Universitatea Transilvania din BraşovŞcoala Doctorală Interdisciplinară
Centrul de cercetare: Sisteme pentru Controlul Proceselor
Ing. Cosmin-Septimiu Nechifor
Cercetări privind mecanismele cognitive bazate pe
constrângeri şi aplicarea acestora la sistemele de control
autonomice
Applied research regarding constraints based cognitive
computing mechanisms and their usage on autonomic
control systems
Conducător ştiinţific
Prof. dr. ing. Florin MOLDOVEANU
BRAŞOV, 2016
MINISTERUL EDUCAŢIEI, CERCETĂRII, TINERETULUI ŞI SPORTULUIUNIVERSITATEA TRANSILVANIA DIN BRAŞOV
BRAŞOV, B-DUL EROILOR NR. 29, 500036,TEL. 0040-268-413000, FAX 0040-268-410525
RECTORAT
D-lui (D-nei) ……….........................................................................................................
COMPONENŢAcomisiei de doctorat
numită prin ordinul Rectorului Universităţii Transilvania din BraşovNr. 7723 din 17.11.2015
PREŞEDINTE:
Conf. Univ. Dr. Ing. Carmen GERIGANDecan al facultăţii de Inginerie Electrică şi Ştiinţa CalculatoarelorUniversitatea Transilvania din Braşov
CONDUCĂTOR ŞTIINŢIFIC:
Prof. univ. dr. ing. Florin MOLDOVEANUUniversitatea Transilvania din Braşov
REFERENŢI:
Prof. univ. dr. ing. Ioan SALOMIEUniversitatea Tehnică din Cluj-Napoca
Prof. univ. dr. ing. Decebal POPESCUUniversitatea Politehnică din Bucureşti
Prof. univ. dr. ing. Sorin-Aurel MORARUUniversitatea Transilvania din Braşov
Susţinerea publică a tezei de doctorat va avea loc în data de 14.01.2016, la ora 12.00,în copul V al Universităţii Transilvania din Braşov, str. Mihai Viteazu nr. 5, etajul III,sala V III 9.
Eventualele aprecieri sau observaţii asupra conţinutului lucrării vă rugăm să letransmiteţi în timp util, pe adresa de e-mail [email protected].
Totodată vă invităm să luaţi parte la şedinţa publică de susţinere a tezei de doctorat.
Vă mulţumim.
Content
1 Introduction 1
1.1 Description of the domain . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 The opportunities of the research topic . . . . . . . . . . . . . . . . . . . . 2
1.3 The Ph.D. thesis objectives . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 The Ph.D. thesis structure . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Dissemination activity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Autonomic computing based control systems 9
2.1 Principles. The analogy with the nervous autonomic system . . . . . . . . 9
2.2 The self* functions. The MAPE-K model . . . . . . . . . . . . . . . . . . . 11
2.2.1 The MAPE-K model . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Autonomic networking as particular case of autonomic computing . . . . . 17
2.3.1 The control loop . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.2 Rules and models for operation . . . . . . . . . . . . . . . . . . . . 21
2.3.3 Knowledge modelling . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.4 The feedback loop implementation . . . . . . . . . . . . . . . . . . 23
2.4 Known limitation. The CAP theorem . . . . . . . . . . . . . . . . . . . . . 24
2.5 Implementations of autonomic functions . . . . . . . . . . . . . . . . . . . 25
2.6 The autonomic management of autonomic systems. Overlay systems . . . . 29
2.7 Cognitive functions in autonomic systems . . . . . . . . . . . . . . . . . . . 30
2.7.1 Cognitive functions . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.7.2 Adaptation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.7.3 The connection between autonomic computing and cognitive functions 33
vii
viii Content
2.7.4 Machine learning . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.8 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3 Usage of MAPE-K model on distributed environments 39
3.1 Support scenario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Distributed autonomic environment . . . . . . . . . . . . . . . . . . . . . . 42
3.3 The architecture of autonomic distributed control system . . . . . . . . . . 42
3.3.1 Analogia cu sistemele clasice de reglare . . . . . . . . . . . . . . . . 44
3.3.2 Monitoring and analysis mechanisms . . . . . . . . . . . . . . . . . 46
3.3.3 Planning mechanisms . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.4 Execution mechanisms . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3.5 Execution and communication environments for autonomic nodes . 54
3.3.6 Functional patterns and reuse mechanisms . . . . . . . . . . . . . . 56
3.3.7 Knowledge bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
3.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4 The monitoring step of the autonomic distributed nodes 67
4.1 System knowledge and real world knowledge . . . . . . . . . . . . . . . . . 67
4.2 Service level agreements . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3 Use CEP for monitoring the autonomic nodes . . . . . . . . . . . . . . . . 72
4.3.1 Complex event processing . . . . . . . . . . . . . . . . . . . . . . . 74
4.3.2 System perception for the distribution systems . . . . . . . . . . . . 78
4.3.3 Real world perception for the delivery system . . . . . . . . . . . . 84
4.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5 Autonomic nodes recon�gurations. Usage of constraints programming 93
5.1 Constraints systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.1.1 Constraints de�nition. Models . . . . . . . . . . . . . . . . . . . . . 95
5.1.2 Constraints solving . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.1.3 Algorithms for constraints solving . . . . . . . . . . . . . . . . . . . 100
5.1.4 Models and platforms . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.2 Distributed autonomic nodes con�guration for logistics scenario . . . . . . 104
Content ix
5.2.1 Locations sequence selection for a distribution agent . . . . . . . . . 104
5.2.2 Planning of logistics scenario . . . . . . . . . . . . . . . . . . . . . . 108
5.3 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6 Cognitive mechanisms and knowledge base 111
6.1 Cognitive mechanisms. Introduction . . . . . . . . . . . . . . . . . . . . . . 111
6.2 Prediction models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2.1 Data sets schema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
6.2.2 Data preprocessing . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.2.3 Time series prediction models . . . . . . . . . . . . . . . . . . . . . 114
6.2.4 Implementation details . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2.5 Deployment . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3 Knowledge bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3.1 Monitoring patterns . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3.2 Planning patterns . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3.3 Scheduling and execution patterns . . . . . . . . . . . . . . . . . . . 123
6.3.4 Semantic description of SCDA resources . . . . . . . . . . . . . . . 125
6.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
7 Experimental validation 129
7.1 Platforms used for architecture validation . . . . . . . . . . . . . . . . . . . 130
7.1.1 CoReMo platform . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.1.2 Logistics domain emulator . . . . . . . . . . . . . . . . . . . . . . . 131
7.2 Testing of monitoring and analysis module . . . . . . . . . . . . . . . . . . 132
7.3 Testing of recon�guration module for autonomic nodes . . . . . . . . . . . 133
7.4 Testing of prediction models . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7.5 Complete prototype testing . . . . . . . . . . . . . . . . . . . . . . . . . . 137
7.6 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
8 Conclusions 139
8.1 Personal contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
8.2 Dissemination of results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
x Content
8.3 Future research . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
A Prototype for distributed autonomic systems 149
A.1 Monitoring of the termo-sensitive materials distribution process . . . . . . 149
A.2 Integration of ML models into the monitoring precess . . . . . . . . . . . . 153
References 157
List of �gures 171
Capitolul 1.
Introducere
1.1 Scurt introducere în domeniu
În toat istoria sa intens ³i plin de provoc ri, tehnologia ce adreseaz procesarea,
comunicarea ³i stocarea datelor a oferit ³i ofer imaginea unei continue diversi�c ri, ete-
rogenit µi ³i distribuiri în toate sferele vieµii. Interacµia dintre tehnologie ³i modul în care
ea este folosit genereaz inovaµie ³i asimilarea în funcµiuni a "naturalului", a soluµiilor
³i exemplelor oferite de lumea vie. Precum cum observa în cazul indivizilor a diferite
specii cât ³i grupurile sociale formate din oameni ori animale, sistemele tehnice eterogene
presupun o complexitate sporit a controlului ³i o capacitate continu de a reacµiona ori
de a înv µa, infera ³i a prezice, de a se adapta în faµa mediului în schimbare. De aseme-
nea, devine critic tratarea performanµelor variabile ale sistemelor participante de ordin
inferior ori de a reacµiona în faµa pericolului. Din acest motiv, înµelegerea ³i adoptarea
unor soluµii potrivite optimiz rilor funcµionale ³i de costuri devine esenµial pentru func-
µionarea optim a acestor artefacte complexe. Pornind de la capabilit µi disponibile la
nivel de nod ³i pân la cele expuse de grupuri de noduri ce coopereaz , se poate observa
oportunitatea de a aplica modele inspirate din sistemul nervos neurovegetativ (vom folosi
1
2 Capitolul 1. Introducere
termenul englezesc, autonomic) , responsabil cu menµinerea incon³tient a funcµiunilor
vitale asociate. Dac , de exemplu, în cazul anatomiei umane se poate observa rolul sis-
temului autonomic în ceea ce înseamn controlul b t ilor inimii, al respiraµiei în timpul
somnului, al reacµiei sistemului imunitar prin febr în cazul unei boli, în cazul sisteme-
lor tehnice putem vorbi de indicatorii de performanµ ai acestora cum ar � num rul de
tranzacµii �nalizate cu succes într-un interval de timp, sesizarea ³i reacµia la atacuri de
tip "Distributed Denial of Services", supraînc lzirea componentelor, etc.
Sistemele IT complexe au devenit parte din viaµa noastr , �e c ne referim la industrie,
transport, s n tate, infrastructur public precum sunt c ile ferate, reµelele de utilit µi
ori echipamente domestice. În toate formele în care tehnologia ne este livrat ³i conec-
tat la procese: sisteme cloud, centre de date, sisteme embedded, computere personale,
televizoare ori telefoane avem a³tept ri similare cu privire la disponibilitate, siguranµa
funcµion rii, rezistenµa la ³ocuri ori atacuri cibernetice. Mai mult, datorit interconec-
t rii masive ne a³tept m ca aceste funcµionalit µi sa se manifeste de la sine, automat ³i
adaptate contextului.
1.2 Actualitatea ³i oportunitatea temei
Sistemele de calcul ³i comunicaµie implic , prin natura misiunii lor, un volum crescut
de atenµie cu privire la funcµionarea lor corect . Presiunea asupra calit µii con�gur rii,
administr rii ³i mentenanµei lor este cu atât mai mare cu cât corectitudinea trebuie s
�e asumat faµ de un context de execuµie în continu schimbare. Acest fapt introduce
un stres suplimentar în ceea ce înseamn atât adaptarea percepµiei mediului de utilizare
cât ³i a înµelegerii acestuia ori adapt rii corecte a comportamentului sistemului, iar în
cazul în care sistemele considerate sunt distribuite ³i conµin atât actori IT cât ³i non-IT
necesitatea adapt rii paradigmei controlului este ³i mai important .
Sistemele de control autonomice vin s ofere o perspectiv practic în ceea ce înseamn
auto-reglajul adaptat contextului de lucru. Este un concept ce abordeaz ³i încorporeaz
complexitatea în managementul sistemelor ³i al c rui efect imediat îl vedem în ceea ce
înseamn în ultiimii 15 ani, sistemele SOA (eng. Service Oriented Architectures, ar-
hitecturi orientate pe servicii) ori cele cloud. Dup rezultatele evidente documentate ³i
experimentate în domenii precum managementul reµelelor de telecomunicaµii, sistemele de
1.3. Obiectivele tezei 3
baze de date enterprise ori infrastructurile exclusiv IT, controlul autonomic poate aborda
integrarea cu lumea real , a a³a numitelor sisteme ciber-�zice ori a celor aparµinând de
arhitecturi din Internetul Lucrurilor (eng. Internet of Thing, IoT).
Exist un num r de iniµiative care dezvolt în cercetarea academic ori industrial di-
ferite abord ri ale capabilit µilor autonomice atât în etapa de proiectare ³i implementare
(design time) cât ³i în etapa de execuµie efectiv (run time), �ecare abordare favorizând
anumite tipuri de sisteme ³i domenii de aplicaµie. Din acest motiv, g sirea unui mod
�exibil capabil s conduc la un model productiv ³i care s extrag corect ³i e�cient ce-
rinµele, plus adaptivitatea necesar , reprezint un subiect relevant, la intersecµia ³tiinµelor
controlului, ingineriei software ³i a sistemelor hardware con�gurabile.
Tema propus în tez încorporeaz într-o arhitectur autonomic distribuit meca-
nisme ce µin de calculul cognitiv sprijinit de o monitorizare continu , adaptiv . Arhitec-
tura propus adreseaz ³i acoper cazuri de încorporare a lumii reale în Internetul Lu-
crurilor. Tematica identi�cat este susµinut ca ³i necesitate de faptul c a fost abordat
într-un num r de 9 proiecte de cercetare FP7 ³i Horizon 2020, fapt ce certi�c necesitatea
³i validitatea conceptelor considerate ³i utilizate.
1.3 Obiectivele tezei
Ultimele decenii au cunoscut apariµia ³i dezvoltarea unui num r semni�cativ de teh-
nologii orientate pe rezolvarea punctual a unor probleme cu o arie larg de aplicabilitate:
con�gurarea sigur a sistemelor de scar larg precum sunt cele de interconectare a ele-
mentelor de telecomunicaµii sau a elementelor de control pentru c i ferate ori a plani�c rii
ordinii de execuµie a operaµiilor de producµie în fabrici, monitorizarea performanµei sis-
temelor bazat pe evenimente ³i procesarea acestora, precum sunt sistemele de "agenµi
robotici" implicaµi în pieµele �nanciare (algorithmic trading) sau aplicaµiile pe baz de
prelucrare statistic , Data Mining, Machine learning, Deep Learning în cazul optimiz rii
datelor disponibile masiv, variabile ³i cu ritmuri impredictibile de generare - Big Data.
În acela³i timp, obiectele conectate - Internet of Things ³i sistemele de calcul de tip
Cloud au adus la dispoziµia celor ce creeaz aplicaµii ³i servicii dou tipuri de resurse cri-
tice: putere de calcul ³i de stocare nelimitate, precum ³i disponibilitatea aproape în timp
real a datelor primite de la senzori masiv distribuiµi ³i respectiv comanda unor infrastruc-
4 Capitolul 1. Introducere
turi de lucru diverse. Aceste aspecte genereaz o schimbare major de paradigm în ceea
ce înseamn relaµia între procese �zice, controlul lor ³i infrastructura de comand . Devine
evident c fragmentarea �zic ³i eterogenitatea genereaz provoc ri majore administr rii
corecte, coerente ³i adaptive a sistemelor IT de suport.
În acest context, teza prezint investigaµiile întreprinse de autor într-un num r de pro-
iecte de cercetare precum ³i rezultatele asociate soluµiilor propuse. Teza este fundamentat
pe tehnologii suport cu grad diferit de maturitate a c ror combinare ³i extindere repre-
zint una din contribuµiile inovative ale tezei. Nivelul de oportunitate al subiectului ales
este reprezentat de num rul ridicat de proiecte de cercetare cu �nanµare european (FP7
³i Horizon 2020) în care obiectivele tezei au fost abordate ³i investigate. Se prezint un
model de arhitectur autonomic distribuit ³i se detaliaz un caz complex analizat din
domeniul Internet of Things destinat Ora³elor Inteligente.
1.4 Prezentarea capitolelor
Structura tezei este urm toarea:
Capitolul 1 face o introducere general a temei precum ³i a modului în care a fost ales
subiectul tratat.
