentos inesperados em tempo de execução, apoiando as partes interessadas do SoS para uma reação rápida, sabendo que novos comportamentos surgirão. Esta abordagem será implementada utilizando técnicas de aprendizado de máquinas aplicadas sobre o conjunto de dados dos sistemas constituintes. Para avaliar essa abordagem, serão realizados um estudo de caso e um experimento aplicando-a em um SoS de saúde real. Como principais resultados, pretende-se contribuir para a comunidade SoS, fornecendo um meio para previsão do comportamento emergente e também ajudar as partes interessadas do SoS a prevenir falhas de sistemas. (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; DUCHIEN, L; KOZIOLEK, A; MIRANDOLA, R; MARTINEZ, EMN; QUINTON, C; SCANDARIATO, R; SCANDURRA, P; TRUBIANI, C; WEYNS, D. Promoting Trust in Interoperability of Systems-of-Systems. 13TH EUROPEAN CONFERENCE ON SOFTWARE ARCHITECTURE (ECSA 2019), VOL 2, v. N/A, p. 4-pg., 2019-01-01. (17/22237-3, 18/20882-1, 18/21517-5, 16/05919-0, 17/06195-9)

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)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SILVA, Bruno Sena da. KnowSoS: Uma Arquitetura de Software para a Descoberta de Conhecimento em Sistemas-de-Sistemas. 2020. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.