Modelamento da Imprecisão Temporal da Observação em Sistemas de Diagnóstico de Ambientes Distribuídos
|
|
- Carmem Domingues
- 5 Há anos
- Visualizações:
Transcrição
1 Modelamento da Imprecisão emporal da Observação em Sistemas de Diagnóstico de Ambientes Distribuídos Volnys Borges Bernal ese de doutorado Depto. de Engenharia de Sistemas Eletrônicos Escola Politécnica da USP Orientador: Prof. Dr. Sergio akeo Kofuji
2 2 Agenda Y Motivação e objetivo Y Sistemas de correlação e diagnóstico Y O sistema SMARS Y Anomalias, sintomas e suas relações Y Modelagem do processo de observação Y Problemas temporais de uma observação Y A nova representação da observação Y Modelagem da observação Y Aglomerado de Intervalos Y Conclusão
3 Motivação e Objetivo
4 4 Motivação Y É impraticável a um operador, mesmo com a utilização de plataforma de gerenciamento, a identificação de problemas em um ambiente distribuído sem um sistema de apoio: Sistema de correlação Sistema de diagnóstico Y Mesmo sistemas de correlação e diagnóstico devem conviver com as seguintes situações: Defasagem temporal da observação Perda de observações Existência de ruídos
5 5 Motivação Rede de elecomunicações Redes de Dados Protocolo mais utilizado CMIP SNMP Agente de monitoração complexo simples Meio de transmissão utilizado no gerenciamento Principal método de obtenção de observações In-band Out-of-band notificação In-band amostragem periódica (polling) Observação típica não defasada defasada em até 1 ciclo defasada em até 2 ciclos Perda de observações raro freqüente
6 6 Motivação Y Principal problema para detecção de anomalias em redes de dados: Incerteza temporal da observação Alta taxa de ocupação de CPU Sintomas Serviço não responde t
7 7 Objetivo Y Principal Modelagem da imprecisão temporal da observação em sistemas de diagnóstico para sistemas distribuídos e Modelagem da incerteza decorrente da ausência de informações
8 Sistemas de Correlação de Eventos
9 9 Sistemas de correlação de eventos Y Correlação de eventos Principal objetivo Reduzir a quantidade de eventos transferidos aos operadores écnicas utilizadas Compressão, filtragem, supressão, intensificação,
10 Sistemas de Diagnóstico
11 11 Sistemas de diagnóstico Y Objetivo: Identificar o conjunto de causas raiz relacionadas às anomalias que se manifestam através de alguns comportamentos observáveis (sintomas)
12 12 Sistemas de apoio Operador Eventos Anomalias raiz Correlação de eventos Sistema de Gerenciamento arefa de Diagnóstico arefa de Reparo Monitoração Controle Infra-estrutura de comunicação + sistemas operacionais + aplicações
13 Sistemas de Diagnóstico: Sistema SMARS
14 14 Sistema SMARS Y Sistema de diagnóstico Y Apoiado por um sistema de correlação Y Utiliza a técnica de correlação por livro-código Y Atemporal Y Baseado em modelo (utiliza a linguagem MODEL para descrição do modelo)
15 Sistema SMARS 15 Gerador de Modelos Sistema de Descoberta Linguagem MODEL Modelos Gerador de livros-código opologia e configuração do ambiente Ambiente Coleção de livros-código (codebooks) Monitores alarmes Correlação Causas raiz
16 16 Sistema Smarts Modelo opologia + Configuração Grafo Causal Grafo de correlação bipartido Grafo de correlação bipartido S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 Sintomas A1 A2 A3 A4 A5 A6 Anomalias
17 Sistema SMARS Grafo de correlação bipartido Matriz de correlação Matriz de correlação 17 Anomalia ok Sintoma A1 A2 A3 A4 A5 A6 S S S S S S S S S S S S S S S S S S S S
18 18 Sistema SMARS Matriz de correlação Anomalia Sintoma A1 A2 A3 A4 A5 A6 ok S Livro-código S S Anomalia Sintoma A1 A2 A3 A4 A5 A6 ok olerante à presença de ruído em 1 sintoma S S S S S S
19 19 Sistema SMARS Y Principais vantagens Indica com precisão a anomalia raiz (desde que as observações não sejam defasadas em fase e período) Automaticamente computa e atualiza as regras de correlação Extremamente rápido comparado a sistemas baseados em regras Resistente a ruído
20 20 Sistema SMARS Y Principais desvantagens rata somente falhas únicas Para realizar o correlacionamento todos os sintomas devem estar disponíveis Requer o completo conhecimento das anomalias antes que o livro-código seja computado Não suporta correlacionamento temporal Livro-código deve ser recompilado sempre que o ambiente for alterado Susceptível a observações defasadas!