Capitolul 2, intitulat Sisteme de control bazate pe calcul autonomic prezint o
descriere în detaliu a modului de construcµie al sistemelor autonomice precum ³i a principi-
ilor ce le guverneaz . S-au prezentat ³i argumentat în detaliu logica caracteristicilor auto*
(Self*) ³i modul complementar în care acestea contribuie la automanagementul sistemelor.
În continuare, a fost detaliat modelul MAPE-K ³i s-a documentat modul în care �ecare
etap a modelului contribuie la realizarea funcµiunilor generale. În capitol se trateaz ,
de asemenea, extensia modelelor Autonomic Computing spre Autonomic Networking ³i a
schimb rilor necesare adapt rii la mediul distribuit. Ultima parte a capitolului abordeaz
detalii referitoare la implementarea buclelor de control, a reacµiei ³i s-au expus câteva
exemple de arhitecturi autonomice implementate industrial ori experimental. În �nal au
fost introduse funcµiile cognitive ³i s-a expus relaµia acestora cu modelul de reglaj speci�c
controlului autonomic.
Capitolul 3, intitulatUtilizarea modelului MAPE-K în medii distribuite descrie
în detaliu scenariul suport considerat pentru demonstrarea arhitecturii propuse, precum
1.4. Prezentarea capitolelor 5
³i structura acestei arhitecturi. Au fost detaliate considerentele ce pot � analizate în con-
textul mediului distribuit pentru modelul MAPE-K, precum ³i elementele de tehnologie
potrivit a � selecµionate pentru utilizare. În continuare au fost prezentate tiparele func-
µionale identi�cate în cadrul arhitecturii ³i modul în care acestea pot � asamblate pentru
a livra funcµionalitatea necesar .
Capitolul 4, intitulatMonitorizarea ³i analiza st rii nodurilor distribuite auto-
nomice trateaz detaliile speci�ce modului de concepere ³i implementare destinate asi-
mil rii cuno³tinµelor din sistemele IT monitorizate ³i precum si din lumea real . Au fost
introduse formalismele asociate si cercetate in proiectul iCORE, ³i s-a detaliat modul în
care un sistem autonomic distribuit î³i construie³te mecanisme de percepµie contextual
asupra mediului (context awareness), în toate aspectele relevante pentru leg tura între
resurse, date ³i procese. Capitolul prezint , de asemenea, aspecte ce µin de cerinµele non-
funcµionale ³i modul în care acestea se re�ect în serviciile oferite ³i contractele lor (Service
Level Agreements - SLA). În capitol se introduce tehnologia aleas pentru implementarea
monitoriz rii - procesarea evenimentelor complexe - Complex Event Processing (CEP),
CEP ³i ilustreaz modul cum se poate utiliza aceast tehnologie în cadrul scenariului ales.
Capitolul 5, intitulat Utilizarea constrângerilor pentru recon�gurarea noduri-
lor autonomice distribuite introduce mecanismele de plani�care bazate pe rezolvarea
constrângerilor programabile, modelarea ³i rezolvarea acestora. Cu ajutorul scenariului
suport a fost evidenµiat modul în care acµiunile unui sistem distribuit sunt plani�cate ori
replani�cate spre execuµie, precum ³i modul cum acest proces devine adaptiv cu ajutorul
monitoriz rii ³i al analizei de context.
Capitolul 6, intitulat Mecanisme cognitive ³i baze de cuno³tinµe a prezentat
modul in care tehnologiile cognitive (bazate în principal pe tehnici de înv µare) pot �
executate în contextul unui mediu de control distribuit. Pe baza implement rii propuse
în proiectul iCORE, a fost detaliat modul în care etapele de monitorizare ³i analiz se
adapteaz mediului prin combinarea tehnicilor de CEP cu cele de Machine Learning (ML).
În continuare, în capitol a fost prezentat suportul oferit de c tre diferite modele de repre-
zentare a cuno³tinµelor atât pentru modelarea proceselor cât ³i pentru cea a resurselor.
În acest scop a fost introdus suportul semantic asociat necesar descoperirii automate a
resurselor necesare execuµiei unui proces.
6 Capitolul 1. Introducere
Capitolul 7, intitulat Validare experimental descrie platforma pe care s-a realizat
implementarea scenariului suport. Au fost trecute în revist opµiunile tehnice alese pentru
�ecare funcµionalitate precum ³i rezultatele experimentale obµinute.
Capitolul 8 prezint concluziile generale ale tezei ³i expune câteva din subiectele con-
siderate a � de interes pentru investigaµii ulterioare. Parte din subiectele prezentate fac
deja parte din temele unor cercet ri industriale dar ³i subiecte ce µin de proiecte Horizon
2020 în derulare ori care vor începe în perioada imediat urm toare.
1.5 Lista publicaµiilor
Lista lucr rilor publicate pe parcursul elabor rii tezei de doctorat în strict leg tur
cu subiectul tezei:
a. Lucr ri ISI:
� E. Z. Tragos, V. Angelakis, A. G. Fragkiadakis, D. Gundlegard, S. Nechifor, G.
C. Oikonomou, H. C. Pohls, and A. Gavras, �Enabling Reliable and Secure IoT-
based Smart City Applications�, in 2014 IEEE International Conference on Pervasive
Computing and Communication Workshops, PerCom 2014 Workshops, Budapest,
Hungary, March 24-28, 2014. IEEE, 2014, pp. 111-116.
� S. Nechifor, B. Tarnauca, L. Sasu, D. Puiu, �Autonomic Monitoring Approach
based on CEP and ML for Logistic of Sensitive Goods�, 18th IEEE International
Conference on Intelligent Engineering Systems (INES), Tihany, Ungaria, 2014�pp:
67-72,.
� S. Nechifor A. Petrescu, D. Damian, D. Puiu, and B. Tarnauca, �Predictive Ana-
lytics based on CEP for Logistic of Sensitive Goods�, 14th International Conference
on Optimization of Electrical and Electronic Equipment OPTIM, Brasov, Romania,
May 2014.
� J. Poncela, P. Vlacheas, R. Giafreda, S. De, M. Vecchio, S. Nechifor, R. Barco, M.
C. A. Torres, V. Stavroulaki, K. Moessner, and P. Demestichas, �Smart Cities via
Data Aggregation�, Wireless Personal Communications, vol. 76, no. 2, 2014, pp.
149-168.
1.5. Lista publicaµiilor 7
� A. Gîrbea, C. Suciu, S. Nechifor, and F. Sisak, �Design and Implementation of
a Service-Oriented Architecture for the Optimization of Industrial Applications�,
IEEE Transactions on Industrial Informatics, Vol. 10, No. 1, 2014, pp. 185-196.
� A. Gîrbea, S. Nechifor, F. Sisak, �E�cient Address Space Generation for an OPC
UA Server�, Software Practice and Experince, Vol 42, Issue 5, May, 2014, pp. 543-
557.
� A. Gîrbea, S. Nechifor, F. Sisak, and L. Perniu, �Design and Implementation of
an OLE for Process Control Uni�ed Architecture Aggregating Server for a Group of
Flexible Manufacturing Systems�, IET Software, vol. 5, no. 4, 2011, pp. 406-414.
� I. Cobeanu, B. Tarnauca, S. Nechifor, and V. Comnac, �Real-time Scheduling of
Mobile Agents Using Answer Set Programming�, 13th International Conference on
Optimization of Electrical and Electronic Equipment OPTIM, Brasov, Romania,
May, 2012, pp. 1505-1510.
� A. Manzalini, P. H. Deussen, S. Nechifor, M. Mamei, R. Minerva, C. Moiso,
A. Salden, T. Wauters, and F. Zambonelli, �Self-Optimized Cognitive Network of
Networks�, Oxford Computer Journals, Vol. 54, No. 2, 2011, pp. 189-196.
b. Lucr ri BDI
� S. Nechifor, D. Puiu, B. Târnauca, and F. Moldoveanu, �Prescriptive Analytics
based Autonomic Networking for Urban Streams Services Provisioning�, IEEE 81st
Vehicular Technology Conference, VTC Spring 2015, Glasgow, United Kingdom,
11-14 May, 2015. IEEE, 2015, pp. 1-5.
� D. Ardagna, E. D. Nitto, G. Casale, D. Petcu, P. Mohagheghi, S. Mosser, P. Mat-
thews, A. Gericke, C. Ballagny, F. D'Andria, C. Nechifor, and C. Sheridan, �Mo-
daclouds: a Model-Driven Approach for the Design and Execution of Applications
on Multiple Clouds�, Proceedings of the 4th International Workshop on Modeling in
Software Engineering, MiSE 2012, Zurich, Switzerland, June 2-3, 2012, pp. 50-56.
� G. Baldini, R. R. V. Prasad, A. R. Biswas, K. Moessner, M. Eteläperä, J. Soininen,
S. Nechifor, V. Stavroulaki, and P. Vlacheas, �A cognitive Management Framework
8 Capitolul 1. Introducere
to Support Exploitation of the Future Internet of Things�, Scalable Computing:
Practice and Experience, vol. 13, no. 2, 2012.
c. Capitol de carte publicat în editur internaµional
� S. Nechifor, D. Puiu, B. Tarnauca, and F. Moldoveanu, �Autonomic Aspects of
IoT Based Systems: A Logistics Domain Scheduling Example�, Interoperability and
Open-Source Solutions for the Internet of Things, ser. Lecture Notes in Computer
Science, I. Podnar Zarko, K. Pripuzic, and M. Serrano, (Eds.), Springer Internatio-
nal Publishing, 2015, Vol. 9001, pp. 153-168.
� V. Foteinos, D. Kelaidonis, G. Poulios, V. Stavroulaki, P. Vlacheas, P. Demesti-
chas, R. Giareda, A. R. Biswas, S. Ménoret, G. Nguengang, M. Eteläperä, S. Ne-
chifor, M. Roelands, F. Visintainer, and K. Moessner, �A Cognitive Management
Framework for Empowering the Internet of Things�, The Future Internet - Future
Internet Assembly 2013: Validated Results and New Horizons, ser. Lecture Notes
in Computer Science, A. Galis and A. Gavras, (Eds.), Vol. 7858. Springer, 2013,
pp. 187-199.
� S. Nechifor �How to Manage and Search/Retrieve Information Objects�, Archi-
tecture and Design for the Future Iinternet: 4WARD PROJECT�, Book Series:
Signals and Communication Technology, Edited by: L.M. Correia; H. Abramowicz;
M. Johnsson, (Eds.); et al., 2011, pp. 201-223.
Capitolul 2.
Sisteme de control bazate pe calcul
autonomic
Acest capitol conµine o descriere detaliat a argumentelor, funcµiunilor identi�cate, a
modului curent de înµelegere, de implementare a controlului autonomic abordând de ase-
menea posibilele aspecte cognitive ce îl conduc.
2.1 Principii. Analogia cu sistemul nervos autonomic
Ultimii 30 de ani au adus schimb ri excepµionale în modul în care producem ³i utiliz m
tehnologia. Începând cu capacitatea intrinsec de procesare, stocare ³i comunicare a
crescut într-o m sur cel puµin similar necesitatea de a controla sigur dar, totu³i, în mod
�exibil, adaptabil sistemele tehnice ³i interacµiunea acestora cu factorul uman ³i mediul în
care sunt folosite în general. Încercând s separ m logic spaµiul sistemelor implementate
putem observa existenµa unei specializ ri pe dou zone: cea a infrastructurii reprezentat
de hardware, software-ul sistemelor de operare (putând ad uga apoi sistemele de baze de
date, de indexare a conµinutului, driverele, etc.) ³i cea a aplicaµiilor.
Drept consecinµ , un set speci�c de funcµionalit µi în zona managementului sistemelor
9
10 Capitolul 2. Sisteme de control bazate pe calcul autonomic
a devenit critic de a � pus la dispoziµie începând cu capacitatea de a asimila diversitatea
f r s sacri�c m disponibilitatea serviciilor oferite, balansarea înc rc rii cu task-uri de
procesare între diferite noduri ori repornirea automat cu conservarea sesiunilor pentru
un server web, de exemplu. Per total funcµiunea poate � numit automanagement (self-
management) ³i implic gestiunea dup un set de norme (policies) a funcµiilor alocate
într-un nod de calcul considerat.
Dup cum se observ , pentru primele dou familii de funcµionalit µi modelate siste-
mele imit un comportament intenµional, con³tient la nivelul individului sau al grupului cu
scopul realiz rii unui obiectiv dat. Pentru cazul dat, al infrastructurii sistemelor IT, func-
µionalit µile a³teptate au fost ³i sunt similare celui oferit de sistemul nervos autonomic,
sistem ce controleaz staza, funcµiile re�ex ale organismului. Funcµia de baz a oric -
rei capabilit µi autonomice este bucla de control care colecteaz detalii din interiorul ³i
exteriorul sistemului ³i reacµioneaz în baza unor speci�caµii. De³i ³tiinµa sistemelor docu-
menteaz numeroase tipuri de bucl de control, sistemele autonomice refer fundamental
patru categorii de funcµii: autocon�gurare (self-con�guring), autovindecare (self-healing),
autooptimizare (self-optimizing) ³i autoprotecµie (self-protecting). În cele ce urmeaz se
vor prezenta principiile de baz ale implement rii ³i funcµion rii sistemelor autonomice
precum ³i funcµiunile auxiliare considerate.
2.2 Functii self*. Modelul MAPE-K
Conceptul de baz al calculului autonomic a fost prezentat prima dat de c tre cerce-
t torii de la IBM în 2001 ³i ra�nat formal doi ani mai târziu în [1], [2]. Scopul principal al
acestei iniµiative a fost ³i este oferirea de servicii c tre utilizatori la un nivel de siguranµ
³i transparenµ a funcµion rii imposibil de atins prin implicarea intensiv ³i continu a
controlului uman. Altfel spus, automanagementul î³i propune s automatizeze sarcini
complexe, inclusiv modele de decizie avansate încercând s probeze îmbun t µirile m -
surând un num r de metrici precum timpul de execuµie al unui program, corectitudinea
rezultatelor ori costul asociat (costul spaµiului închiriat în cazul folosirii unui Data Center
sau costul energiei consumate).
Funcµiile auto* (self*) anterior enumerate sunt complementare ³i acoper toate etapele
de viaµ ale unui sistem funcµional: design, implementare, instalare, modi�care, revenirea
2.2. Functii self*. Modelul MAPE-K 11
din eroare. Ca ³i funcµionalitate unic �ecare acoper urm toarele capabilit µi:
- Autocon�gurarea� are ca scop capacitatea de a menµine funcµional mixul de har-
dware, software sistem ³i software de aplicaµie utilizat coerent. Ca ³i prim cerinµ ,
este de a³teptat ca un sistem autonomic s î³i identi�ce propriile propriet µi ale unei
noi componente ³i s utilizeze un posibil set de cuno³tinµe (policies) de nivel înalt
pentru a face o con�gurare corect a componentei.
- Autooptimizarea� reprezint o funcµionalitate complementar autocon�gur rii ce
trebuie s �e înµeleas în termeni de ajustare a parametrilor de con�gurare. În
cazul acestei componente devine critic modelul semantic al cuno³tinµelor.
- Autovindecarea � Dac autocon�gurarea ³i autooptimizarea sunt esenµiale etapei
de iniµializare ³i pornire a unui sistem, de³i nu sunt executate strict doar în faza
iniµial , sistemul are nevoie de un sistem de monitorizare e�cient ³i detaliat.
