Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web

Los trabajos realizados hasta el momento en cuanto a la composición de servicios Web, se caracterizan en su mayoría por la utilización de modelos, donde las especificaciones de los servicios Web utilizadas para generar un plan de composición, están totalmente definidas. Es así como mecanismos orient...

Full description

Autores:
Portilla Rosero, Byron Enrique
Tipo de recurso:
Fecha de publicación:
2011
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/8703
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/8703
http://bdigital.unal.edu.co/5380/
Palabra clave:
0 Generalidades / Computer science, information and general works
Servicios Web
Composición de servicios Web
Aprendizaje automático
Manejo de riesgos.
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_d8c544d5804e725e381e6d2dd9e52709
oai_identifier_str oai:repositorio.unal.edu.co:unal/8703
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
title Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
spellingShingle Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
0 Generalidades / Computer science, information and general works
Servicios Web
Composición de servicios Web
Aprendizaje automático
Manejo de riesgos.
title_short Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
title_full Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
title_fullStr Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
title_full_unstemmed Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
title_sort Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web
dc.creator.fl_str_mv Portilla Rosero, Byron Enrique
dc.contributor.advisor.spa.fl_str_mv Guzmán Luna, Jaime Alberto (Thesis advisor)
dc.contributor.author.spa.fl_str_mv Portilla Rosero, Byron Enrique
dc.subject.ddc.spa.fl_str_mv 0 Generalidades / Computer science, information and general works
topic 0 Generalidades / Computer science, information and general works
Servicios Web
Composición de servicios Web
Aprendizaje automático
Manejo de riesgos.
dc.subject.proposal.spa.fl_str_mv Servicios Web
Composición de servicios Web
Aprendizaje automático
Manejo de riesgos.
description Los trabajos realizados hasta el momento en cuanto a la composición de servicios Web, se caracterizan en su mayoría por la utilización de modelos, donde las especificaciones de los servicios Web utilizadas para generar un plan de composición, están totalmente definidas. Es así como mecanismos orientados a la composición que busquen minimizar el riesgo de fallas además de tener la información funcional de cada servicio, tienen la información pertinente al factor de riesgo de que tales servicios fallen; esto, con el fin de guiar al mecanismo de composición para seleccionar la mejor solución entre todas las posibles composiciones que minimice las posibilidades de que estas fallen. Desafortunadamente la tarea de calificar el factor de riesgo requiere de expertos para su evaluación o en el peor de los casos esta información parte de los propietarios de los propios servicios con lo cual el factor de veracidad de dicha información no es la mejor. Es así como el problema principal en este proceso de composición, es obtener estas especificaciones asociadas al riesgo de falla. En consecuencia, este trabajo de tesis plantea una solución al manejo de riesgos de fallas durante la composición con servicios Web, donde a través del aprendizaje de máquinas, se adquiera de manera automática y bajo el factor de certeza propio del compositor cada uno de los criterios relacionados con el factor de riesgo, que permitan identificar, cuáles serán los mejores servicios que harán parte de este proceso de composición y mejorar de esta forma su tarea de composición de servicios. En esta tesis particularmente se trabajaron tres factores de riesgos de falla que no se trataron previamente en el estado del arte como lo son: la disponibilidad y reactividad de los servicios bajo periodos de tiempo discriminados en días y horas de la semana y el manejo de creencias./Abstract. The researches carried out up to now for the Web services composition, arecharacterized mostly by the use of models, where the specifications of the Web servicesused to generate a plan of composition, are completely defined. It is as well a mechanisms oriented to the composition that seek to minimize the risk of failures besides of having the functional information of each service, have the information concerning the factor of risk that such services fail; this, in order to guide to the mechanism of composition to select the best solution among all the possible compositions that minimize the possibilities that these fail. Unfortunately the task to qualify the factor of risk requires of experts for its evaluation, or if worse comes to worst, this information comes from the owners of the own services in which the factor of truth of this information is not the best. Therefore, the main problem in this composition process is to obtain these specifications related to the risk of failure. Consequently, this thesis work points out a solution to the management of failure risks during the composition with Web services, where through the machines learning, it is possible to acquire in an automatic way and under the factor of certainty of the composer, each criteria related to the factor of risk, that allow to identify, which will be the best services than will be part of this process of composition, and therefore, improving their services composition task. Particularly, three failure risks factors were worked in this thesis. These factors have not been treated previously in the state of the art. They are: the availability and reactivity of the services under periods of time discriminated in days and hours of the week and the management of beliefs.
publishDate 2011
dc.date.issued.spa.fl_str_mv 2011
dc.date.accessioned.spa.fl_str_mv 2019-06-24T17:35:21Z