21 Anomalias, sintomas e suas relações
22 22 Anomalias, sintomas e suas relações Y Classificação das relações causais Quanto à possibilidade de causar efeito Necessariamente causa Possivelmente causa Quanto ao retardo do efeito Início imediato Início retardado érmino imediato érmino retardado érmino indeterminado
23 23 Anomalias, sintomas e suas relações Y Relacionamento causal entre anomalias causa A7 A5 A6 causa causa causa causa A1 A2 A3 A4
24 24 Anomalias, sintomas e suas relações Y Relacionamento causal entre anomalias e sintomas Anomalia A Anomalia A Anomalia A Anomalias Sintomas Anomalias Sintomas Anomalias Sintomas causa causa causa Sintoma S1 Sintoma S2 Sintoma S2
25 25 Anomalias, sintomas e suas relações Y Relacionamento causal entre anomalias e sintomas Anomali a A Anomali a Anomalias D Sintomas Anomali a B Anomali a C Sintoma S1 Sintoma S2 Sintoma S3 Sintoma S4 Sintoma S5
26 Modelagem do processo de observação
27 27 Modelagem do processo de observação Y Visão tradicional do processo de obtenção de observações Agente Monitoração Gerente Mapeador em estados Observação Sistema de Diagnóstico Objetos Reais Objetos Gerenciados Amostragem ou notificações Objetos Intermediários valor bruto estado transição de estado
28 Problemas temporais de uma observação
29 29 Observação Y Problemas temporais (1) Observação defasada no tempo (2) Desconhecimento do estado atual de um objeto gerenciado (3) Relacionamento entre observações defasadas no tempo
30 30 (1) Observação defasada no tempo Não defasada Objeto Gerenciado Alarmes E Observação O(E) t Observação em até 1 ciclo Objeto Gerenciado Amostragem Observação P E O(E) t Defasada em até 2 ciclos A B Objeto Gerenciado Amostragem Observação Objeto Gerenciado Amostragem Observação P P E E O(E) O(E) t t
31 31 (2) Desconhecimento do estado atual Y Ocorre em: Observações defasadas Y Exemplo: Objeto gerenciado E Amostragem Observação O(E)??? t corrente t
32 32 (3) Relac. entre observações defasadas Y Não trivial Quando o valor de uma das observações for obtida por amostragem Y Devido a utilização de: Diferentes períodos de amostragem Diferentes fases de de amostragem
33 33 (3) Relac. entre observações defasadas Y Exemplo: A causa imediatamente Ex A causa imediatamente Ey O(X) defasada em até 1 ciclo O(Y) defasada em até 1 ciclo Anomalias Sintomas Ex Anomalia A Ey Objeto gerenciado X Amostragem de X Observação de X Px Ex O(Ex) Objeto gerenciado Y Ey?? Amostragem de Y Observação de Y Py O(Ey) t
34 A nova representação da observação
35 35 A nova representação da observação Y Visão do novo modelo do processo de obtenção de observações Agente Monitoração Gerente Mapeador em estados Modelador Observação Sistema de Diagnóstico Objetos Reais Objetos Gerenciados Amostragem ou notificações Objetos Intermediários Intervalos de tempo
36 36 A nova representação da observação Y Objetivo: Representação da localização temporal Explicitar as incertezas temporais Y Observação é composta por Intervalos de possibilidade e certeza intervalo contendo o momento provável da transição de estado Intervalo de certeza da ocorrência do estado Intervalos de incerteza período com desconhecimento do estado intervalos com ausência de monitoração
37 37 A nova representação da observação Y Intervalos definidos IC intervalo de Certeza IPI Intervalo de Possibilidade de Início IP Intervalo de Possibilidade de érmino II Intervalo de Incerteza Observação IPI(S1) IC(S1) IP(S1) t
38 Modelagem da observação Intervalos de Possibilidade e Certeza
39 39 Intervalos de possibilidade e certeza Y Observação não defasada Objeto Gerenciado E Eventos assíncronos Objeto Intermediário Observação modelada O(E) IC(E) i(e)= i(o(e)) t(e)=t(o(e)) t Agente Gerente Monitoração Mapeador em estados Modelador Observação Sistema de Diagnóstico Objetos Reais Objetos Gerenciados Objetos Intermediários
40 40 Intervalos de possibilidade e certeza Y Observação defasada em até 1 ciclo Objeto Gerenciado E Amostragem Objeto Intermediário P O(E) Observação modelada IPI(E) IC(E) IP(E) i(e) i(o(e)) t(e) t t(o(e)) Agente Gerente Monitoração Mapeador em estados Modelador Observação Sistema de Diagnóstico Objetos Reais Objetos Gerenciados Objetos Intermediários
41 41 Intervalos de possibilidade e certeza Y Observação defasada em até 2 ciclos Objeto Gerenciado E Amostragem Objeto Intermediário P O(E) Observação modelada IPI(E) i(e) i(o(e)) IC(E) IP(E) t(e) t t(o(e)) Agente Gerente Monitoração Mapeador em estados Modelador Observação Sistema de Diagnóstico Objetos Reais Objetos Gerenciados Objetos Intermediários
42 42 Intervalos de possibilidade e certeza Y Utilização da completude do conjunto de estados Objeto Gerenciado N A N A N Amostragem Objeto Intermediário O(N) O(A) O(N) O(A) O(N) Observação modelada IC(N) IP(N) IPI(A) IC(A) IP(A) IPI(N) IC(N) IP(N) IPI(A) IP(A) IPI(N) IC(N) t
43 Modelagem da observação Intervalos de Incerteza
44 44 Intervalos de Incerteza Y Representa o intervalo de tempo no qual não é conhecido o estado do objeto gerenciado Y Causas (1) Falha na monitoração (2) Proximidade ao instante corrente (3) Início do processo de monitoração
45 Intervalos de incerteza: (1) Falha na monitoração 45 Y Observação não defasada Objeto Gerenciado Notificação Comunicação E Falha de com. com agente Objeto Intermediário O(E)?? O(E) Observação modelada IC(E) Incenteza IC(E) t
46 Intervalos de incerteza: (1) Falha na monitoração 46 Y Observação defasada em até 1 ciclo Objeto Gerenciado Amostragem E Objeto Intermediário O(E)?? O(E) Observação modelada IC(E) Incenteza IC(E) p -P p p + P t
47 Intervalos de incerteza: (1) Falha na monitoração 47 Y Observação defasada em até 2 ciclos Objeto Gerenciado E Amostragem E E E * * E Objeto Intermediário O(E)?? O(E) Observação modelada IC(E) II IC(E) p -2P p -P p p + P p + 2P t