- Autoprotecµia � În mod uzual autoprotecµia reprezint setul de activit µi comple-
mentar autovindec rii, dar luând în considerare posibile cauze externe. Din punct
de vedere logic putem observa c exist o similaritate mare între elasticitatea ante-
rior de�nit a sistemului ³i capacitatea de management al disfuncµionalit µilor (fault
management).
2.2.1 Modelul MAPE-K
Pentru a putea implementa componentele funcµionale descrise mai sus modelul concep-
tual propus de IBM identi�c un set de tipuri de elemente de baz : senzori, interpretori,
controlori, efectori.
În viziunea prezentat în [3], [4] ³i [5] implementarea unui sistem autonomic identi�c
un num r de manageri asociaµi �ec rei zone funcµionale. În scopul implement rii ma-
nagerilor autonomici se de�ne³te bucla de control a acestora ca �ind compus din (vezi
�g.2.1):
- Monitorizare � Funcµia de monitorizare este responsabil de gestionarea diferiµilor
senzori care ofer informaµii cu privire la performanµa sistemului.
- Analiza � Funcµia de analiz este responsabil pentru procesarea informaµiei cap-
tate în faza de monitorizare având ca rezultat evenimente complexe ca ³i conµinut
12 Capitolul 2. Sisteme de control bazate pe calcul autonomic
de informaµie (cum ar � detectarea tendinµei de înc lzire a unei componente moni-
torizate);
- Plani�care � Funcµia de plani�care este responsabil de selectarea acµiunilor ³i a
ordinii lor, necesar a � aplicate cu scopul de a corecta posibilele deviaµii de la planul
operaµional (care poate � parte a unui contract de furnizare a unui serviciu). Acest
proces se bazeaz pe cuno³tinµe de nivel înalt care descriu planul de adaptare al
sistemului.
- Execuµia � Funcµia de plani�care aplic acµiunile re�ectate de subsistemul de plani-
�care asupra elementelor afectate. Adiµional, cuno³tinµele comune includ informaµii
relevante ³i pentru celelalte subcomponente.
Figura 2.1: Un model generic MAPE-K.
Modelul MAPE-K generalizeaz diferite posibile strategii de control ³i distribuµie a
funcµionalit µilor aferente. Din aceast cauz el trebuie considerat ca �ind un model de
sistem, nu ca o combinaµie obligatorie de funcµionalit µi dependente de o implementare
speci�c .
2.3 Autonomic networking ca ³i caz de autonomic computing
Sistemele de calcul distribuite, în reµea, au devenit esenµiale pentru aplicaµiile ³i servi-
ciile zilelor noastre, deschizând oportunit µi de conectare ³i control unor terminale etero-
2.3. Autonomic networking ca ³i caz de autonomic computing 13
gene, atât din punct de vedere al capabilit µilor informatice (calcul, procesare ³i stocare
de date) cât ³i în ceea ce prive³te protocoalele de conectare suportate. Trebuie observat
faptul c pe lâng avantajele evidente ale livr rii de servicii de c tre noduri de calcul
corelate o astfel de abordare implic o cre³tere semni�cativ a complexit µii activit µii de
management a comportamentului ³i st rii de funcµionare al noului sistem compus [11].
În timpul investigaµiilor f cute pentru aceasta tez , funcµiuni de monitorizare distri-
buit au fost evaluate în cursul proiectului FP7 ICT MODAClouds (corespunz toare unei
abord ri Model Driven în ceea ce înseamn modelul de cuno³tinµe) ori în domeniul teh-
nicilor cognitive destinate gestion rii platformelor de tip Internet of Things în proiectele
FP7 ICT iCORE [15], Cosmos [16] ³i CityPulse [17]. Rezultatele echipei de cercetare al
c rei membru sunt au contribuit la analiza, proiectarea ³i implementarea unor rezultate
relevante [18], [19]. Ca ³i efort preliminar acestor proiecte în [20] s-a demonstrat modul în
care sistemele pe baz de constrângeri pot contribui la consistenµa unui mediu distribuit
SOA.
2.3.1 Bucla de control
Modelele de cuno³tinµe folosite de c tre implement rile de sisteme autonomice nu au
doar rolul de a stabili cum anume î³i reprezint percepµiile ³i modul de reprezentare
acestea, ci stabilesc ³i scopurile (goal driven) dup care se conduce ³i îµi face plani�carea.
În acest sens bucla de control are rolul de a asigura prelevarea prin senzori a infor-
maµiilor relevante pentru evaluarea consecinµelor planurilor curente ³i adapt rii lor. În
[14] se propune o structur de lucru conceptual bazat pe un set de manageri �ecare cu
un rol ³i o zon de responsabilitate bine stabilite: context, reguli ³i scopuri (policies and
goals) ³i controlul autonomic efectiv, ra�nat ca ³i componente speci�ce.
Efectul principal al acestei abord ri este capacitatea de a avea un set de bucle de
control specializate per domeniu având în comun o baz de cuno³tinµe coerent . O com-
ponent esenµial a implement rii unor bucle de control consistente este reprezentat
de existenµa unor sisteme de monitorizare capabile s gestioneze intr rile de la senzori.
Sistemul de monitorizare poate � responsabil inclusiv de împachetarea datelor primite
în alarme ³i evenimente complexe, distribuirea selectiv a acestora ³i oferirea unei pre-
clasi�c ri a lor în funcµie de scopul ³i nivelul de utilitate al datelor în bucla considerat .
14 Capitolul 2. Sisteme de control bazate pe calcul autonomic
Cu scopul de a oferi sisteme productive având capacit µi autonomice, este necesar s se
implementeze sisteme de monitorizare performante. Tehnici din zona ML pot compensa ³i
îmbun t µi semni�cativ cazurile în care evenimentele detectate sunt incerte sau incomplet
de�nite [21].
2.3.2 Reguli ³i modelarea funcµion rii
Dupa cum s-a speci�cat anterior atât pentru cazul funcµiunilor autonomice la nivel
de nod cât ³i la nivel de reµea, modul în care sistemul î³i modeleaz starea ³i obiectivele
³i regulile care le exprim formal, existenµa unui limbaj coerent ³i consistent sunt foarte
importante.
2.3.3 Modelarea cuno³tinµelor
Precum s-a demonstrat în proiectul FP7 ICT iCORE [27], [28], [29], modelarea cu-
no³tinµelor referitoare la resursele unui sistem cunoa³te trei aspecte distincte ³i poate �
considerat un proces de virtualizare al acelor resurse, de generare al unei imagini digitale
cu un ciclu de viaµ dependent de serviciile ce o folosesc. Asupra datelor ³i serviciilor ex-
puse de resursele observabile prin senzori putem s aplic m : agregarea lor într-o resurs
virtual compus , abstractizare � când se observ modele comun aplicabile unei familii
de resurse ori îmbog µirea funcµional ata³ând imaginii digitale cuno³tinµele acumulate în
prealabil prin observaµii ³i reasoning.
2.3.4 Implementarea reacµiei
Scopul buclei de control în sistemele autonomice este atins atunci când sistemul reac-
µioneaz dup caz atât asupra ajust rii parametrilor propriilor subcomponente (în cazul
autooptimiz rii, de exemplu, ori pentru cazul când dou sau mai multe noduri î³i coordo-
neaz funcµiile interne ori cele oferite) dar ³i asupra exteriorului în cazul autoprotecµiei. În
mod uzual sistemul are de�niµi o serie de efectori/actuatori asociaµi funcµiei de plani�care
din MAPE-K. Se poate observa c actuatorii într-un sistem autonomic sunt independenµi
de nivelul la care este implementat controlul autonomic. Drept consecinµ se poate întâm-
pla ca actuatorii s �e legaµi în cascad ³i chiar s �e necesar implementarea rezolv rii
unor actualiz ri concurente. În astfel de cazuri sistemele autonomice implementeaz mo-
2.4. Limite cunoscute. Teorema CAP 15
dele cu cozi de procesare ori algoritmi de decizie care coreleaz mai mult de o decizie în
privinµa actualiz rii.
2.4 Limite cunoscute. Teorema CAP
Sistemele ce încearc s ofere capabilit µi de tip autonomic networking se supun acelu-
ia³i tip de provoc ri precum cele enunµate de Teorema CAP [32]. Acest teorem speci�c
faptul c într-un sistem de calcul distribuit sunt imposibil de garantat simultan: consis-
tenµa � toate nodurile au disponibile acelea³i date la un moment de timp arbitrar ales,
disponibilitatea (availability) � orice cerere c tre o funcµiune expus prime³te un r spuns
indiferent dac funcµia este încheiat cu succes sau nu, ³i toleranµa la partiµionare � sis-
temul va continua s opereze în ciuda unei partiµion ri arbitrare datorit erorilor din
reµeaua de comunicaµie.
2.5 Implement ri de funcµii autonomice
De³i funcµiunile descrise anterior au fost demonstrate ca �ind necesare atât în ceea
ce înseamn autonomic computing cât ³i autonomic networking, implementarea lor real
prezint un num r de di�cult µi atât în ceea ce înseamn execuµia dar mai ales nevoia
de cuno³tinµe specializate din partea dezvoltatorilor. Practica a demonstrat c pentru
a bene�cia de aspectele autonomice este nevoie de echipe complexe, cu abilit µi multi-
disciplinare ³i de o expertiz avansat în a combina funcµiunile autonomice la nivel de
infrastructur cu cele la nivel de aplicaµie. Putem menµiona ca implement ri de refe-
rinµ industriale ori destinate cercet rii: IBM DB2 [34], GPAC � General Purpose
Autonomic Computing [13], , FOCALE [35], OpenIOT [36].
2.6 Managementul autonomic al sistemelor distribuite. Sisteme overlay
În ultimii ani cercet rile în domeniul sistemelor distribuite au fost axate în marea lor
majoritate pe realizarea platformelor de tip Cloud. Fie c vorbim de PaaS (Platform as
a Service), IaaS (Infrastructure as a Service) ori SaaS (Software as a Service), paradigma
cloud a promis disponibilitate practic nelimitat de stocare, procesare ³i comunicaµie
oriunde, oricând, la cerere. Dup cum se poate observa, disponibilitatea se înscrie în
provoc rile menµionate de teorema CAP, ³i cer o elasticitate maxim a implement rii. În
16 Capitolul 2. Sisteme de control bazate pe calcul autonomic
acest sens accentul s-a pus ³i se pune pe paradigme de virtualizare ³i acces al resurselor în
care monitorizarea ³i controlul s se fac distribuit ³i cât mai aproape de reacµia în timp
real.
2.7 Funcµii cognitive în sistemele autonomice
Sistemele autonomice prezentate anterior au fost iniµial proiectate pentru a oferi un
control reactiv ³i a permite automatizarea unor strategii administrative formate din pa³i
bine determinaµi. Din acest motiv, dup cum se poate observa din structurarea funcµiilor
self-*, interesul principal este în garantarea serviciului ³i a disponibilit µii. Totu³i, în
funcµie de gradul de complexitate ³i risc, în buclele de control se pot introduce ³i funcµio-
nalit µi complexe ce pot sau nu include operatorul uman (în funcµie de riscul potenµial al
unei erori).
2.7.1 Funcµii cognitive
Calculul cognitiv (cognitive computing) reprezint o etap de sintez a evoluµiei inte-
ligenµei arti�ciale în care, pe baza tehnicilor de DM, ML ori Natural Language Processing
(NLP) se caut moduri de complementare a factorului uman ori a proceselor automate
implementate încercând s se pun în evidenµ în datele culese în timpul utiliz rii sis-
temelor posibile corelaµii. Din acest motiv funcµiile cognitive sunt asociate cu metodele
analitice din jurul ecosistemelor Big Data. Acest mod de lucru este asumabil etapei ana-
litice, în special celei prescriptive, ³i are ca efect, în cazul în care aceasta e parte din
MAPE-K adaptarea infrastructurii la evoluµiile aplicaµiilor ³i serviciilor din realitatea în
care sistemul funcµioneaz .
2.7.2 Adaptarea
Din punct de vedere conceptual calculul cognitiv prive³te adaptabilitatea ca �ind un
proces de explorare ³i descoperire a soluµiilor, în fond modele, în condiµiile unor date
în continu schimbare ³i incertitudine ca ³i calitate ³i relevanµ . Calculul autonomic se
bazeaz pe disponibilitatea acestor modele în faza de analiz , pe baza c rora s poat
s plani�ce cu un grad ridicat de certitudine pa³ii urm tori în strategia de execuµie a
actuatorilor sistemului. Dup cum se poate observa adaptarea poate � interpretat ca
2.7. Funcµii cognitive în sistemele autonomice 17
�ind o funcµie cost ce cuanti�c m sura în care procesul de plani�care este capabil s
genereze un plan util pe baza etapei de analiz , altfel spus, de calitatea întelegerii ³i
deciziei.
Adaptarea poate � privit ca o bucl imbricat în etapa de analiz a�at într-o stare
de continu generare ³i evaluare a ipotezelor construite pe baza analizei datelor culese
atât din sistem cât ³i din lumea real . Rezultatul acestei etape îl reprezint modelele de
lucru pentru etapa de plani�care.
2.7.3 Relaµia calcului autonomic cu funcµiile cognitive
Funcµiunile cognitive au ca scop generarea ³i validarea unui model dintr-un domeniu
anume pentru a putea prezice rezultatele potenµiale. Identi�carea, proiectarea ³i imple-
mentarea unui sistem cognitiv coerent implic o serie de pa³i corelaµi. În primul rând
implic înµelegerea datelor disponibile, tipul de scenarii care merit s �e explorate ³i
generarea unui set de cuno³tinµe certe (observed facts). Drept consecinµ , un sistem cog-
nitiv genereaz ipoteze din datele disponibile, analizeaz ipoteze alternative ³i determin
disponibilitatea dovezilor factuale ori a argumentelor factuale pentru a rezolva problema
într-un anumit mod ori altul.
Implementarea funcµiunilor cognitive în bucla MAPE-K î³i g se³te, în principal, re-
prezentarea în zona de Analiz dar nu se limiteaz acolo. Se poate observa c gestionarea
³i contextualizarea datelor reprezint etapa de Monitorizare, iar actualizarea modelului în
raport cu problema are un impact direct asupra Plani�c rii. Binenµeles, K � cunoa³terea
este prezent ca ³i conµinut al modelului ³i a modului de înµelegere ³i contextualizare a
datelor ³i ipotezelor.
2.7.4 Modele de înv µare automat
Modelele de înv µare sunt tradiµional încadrate în trei categorii: înv µare supervizat ,
nesupervizat ³i prin înt rire.
Înv µarea supervizat este modul cel mai uzitat de instruire a unui sistem. Mulµi-
mea de date folosit pentru înv µare const în perechi de exemple de forma intrare�ie³ire
asociat . Pe baza unor algoritmi speci�ci, modelul de predicµie evolueaz astfel încât
valorile de ie³ire produse s �e cât mai similare cu valorile de ie³ire precizate în setul de
18 Capitolul 2. Sisteme de control bazate pe calcul autonomic
instruire.
Înv µarea nesupervizat vizeaz cazurile în care din setul de instruire lipsesc valorile
de ie³ire asociate. Cele mai frecvente tipuri de probleme sunt gruparea datelor pe baza
similarit µilor (clustering ³i estimare de densitate de probabilitate) ³i analiza de asocieri.
