Previsão da capacidade de processamento em computadores pessoais utilizando ARIMA e assinatura comportamental

• Ano de defesa: 2021
• Autor(a) principal: Pinto, Paulo Victor Rios
• Orientador(a): Góis, Lourival Aparecido de
• Banca de defesa: Góis, Lourival Aparecido de , Foronda, Augusto , Barros, Rodolfo Miranda de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência da Computação
• País: Brasil
• Palavras-chave em Português: Análise de séries temporais; Previsão tecnológica; Algorítmos computacionais; Assinaturas; Time-series analysis; Technological forecasting; Computer algorithms; Signatures (Writing)
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/27713

Delinear o comportamento de um recurso importante para um ambiente distribuído pode acarretar uma interação mais assertiva entre o gestor e os fornecedores e consumidores do mesmo, tornando seu consumo mais racional. A finalidade de uma Assinatura Comportamental é traçar o comportamento padrão do uso de um ou de um conjunto de recursos necessários para se estabelecer a capacidade que um equipamento possui de servir o ambiente distribuído a que pertence. Este trabalho apresenta uma proposta que permite a criação de uma Assinatura Comportamental através do modelo ARIMA, tendo como base o consumo da CPU em computadores pessoais, possibilitando desta forma, uma sistemática que permite a previsão deste consumo através da atualização contínua desta Assinatura. Os métodos elaborados foram avaliados através do Critério de Informação de Akaike (AIC), em comparação com um gerador automático de modelos ARIMA. Os dados obtidos e suas análises demonstraram resultados superiores aos métodos gerados pelo modelo automático, apresentando um nível de assertividade maior nessa proposta de previsibilidade e são tratados em detalhes nesta dissertação de mestrado. Outro motivador deste estudo é que as Assinaturas Comportamentais obtidas possuem um tamanho físico que viabilizará a transferência para o módulo gestor com baixo overhead de transmissão.