48 Intervalos de incerteza: (2) Proximidade ao instante corrente 48 Y Observação defasada em até 1 ciclo Objeto Gerenciado Amostragem P E empo corrente = c1 Objeto Intermediário O(E) Observação modelada IC(E) IPI(E) II u c1 t
49 Intervalos de incerteza: (2) Proximidade ao instante corrente 49 Y Observação defasada em até 1 ciclo empo corrente = c2 = c1 + P Objeto Gerenciado Amostragem P E Objeto Intermediário O(E) Observação modelada IC(E) II c1 u c2 = c1 + P t
50 Intervalos de incerteza: (2) Proximidade do instante corrente 50 Y Observação defasada em até 2 ciclos Objeto Gerenciado Amostragem P E empo corrente = c1 Objeto Intermediário O(E) Observação modelada IC(E) II p u c1 t
51 Intervalos de incerteza: (3) Início do processo de monitoração 51 Y Observação defasada em até 1 ciclo Objeto Gerenciado Amostragem E Objeto Intermediário Observação modelada?? II O(E) IC(E) i A1 A2 A3 A4 t
52 Intervalos de incerteza: (3) Início do processo de monitoração 52 Y Observação defasada em até 2 ciclos Objeto Gerenciado Amostragem Objeto Intermediário E * E E E?? O(E) Observação modelada II IC(E) i A1 A2 A3 A4 t
53 Aglomerado de Intervalos
54 54 Aglomerado de intervalos Y Objetivo Representar a ocorrência de um estado em um objeto gerenciado utilizando os intervalos de tempo IPI, IC, IP e II
55 55 Aglomerado de intervalos Y Exemplo: Observação defasada em até 1 ciclo Objeto Gerenciado N 1 A 1 N 2 A 2 Amostragem Objeto Intermediário O(N ) 1 O(A 2 ) O(N ) 2?? O(A ) 2 cluster(n 1 ) II IC(N 1 ) IP(N 1 ) cluster(a 1 ) IPI(A 1 ) IP(A 1 ) cluster(n 2 ) cluster(a 2 ) IC(A 1 ) pontual IPI(N 2 ) IC(N 2 ) II II IC(A 2 ) II início t
56 56 Aglomerado de intervalos Y Exemplo: Observação defasada em até 2 ciclos Objeto Gerenciado N 1 A 1 N 2 Amostragem Objeto Intermediário?? O(N 1 ) O(A 1 ) O(N 2 ) cluster(n 1 ) II IC(N 1 ) IP(N 1 ) cluster(a 1 ) IPI(A 1 ) IP(A 1 ) cluster(n 2 ) IPI(N 2 ) IC(N 2 ) II t
57 57 Aglomerado de intervalos Y Inferência A Anomalias Sintomas Necessariamente e imediatamente causa S S IPI(S1) IC(S1) IP(S1) A IPI(A) IC(A) IP(A) t
58 58 Aglomerado de intervalos Y Intersecção entre aglomerados Anomalias Sintomas S1 A S2 S1 IPI(S1) IC(S1) IP(S1) S2 IPI(S2) IC(S2) IP(S2) A = S1 S2 IPI(A) IC(A) IP(A) t S1 IPI(S1) IC(S1) IP(S1) S2 IPI(S2) IC(S2) IP(S2) A = S1 S2 Inconsistente! t
59 Conclusão
60 60 Conclusão Y Redes de dados possuem características distintas das redes de telecomunicações em relação ao gerenciamento Y écnicas de correlação, empregadas extensivamente em redes de telecomunicações não são tão eficientes em redes de dados Y Informações temporais são descartadas em sistemas tradicionais de diagnóstico
61 61 Conclusão Y Informação temporal contida na observação pode ser utilizada para discriminar hipóteses em um sistema de diagnóstico. Isto é útil Quando observações possuem diferentes períodos e fase de amostragem Quando da presença de múltiplas anomalias Y Porém, em redes de dados, a informação temporal contida em uma observação é imprecisa. Daí a importância de explicitar tais imprecisões na observação.
62 62 Conclusão Y Este trabalho Modelou o processo de obtenção de informações em um sistema distribuído Definiu novos termos e propriedades relacionados à observação, não encontrados na literatura Propôs uma forma de modelagem da observação, explicitando suas imprecisões temporais Exemplificou como estas observações podem ser utilizadas em um sistema de diagnóstico temporal
63 63 Conclusão Y Y Y Observação gerada por sistemas tradicionais possui o problema da imprecisão temporal, intrínseco à dinâmica do processo de observação Proposta de modelagem da observação: Vantagens Pode ser utilizado em sistemas de diagnóstico temporal e atemporal Permite ao sistema de diagnóstico o conhecimento das imprecisões temporais e incertezas de observação Desvantagem Processo deve estar integrado ao sistema coletor A modelagem da observação é o primeiro passo para concepção de um sistema de diagnóstico temporal
64 Contribuições
65 65 Contribuições Y Modelagem do processo de observação em sistemas distribuído Definição de objeto intermediário ipos de observação Classificação das observações em Não defasadas Defasadas em até 1 ciclo Defasadas em até 2 ciclos
66 66 Contribuições Y Proposta de modelagem temporal da observação Definição de uma forma de observação que incorpora informação a respeito da imprecisão temporal (IPI, IC, IP, II) Y Modelos reusáveis para a representação de um sistema distribuído [Bernal 1999b] Y No grafo causal, foi explicitando: O plano de observações O plano de anomalias
67 rabalhos Futuros
68 68 rabalhos Futuros Y Modelagem da observação: formalização matemática de agrupamento de intervalos e operações sobre tais agrupamentos Y Pesquisa de outros métodos de diagnóstico temporal Y Comparação efetiva de sistemas de diagnóstico atemporal e temporal em relação a velocidade e precisão de diagnóstico Y Uso desta técnica de modelagem em um sistema de produção: diagnóstico de falhas em um cluster de processamento paralelo (em andamento)
69 Obrigado
MODELAMENTO DA IMPRECISÃO TEMPORAL DA OBSERVAÇÃO EM SISTEMAS DE DIAGNÓSTICO DE AMBIENTES DISTRIBUÍDOS
VOLNYS BORGES BERNAL MODELAMENTO DA IMPRECISÃO TEMPORAL DA OBSERVAÇÃO EM SISTEMAS DE DIAGNÓSTICO DE AMBIENTES DISTRIBUÍDOS Tese apresentada à Escola Politécnica da Universidade de São Paulo para obtenção
Leia maisAgenda. Modelamento da Imprecisão Temporal da Observação em Sistemas de Diagnóstico de Ambientes Distribuídos. Motivação. Motivação e Objetivo
2 Modelameno da Imprecisão emporal da em Sisemas de Diagnósico de mbienes Disribuídos Volnys Borges Bernal ese de douorado Depo. de ngenharia de Sisemas lerônicos scola oliécnica da US Orienador: rof.