Finalmente, înv µarea prin înt rire este util atunci când lipse³te eticheta asociat
�ec rei intr ri, dar mediul furnizeaz un r spuns care arat cât de potrivit este ie³irea
modelului (un semnal critic, o recompens ) [50].
2.8 Concluzii
În acest capitol au fost prezentate fundamentele problemei calculului autonomic ³i al
aspectelor calculului cognitiv asociat etapei de analiz . Au fost expuse principiile fun-
damentale precum ³i modul în care acestea au fost identi�cate. Au fost explicate ³i
comentate etapele modelului autonomic precum ³i restricµiile asociate. A fost documen-
tat ³i explicat modelul MAPE-K folosit ca ³i compoziµie generic destinat sintetiz rii
funcµiunilor autonomice.
A fost detaliat modelul MAPE-K ³i au fost detaliate câteva din implement rile cunos-
cute, precum ³i aspectele practice în care aceste implement ri au fost folosite. Au fost
explicate familiile de funcµiuni auto-*, precum ³i modul în care acestea pot � distribu-
ite. Asociat s-a detaliat modul în care se poate face pasul de la autonomic computing la
autonomic networking precum ³i relaµia cu sistemele distribuite.
Au fost detaliate aspecte speci�ce ale funcµiilor cognitive posibil a � asociate ciclului
autonomic. A fost evidenµiat relaµia calculului autonomic cu calculul cognitiv, precum
³i rolul acestuia în bucla de reglare.
Modelele de înv µare asociate calculului cognitiv au fost documentate împreun cu
limitele asociate. S-a precizat zona de aplicabilitate ³i avantajele asociate.
Capitolul 3.
Utilizarea modelului MAPE-K în medii
distribuite
Acest capitol este dedicat prezent rii mediului în care opereaz nodurile ce expun func-
µiuni autonomice precum ³i a arhitecturii SDCA, pe baza c reia se realizeaz managemen-
tul întregului ansamblu de noduri autonomice. Pentru a facilita înµelegerea conceptelor
³i a sistemului propus vom prezenta un scenariu suport, exempli�cator pentru sisteme
autonomice.
3.1 Scenariul suport
Dup cum s-a menµionat anterior, SDCA dezvoltat în cadrul acestei teze de doctorat
poate � aplicat într-o gam larg de domenii. Pe parcursul prezent rii conceptelor SDCA
se va face exempli�carea aplic rii acestora pentru un scenariu din domeniul transporturi-
lor. Din acest motiv în urm toarele paragrafe se va descrie pe scurt problema considerat .
Scenariul este descris, de asemenea, ³i în lucrarea [19].
O companie de transport ofer servicii de distribuµie a materialelor de construcµie la
diferite ³antiere din ora³. Deoarece suprafaµa de stocare a materialelor de construcµie în
19
20 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
³antier este limitat constructorul are nevoie de livrarea materialelor necesare cu puµin
timp înainte de începerea stagiului de construcµie în care acestea vor � efectiv utilizate.
Compania de transport ofer o gam larg de servicii de distribuµie, dup cum urmeaz :
- livrarea materialelor într-un anumit interval de timp (care poate avea o durat de
30 de minute), respectiv livrarea acestora cu o zi înainte;
- posibilitatea de a crea cereri cu câteva zile înainte, respectiv cu câteva ore înainte;
- livrarea de materiale cu gabarite, respectiv greut µi, mici sau mari;
- livrarea de materiale care necesit condiµii speciale de stocare ³i transport (de exem-
plu: materiale cu temperatura de stocare mai mic de o anumit valoare, materiale
in�amabile; materiale fragile, etc.);
- livrarea în zone speciale ale ora³ului, unde se aplic anumite limit ri de vitez ,
greutate ³i gabarit;
- livrarea materialelor de la diferiµi furnizori (de exemplu, depozite de materiale de
construcµii) din ora³ sau din afara acestuia;
- utilizarea de permise de liber trecere pentru a putea transporta materiale volumi-
noase sau grele în zone unde se aplic anumite restricµii de circulaµie (de exemplu,
accesul interzis pentru vehiculele cu o greutate mai mare de 3500 kg).
De la început se poate identi�ca faptul c în cazul sistemului de coordonare a �otei de
autovehicule o parte din decizii/plani�c ri sunt luate la nivel global, iar restul sunt decizii
locale. Mai exact, deciziile globale sunt acelea în care se realizeaz plani�carea sarcinilor
de distribuµie în a³a fel încât s se respecte cererile de transport stabilite prin contract cu
clienµii companiei. În urma unei astfel de decizii este posibil ca starea unuia sau a mai
multor agenµi de transport s �e afectat .
3.2 Mediul autonomic distribuit
Dup cum menµionam în capitolul 1, SDCA vizeaz managementul nodurilor autono-
mice distribuite. Acesta se bazeaz la rândul lui pe modelul MAPE-K, putând astfel spune
c ansamblul nodurilor formeaz un mediu autonomic distribuit dup cum se observ ³i
3.2. Mediul autonomic distribuit 21
din �gura 3.1 care prezint arhitectura sistemului. În cadrul MAD, nodurile autonomice
prezint interacµiuni atât cu mediul în care opereaz cât ³i cu alte noduri autonomice.
Figura 3.1: Arhitectura SDCA.
Conform secµiunii 2.2 modul de operare a unui nod autonomic poate � structurat pe
trei nivele. Primul nivel combin funcµiile de monitorizare ³i analiz , acestea �ind strâns
legate între ele, al doilea se refer la plani�care iar cel de-al treilea corespunde execuµiei.
Analizând îns interacµiunile dintre noduri, se poate observa c acestea se produc la
22 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
�ecare dintre niveluri, iar topologiile reµelelor care descriu aceste interacµiuni sunt de cele
mai multe ori diferite. Altfel spus, direcµia �uxurilor de date dintre noduri la nivelul NMA
poate s difere faµ de cele din nivelul NP sau NE.
Din perspectiva comportamentului autonomic, în cadrul MAD vom avea atât un com-
portament autonomic local, aferent �ec rui nod, precum ³i unul global, sistemic, care
acoper întreg ansamblul nodurilor autonomice.
3.3 Arhitectura sistemului distribuit de control autonomic
SDCA adreseaz managementul nodurilor autonomice prin introducerea unor struc-
turi dedicate de control pentru �ecare dintre cele trei niveluri descrise anterior atât la
nivel local cât ³i la nivel global. Aceste structuri permit astfel managementul e�cient ³i
optimizarea sistemelor autonomice mari, distribuite.
Arhitectura SDCA conµine componente speci�ce unei abord ri MAPE-K pentru orice
nod autonomic îns extinde aceste mecanisme pentru o abordare global , necesar nodu-
rilor. Astfel, întreg ansamblul nodurilor autonomice este tratat la rândul lui ca un nod
autonomic.
3.3.1 Mecanisme de monitorizare ³i analiz
Orice mecanism decizional utilizat într-o abordare autonomic necesit accesul la date
de intrare relevante ³i validate. În caz contrar, urm toarea component în bucla autono-
mic , cea de plani�care, nu poate funcµiona. Dup cum va � detaliat în secµiunea 3.3.3,
componenta de plani�care ia în calcul atât informaµii privind starea intern a nodului
autonomic precum ³i informaµii externe, de context.
Folosind diferite mecanisme de procesare a datelor se poate face trecerea de la date
elementare la informaµie. Aceasta are o înc rc tur informaµional mai ridicat decât da-
tele elementare. Informaµia se obµine prin �ltrarea, validarea, transformarea ³i agregarea
datelor elementare.
Având în vedere faptul c un sistem autonomic, prin de�niµie, trebuie s �e capabil
s ia decizii f r intervenµia unui utilizator sau operator uman, funcµiile de monitori-
zare ³i analiz devin astfel critice. Aceast a�rmaµie este valabil atât pentru nodurile
autonomice luate individual cât ³i pentru întregul SDCA.
3.3. Arhitectura sistemului distribuit de control autonomic 23
3.3.1.1 Funcµia de monitorizare
Monitorizarea acoper funcµia de percepµie direct , care furnizeaz date ce µin de
nodul autonomic, precum ³i colectarea de date elementare obµinute din surse externe (de
exemplu, de la alte noduri autonomice sau din alte surse). Monitorizarea include îns ,
pe lâng aceast funcµie de colectare a datelor, ³i operaµiuni de procesare. Rolul acestor
operaµiuni este acela de a face tranziµia de la date la informaµie.
Un alt rol important al funcµiei de monitorizare este acela de a colecta date despre
starea ³i interacµiunile nodurilor autonomice. Prin colectarea ³i analiza acestor date se
obµine o imagine a st rii sistemului autonomic ³i se iau decizii de management al nodurilor
³i a reµelei de noduri. Din perspectiva operaµional vorbim practic de o colectare de KPI
(Indicatori cheie de performanµ , din eng. Key Performance Indicators), indicatori care
sunt comparaµi cu valorile de referinµ stabilite prin SLA. Acest mecanism al SDCA este
prezentat în detaliu în secµiunea 4.2.
3.3.1.2 Funcµia de analiz
Funcµia de analiz extinde procesarea realizat de c tre blocurile de monitorizare ³i
pune accent pe agregarea datelor din surse multiple ³i utilizarea mecanismelor de predicµie.
Pe lâng informaµiile de stare curent local (la nivel de nod autonomic) sau global
(dat de contextul în care nodul autonomic opereaz ) funcµia de monitorizare a unui nod
autonomic poate include ³i mecanisme de predicµie pentru a estima modul în care diferite
variabile de stare sau de context pot evolua în timp. Aceste mecanisme de predicµie sunt
bazate pe modele obµinute prin tehnici de înv µare automat , ML.
În cadrul blocului de analiz al SDCA, al turi de aceast funcµionalitate de ra�nare
a datelor, se întâlnesc ³i mecanismele prin care SDCA identi�c necesitatea actualiz rii
topologiei sistemului autonomic. Pe baza KPI, obµinuµi prin funcµia de analiz , ³i a
angajamentelor contractule indicate de c tre SLA, blocul de analiz poate recomanda
ad ugarea sau eliminarea unor noduri autonomice, modi�care a �uxurilor de date în
cadrul reµelei de noduri sau doar modi�carea parametrilor de funcµionare a acestora.
24 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
3.3.1.3 Monitorizarea ³i analiza folosind procesarea evenimentelor complexe
Datele consumate în procesul de monitorizare ³i analiz de c tre nodurile autonomice
au de cele mai multe ori forma de reprezentare digital a evenimentelor. Conform [58]
un eveniment corespunde unei înregistr ri la un moment dat a unui fapt petrecut într-un
sistem sau un domeniu. Tot sub denumirea de eveniment întâlnim ³i structura de date
care înregistreaz acest fapt.
Datorit modului ³i mediului de operare a nodurilor autonomice funcµia de monito-
rizare ³i analiz opereaz , de fapt, cu evenimente multiple ce descriu starea intern a
nodurilor sau contextul de operare al acestuia. Volumul datelor de intrare, natura ope-
raµiunilor care se efectueaz asupra acestor date precum ³i rezultate dorite recomand
utilizarea tehnicilor de procesare a evenimentelor complexe, CEP.
3.3.2 Mecanisme de plani�care
Precum se poate observa ³i parµial s-a argumentat anterior, din schema funcµional
MAPE-K aplicat atât nodurilor autonomice cât ³i reµelelor autonomice grup rile func-
µionale sunt asociate într-un singur nod de execuµie din punct de vedere al punerii în
funcµiune (deployment-ului). În cel mai generic sens plani�carea implic luarea unei de-
cizii cu privire la schimb rile ³i adaptarea necesar a � implementat de componentele
gestionate cu scopul de a se apropia cât mai mult de starea în care unul sau o combinaµie
de scopuri ale sistemului sunt servite.
Un plan de acµiune poate � static sau s includ o anumit pondere calculabil de di-
namicitate. La minim, un plan const dintr-un set de pa³i �c³i ce trebuie s �e executaµi
atunci când o anumit condiµie ori un set de condiµii corelate în timp sunt satisf cute.
Astfel de situaµii sunt detectate folosind sisteme bazate pe reguli ori bazate pe procesarea
evenimentelor complexe. O abordare cu un grad ridicat de so�sticare implic utiliza-
rea unui model corelativ bazat pe constrângeri în care poate s determine o con�guraµie
optim chiar în cazul unui num r semni�cativ de mare de elemente gestionate în interde-
pendenµ 5.1.1.
În baza monitoriz rii ³i a analizei un plani�cator, implementat local sau într-un over-
lay, decide noi pa³i de realizat. Mecanismele de plani�care cunosc câteva dimensiuni ³i
constrângeri tipice. Putem identi�ca probleme de plani�care a ordinii în timp a execuµiei,
3.3. Arhitectura sistemului distribuit de control autonomic 25
ceea ce uzual cunoa³tem ca scheduling, ³i are ca scop corelarea execuµiei în diferiµi pa³i,
inclusiv ca alternative paralele a diferitelor componente ce livreaz corelat un serviciu.
3.3.3 Mecanisme de execuµie
Activit µile de plani�care ³i execuµie sunt complementare, deoarece validarea rezul-
tatelor plani�c rii se face în m sura în care acµiunile propuse pot � transpuse în pa³i
realizabili de c tre execuµie. Din acest motiv, plani�carea poate � v zut ca un sistem de
recomand ri (recommender system) în timp ce execuµia, în funcµie de context, înt re³te,
reorganizeaz , aproximeaz ori anuleaz anumiµi pa³i dac execuµia lor efectiv nu con-
tribuie la momentul în care este posibil s �e executaµi la atingerea scopurilor globale ale
sistemului.
Din acest punct de vedere, în cazul unei implement ri reale este de a³teptat s existe
efectori care pot s nu funcµioneze corespunz tor sau deloc. Asta înseamn , în �nal, c
acµiunile cerute de managerul autonomic nu sunt executate. De³i în domenii precum IoT
sau Cloud Computing se studiaz o serie de abord ri complexe care s garanteze perfor-
manµa oferit [61], [25], soluµia comun acceptat este virtualizarea accesului la resurse din
lumea real ³i generarea unui model de consum asociat acestora ca parte din Percepµia
Contextual (Contextual Awareness).
3.3.4 Medii de execuµie ³i comunicare pentru nodurile autonomice
Dup cum s-a introdus în secµiunile anterioare, sistemele de management autonomic
î³i dovedesc relevanµa, în special, în cazul unei eterogenit µi ³i distribuµii crescute în ceea
ce înseamn contactul cu resursele gestionate din lumea real . Dac în cazul monitoriz rii
³i analizei se poate face o uniformizare iar centralizarea poate � considerat un avantaj al
corel rii unor surse diverse de date, în cazul plani�c rii, ³i mai ales al execuµiei, realitatea
impune o distribuµie inteligent a funcµiunilor µinând cont atât de aspectele speci�ce
domeniului real de aplicare cât ³i de disponibilitatea ³i capacit µile infrastructurii de
calcul considerate.
Una dintre problemele relevante ale structurii de control ierarhic const în gestionarea
integr rii de noi elemente monitorizate. Aceast acµiune presupune un proces de desco-
perire, identi�care, numire ³i înregistrare atât din punct de vedere al adresabilit µii în
26 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
sistem cât ³i din punct de vedere al semn turii funcµionale realizate semantic.
