53ª DEFESA DE DISSERTAÇÃO

“PrescStream: A Framework for Streaming Soft Real-Time Predictive and Prescriptive Analytics” 

Mestrando: Marcos de Aguiar

 Data / Horário: 06/09/2017 (quarta-feira) às 9 horas

 Local:

Sala 12 da Pós-graduação – Instituto e Matemática e Estatística – IME. Universidade Federal da Bahia.

Comissão Examinadora:

                                              Profª Drª Fabíola Gonçalves Pereira Greve (orientadora-UFBA)
Prof. Dr. Genaro Fernandes de Carvalho Costa (Co-orientador – UFBA)

                                             Prof. Dr. Ricardo Araújo Rios (UFBA)

                                             Prof. Dr. Angelo Amâncio Duarte (UEFS)

                                             Profª Drª Vaninha Vieira dos Santos (UFBA)

    Resumo:

Atualmente, existe uma explosão na quantidade de dados criados. Aplicações e dispositivos inteligentes estão produzindo um volume de dados numa escala nunca antes vista. Todo esse volume de dados gera oportunidades para extração de conhecimento e agregação de valor. Nesse contexto, ferramentas de análise preditiva, tais como os algoritmos de aprendizado de máquina, estão bem estabelecidos. Busca-se usar os dados não só para propósitos operacionais, mas tambem para construir modelos visando encontrar comportamentos e padrões nesses dados. Outra tendência em crescimento é a análise prescritiva, que estende e complementa a predição para o apoio a decisão de forma automática. Assim, permite delinear uma ferramenta de decisão automática que, utilizando-se do resultado da predição, além de outras configurações, sugere à aplicação uma decisão, ou atua diretamente na mesma. Até onde se sabe, não existem ferramentas automáticas de domínio publico, que exploram plenamente o potencial da análise prescritiva, especialmente considerando-se o processamento de fluxo de dados em tempo quase real.
Essa dissertação de mestrado apresenta o projeto e implementação do sistema PrescStream, um arcabouço genérico, que incorpora analise preditiva e prescritiva, possuindo uma arquitetura elástica, tolerante a falhas e de fácil integração, podendo ser utilizada por pesquisadores, empresas e governos, para implementar experimentos de analise prescritiva em tempo quase real, considerando-se cenários de IoT e computação em nuvem. O sistema disponibiliza interfaces para carregamento de dados, transformações automáticas de dados, configuração de atuadores, escolha automática de modelo, configuração de prescrição, e atuação automática. Todo o software é baseado em tecnologias abertas, e utiliza protocolos padrões da indústria, como http rest e websockets para a integração com outros sistemas. Para validar a solução, experimentos utilizando dados reais foram executados e o sistema mostrou boa precisão e desempenho.