Leia maisGerência de Redes de Computadores RMON. Prof. Alex Furtunato
Gerência de Redes de Computadores RMON Prof. Alex Furtunato alex.furtunato@ifrn.edu.br Limitações da MIB-II O gerenciamento é realizado em cada dispositivos individualmente Os dispositivos gerenciados
Leia maisControle Preditivo com Múltiplos Modelos para a Acomodação de Falhas
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Eletrônica Departamento de Sistemas e Controle Tese de Mestrado Controle Preditivo com Múltiplos Modelos para a Acomodação de Falhas Mariana Santos
Leia maisGestão e Monitoramento de Redes IP
Gestão e Monitoramento de Redes IP Nicola Sanchez Eng. Telecomunicações Sobre mim, Engenheiro de Telecomunicações. Especialista em Rádio Frequência e redes IP. Especialista em TV por Assinatura, telefonia
Leia maisGerência de Redes. Modelo de Gerenciamento OSI
Gerência de Redes Modelo de Gerenciamento OSI Modelo de Gerenciamento OSI e Modelo de Gerenciamento SNMP Vários modelos foram criados por diversos órgãos com o objetivo de gerenciar redes, dados e telecomunicações
Leia maisPágina 1 of 5. Curriculum Vitae - CNPq. Dados Pessoais. Formação Acadêmica/Titulação. Atuação Profissional
Página 1 of 5 Curriculum Vitae - CNPq Maio/2003 Dados Pessoais Nome Volnys Borges Bernal Nascimento 11/04/1966 - Santos/SP - Brasil CPF 08060543873 Formação Acadêmica/Titulação 1997-2003 1993-1997 1985-1989
Leia maisGuia de estudos 08. Aluno: Data: Curso: Sistemas de Informação. Adm de redes
Guia de estudos 08 Aluno: Data: Curso: Sistemas de Informação Periodo: Objetivo: Gerência de Redes Adm de redes 1 Quais as características da política de configuração e manutenção das redes? e da rede
Leia maisModelagem de Sistemas de Tempo Real. Sérgio Campos
Modelagem de Sistemas de Tempo Real Sérgio Campos 1 / 18 Antecedentes Sistemas reativos, Processos: comunicação, sincronização, Escalonamento, Sistemas distribuidos. Jobs, processors & timing constraints
Leia maisOperadoras de telefonia Análise da performance em tempo real
GERENCIAMENTO E IA DE SISTEMAS DE TELEFONIA Principais características Aplicações típicas Plataforma para gestão e monitoramento de sistemas de Call centers telefonia Operadoras de telefonia Análise da
Leia maisAnalógico vs Digital
Arquitectura de Computadores I Engenharia Informática (11537) Tecnologias e Sistemas de Informação (6616) Analógico vs Digital Nuno Pombo / Miguel Neto Arquitectura Computadores I 2014/2015 1 Os circuitos
Leia maisMaterial baseado nos slides de: Marcos José Santana Regina Helena Carlucci Santana
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC643 Avaliaçãode Desempenhode Sistemas Computacionais Aula 5 Sarita Mazzini Bruschi
Leia maisAgenda. Redes Ativas. O que são Redes Ativas? Christian Lyra e Rafael Caiuta. November 21, 2006
Agenda November 21, 2006 1 Introdução 2 Conceitos 3 Arquitetura DARPA 4 Projetos 5 Gerenciamento 6 Segurança 7 QoS 8 Referências O que são? Histórico Definição são um novo paradigma da arquitetura de s
Leia maisGerenciamento de Redes. Alan Santos
Gerenciamento de Redes Alan Santos Ciclo de gerenciamento Quando falamos de gerenciamento de redes devemos primeiro estabelecer o que será gerenciado e o que se espera como resultado desse gerenciamento.
Leia maisGerenciamento de Redes
Gerenciamento de Redes Áreas Funcionais de Gerenciamento FCAPS Modelo OSI de Gerenciamento Criado pela ISO para situar os cenários de gerenciamento em um quadro estruturado Fault Configuration Account
Leia maisConceitos e terminologia de segurança quanto à disponibilidade
Conceitos e terminologia de segurança quanto à disponibilidade Parte 1 I) Revisão II) Introdução Segurança Disponibilidade III) Serviços IV) Cluster V) Redundância Agenda Sistemas Operacionais Ponteiro
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de Espera Tempo (Real) Simulado
Leia maisCOMO FUNCIONA A SIMULAÇÃO
COMO FUNCIONA A SIMULAÇÃO Capítulo 2 - Aula 3 1 Terminologia Básica Ver capítulo 2 da referência 1 Variáveis de Estado Eventos Entidades e Atributos Recursos e Filas de Recursos Atividades e Períodos de
Leia maisCapítulo 1 Informática Biomédica: Ciência e Prática. Edward H. Shortliffe e Marsden S. Blois. Apresentado por: Carmem Hara
Capítulo 1 Informática Biomédica: Ciência e Prática Edward H. Shortliffe e Marsden S. Blois Apresentado por: Carmem Hara Sumário 1) Registro eletrônico de pacientes 2) Impacto da Internet nos tratamentos
Leia maisReconstrução de cenas a partir de imagens através de Escultura do Espaço por Refinamento Adaptativo
Tese de doutorado Reconstrução de cenas a partir de imagens através de Escultura do Espaço por Refinamento Adaptativo por Anselmo A. Montenegro Orientadores: Marcelo Gattass, PUC-Rio Paulo Cezar Carvalho,