Fiecare din aceste structuri poate � adnotat semantic pe baza unor vocabulare ex-
plicite ³i a unor reguli veri�cabile. Fundamental, bazele de cuno³tinµe vor descrie aceste
structuri la nivel de tipar ³i instanµ , ceea ce va facilita construirea de instrumente de
calcul logic, reasoning logic independente de domeniul de aplicare al serviciilor.
3.3.5 Tipare funcµionale ³i mecanisme de reutilizare
În structura sistemelor autonomice distribuite se vor întâlni de multe ori instanµe
multiple ale unor noduri de acela³i tip. Logica funcµional a acestor noduri este identic ,
îns starea lor la un moment dat, precum ³i con�guraµia este determinat de contextul în
care opereaz .
SDCA are ca obiectiv gestionarea e�cient a sistemelor autonomice cu un num r mare
de noduri. Pentru a facilita acest lucru, SDCA se bazeaz pe tipare funcµionale atât la
nivel de nod autonomic cât ³i la nivel de management global. Un tipar funcµional de�ne³te
un model de execuµie care poate � utilizat direct sau prin adaptare în faza iniµial , de
c tre sau asupra unor entit µi distincte de acela³i tip, sau care au funcµionalit µi similare.
În cazul de faµ aceste entit µi vor � nodurile autonomice precum ³i SDCA, care, a³a cum
menµionam anterior, funcµioneaz , de asemenea, asemeni unui nod autonomic.
Marele avantaj al utiliz rii tiparelor îl constituie potenµialul de reutilizare al acestora
atunci când o anumit funcµionalitate este aplicabil mai multor noduri de acela³i tip sau
chiar de tipuri diferite.
Secµiunile urm toare sunt dedicate tiparelor funcµionale disponibile în SDCA precum
³i mecanismelor prin care acestea pot � reutilizate.
3.3.5.1 Tipare de monitorizare ³i analiz
Din poziµia unui nod autonomic putem vorbi de dubl o perspectiv atunci când ne
referim la monitorizare ³i analiz . În prima dintre ele, nodul autonomic este cel care
efectueaz monitorizarea ³i analiza. A³a cum s-a menµionat ³i în secµiunea 3.3.1 acesta
colecteaz ³i analizeaz date atât despre starea intern dar ³i despre mediul în care ope-
reaz .
În cea de-a doua dintre perspective, nodul autonomic este cel supus monitoriz rii ³i
3.3. Arhitectura sistemului distribuit de control autonomic 27
analizei de c tre SDCA. Aceste operaµiuni sunt dictate de necesitatea gestion rii nodurilor
autonomice, indiferent c vorbim de gestionare cu impact local (atunci când SDCA solicit
schimbarea unor parametri interni) sau cu impact global, sistemic (atunci când SDCA
solicit schmbarea topologiei nodurilor ³i a interacµiunilor dintre ele).
În ambele cazuri îns este necesar , de cele mai multe ori, colectarea unor date de
acela³i tip, asupra c rora se aplic operaµiuni similare (�ltrare, validare, agregare).
Dup cum este prezentat în detaliu în secµiunea 4.1, SDCA folose³te CEP pentru
implementarea mecanismelor de monitorizare ³i analiz .
Dup cum menµionam anterior, funcµiile de monitorizare ³i analiz sunt strâns legate
între ele având în vedere c datele obµinute în urma monitoriz rii sunt furnizate spre
analiz . Ambele sunt implementate în cazul SDCA folosind tehnici CEP. Cu toate acestea,
³i în cazul funcµiei de analiz , SDCA permite utilizarea modelelor predictive ca suport
pentru mecanismele decizionale. Din acest motiv, în cazul funcµiei de analiz se pot folosi
atât tipare bazate strict pe sintaxa CEP îns , prin utilizarea mecanismelor descrise în
secµiunea 4.3.1, se pot integra modele predictive care de�nesc, de fapt, un tipar.
3.3.5.2 Tipare de plani�care
Tiparele de plani�care sunt în strâns leg tur cu funcµiile de analiz ³i plani�care
precum ³i cu cea de execuµie. Dup cum s-a indicat ³i în secµiunea 3.3.1.3, blocul de analiz
al SDCA nu va furniza o soluµie nou referitoare la con�guraµia sistemului autonomic.
Acest bloc construie³te doar setul de constrângeri pe care plani�catorul trebuie s le
rezolve pentru a se obµine o soluµie valid de recon�gurare.
Aceste constrângeri conµin, pe lâng relaµiile propriu-zise care de�nesc constrângerile,
limitele acceptabile stabilite prin interpretarea condiµiilor din SLA.
Realizând analogia cu tiparele de monitorizare ³i de analiz în implementarea SDCA
(care folose³te tehnici CEP) constrângerile sunt tipare de plani�care unde relaµiile care de-
�nesc constrângerile reprezint echivalentul regulilor ³i interog rilor CEP neparametrizate
iar limitele acceptabile reprezint parametrii funcµionali ai acestor reguli ³i interog ri.
Astfel, funcµia de analiz preia tiparele de plani�care elaborate de c tre expertul de
domeniu ³i impuse de stare curent a sistemului autonomic, le parametrizeaz prin apli-
carea limitelor dictate de SLA ³i le transmite blocului de plani�care pentru a se obµine o
28 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
nou con�guraµie valid a sistemului.
3.3.5.3 Tipare de execuµie
Într-o manier similar tiparelor de monitorizare ³i analiz sau celor de plani�care,
SDCA permite utilizarea tiparelor de execuµie. Acestea de�nesc integral sau parµial logica
de funcµionare atât la nivel de nod autonomic cât ³i la nivel global.
La nivel de nod autonomic, instanµele tiparelor de execuµie de�nesc funcµionalitatea
operaµional a nodurilor. Prin acest mecanism se poate elimina abordarea de tip hard-
coding, unde logica de execuµie este �x ³i nu poate � modi�cat decât prin înlocuirea
nodului autonomic, cu o abordare �exibil de tip plug-in, unde logica de execuµie, sau
o parte din ea, poate � actualizat în funcµie de necesit µi, f r a � necesar înlocuirea
nodului autonomic.
La nivel de sistem autonomic, tiparele de execuµie de�nesc diferite structuri de orches-
trare a nodurilor f r a speci�ca în mod explicit care sunt nodurile executante. Un
mecanism de orchestrare are ca scop, dup cum indic ³i numele, legarea nodurilor auto-
nomice ³i funcµionalit µii lor într-o structur unitar cu obiective ³i scopuri bine de�nite.
Tiparul de execuµie, la fel ca ³i la tiparele mai sus menµionate, de�ne³te o structur de
orchestrare în care elementele de execuµie sunt descrise funcµional dar f r a se face o
numire cu privire la nodul executant. În cadrul SDCA, modulul de plani�care, pe baza
constrângerilor de�nite în faza de analiz va "popula" tiparul de execuµie cu funcµiile
nodurilor autonomice cerute de logica tiparului.
3.3.5.4 Modele predictive
Predicµia este folosit în arhitectura propus pentru a putea reduce costul asociat pla-
ni�c rii ³i a utiliz rii containerelor mediilor de execuµie. În acest sens bazele de cuno³tinµe
sunt permanent reevaluate în baza diferenµelor observate din compararea rezultatelor efec-
tive ale execuµiei cu cele prezumate de predicµie. O etapa relevant a formul rii cu succes
a unui model de predicµie este asocierea e�cient a informaµiilor monitorizate în lumea
real cu modelul pe care îl urmeaz cel mai bine. În acest sens, în arhitectur se poate
identi�ca drept parte a monitoriz rii o capabilitate de observare a situaµiei.
Modelele de predicµie considerate sunt relevante în cadrul aspectelor congitive din
3.3. Arhitectura sistemului distribuit de control autonomic 29
sistemele autonomice prin prisma faptului c µintesc adaptarea modelelor de cuno³tinµe
³i acµiune la realitatea observabil . Într-un mediu dinamic, noi tipuri de comportament
pot � observate în timp ori putem constata c alte modele nu mai sunt susµinute de
evidenµa statistica observat pe o perioada su�cient de timp. Din acest motiv, modelele
preantrenate nu pot lucra cu exactitate garantat pentru o perioada de timp inde�nit .
În cazul arhitecturii propuse se poate observa modul în care cuno³tinµele despre sistem
(System Knowledge -SK) sunt folosite pentru autooptimizarea funcµiilor expuse precum ³i
a mediului de execuµie. În cazul ultimelor, autooptimizarea refer modul în care resursele
sunt folosite � inclusiv cele din lumea real ³i formalizate prin cuno³tinµele despre lumea
real (Real World Knowledge -RWK). În acest sens execuµia modelului predictiv ales este
de a³teptat s contribuie în faza de plani�care la preselecµia unor constrângeri capabile
s reduc spaµiul de soluµii disponibil la execuµie.
3.3.6 Baze de cuno³tinµe
Orice arhitectur de sistem conµine implicit ori explicit un model, o colecµie de tipare
semantice agreate referitoare la relaµiile acceptate între resurse, procese ³i servicii expuse.
Aceast semantic se poate folosi în dou moduri: codat direct în procese �xe f r
posibilitatea de recon�gurare, reevaluare ³i adaptare, ³i în depozite formale care codeaz
cuno³tinµele despre sistem.
Dup cum s-a descris anterior, în sisteme autonomice considerate, un pas important
este cel referitor la uniformizarea accesului la resurse. Aceast uniformizare este rele-
vant deoarece separ accesul pe baz de protocol speci�c ³i con�guraµie speci�c �ec rui
produc tor de componente conectate în structuri de tip gateway ³i expunerea acestora
uni�cat ca servicii REST adnotate semantic [37].
Trecând la un nivel de complexitate diferit putem observa c tipurile de procese ges-
tionate la nivel de servicii compuse impun un alt model semantic. În acest caz, aspectul
important de gestionat în cadrul unui serviciu compus µin de gestionarea �uxului de lu-
cru, a disponibilit µii resurselor precum ³i a strategiilor de înv µare online din experienµa
execuµiei. De asemenea, aceste modele pot include strategii de aproximare ³i înlocuire
a serviciilor ce nu satisfac SLA la un moment dat. Din punct de vedere autonomic,
compoziµia unui work�ow de lucru este asociat funcµiunii de plani�care.
30 Capitolul 3. Utilizarea modelului MAPE-K în medii distribuite
3.4 Concluzii
Acest capitol a introdus conceptul suport al arhitecturii sistemului autonomic. A fost
prezentat un scenariu suport ales pentru a ilustra fezabilitatea ³i utilitatea abord rii.
Au fost subliniate restricµiile speci�ce, precum ³i diferenµierea aspectelor IT ³i non-IT
considerate.
Au fost detaliate funcµiile esenµiale ³i s-a discutat rolul �ec rei etape în parte. S-au
discutat abord ri posibile asupra componentelor cheie.
A fost prezentat rolul pe care îl au tiparele funcµionale ata³ate mecanismelor buclei de
control autonomice ³i s-a expus dependenµa dintre acestea.
S-a f cut o prezentare a modelelor de înv µare considerate în arhitectur precum ³i
relaµia acestora cu datele disponibil a � procesate de c tre sistem cu scopul realiz rii
funcµiunilor obiectiv autonomice. S-a prezentat structura cerinµelor impuse bazei de cu-
no³tinµe ce codeaz cunoa³terea explicit din sistem ³i s-a f cut o analiz a acestora.
Capitolul 4.
Monitorizarea ³i analiza st rii nodurilor
distribuite autonomice
Acest capitol descrie în am nunt realizarea etapelor de monitorizare ³i analiz în SDCA.
Al turi de discuµia tehnic a soluµiilor de implementare sunt prezentate concepte de lu-
cru realizate în proiecte de cercetare ³tiinµi�c în derulare precum ³i modul în care este
soluµionat studiul de caz propus.
4.1 Percepµia sistemic ³i a mediului exterior
Dup cum se poate observa în secµiunile anterioare ³i s-a demonstrat în [9], [29], [61],
[72] sistemele autonomice implementeaz prin intermediul funcµiunilor de tip self-* ca-
pabilit µi de prelevare, prelucrare, clasi�care ³i adnotare a mediului în care evolueaz .
Aceste funcµiuni reprezint baza unei �con³tiinµe de sine� a sistemelor. Dac monitori-
zarea este o funcµiune comun , capacitatea de a identi�ca o situaµie complex pe baza
unei experienµe anterioare (Situation Awareness - SA) ³i capacitatea de înv µare ³i adap-
tare ofer sistemelor autonomice capabilit µi cognitive. Sistemele ce implementeaz SA
cunosc diferite moduri de reprezentare a cuno³tinµelor manipulate. De regul , acestea
31
32 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
folosesc o serie de tipare ³i modele formale iniµiale (cunoa³tere apriori) pe baza c rora
se pot construi prin ajustare asupra lor ³i a prelucr rii instanµelor observate (most likely
neighbourhood) ³i a inferenµei acestora noi cunostinµe ³i capabilit µi. Cu scopul identi-
�c rii facile ale celor dou categorii de cuno³tinµe le vom denumi cuno³tinµe de sistem
(SK) ³i cuno³tinµe despre lumea real (RWK). Conform investigaµiilor f cute în proiectul
FP7 ICT iCORE arhitectura propus în aceast tez se poate structura u³or diferit într-o
perspectiv privind de sus în jos:
- Un nivel care s permit apelul funcµionalit µilor ³i serviciilor oferite de un astfel de
sistem, în baza unor tipare disponibile corespunz toare aplicaµiilor din lumea real .
Astfel de tipare sunt instanµiate în funcµie de cuno³tinµele acumulate ³i compuse la
momentul apel rii;
- Un mediu de execuµie plus funcµionalit µile de gestionare a acestora ce gestioneaz
pe baza SK resursele disponibile, sau compune pe baza necesit µilor servicii noi;
- Un nivel de monitorizare a lumii reale prin senzori direcµi ori senzori virtuali.
În �gura 4.1 este prezentat arhitectura platformei iCore. Aici se pot identi�ca cu
u³urinµ cele dou componente SK, respectiv RWK, iar mai multe am nunte se pot g si
în livrabilul [74].
Observ m c o funcµiune important a sistemului este capacitatea de a diferenµia
între interacµia intenµional a unui actor extern (solicitarea execuµiei unui serviciu) ³i cea
neintenµional (observarea continu a mediului de c tre sistem).
O alt funcµionalitate pe care o putem observa este legat de capacitatea sistemului
de a avea memorie episodic [75], [76]. Din punct de vedere al capabilit µilor autonomice
sistemul încearc s exploateze optimal mediul de rulare folosit ³i elementele active din el,
detectând astfel c i prin care, în afara solverelor care pot consuma un timp considerabil
pentru a identi�ca o soluµie, s poat aproxima contextul curent în experienµele trecute
³i s identi�ce oportunit µile de refolosire ale artefactelor active. În acest mod se evit
generarea de la zero a artefactelor/serviciilor active ³i înt rirea importanµei componentelor
cele mai utilizate [77], oferind o scalabilitate crescut ³i un timp de r spuns îmbun t µit.
4.2. Contracte la nivel de serviciu 33
Figura 4.1: Arhitectura platformei iCore. [74].