dc.date.available.spa.fl_str_mv 2019-06-24T17:35:21Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/8703
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/5380/
url https://repositorio.unal.edu.co/handle/unal/8703
http://bdigital.unal.edu.co/5380/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Medellín Facultad de Minas Escuela de Sistemas
Escuela de Sistemas
dc.relation.references.spa.fl_str_mv Portilla Rosero, Byron Enrique (2011) Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web. Maestría thesis, Universidad Nacional de Colombia, Sede Medellín.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/8703/1/87067082.2011.pdf
https://repositorio.unal.edu.co/bitstream/unal/8703/2/87067082.2011.pdf.jpg
bitstream.checksum.fl_str_mv 29c40fe3133b7101c720f8b98b5dcf70
cb94e755dd3d4b002899f708d803e4b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814089913243533312
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Guzmán Luna, Jaime Alberto (Thesis advisor)3ff95097-886a-4c82-bd23-bf5435ea44d9-1Portilla Rosero, Byron Enrique13f66852-bb3e-41f8-a210-34d6e8503aa53002019-06-24T17:35:21Z2019-06-24T17:35:21Z2011https://repositorio.unal.edu.co/handle/unal/8703http://bdigital.unal.edu.co/5380/Los trabajos realizados hasta el momento en cuanto a la composición de servicios Web, se caracterizan en su mayoría por la utilización de modelos, donde las especificaciones de los servicios Web utilizadas para generar un plan de composición, están totalmente definidas. Es así como mecanismos orientados a la composición que busquen minimizar el riesgo de fallas además de tener la información funcional de cada servicio, tienen la información pertinente al factor de riesgo de que tales servicios fallen; esto, con el fin de guiar al mecanismo de composición para seleccionar la mejor solución entre todas las posibles composiciones que minimice las posibilidades de que estas fallen. Desafortunadamente la tarea de calificar el factor de riesgo requiere de expertos para su evaluación o en el peor de los casos esta información parte de los propietarios de los propios servicios con lo cual el factor de veracidad de dicha información no es la mejor. Es así como el problema principal en este proceso de composición, es obtener estas especificaciones asociadas al riesgo de falla. En consecuencia, este trabajo de tesis plantea una solución al manejo de riesgos de fallas durante la composición con servicios Web, donde a través del aprendizaje de máquinas, se adquiera de manera automática y bajo el factor de certeza propio del compositor cada uno de los criterios relacionados con el factor de riesgo, que permitan identificar, cuáles serán los mejores servicios que harán parte de este proceso de composición y mejorar de esta forma su tarea de composición de servicios. En esta tesis particularmente se trabajaron tres factores de riesgos de falla que no se trataron previamente en el estado del arte como lo son: la disponibilidad y reactividad de los servicios bajo periodos de tiempo discriminados en días y horas de la semana y el manejo de creencias./Abstract. The researches carried out up to now for the Web services composition, arecharacterized mostly by the use of models, where the specifications of the Web servicesused to generate a plan of composition, are completely defined. It is as well a mechanisms oriented to the composition that seek to minimize the risk of failures besides of having the functional information of each service, have the information concerning the factor of risk that such services fail; this, in order to guide to the mechanism of composition to select the best solution among all the possible compositions that minimize the possibilities that these fail. Unfortunately the task to qualify the factor of risk requires of experts for its evaluation, or if worse comes to worst, this information comes from the owners of the own services in which the factor of truth of this information is not the best. Therefore, the main problem in this composition process is to obtain these specifications related to the risk of failure. Consequently, this thesis work points out a solution to the management of failure risks during the composition with Web services, where through the machines learning, it is possible to acquire in an automatic way and under the factor of certainty of the composer, each criteria related to the factor of risk, that allow to identify, which will be the best services than will be part of this process of composition, and therefore, improving their services composition task. Particularly, three failure risks factors were worked in this thesis. These factors have not been treated previously in the state of the art. They are: the availability and reactivity of the services under periods of time discriminated in days and hours of the week and the management of beliefs.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Medellín Facultad de Minas Escuela de SistemasEscuela de SistemasPortilla Rosero, Byron Enrique (2011) Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web. Maestría thesis, Universidad Nacional de Colombia, Sede Medellín.0 Generalidades / Computer science, information and general worksServicios WebComposición de servicios WebAprendizaje automáticoManejo de riesgos.Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios webTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL87067082.2011.pdfTesis de Maestría en Ingeniería - Ingeniería de Sistemasapplication/pdf2918553https://repositorio.unal.edu.co/bitstream/unal/8703/1/87067082.2011.pdf29c40fe3133b7101c720f8b98b5dcf70MD51THUMBNAIL87067082.2011.pdf.jpg87067082.2011.pdf.jpgGenerated Thumbnailimage/jpeg4573https://repositorio.unal.edu.co/bitstream/unal/8703/2/87067082.2011.pdf.jpgcb94e755dd3d4b002899f708d803e4b0MD52unal/8703oai:repositorio.unal.edu.co:unal/87032023-09-14 09:59:54.591Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co