Leia maisProposta de Ferramenta para Validação Temporal em Barramentos de Campo
Proposta de Ferramenta para Validação Temporal em Barramentos de Campo Rafael Wild Orientador: Prof. Dr. Carlos E. Pereira Dissertação de Mestrado - maio/2000 PPGEE- UFRGS Tópicos da Apresentação Introdução
Leia maisAvaliação de Desempenho e Monitoramento Redes de Computadores. Gerenciamento de Redes. Professor Airton Ribeiro de Sousa
Gerenciamento de Redes Professor Airton Ribeiro de Sousa airton.ribeiros@gmail.com Introdução - Gerenciamento de Redes As redes de computadores são compostas por uma grande variedade de dispositivos que
Leia maisBIG DATA: UMA INTRODUÇÃO. Prof. Ronaldo R. Goldschmidt
BIG DATA: UMA INTRODUÇÃO Prof. Ronaldo R. Goldschmidt Instituto Militar de Engenharia Seção de Engenharia de Computação (SE/8) ronaldo.rgold@ime.eb.br / ronaldo.rgold@gmail.com 70% 60% 50% 40% 30% 20%
Leia maisRedes Bayesianas. Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR
Redes Bayesianas Prof. Júlio Cesar Nievola PPGIa Escola Politécnica PUCPR Raciocínio com Incerteza Incerteza: qualidade ou estado de não ser conhecido com certeza Fontes de incerteza: Ignorância: qual
Leia maisCodificação e transmissão de sinais digitais em banda básica
Volnys B. Bernal (c) 1 Codificação e transmissão de sinais digitais em banda básica Volnys Borges Bernal volnys@lsi.usp.br http://www.lsi.usp.br/~volnys Volnys B. Bernal (c) 2 Agenda Codificação NRZ Transmissão
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Introdução a Machine Learning: Teoria, Aplicações e IA na Arquitetura Intel Vitor Hugo Ferreira, DSc - UFF Flávio Mello, DSc UFRJ e Ai2Biz
Leia mais4 Cálculo de Equivalentes Dinâmicos
4 Cálculo de Equivalentes Dinâmicos 4.1. Introdução Os sistemas de potência interligados vêm adquirindo maior tamanho e complexidade, aumentando a dependência de sistemas de controle tanto em operação
Leia mais27/8/2011. Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011
Tomada de Decisão e Regras Nebulosas Princípios, Conceitos e Metodologia de Gestão 2o semestre de 2011 Professores: Alexandre Mota / Lia Mota Agosto/2011 Representação Matemática de Incertezas Padrões
Leia maisUm Agente SNMP para Detecção de Intrusão Baseada na Interação de Protocolos
Um Agente SNMP para Detecção de Intrusão Baseada na Interação de Protocolos Edgar Meneghetti (UFRGS) Luciano Paschoal Gaspary (UNISINOS) Liane Tarouco (UFRGS) 20 o Simpósio Brasileiro de Redes de Computadores
Leia maisMestrado em Engenharia de Telecomunicações
Mestrado em Engenharia de elecomunicações Departamento de Engenharia de elecomunicações - UFF Disciplina: ipos de Protocolos Protocolos de Acesso Baseados em Contenção Protocolos de de Acesso ao ao Meio
Leia maisAdaptação Dinâmica desistemas Distribuídos p.1/54
Adaptação Dinâmica de Sistemas Distribuídos Francisco José da Silva e Silva Orientadores: Prof. Dr. Markus Endler Prof. Dr. Fabio Kon Instituto de Matemática e Estatística da Universidade de São Paulo
Leia maisApresentação QoS ATM Arquitetura Elementos Funcionais Conclusão
Qualidade Redes de Alta de Serviço Velocidade (QoS) Redes de Alta Velocidade Qualidade de Serviço (QoS) Qualidade de Serviço (QoS) Gerenciamento do nível de serviço: Negociar, definir, medir, administrar
Leia maisSISTEMAS DISTRIBUÍDOS
SISTEMAS DISTRIBUÍDOS CUP Disk Memoey CUP Memoey Disk Network CUP Memoey Disk Introdução aos Sistemas Distribuídos 1 Sumário Evolução Problema/Contexto O que é um Sistema Distribuído? Vantagens e Desvantagens
Leia maisGerência de Redes Turma : V
Gerência de Redes Turma : 20171.5.01405.1V RMON Prof. Thiago Dutra Agenda n Introdução n Monitores n Objetivos n MIB RMON n Grupos n RMON2 n Histórico n MIB RMON2 2 1 Introdução
Leia maisUNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA. Sistemas Distribuídos
UNIVERSIDADE FEDERAL DE GOIÁS INSTITUTO DE INFORMÁTICA Sistemas Distribuídos Mestrado em Ciência da Computação 1o. Semestre / 2006 Prof. Fábio M. Costa fmc@inf.ufg.br www.inf.ufg.br/~fmc/ds-msc2006 Aula
Leia maisMestrado em Engenharia de Telecomunicações. Tipos de Protocolos
Departamento de Engenharia de elecomunicações - UFF Disciplina: Protocolos de de Acesso ao ao Meio Profa. Débora D Christina Muchaluat Saade deborams@telecom.uff.br br ipos de Protocolos Protocolos de
Leia maisMódulo 08 Codificação de Sinais em Banda Básica Página 1. Redes. Volnys B. Bernal Versão de 6/13/2001. Agenda
Módulo 08 de Sinais em Banda Básica Página 1 Volnys B. Bernal (c) 1 Volnys B. Bernal (c) 2 Agenda e transmissão de sinais digitais em banda básica Volnys Borges Bernal volnys@lsi.usp.br http://www.lsi.