4.2 Contracte la nivel de serviciu
Odat cu dezvoltarea sistemelor software distribuite cu resurse partajate cum ar �
arhitecturile de tip SOA (Service Oriented Architectures) sau Cloud, s-a observat ³i ne-
cesitatea instituirii unor mijloace speci�ce destínate gestion rii performanµei acestora în
raport cu cererile de servicii ³i aplicaµii g zduite. SLA este subiectul complementar cheie
al turi de funcµionalitatea direct oferit ³i agreeaz modul în care funcµionalitatea este
oferit . SLA face posibil diferenµierea ca ³i bun economic a funcµionalit µilor unei plat-
forme de execuµie pentru servicii software ³i se caracterizeaz prin:
- Predictibilitate ³i control la execuµie run-time;
- Management transparent a sistemului SLA din punct de vedere al utilizatorilor �
unde SLA de�ne³te cu precizie condiµiile în care serviciile sunt oferite ³i consumate,
iar valabilitatea lor este gestionat uniform în platforma gazd ³i are un înµeles
neechivoc pentru interacµia cu aplicaµiile clientului;
- Automatizarea proceselor � începând de la negociere, termeni agreaµi, implemen-
tarea în sistem, livrare ³i monitorizare permit automatizarea ³i înscrierea în bucla
autonomic de control cu scopul de a putea reacµiona rapid într-un mediu dinamic
34 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
³i cu cerinµe de scalabilitate ridicate.
Pentru cazul arhitecturii SCDA prezentate în aceast tez conceptul de SLA se asoci-
az natural ³i deschide implementarea pentru domenii de aplicaµie diverse. Conceptul nu
este izolat ³i genereaz impact în toate nivelele descrise. Aceast abordare este extrem
de �exibil ³i induce costuri reduse ³i transparenµ în momentul asocierii cu uneltele po-
trivite (acces la resurse, softuri suport ³i pentru integrare, unelte de formale de de�nire a
regulilor ³i a modului de interoperare între componente), toate având posibilitatea de a
avea asociate reguli SLA, inclusiv pentru interacµia dintre ele ³i modul cum contribuie la
interacµia SLA de nivel înalt.
4.3 Utilizarea CEP la implementarea monitoriz rii nodurilor distribuite auto-
nomice
Percepµia sistemic ³i a mediului exterior presupune utilizarea unor mecanisme ³i
a unor tehnici prin intermediul c rora s se poat procesa cât mai aproape de timp-
real �uxurile de date ³i evenimente venite din exteriorul SDCA sau de la nodurile ce
implementeaz funcµiuni autonomice interne. Scopul acestei proces ri este de a extrage
informaµiile care permit îmbun t µirea ³i optimizarea modului de operare al SDCA.
În cazul scenariului practic prezentat în capitolul 3 percepµia sistemic reprezint
activitatea de monitorizare a st rii agenµilor de transport (reprezentând de fapt nodurile
autonomice) ³i a procesului de distribuµie cu scopul de a identi�ca eventualele abateri de
planul de livrare sau incapacitatea unor agenµi de a-³i îndeplini funcµia. Rezultatele acestui
proces de monitorizare sunt folosite pentru a de�ni staza sistemului la nivel global urmând
ca în pasul urm tor al buclei autonomice s se realizeze, dac este nevoie, replani�carea
nodurilor distribuite autonomice.
La nivel de nod autonomic percepµia sistemic are dou componente. În primul rând
nodul autonomic trebuie s î³i monitorizeze starea intern , cum ar � parametri de func-
µionare ai autovehiculului cu scopul identi�c rii eventualelor disfuncµionalit µi. Pentru
autovehiculele care transport produse speciale (de exemplu, termosensibile), trebuiesc
monitorizate inclusiv condiµiile de transport ale produselor cu scopul identi�c rii eventu-
alelor abateri de la cerinµele speci�cate prin contract.
Cea de-a doua component a percepµiei sistemice la nivel de nod autonomic const în
4.3. Utilizarea CEP la implementarea monitoriz rii nodurilor distribuite autonomice 35
monitorizarea activit µii nodurilor a�ate în vecin tate, �e ea geospaµial sau logic . În
acest fel un agent de transport poate s identi�ce, de exemplu, starea tra�cului în diferite
zone ale ora³ului unde el ar trebui s transporte materiale în viitorul apropiat conform
plani�c rii livr rilor sale ori posibilelor sale misiuni.
4.3.1 Procesarea evenimentelor complexe
O de�niµie a evenimentelor este dat de c tre Etzion ³i Niblett [58]: o întâmplare
într-un anumit sistem sau domeniu, ceva ce s-a întâmplat sau este contemplat ca �ind
întâmplat în acel domeniu. O variant mai condensat este oferit de c tre Candy [82]:
orice lucru care se întâmpl sau s-a întâmplat.
În acest context, a ap rut un nou model de procesare a datelor de acest tip numit
CEP. De ce atributul complex? Paradigma CEP ³i soluµiile de procesare aferente vizeaz
extragerea de informaµie sau de date cu înc rc tur informaµional ridicat din date
aparent disparate sau care, luate individual, nu permit tragerea unor concluzii cu privire
la fenomenul care le-a generat. Obµinem astfel, prin procesarea evenimentelor elementare,
informaµii care reprezint evenimente complexe. Conceptul de eveniment complex a fost
introdus de c tre David Luckham [83] ³i, precum evenimentele elementare pe baza c rora
a fost obµinut, cap t semni�caµie real doar prin ata³area dimensiunii temporale.
Etzion ³i Niblett [58] au identi�cat, de asemenea, o serie de tehnologii ³i soluµii care
împrumut , într-o m sur mai mic sau mare, tr s turi speci�ce CEP, dintre care putem
aminti: Business Process Management, Business Activity Monitoring, Business Intelli-
gence, Business Rule Management Systems, Network and System Management, Message
Oriented Middleware, Stream Computing. Dup cum se observ , majoritatea acestor
soluµii sunt dedicate sectorului business, sector care opereaz intens cu evenimente.
Structura tipic a unei aplicaµii CEP este prezentat în [58]. Motorul CEP permite
construirea unei reµele de procesare a evenimentelor EPN (Event Processing Network) ,
o structur cu care permite tratarea evenimentelor de intrare ³i generarea evenimentelor
complexe. Reµeaua conµine produc tori ³i consumatori de evenimente, agenµi de procesare,
canale de evenimente.
Agenµii de procesare reprezint nodurile reµelei de procesare ³i sunt blocurile logice
care efectueaz diferitele operaµiuni de procesare a evenimentelor. Logica de procesare
36 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
este exprimat cu ajutorul unui limbaj de procesare a evenimentelor EPL (eng. Event
Processing Language).
Se observ tendinµa includerii motoarelor CEP în soluµii integratoare de procesare a
�uxurilor de evenimente, fapt care con�rm faptul c tehnologia CEP a ajuns la un nivel
de maturitate su�cient de ridicat.
4.3.2 Percepµia sistemic în cazul sistemului de distribuµie
În continuare se vor prezenta dou tipare care pot � utilizate pentru a se monito-
riza procesul de transport al produselor termosensibile conform scenariului prezentat în
secµiunea 3.1. Nu se vor descrie ³i celelalte categorii de procese de monitorizare siste-
mic (prezentate în secµiunea 4.3) deoarece logica de detecµie a evenimentelor este relativ
simpl .
În cadrul experimentelor practice s-a considerat c pentru transportul produselor ter-
mosensibile autovehiculele sunt dotate cu urm torul set de senzori, respectiv actuatori:
un senzor de temperatur instalat pe produsul transportat; trei senzori de temperatur
instalaµi în interiorul autovehiculului; un senzor pentru m surarea temperaturii externe a
autovehiculului, un senzor de curent; ³i un sistem de r cire.
Se va considera c un produs este stocat în condiµii optime dac temperatura acestuia
este mai mic de o valoare speci�cat cu ajutorul parametrului pragTemperatura1. De
asemenea, se poate dep ³i aceast limit de temperatur dac sunt îndeplinite urm toarele
dou condiµii:
- temperatura este mai mic de valoarea speci�cat de parametrul pragTemperatura2
(unde pragTemperatura1 < pragTemperatura2 );
- intervalul de timp în care are loc dep ³irea temperaturii este mai scurt decât valoarea
speci�cat prin parametrul lungimeDepasire;
În �gura 4.2 se a� tiparul de monitorizare care detecteaz momentele de timp în care
produsele nu sunt transportate conform cerinµelor precizate mai sus.
În primul rând, cu ajutorul interog rii din listing-ul 4.1, se veri�c dac temperatura
produsului transportat este mai mic de valoarea parametrului pragTemperatura2. În caz
contrar se genereaz o alarm .
4.3. Utilizarea CEP la implementarea monitoriz rii nodurilor distribuite autonomice 37
Figura 4.2: Tiparul de monitorizare care detecteaz momentele de timp în care produselenu sunt transportate conform cerinµelor.
1 i n s e r t i n to FluxAlarmaProdusStocatNecorespunzator s e l e c t temperatura ,
momentDeTimp , IDsenzor from FluxMasuratoriDeTemperatura ( temperatura >
pragTemperatura2 )
Listing 4.1: Detectarea momentelor de timp în care temperatura este mai mare de
pragTemperatura2.
În continuare pentru a se detecta situaµia în care produsele sunt stocate la o tem-
peratur mai mare de pragTemperatura1 pentru un interval de timp mai lung de lungi-
meDepasire trebuie s se identi�ce momentele de timp în care temperatura produsului
tranziteaz acest prag. Acest lucru se realizeaz prin intermediul listingurilor 4.2 ³i 4.3.
1 i n s e r t i n to FluxEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 s e l e c t
temperatura , momentDeTimp , IDsenzor from FluxMasuratoriDeTemperatura (
temperatura > pragTemperatura1 )
Listing 4.2: Detectarea momentelor de timp în care temperatura este mai mare de
pragTemperatura1.
38 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
1 i n s e r t i n to FluxEvenimenteTemperaturaProdusMaiMicaCaPragTemperatura1 s e l e c t
temperatura , momentDeTimp , IDsenzor from FluxMasuratoriDeTemperatura (
temperatura < pragTemperatura1 )
Listing 4.3: Detectarea momentelor de timp în care temperatura este mai mic de
pragTemperatura1.
De asemenea, se declar o fereastr cu evenimente care va stoca primul eveniment
care semnaleaz c temperatura este mai mare de pragTemperatura1 care urmeaz dup
o secvenµ de evenimente în care temperatura a fost în limite normale (vezi listing 4.4).
1 c r e a t e window
FereastraCuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 . win :
k e epa l l ( ) as temperatura , momentDeTimp , IDsenzor from
FluxEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1
Listing 4.4: Declararea unei fereastre cu evenimente care va stoca primul eveniment care
semnaleaz c temperatura este mai mare de pragTemperatura1 care urmeaz dup o
secvenµ de evenimente în care temperatura a fost în limite normale.
În aceast fereastr se va introduce primul evenimentul generat pe �uxul FluxEveni-
menteTemperaturaProdusMaiMareCaPragTemperatura1 în momentul în care aceasta este
goal (nu conµine niciun eveniment), iar fereastra va � golit de �ecare dat când este
generat un eveniment în �uxul FluxEvenimenteTemperaturaProdusMaiMicaCaPragTem-
peratura1. Aceste operaµiuni sunt realizate de interog rile din listing-urile 4.5 ³i 4.6.
1 i n s e r t i n to FereastraCuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1
s e l e c t temperatura , momentDeTimp , IDsenzor from
FluxEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 where ( ( s e l e c t
count (* ) from
FereastraCuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 ) = 0)
Listing 4.5: În fereastr se va introduce primul evenimentul generat pe �uxul
FluxEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 în momentul în care
aceasta este goal .
1 on FluxEvenimenteTemperaturaProdusMaiMicaCaPragTemperatura1 d e l e t e from
FereastraCuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1
4.3. Utilizarea CEP la implementarea monitoriz rii nodurilor distribuite autonomice 39
Listing 4.6: Fereastra este golit de �ecare dat când este generat un eveniment în
FluxEvenimenteTemperaturaProdusMaiMicaCaPragTemperatura1.
În �nal se calculeaz durata de timp dintre �ecare eveniment venit pe FluxEvenimen
teTemperaturaProdusMaiMareCaPragTemperatura1 cu evenimentul stocat în Fereastra
CuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 (dac fereastra nu este
goal ). Iar în momentul în care durata de timp obµinut este mai mare decât lungimeDe-
pasire se va genera o alarm (listing 4.7).
1 i n s e r t i n to FluxAlarmaProdusStocatNecorespunzator s e l e c t
masuratoareTemperaturaCurenta . temperatura as temperatura ,
masuratoareTemperaturaCurenta . IDsenzor as IDsenzor ,
masuratoareTemperaturaCurenta .momentDeTimp as momentDeTimp from
FluxEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 . std : l a s t e v en t ( )
as masuratoareTemperaturaCurenta ,
FereastraCuEvenimenteTemperaturaProdusMaiMareCaPragTemperatura1 as
masuratoareDeTemperaturaVeche where ( masuratoareTemperaturaCurenta .
momentDeTimp − masuratoareDeTemperaturaVeche .momentDeTimp >
lungimeDepas ire )
Listing 4.7: Generarea alarmei în momentul în care produsul este stocat la o temperatuar
mai mare ca pragTemperatura1 pentru o perioad de timp mai lung de lungimeDepasire.
Metoda prezentat anterior detecteaz situaµia în care produsele nu sunt stocate co-
respunz tor exact în momentul în care acest lucru se întâmpl . Ar � util pentru ³oferii
autovehiculelor s �e noti�caµi cu o perioad de timp înainte ca acest lucru s se întâmple.
În acest sens se pot folosi diferite modele de predicµie cu ajutorul c rora se pot prezice
condiµiile de stocare ale produselor peste un interval de timp (de exemplu, 30 de minute).
Un astfel de model de predicµie este prezentat în secµiunea 6.2.
În continuare, predicµia de temperatur se poate realiza folosind interogarea din listing-
ul 4.8.
1 i n s e r t i n to PredictieDeTemperatura s e l e c t r e a l i z a r e P r e d i c t i e (* ) as
pred ict i eTemperatura from FluxMasurator iA l in ia te
Listing 4.8: Apelul modelului de predicµie pentru a se realiza o predicµie de temperatur .
40 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
Dup cum se poate observa, pentru generarea unei predicµii a fost apelat operatorul
realizarePredictie. Acesta a fost de�nit în prealabil ³i a fost înregistrat în momentul în
care a fost pornit motorul de CEP. În urma înregistr rii s-a realizat, de fapt, leg tura
între metoda forecast() ³i operatorul CEP realizarePredictie.
4.3.3 Percepµia mediului exterior în cazul sistemului de distribuµie
În acest subcapitol sunt descrise tiparele de monitorizare care sunt folosite pentru a
realiza percepµia mediului exterior în cadrul sistemului de distribuµie a materialelor de
construcµie prezentat în secµiunea 3.1.
Pentru a detecta producerea unui ambuteiaj folosind detectoare în bucl plasate la
intrare, respectiv ie³irea, unui tronson de drum, trebuie calculat diferenµa dintre num rul
de ma³ini care a intrat în tronsonul respectiv de drum ³i num rul de ma³ini care au ie³it.
În situaµia în care a intrat un num r foarte mare de ma³ini pe tronsonul de drum dar a
ie³it un num r redus înseamn c pe tronsonul respectiv s-a produs un ambuteiaj [96].
