Detecção antecipada de falhas em monitoramento de infraestrutura de datacenter
ConcluídoCom a tendência de aceleração dos processos de transformação digital, os data centers (DC) estão ganhando destaque como componentes cada vez mais críticos para o sucesso dos negócios. DC modernos são sistemas complexos, então, para manter uma operação eficiente e de alta disponibilidade, o monitoramento resulta em centenas de milhares de itens sendo monitorados. Além disso, o grande número de configurações possíveis é um desafio para monitorar e corrigir falhas em tempo hábil. Porém, avanços recentes no campo da inteligência artificial, principalmente na área de aprendizado de máquina (ML), têm gerado oportunidades inéditas para melhorar a eficiência da análise de dados históricos de monitoramento, facilitando o reconhecimento de padrões e possibilitando cenários para detecção precoce de falhas. Nesse sentido, várias pesquisas têm sido publicadas discutindo as aplicações das técnicas de ML no contexto de monitoramento de DC. Com base neste contexto, os principais objetivos desta pesquisa são 1) Identificar o estado da arte da aplicação de técnicas de aprendizado de máquina no monitoramento de infraestrutura de datacenter e 2) Desenvolver uma solução capaz de realizar a previsão antecipada de falhas a partir de dados históricos de monitoramento de infraestrutura do datacenter.
Projeto importado do Suap em 24/03/2026 às 04:46 (há 6 dias, 20 horas)