Navegando por Autor "Lima, Guilherme de Assis"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Observabilidade de sistemas: detecção preditiva de falhas
    (Centro Federal de Educação Tecnológica de Minas Gerais, 2026-06-19) Lima, Guilherme de Assis; Seufitelli, Danilo Boechat; http://lattes.cnpq.br/5887701447276862; http://lattes.cnpq.br/0227828636263218; Seufitelli, Danilo Boechat; Silva, Mariana de Oliveira Santos; Silva, Fábio Rocha da
    Este trabalho avalia métodos preditivos para detectar falhas em softwares, aplicando conceitos de observabilidade e aprendizado de máquina. A proposta parte da necessidade de se antecipar falhas em sistemas complexos, onde o volume e a diversidade de métricas dificultam a identificação manual. O estudo adota uma abordagem experimental em duas etapas: a primeira cria um ambiente de simulação, utilizando softwares open source para auxiliar na geração de dados de treino e teste. Na segunda, são avaliados diferentes modelos de aprendizado de máquina para predição, como LightGBM, CatBoost, XGBoost e LSTM. Por fim, são avaliados os resultados e a viabilidade do uso dos modelos gerados. Os resultados demonstram a viabilidade técnica da utilização de métricas de observabilidade para a detecção preditiva de falhas, com modelos capazes de identificar padrões associados à degradação e indisponibilidade dos sistemas. Além disso, este projeto fornece uma arquitetura reprodutível e de baixo custo, aplicável em ambientes de pesquisa e desenvolvimento, reforçando o papel da observabilidade como componente essencial na confiabilidade de sistemas modernos.