Leia maisAprendizado de Máquina (Machine Learning)
Ciência da Computação (Machine Learning) Aula 02 Representação dos dados Pré-processamento Max Pereira Tipo de Dados Os atributos usados para descrever objetos de dados podem ser de diferentes tipos: Quantitativos
Leia maisInterconexão de redes locais. Repetidores. Hubs. Existência de diferentes padrões de rede
Interconexão de redes locais Existência de diferentes padrões de rede necessidade de conectá-los Interconexão pode ocorrer em diferentes âmbitos LAN-LAN LAN: gerente de um determinado setor de uma empresa
Leia maisEngenharia de Software II
Engenharia de Software II Aula 19 http://www.ic.uff.br/~bianca/engsoft2/ Aula 19-28/05/2006 1 Ementa Processos de desenvolvimento de software Estratégias e técnicas de teste de software Métricas para software
Leia maisCaracterísticas dos Protocolos. Tipos de Protocolos. Protocolos de Acesso baseados em Contenção. Protocolos de de Acesso ao ao Meio
Departamento de Engenharia de elecomunicações - UFF Disciplina: Protocolos de de Acesso ao ao Meio Capacidade Características dos Protocolos Estabilidade em sobrecarga Justiça ( fairness ) Prioridade etardo
Leia maisRealidade Virtual Mitos, Realidades e Promessas
Mitos, Realidades e Promessas, Prof. Dr. Depto. Engenharia de Sistemas Eletrônicos Escola Politécnica da USP Exemplos: Caso 1 CAVE Prototipagem Automobilística fev. 2000 2 Exemplos: Caso 2 Hemisfério Transplante
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Análise da dados através de gráficos Introdução a Simulação Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes
Leia maisPEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids)
PEA5918 Redes Elétricas Inteligentes e Microrredes (Smart Grids e Microgrids) Métodos Avançados de Controle Giovanni Manassero Junior Depto. de Engenharia de Energia e Automação Elétricas Escola Politécnica
Leia maisTópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 02
Tópicos Avançados em Sistemas Computacionais: Infraestrutura de Hardware Aula 02 Prof. Max Santana Rolemberg Farias max.santana@univasf.edu.br Colegiado de Engenharia de Computação POR QUE APRENDER CONCEITOS
Leia maisMONITORAMENTO E ANÁLISE DE MÁQUINAS E COMPONENTES
MONITORAMENTO E ANÁLISE DE MÁQUINAS E COMPONENTES MONITORAMENTO DE VIBRAÇÃO E DIAGNÓSTICO COMUNICAÇÃO Visualização (TCP/IP) Detecção de anomalias como: Danos em rolamentos no spindle Desgaste ou defeitos
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Somas aleatórias Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Simulação de Sistemas Discretos É
Leia maisModelagem e Análise de Sistemas - COS767
Modelagem e Análise de Sistemas - COS767 Aula de hoje Introdução à simulação Geração de números aleatórios Lei dos Grandes Números Geração de variáveis aleatórias: método da transformada inversa Simulação
Leia maisMonitoramento comportamental do negócio.
Monitoramento comportamental do negócio. Utilização do algoritmo de previsão do tempo para monitorar comportamentos anômalos do negócio. VISÃO GERAL Cunhamos o conceito de monitoramento comportamental
Leia maisTÍTULO: CONTROLADOR DE PROCESSOS E DISPOSITIVOS COM REDUNDÂNCIA DE OPERAÇÃO POR PROTOCOLO DE COMUNICAÇÃO I2C
TÍTULO: CONTROLADOR DE PROCESSOS E DISPOSITIVOS COM REDUNDÂNCIA DE OPERAÇÃO POR PROTOCOLO DE COMUNICAÇÃO I2C CATEGORIA: EM ANDAMENTO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: Engenharias INSTITUIÇÃO(ÕES):
Leia maisSistemas Embarcados (embutidos) Paulo C. Masiero
Sistemas Embarcados (embutidos) Paulo C. Masiero Caracterização São usados para controlar sistemas de diferentes tipos: máquinas domésticas, fábricas, carros, jogos etc. O software é embutido no hardware
Leia maisGerência de Redes Turma : N
Gerência de Redes Turma : 20172.5.01405.1N SNMP Introdução Prof. Thiago Dutra Agenda n Histórico n Arquitetura SNMP n Estação de Gerenciamento n Agente de Gerenciamento n Base
Leia maisUMG MODULAR 300. Aplicações Típicas. Principais Características. Visão Geral USER MEDIA GATEWAY E1, VOIP, GSM, FXS AND FXO
USER MEDIA GATEWAY E1, VOIP, GSM, FXS AND FXO Principais Características Aplicações Típicas Modular, de acordo com o cenário que será utilizado 2 portas Ethernet Giga 10 contas SIP + quantidade máxima
Leia maisModelagem de ativos e apuração de medição para contabilização
Modelagem de ativos e apuração de medição para contabilização Brazil Windpower 2015 O&M Rio de Janeiro, 2 de setembro de 2015 Ediléu Cardoso Gerente de Medição Contábil Agenda Introdução - MCP Modelagem
Leia maisSSC546 -Avaliação de Desempenho de Sistemas
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Departamento de Sistemas de Computação SSC546 -Avaliação de Desempenho de Sistemas Parte 1 -Aula 2 Sarita Mazzini Bruschi Material
Leia maisPré-Processamento de Documentos
Pré-Processamento de Documentos Introdução Pré-Processamento : Análise léxica; Stopwords; Stemming; Vocabulário; Thesaurus Compressão: Fundamentos; Método Estatístico; Método Dicionário; Arquivos Invertidos
Leia maisCompressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA. Utilizando JAVA. TCC - Monografia
Compressão de Imagens Usando Wavelets: Uma Solução WEB para a Codificação EZW Utilizando JAVA TCC - Monografia Wanderson Câmara dos Santos Orientador : Prof. Dr. Luiz Felipe de Queiroz Silveira 1 Departamento
