Modelagem e simulação de uma solução de integração do sistema de currículos da Ag~encia nacional de Ciência e Tecnologia de Portugal para a redução de gargalos de desempenho

• Ano de defesa: 2017
• Autor(a) principal: Lencina, Alexsandro Queiroz
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Ciências Exatas e da Terra; Modelagem Matemática; Integração de aplicações empresariais; Redes de Petri Estocásticas; Simulação; Gargalos de desempenho
• Link de acesso: http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/4404

A grande maioria das empresas possui um ecossistema de software composto por um conjunto de aplicações, para auxiliar na tomada de decisões ou na melhoria dos seus processos de negócio. O campo de estudo integração de aplicações empresariais oferece ferramentas e metodologias para criar soluções de integração que possibilita que as aplicações do ecossistema, geralmente heterogêneas, possam trabalhar de maneira conjunta e sincronizada. Esta dissertação utiliza como caso de estudo uma solução de integração projetada para o problema de integração do sistema de currículos da agência nacional e tecnologia de Portugal. Esta solução, projetada com uma linguagem de modelagem de alto nível de abstração, é caracterizada como um sistema de eventos discretos. Existem vários paradigmas para a modelagem de sistemas de eventos discretos, dentre eles aqueles baseados em modelos probabilísticos. nesta dissertação, utiliza-se uma abordagem baseada em simulação com redes de Petri estocásticas para a identificação de gargalos de desempenho em soluções de integração, caracterizando, assim, uma solução como um processo probabilístico. Para a redução desses gargalos utilizou-se as redes de Petri Estocásticas Generalizadas. A simulação de uma solução de integração, a partir do seu modelo conceitual, possibilita a análise do seu comportamento ainda na fase de projeto, reduzindo custos, riscos e tempo no desenvolvimento da solução. Os resultados da simulação mostram que os gargalos de desempenho podem ser identificados ainda na fase de projeto e que é possível reduzi-los dedicando recursos computacionais às tarefas mais críticas do modelo.