Dup cum se poate poate observa ³i în �gura 4.3 tiparul de detectare a ambuteiajelor
conµine mai multe noduri de procesare a evenimentelor.
Figura 4.3: Tiparul de detectare al ambuteiajelor pentru un tronson de drum care conµinedetectoare în bucl la intrare, respectiv ie³ire.
Interog rile care sigur etapele de procesare reprezentate de blocurile din �gura 4.3
au fost excluse din aceast form restrâns a tezei de doctorat.
Tiparul de detectare din �gura 4.4 se poate folosi pentru detecµia de ambuteiaje în
zona unde este instalat un senzor care detecteaz num rului de autovehicule ³i viteza
medie a acestora într-un interval de perioadaAchizitie minute.
4.3. Utilizarea CEP la implementarea monitoriz rii nodurilor distribuite autonomice 41
Figura 4.4: Tiparul pentru detecµia de ambuteiaje în zona unde este instalat un senzorcare detecteaz num rului de autovehicule ³i viteza medie a acestora.
Interog rile care sigur etapele de procesare reprezentate de blocurile din �gura 4.4
au fost excluse din aceasµ form restrâns a tezei de doctorat.
Pentru situaµia în care pe autovehicule sunt instalate terminale inteligente care permit
raportarea anonim a locaµie acestora, se pot considera nenum rate moduri care permit
detectarea de ambuteiaje. În continuare se va prezenta o metod de detectare a unui
ambuteiaj într-o intersecµie din ora³ pentru care se cunosc coordonatele GPS. Se de�nesc
urm torii parametrii ca �ind:
- pragNumarDeMasini : num rul minim de ma³ini care trebuie s se a�e în intersecµie
pentru ca aceasta s �e blocat ;
- razaZonaDeTest : raza zonei care împrejmuie³te intersecµia (aceasta are form de
cerc cu centrul pe coordonatele GPS ale intersecµie);
- latitudineIntersectie, longitudineIntersectie: coordonatele GPS ale intersecµiei;
- perioadaRaportare: intervalul de timp la care se realizeaz testarea condiµie de creare
a ambuteiajului.
Tiparul de detectare a ambuteiajului pentru situaµia considerat este prezentat în
�gura 4.5.
Interog rile care sigur etapele de procesare reprezentate de blocurile din �gura 4.5
au fost excluse din aceasµ form restrâns a tezei de doctorat.
42 Capitolul 4. Monitorizarea ³i analiza st rii nodurilor distribuite autonomice
Figura 4.5: Tiparul pentru detecµia de ambuteiaje în zona unei intersecµii pentru situaµiaîn care vehiculele care tranziteaz intersecµia genereaz rapoarte anonime de poziµie.
4.4 Concluzii
În acest capitol sunt trecute în revist principale tipuri de tehnici de procesare a
informaµie achiziµionate de senzori cu scopul de a permite sistemul SCDA s perceap
starea sa intern , respectiv starea mediului înconjur tor. În acest scop s-a avut în vedere
utilizarea tehnicilor CEP deoarece reprezint o soluµie viabil pentru procesarea aproape
în timp-real a unor �uxuri mare de date. Pe lâng acest avantaj, un motor CEP pune
la dispoziµie o sintax foarte �exibil care permite descrierea constrângerilor spaµiale ³i
temporale dintre evenimentele brute cu scopul de a se identi�ca informaµii cu valoare
ad ugat pentru sistem sau utilizator.
Pentru implementarea practic s-a utilizat motorul de CEP Esper, iar în acest capitol
sunt prezentate principalele tipare de monitorizare care trebuie executate pentru a percepe
sistemul, respectiv mediul înconjur tor, în cadrul sistemului de distribuµie a materialelor
de construcµie (secµiunea 3.1).
Majoritatea tiparelor realizeaz analitica descriptiv a factorilor care intervin asupra
sistemului de distribuµie ³i aici se pot aminti: tehnicile de detecµie a ambuteiajelor, res-
pectiv tehnica de monitorizare a st rii produselor transportate.
În scopul de a îmbun t µi procesul de distribuµie s-a prezentat ³i un model de tipar
care permite analitica predictiv . Mai exact se poate realiza prezicerea st rii produselor
care sunt transportate ³i în felul acesta se pune la dispoziµia mecanismului decizional
informaµie a c rei utilizare conduce la reducerea cantit µii de materiale care sunt distruse
în timpul transportului. Acest lucru s-a obµinut prin integrarea in motorul CEP a unui
model de predicµie. Se poate observa faptul c în ceea ce prive³te procesele din lumea
real , prezenµa decidentului uman poate � obligatorie sau nu în ceea ce prive³te deciziile
posibile, parµial sau total.
Capitolul 5.
Recon�gurarea nodurilor autonomice.
Utilizarea constrângerilor
Continuând explicitarea implement rii MAPE-K în medii distribuite capitolul curent va
prezenta design-ul detaliat al etai de plani�care. Se face o argumentare a tehnologiei
selectate ³i a modului în care a fost folosit pentru generarea de planuri valide ³i adaptate
în cazul ales.
5.1 Sisteme cu constrângeri
Problema con�gur rii ³i recon�gur rii spaµiale, temporale ³i funcµionale ale unor re-
surse este un subiect comun multor domenii de aplicare ce încearc gestionarea predictibil
³i e�cient a resurselor �zice ori a potenµialului de execuµie. Un exemplu simplu este cel
al coordon rii unor operaµiuni militare în care sunt implicate un num r diferit de unit µi
cu abilitaµi, poziµion ri ³i e�cienµ diferit cu scopul realiz rii unuia sau a mai mult obiec-
tive comune simultan ori într-o anumit ordine: ap rarea grupului. Observ m c astfel
de probleme expun o serie de constrângeri atât globale cât ³i între diferitele elemente ale
con�guraµiei de resurse.
43
44 Capitolul 5. Recon�gurarea nodurilor autonomice. Utilizarea constrângerilor
Solverele de constrângeri preiau o astfel de problem speci�c exprimat formal în
termeni de variabile ³i constrângeri asupra lor ³i caut valorile permise asupra tuturor
variabilelor în a³a fel încât constrângerile s �e satisf cute. Una dintre calit µile evidente
ale sistemelor construite pe baza constrângerilor programabile o reprezint validitatea
funcµional a soluµiei generate deoarece acestea sunt speci�cate de la început ³i propagate
riguros în timpul rezolv rii. Precum s-a demonstrat în [98] am considerat c o astfel de
abordare ce ³i-a ar tat utilitatea în sistemele multiagent poate � extins în cazul sisteme-
lor autonomice deoarece poate garanta respectarea continu a funcµiilor auto* (self-*). În
cazul problemelor tratate de aceast tez se va demonstra modul în care constrângerile
programabile permit con�gurarea ³i recon�gurarea relaµiilor dintre funcµiunile ³i propri-
et µile expuse de noduri. Acest mod de lucru ne va putea conduce la ceea ce se poate
cali�ca drept con�guraµie autonomic . Se va demonstra modul cum procesele de plani�-
care sunt abordate ca probleme de constrângeri ce automatizeaz ³i valideaz procesul de
decizie în cadrul buclelor autonomice.
5.1.1 De�nirea constrângerilor. Modelare
Privit într-o perspectiv generic o constrângere poate � de�nit drept �o relaµie
complet de�nibil între anumite variabile� [99]. Ca parte a unui model de reprezentare a
realit µii se poate considera c variabilele nu sunt toate libere, vizibile global, ci se pot
structura de o manier orientat pe obiecte în tipuri de obiecte de�nite dup anumite
tipare. Fiecare variabil are tip propriu ³i este restricµionat s aib asignat o valoare
într-un anumit interval din acest tip în timp ce constrângerile pot restrânge plaja de
variaµie ³i dependenµa între diferitele valori luate de un set de variabile. Se observ , în
acest caz, faptul c datorit caracterului declarativ al constrângerilor acestea speci�c
strict relaµiile ce trebuiesc a � satisf cute f r a se speci�ca o procedur de programare
care s pun în aplicare acea relaµie. CSP poate � considerat ca �ind format dintr-o
reµea de constrângeri de�nite pe un set de variabile [100], iar o soluµie reprezint o instanµ
a variabilelor care satisface totalitatea constrângerilor, despre care se poate speci�ca dac
sunt constrâgeri obligatorii (hard constraints), trebuiesc acoperite strict ³i complet de
soluµie, ori constrângeri cu obligativitate parµiala - soft constraints, atunci când soluµia
este considerat acceptat chiar ³i în cazul acoperirii parµiale a acestora [101].
5.1. Sisteme cu constrângeri 45
Din punct de vedere al modelului implementabil o reµea de constrângeri poate � re-
prezentat de un graf (graful constrângerilor) [97], unde �ecare nod reprezint o variabil
iar arcele conectând toate nodurile ale c ror variabile aparµin sistemului de constrângeri
al problemei exprimate. Absenµa unui arc între dou noduri indic faptul c nu exist
constrângere direct între acestea. Acest mod de percepµie a constrângerilor ne conduce
la constatarea c dou reµele de constrângeri sunt echivalente dac se manifest asupra
unui set identic de variabile ³i expun aceea³i familie de soluµii indiferent de modul în care
sunt implementate.
5.1.2 Rezolvarea constrângerilor
Conceptual, de³i soluµiile reµelelor de constrângeri sunt g site prin c utarea în spa-
µiul de soluµii, valoarea real a abord rii const în capacitatea solverului de a propaga
schimb rile de-a lungul constrângerilor in�uenµate cu scopul de a satisface complet toate
constrângerile componente. În perspectiva percepµiei ca graf, acest lucru înseamn vizi-
tarea complet , aciclic a tuturor nodurilor ³i includerea în soluµie a variabilelor având
valori conforme dependenµelor dintre ele.
Euristicile de c utare acµioneaz asupra tuturor opµiunilor din spaµiul de soluµii pro-
pagând întreg subsetul de constrângeri prealabil determinat prin inferenµ . În mod tipic
se poate constata c �ecare tip de constrângere identi�cat are asociat un anumit algoritm
de propagare capabil s asigure nivelul de consistenµ impus. Propagarea constrângerilor
continu pân când nicio alt constrângere nu este activat de variabilele nou �xate ³i
toate constrângerile active se a� în starea de consistenµ a³teptat � adic satisf cute în
toate variabilele componente. În cazul spaµiului de c utare segmentat se poate considera
c soluµia unui subspaµiu de c utare este consistent local dac subsetul de constrângeri
identi�cat ³i izolat este satisf cut. Dac la orice etap din c utare propagarea constrân-
gerilor conduce la o valoare nevalid a uneia sau a mai multor variabile, c utarea face
un pas înapoi într-un subset valid anterior (backtracking) ³i exploreaz o alt variant de
propagare ³i incrementare a spaµiului de soluµii. Astfel de decizii se bazeaz pe experienµa
anterior acumulat în observarea balanµei de câ³tig în ceea ce înseamn timpul ³i memo-
ria necesare pentru a menµine constrângeri globale complexe ori în a impune consistenµa
în �ecare etap de propagare tuturor constrângerilor. În acest sens se poate considera
46 Capitolul 5. Recon�gurarea nodurilor autonomice. Utilizarea constrângerilor
c un solver realizeaz un compromis posibil între e�cienµ ³i completitudine. În funcµie
de domeniul de aplicare un solver poate � direcµionat pentru a alege diferite strategii.
Se observ faptul c o problem poate � modelat în termeni de constrângeri în moduri
diferite ducând la strategii posibil divergente de rezolvare. Din acest punct de vedere, mo-
delarea e�cient pe baza de constrângeri reprezint un rezultat combinat al cunoa³terii
domeniului de modelat precum ³i al mecanismelor solverului selectat.
5.1.3 Algoritmi destinaµi rezolv rii constrângerilor
În cele ce urmeaz se vor prezenta, pe scurt, o serie de algoritmi reprezentativi folosiµi
la rezolvarea reµelelor de constrângeri. În literatura de specialitate [100], [108], [109] este
identi�cat un num r de familii de algoritmi folosiµi de solvere: c utarea prin salt înapoi
(backtracking/backjumping), c utarea local ³i programarea dinamic .
Algoritmii de c utare de tip backtracking sunt cei mai folosiµi în mod curent în prac-
tic . De³i ofer soluµii complete ³i optimale, acestea vin cu preµul unui cost exponenµial
în raport cu dimensiunea problemei în ceea ce înseamn timpul de rezolvare ³i memoria
necesar , deoarece se poate întâmpla ca spaµiul de c utare s �e explorat ine�cient, în
orb. Oricum, în practic este o situaµie destul de rar necersitatea de a se g si toate
soluµiile posibile la o CSP. Deoarece exploreaz incremental spaµiul de c utare, algoritmii
de tip backtracking vor g si secvenµial soluµiile posibile. În cei peste 40 de ani de când
este studiat, algoritmul backtracking a cunoscut diferite adapt ri destinate îmbun t µirii
locale a modului de alegere a c ii de c utare.
În ciuda progresului evident f cut domeniul algoritmilor compleµi, sistematici, meto-
dele de c utare reprezint de foarte multe ori singura cale practic de a rezolva instanµele
CSP de mari dimensiuni. De asemenea, datorit �exibilit µii ace³ti algoritmi speci�ci
pot � adaptaµi pentru a optimiza modul de lucru pentru domenii speci�ce. Algoritmii de
c utare local sunt potriviµi în mod natural pentru a rezolva probleme de optimizare în
probleme practice, cum ar � cele de plani�care a ocup rii unei linii �exibile de fabricaµie
[20].
5.2. Con�gurarea nodurilor distribuite cu funcµiuni autonomice în cazul scenariului de
distribuµie a materialelor47
5.1.4 Modele ³i platforme
Precum s-a menµionat anterior, CSP presupune o corelare corect între model ³i sol-
ver. În aceast secµiune se vor prezenta o serie de strategii ³i pachete de soluµii mai des
folosite în practic . Solverele au, în general, ca scop g sirea unei soluµii, optime sau nu,
dependent de precizarea unei funcµii de cost ori a tuturor soluµiilor posibile. În ceea ce
prive³te satisfacerea constrângerilor, de obicei liniare, metoda ce s-a impus este cea a pro-
gram rii liniare [100], care cunoa³te câteva categorii de soluµii documentate de literatura
de specialitate.
5.2 Con�gurarea nodurilor distribuite cu funcµiuni autonomice în cazul sce-
nariului de distribuµie a materialelor
În aceast secµiune sunt prezentate, pentru un scenariu de distribuµie a materialelor
de construcµie, dou template-uri care pot � utilizate pentru:
- alegerea secvenµei de locaµii în funcµie de orele la care trebuie s se fac distribuµia;
- selectarea autovehiculelor de transport în funcµie de cerinµele de stocare ale produ-
selor.
Pentru simpli�carea exprim rii se va folosi sintagma noduri autonomice cu privire
la nodurile ce fac parte din con�guraµii ce expun funcµiuni autonomice. Prin utilizarea
constrângerilor distribuite se garanteaz con�gurarea ³i recon�gurarea valid a sistemelor
distribuite ³i garantarea disponibilit µii funcµiilor sistemului de noduri de lucru, în cazul
dat al unui sistem logistic � autovindecarea ³i autocon�gurarea.