Leia maisUma Extensão Intervalar do Algoritmo Fuzzy C-Means
Uma Extensão Intervalar do Algoritmo Fuzzy C-Means Rogério R. de Vargas e Benjamín R. C. Bedregal CNMAC 2009 Cuiabá-MT, Setembro de 2009 Vargas e Bedregal PPgSC/ Universidade Federal do Rio Grande do Norte
Leia maisSistemas de Detecção de Intrusão
Sistemas de Detecção de Intrusão Gabriel Antonio Fontes Rebello Matheus Lemos dos Reis Rafael Gonçalves Damasceno Raphael Oliveira Sathler de Souza Rodrigo Carvalho Ribeiro de Jesus Contexto para Sistemas
Leia maisCondições de Disputa
2004-2017 Volnys Bernal 1 Condições de Disputa Volnys Borges Bernal volnys@lsi.usp.br Departamento de Sistemas Eletrônicos Escola Politécnica da USP 2004-2017 Volnys Bernal 2 Agenda Condições de disputa
Leia maisAnálise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais. Eraylson Galdino
Análise e Previsão de Séries Temporais Aula 1: Introdução às séries temporais egs@cin.ufpe.br Agenda Séries Temporais: Definições Exemplos Modelos simples com média zero: Ruído I.I.D Processo Binário Random
Leia maisBackup e Restauração Banco de Dados. Evandro Deliberal
Backup e Restauração Banco de Dados Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Redes de armazenamento: Tecnologias e Virtualização Agenda I. DAS e Introdução a
Leia maisAvaliação de Desempenho de Sistemas DCC 074
Avaliação de Desempenho de Sistemas DCC 074 Ana Paula Couto 1 o. semestre de 2012 DCC - UFJF 1 Modelagem Analítica Um modelo é uma abstração de um sistema que captura, dentre os inúmeros detalhes do sistema,
Leia maisConfigurar ajustes do controle da história do monitoramento de rede remota (RMON) em um interruptor através do comando line interface(cli)
Configurar ajustes do controle da história do monitoramento de rede remota (RMON) em um interruptor através do comando line interface(cli) Objetivo O monitoramento de rede remota (RMON) foi desenvolvido
Leia maisDisco como gargalo. Armazenamento Secundário. Técnicas p/ minimizar o problema. Técnicas p/ minimizar o problema
Disco como gargalo Armazenamento Secundário Discos são muito mais lentos que as redes ou a CPU Leandro C. Cintra M.C.F. de Oliveira Fonte: Folk & Zoelick, File Structures Muitos processos são disk-bound,
Leia maislnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy)
lnteligência Artificial Introdução a Lógica Nebulosa (Fuzzy) Sumário Introdução Fundamentos Operações básicas Representação do Conhecimento Modelo de Inferência Passos de Projeto de um Sistema Nebuloso
Leia maisGerência de Redes Visão Geral
Gerência de Redes Visão Geral Cássio D. B. Pinheiro pinheiro.cassio@ig.com.br cassio.orgfree.com Sumário Gerenciamento de Redes Evolução do Gerenciamento Áreas Funcionais Elementos do Gerenciamento Plataformas
Leia mais4 TEORIA MATEMÁTICA DA COMUNICAÇÃO DE SHANNON
4 TEORIA MATEMÁTICA DA COMUNICAÇÃO DE SHANNON A Teoria Matemática da Comunicação, ou Teoria da Comunicação de Shannon foi proposta por Claude Shannon no final da década de 1940 como forma de sistematizar
Leia maisPolítica de priorização de tráfego na rede Ipê
QoS Política de priorização de tráfego na rede Ipê Diretoria Adjunta de Engenharia e Operações Maio 2014 Este documento apresenta a política definida para o uso de mecanismos de priorização de tráfego
Leia maisA ENGENHARIA DE CONTROLE E AUTOMAÇÃO
Centro Universitário UNA Faculdade de Ciências Sociais Aplicadas Graduação em Engenharia de Controle e Automação Modelos e Simulação INTRODUÇÃO A ENGENHARIA DE CONTROLE E AUTOMAÇÃO PROF. PABLO ROBERTO
Leia maisOsciloscópio Digital. Diagrama em blocos:
Osciloscópio Digital Neste tipo de osciloscópio, o sinal analógico de entrada é inicialmente convertido para o domínio digital através de um conversor A/D rápido, sendo em seguida armazenado em uma memória
Leia maisONEPROD KITE. Capacidades de diagnóstico únicas para turbinas eólicas. oneprod.com
ONEPROD KITE Capacidades de diagnóstico únicas para turbinas eólicas oneprod.com ONEPROD KITE Vida longa à turbina As turbinas eólicas foram projetadas para operar durante 20 a 25 anos. Porém a vida útil
Leia maisCIRCUITOS E SISTEMAS ELECTRÓNICOS
INSTITUTO SUPERIOR DE CIÊNCIAS DO TRABALHO E DA EMPRESA Apontamentos sobre Conversores A/D e D/A CIRCUITOS E SISTEMAS ELECTRÓNICOS APONTAMENTOS SOBRE CONVERSORES ANALÓGICO-DIGITAL E DIGITAL-ANALÓGICO Índice
Leia mais4 Uma Linguagem Baseada em Máquinas de Estado 4.1. A Linguagem
4 Uma Linguagem Baseada em Máquinas de Estado 4.1. A Linguagem Acredita-se nesse trabalho que características reativas e fortemente baseadas em modelos tornam necessária a criação de uma linguagem específica
Leia maisT-MAPS: Modelo de Descrição
Maio, 217. T-MAPS: Modelo de Descrição do Cenário de Trânsito Baseado no Twitter Bruno P. Santos Paulo H. L. Rettore Heitor S. Ramos Luiz F. M. Vieira Antonio A. F. Loureiro Conteúdo Contextualização,
Leia maisVisualização Distribuída utilizando Agrupamentos de PCs 10
1 Introdução Sistemas de visualização vêm sendo utilizados em diversas áreas da indústria e do campo científico. Dentre essas áreas, CAD (Computer Aided Design), visualização científica e realidade virtual
Leia maisModelos Fundamentais. Introdução. Interação. Falhas. Segurança. Prof. Adriano Fiorese
Modelos Fundamentais Introdução Interação Falhas Segurança 1 Introdução Como entender/classificar o comportamento de um sistema: Quais são as principais entidades do sistema? Como elas interagem? Quais
Leia maisVisualização de topologia esperto do aplicativo de rede (SNA)
Visualização de topologia esperto do aplicativo de rede (SNA) Objetivo O sistema esperto do aplicativo de rede (SNA) indica uma vista geral da topologia de rede que inclui informação detalhada da monitoração
Leia maisTrabalho final da disciplina de Introdução ao Geoprocessamento (SER-300)
Mapeamento da distribuição espacial de sólidos suspensos totais no reservatório de Barra Bonita via inferência estatística versus uso de dados orbitais do sensor OLI Trabalho final da disciplina de Introdução
Leia maisREVALIDAÇÃO. Carlos Alberto Trevisan Maio 2016
Carlos Alberto Trevisan Maio 2016 1 REPETIÇÃO DO PROCESSO DE VALIDAÇÃO ANTERIORMENTE APROVADO O QUAL GARANTE QUE AS ALTERAÇÕES OCORRIDAS NO PROCESSO/EQUIPAMENTO, EM CONFORMIDADE COM AS ALTERAÇÕES DE PROCEDIMENTOS,
Leia maisCARTILHA EXPLICATIVA SOBRE O SOFTWARE DE MEDIÇÃO DE QUALIDADE DE CONEXÃO
CARTILHA EXPLICATIVA SOBRE O SOFTWARE DE MEDIÇÃO DE QUALIDADE DE CONEXÃO (SERVIÇO DE COMUNICAÇÃO MULTIMÍDIA) Cartilha disponibilizada em atendimento ao disposto na Resolução Anatel nº 574/2011 Página 1
Leia maisInterconexão de redes locais. Repetidores. Pontes (Bridges) Existência de diferentes padrões de rede. Interconexão pode ocorrer em diferentes âmbitos
Interconexão de redes locais Existência de diferentes padrões de rede necessidade de conectá-los Interconexão pode ocorrer em diferentes âmbitos LAN-LAN LAN-WAN WAN-WAN Repetidores Equipamentos que amplificam
Leia maisLA C Laboratory for Advanced Collaboration
Supporting Dynamic Reconfiguration in Distributed Data Stream Systems Rafael Oliveira Vasconcelos 1,2 Igor Vasconcelos 1,2 Markus Endler 1 Sérgio Colcher 1 1 Departamento de Informática (DI) Pontifícia
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisControle - 3. Realizar o Controle da Qualidade Relatório de Desempenho. Mauricio Lyra, PMP
Controle - 3 Realizar o Controle da Qualidade Relatório de Desempenho 1 Realizar o Controle da Qualidade Preocupa-se com o monitoramento dos resultados do trabalho, a fim de verificar se estão sendo cumpridos
Leia maisExperiência de Implantação de um Processo de Desenvolvimento de Software no Banco Central do Brasil
Experiência de Implantação de um Processo de Desenvolvimento de Software no Banco Central do Brasil Patrícia Marques R. S. Véras patricia.alvares@bcb.gov.br Agenda Contextualização Histórico de Realização
Leia mais4 Metodologia Proposta 4.1. Introdução
4 Metodologia Proposta 4.1. Introdução A metodologia proposta para a valoração da flexibilidade decorrente da existência de uma sonda dedicada para intervenção numa plataforma de petróleo consiste no cálculo
Leia maisEXPERIÊNCIA 4: IMPLEMENTAÇÃO DE UM CRONÔMETRO
EXPERIÊNCIA 4: IMPLEMENTAÇÃO DE UM CRONÔMETRO Autores: Prof. Dr. André Riyuiti Hirakawa, Prof. Dr. Carlos Eduardo Cugnasca e Prof. Dr. Paulo Sérgio Cugnasca Versão 1.0-05/2005 1. OBJETIVO Esta experiência
Leia maisGerência de Projetos e Qualidade de Software. Prof. Walter Gima
Gerência de Projetos e Qualidade de Software Prof. Walter Gima 1 Plano de Ensino e Aprendizagem 2 CONTEÚDO Compreender as diferenças entre o gerenciamento de projetos de software e outros projetos Conhecer
Leia maisComputer Aided Design (CAD)
S07 Projeto auxiliado por computador Computer Aided Design (CAD) Desenho técnico Desenho auxiliado por computador Desenho artístico Tecnologias de manufatura Projeto Controle Manuseio Gerenciamento Projeto
Leia maisTecnologias e Componentes de Redes
Tecnologias e Componentes de Redes Material de apoio Gerenciamento de Redes Cap.15 19/01/2012 2 Esclarecimentos Esse material é de apoio para as aulas da disciplina e não substitui a leitura da bibliografia
Leia maisARMAZENAMENTO SECUNDÁRIO, PARTE 2
ARMAZENAMENTO SECUNDÁRIO, PARTE 2 Professora Rosane Minghim PAE 2012: Rafael M. Martins 2012 Baseado em: Leandro C. Cintra e M.C.F. de Oliveira Fonte: Folk & Zoelick, File Structures Disco como gargalo
Leia mais5. Otimização Integrada
Otimização Integrada 114 5. Otimização Integrada Nos sistemas de gerenciamento da renderização convencionais, todo o processo de controle e passagem de instruções é feito pelo sistema gestor. Nesse ponto,
Leia maisBanco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri. Banco de Dados Processamento e Otimização de Consultas
Processamento e Otimização de Consultas Banco de Dados Motivação Consulta pode ter sua resposta computada por uma variedade de métodos (geralmente) Usuário (programador) sugere uma estratégia para achar
Leia maisSistema de monitoramento PROFINET e PROFIBUS TS Supervisor Integração de dados TS Monitor PROFINET TS Monitor PROFIBUS
Sistema de monitoramento PROFINET e PROFIBUS TS Supervisor Integração de dados TS Monitor PROFINET TS Monitor PROFIBUS Sistema de monitoramento 2 Vantagens trazidas pelos TS Monitores: Simplicidade de
Leia maisTratamento estatístico de observações
Tratamento estatístico de observações Prof. Dr. Carlos Aurélio Nadal OBSERVAÇÃO: é o valor obtido durante um processo de medição. DADO: é o resultado do tratamento de uma observação (por aplicação de uma
Leia mais