5.2.1 Alegerea secvenµei de locaµii prin care trebuie s treac un agent de
distribuµie
Dup cum a fost menµionat în secµiunea 3.1 clienµii au posibilitatea s selecteze un
anumit interval în care s �e livrate produsele. Din acest motiv nodurile autonomice
au nevoie de un tipar de plani�care cu ajutorul c ruia s poat identi�ca secvenµa de
parcurgere a locaµiilor. descrierea acestui tipar a fost exclus din acest form restrâns
a tezei de doctorat.
48 Capitolul 5. Recon�gurarea nodurilor autonomice. Utilizarea constrângerilor
5.2.2 Plani�carea distribuµiei de materiale de construcµie
Un alt tipar de plani�care, utilizat pentru scenariul practic considerat, are rolul de a
obµine combinaµia de autovehicule care trebuie considerat pentru a distribui materialele
de construcµie. Fiecare camion poate transporta doar un anumit volum, respectiv catego-
rie de produse în funcµie de caracteristicile acestora. Dup cum a fost menµionat anterior
produsele au diverse cerinµe de transport. Categoriile produselor respectiv volumele aces-
tora sunt de�nite pe baza mulµimilor C={1,...,c} ³i V={1,...,v}. Acest lucru se declar în
motorul de constrângeri cu ajutorul instrucµiunilor din listing-ul 5.1.
1 ncategory (C) .
nvolume (V) .
Listing 5.1: De�nirea categoriilor de materiale de construcµie ³i a volumelor acestora.
Se va considera c trebuie transportate un set de produse de�nite prin mulµimea P
= {1,...,p}. Fiecare produs este caracterizat printr-un identi�cator PI{pi}, volum PV{v}
³i o categorie PC { c }, acestea �ind cuprinse în setul dat P= {1,...,p}, V={1,...,v},
C={1,...,c}. Instrucµiunile din listing-ul 5.2 sunt folosite pentru a înregistra materialelor
de construcµii care trebuiesc transportate în motorul de constrângeri.
nproducts (P) .
2 product (PI ,PC,PV) :− #in t (PI ) , PI>0, PI<=P, nproducts (P) ,
#in t (PC) , PC>0, PC<=C, ncategory (C) ,
4 #in t (PV, PV>0, PV<=V, nvolume (V) .
Listing 5.2: Înregistrarea materialelor de construcµii care trebuiesc transportate în motorul
de constrângeri.
În vederea livr rii materialelor de construcµie la clienµi se are la dispoziµie un set de
autovehicule T={1,...,t} care pot transporta produse având un volum maxim VTruck{v},
pentru �ecare categorie CTruck{c} pe care o poate livra. Un autovehicul este identi�cat
prin intermediul variabilei TI{pi} ³i are volumul TV{v}, respectiv categoria TC{c}, aces-
tea �ind cuprinse în setul dat P = {1,...,p}, V = {1,...,v}, C = {1,...,c}. Listing-ul 5.3
prezint instrucµiunile folosite pentru a înregistra în motorul de constrângeri autovehicule
care sunt disponibile pentru a realiza distribuµia.
ntrucks (T) .
5.3. Concluzii 49
2 truck (TI ,TC,TV) :− #in t (TI ) , TI>0, TI<=T, ntrucks (T) ,
#in t (TC) , TC>0, TC<=C, ncategory (C) ,
4 #in t (TV, TV>0, TV<=V, nvolume (V) .
Listing 5.3: Înregistrarea în motorul de constrângeri a autovehiculelor care sunt
disponibile pentru a realiza distribuµia.
Un camion poate s transporte un set de produse, de�nit ca o submulµime a lui P
dac acestea respect urm toarele constrângeri:
- nu dep ³e³te volumul acestuia;
- nici un produs nu este asociat pentru livrare unui al autovehicul;
- autovehiculul, respectiv produsele trebuie s aib aceea³i categorie.
Cele trei constrângeri de�nite anterior, se pot înc rca în motorul de constrângeri fo-
losind instrucµiunile prezentate în listing-ul 5.4.
:− truck (T,C1 ,V1) , not #sum {V: at (P,T,V) } <= V1 .
2 :− product (P,C,V) , not #count{T : at (P,T,V) }=1.
:− trunk (T,C,V) , product (P,C1 ,V1) , C=C1 , at (P,T,V) .
Listing 5.4: Setul de constrângeri pe care trebuie s le îndeplineasc un produs P pentru
a putea s �e transportate de un camion T.
Variabila de decizie a problemei este reprezentat de setul at(P,T,V) (v. listing 5.4)
prin care sunt reprezentate asocierile dintre autovehicule ³i produselor ce urmeaz a �
transportate.
5.3 Concluzii
În capitolul curent au fost parcurse fundamentele teoretice ³i practice ale program rii
bazate pe constrângeri precum ³i a modului în care se genereaz con�guraµii valide de
scar larg . Au fost prezentate avantajele fundamentale ale utiliz rii mecanismelor de
con�gurare ³i recon�gurare dinamic utile implement rii capabilit µilor de autocon�gu-
rare ³i autovindecare ale sistemelor autonomice compuse din noduri distribuite.
S-au trecut în revist ³i au fost comentate tehnicile ³i algoritmii relevanµi utilizaµi
în problemele de rezolvare a constrângerilor ³i au fost puse în evidenµ euristicile prin
50 Capitolul 5. Recon�gurarea nodurilor autonomice. Utilizarea constrângerilor
care sunt abordate probleme de mari dimensiuni în relaµie cu modul de modelare al
constrângerilor din obiectele participante la con�guraµie.
Au fost prezentate platformele industriale de modelare ³i rezolvare a constrângerilor
precum ³i cele open source, ³i s-au pus în evidenµ domeniile în care diferite platforme au
dat rezultate optime.
Pentru ilustrarea modului de lucru a fost ales un scenariu din domeniu logisticii care
a permis modelarea folosind Answer Set Programming a constrângerilor aplicabile unui
set de noduri autonomice a�at în interacµie cu scopul realiz rii unui scenariu comun.
S-a putut observa faptul c abordarea aleas nu depinde de capacit µile de calcul ale
�ec rui nod participant la con�guraµia autonomic , permiµând astfel dezvoltarea unui
model extins capabil s acopere atât sisteme IT cât ³i non-IT funcµionând coerent.
Capitolul 6.
Mecanisme cognitive ³i baze de
cuno³tinµe
6.1 Mecanisme cognitive. Noµiuni introductive
În arhitectura iCore [61] (v. �g. 4.1) cogniµia joac un rol central în îmbog µirea
comportamentului sistemului. Dincolo de a � un agregat de elemente ce reacµioneaz
la stimulii de mediu conform unor reµete prefabricate, sistemul include suport pentru
modelele de predicµie.
Un exemplu relevant de implementare a arhitecturii este use case-ul �Smart Business�.
Modelele de predicµie folosesc ca date de intrare valorile m surate furnizate de diverse
tipuri de senzori: temperatur , umiditate, etc. Principalul scop este predicµia pe termen
scurt ³i mediu a evoluµiei temperaturii, dat �ind perisabilitatea unor tipuri de m rfuri
transportate.
Un expert în domeniul logistic este a³teptat s precizeze care sunt tr s turile (featu-
res) relevante în predicµia evoluµiei temperaturii. Ulterior, un expert în domeniul înv µ rii
automate (ML) este capabil ca, pe baza datelor monitorizate de c tre senzori s propun
unul sau mai multe modele de predicµie a temperaturii. Problema de rezolvat este una
51
52 Capitolul 6. Mecanisme cognitive ³i baze de cuno³tinµe
de înv µare supervizat (se cunosc datele istorice, precum ³i valorile ulterioare ale tem-
peraturii), de predicµie a seriilor de timp multivariate, cu posibile date lips (missing
values).
Esenµial în scenariul considerat este urm rirea modului în care se comport modelul
de predicµie. Mai clar, se confrunt periodic predicµiile modelului cu valorile actuale.
6.2 Modele de predicµie
În scenariul practic, prezentat în secµiunea 3.1 a fost menµionat faptul c în ceea ce
prive³te compania de transport aceasta ofer ³i servicii de transport a produselor speciale
(de exemplu, produse termosensibile). În aceast situaµie pe lâng monitorizarea st rii
produselor este oportun ³i utilizarea unor mecanisme de predicµie a st rii viitoare pentru
acestea. În acest fel, pe baza predicµiilor, se pot genera alarme în timp util pentru angajaµii
companiei de transport.
În aceast secµiune a tezei au fost prezentate pe larg detaliile de implementare ³i
modul în care a fost dezvoltat un model de predicµie care permite estimarea temperaturii
în interiorul unui camion în funcµie de m sur torile obµinute de la senzorii instalaµi pe
acesta.
6.3 Baze de cuno³tinµe
6.3.1 Tipare de monitorizare
Tiparele de monitorizare reprezint o component important a bazei de cuno³tinµe
aferente SCDA. Acestea reprezint un set de mecanisme generice care pot � con�gurate ³i
instanµiate pentru a monitoriza starea intern a sistemului SCDA, respectiv a factorilor
relevanµi din mediul înconjur tor. Mai exact, aceste tipare sunt folosite pentru a asigura
etapele de monitorizare ³i analiz din cadrul modelului MAPE-K. Capitolul 4 este dedicat
tehnicilor de monitorizare ³i analiz a nodurilor autonomice ³i sunt date mai multe exem-
ple de tipare de monitorizare utilizate în cadrul implement rii scenariului de distribuµie
a materialelor de construcµie.
6.3. Baze de cuno³tinµe 53
6.3.2 Tipare de plani�care
Acest tip de tipare sunt con�gurate ³i instanµiate în cadrul etapei de plani�care a
modelului MAPE-K. Tiparele de plani�care sunt utilizate de c tre nodurile autonomice
pentru a decide care sunt acµiunile pe care trebuie s le urmeze în momentul în care starea
acestora se modi�c . Capitolul 5 prezint pe larg tiparele de plani�care, care, pe lâng
tiparele de monitorizare, reprezint o component important a bazei de cuno³tinµe din
cadrul SCDA.
6.3.3 Tipare de orchestrare ³i execuµie
Ultima etap a modelului MAPE-K o reprezint cea de execuµie. În acest moment
nodul autonomic trebuie s pun în aplicare soluµia rezult din etapa de plani�care. În
cele mai multe cazuri soluµia care trebuie executat este reprezentat de o secvenµ de
activit µi care trebuiesc îndeplinite. Din acest motiv se preteaz utilizarea unui format
standard, care s descrie succesiunea etapelor din secvenµa de execuµie, ³i care s poat
s �e interpretat cu u³urinµ de aplicaµiile software, respectiv utilizatorul uman. La ora
actual exist mai multe limbaje, cu mediile de dezvoltare aferente, care permit modelare
proceselor, dintre care se pot aminti: BPMN (Business Process Model and Notation)
[122], EPC (Event-driven Process Chain) [123], UML (Uni�ed Modeling Language) [124].
În �gura 6.1 este prezentat tiparul de execuµie, utilizând standardul BPMN, care
poate � utilizat de un nod autonomic pentru a duce la bun sfâr³it procesul de distribuµie
a materialelor de construcµie.
Tiparul de execuµie porne³te în momentul în care este generat evenimentul Start proces
distribuµie.
Prima activitate pe care o realizeaz agentul este cea de contactare a clientului. În
cazul în care clientul nu este disponibil se trece la clientul urm tor sau se �nalizeaz
procesul de distribuµie (dac nu mai sunt clienµi disponibili).
Pentru situaµia în care clientul este disponibil, agentul va calcula ruta optim c tre
locaµia clientului folosind algoritmul prezentat în secµiunea 5.2.1. Dup ce se obµine ruta
se pornesc în paralel dou activit µi: achiziµia ³i �ltrarea evenimentelor de tra�c cu scopul
de a identi�ca eventualele incidente care ar putea perturba activitatea de deplasare, ³i
deplasarea c tre locaµie.
54 Capitolul 6. Mecanisme cognitive ³i baze de cuno³tinµe
Figura 6.1: Tiparul utilizat de un nod autonomic pentru a executa procesul de distributiea materialelor.
6.4. Concluzii 55
Ambele activit µi se opresc în momentul în care agentul de distribuµie ajunge la des-
tinaµie. În continuare, în cazul în care comanda de distribuµie nu este �nalizat se con-
tacteaz urm torul client.
În �nal, dup ce agentul a trecut pe la toµi clienµii disponibili se genereaz raportul
procesului de distribuµie ³i se emite evenimentul care marcheaz �nalizarea acestui proces.
6.3.4 Descrierea semantic a resurselor din sistemul SCDA
Sistemul SCDA conµine ³i un ansamblu de algoritmi/modele care pot � utilizaµi pentru
a monitoriza ³i controla sistemul, cum ar �: tiparele de monitorizare, plani�care, execuµie
³i modelele de predicµie.
Având în vedere speci�cul autonomic al sistemului SCDA, acesta trebuie s aib po-
sibilitatea de a identi�ca caracterisiticile �ec rei resurse. De exemplu, pentru un spaµiu
de stocare este util s poat s obµin informaµii despre adresa acestuia, dimensiunile
acestuia ³i eventual dac are sau nu instalat un sistem de climatizare.
Pe lâng descrierea efectiv a resurselor, trebuie de�nite diferite constrângeri între
acestea.
În cadrul SCDA au fost folosite tehnologiile semantice pentru a descrie, de�ni con-
strângeri de compatibilitate ³i descoperii resursele sistemului. Documentele RDF astfel
rezultate sunt stocate într-o baz de data specializat în persistarea datelor care respect
formatul de triple (triple store).
6.4 Concluzii
Acest capitol este dedicat mecanismelor cognitive ³i a bazelor de cuno³tinµe care tre-
buiesc avute în vedere ³i proiectate corespunz tor în momentul în care se dezvolt un
sistem SCDA. Luând în considerare faptul c sistemul SCDA este bazat pe arhitectura
MAPE-K, bazele de cuno³tinµe reprezint acele mecanisme generice care sunt utilizate
de nodurile autonomice pentru a executa etapele de monitorizare, analiz , plani�care ³i
execuµie.
Din acest motiv, în cadrul sistemului SCDA baza de cuno³tinµe conµine:
- tipare de monitorizare bazate pe tehnicile CEP pentru a implementa procedurile de
percepµie sistemic , respectiv percepµie a mediului înconjur tor, care sunt rulate în
56 Capitolul 6. Mecanisme cognitive ³i baze de cuno³tinµe
etapele de monitorizare ³i analiz ;
- tipare de plani�care bazate pe constrângeri pentru a implementa etapa de plani�-
care;
- tipare de execuµie bazate pe modele BPMN care le permit nodurilor autonomice s
îndeplineasc sarcinile alocate acestora;
- modele de predicµie care, în combinaµie cu tiparele de monitorizare, asigur compo-
nenta de analitic predictiv a sistemului SCDA;
- cuno³tinµe despre sistem ³i mediul înconjur tor care folosesc tehnologiile seman-
tice pentru a descrie infrastructura (senzori, infrastructur mobil /imobil ), modele
(diversele tipare ³i modele de predicµie) care sunt disponibile în sistemul SCDA (de
asemenea, tehnologiile semantice permit descoperirea cu u³urinµ a acestor resurse.)
În cadrul sistemului SCDA modele de predicµie combinate cu cuno³tinµele de sistem,
respectiv diversele tipare, reprezint , de fapt, mecanismele cognitive ale acestuia.
Capitolul 7.
Validarea experimental
Sistemul SDCA, a c rui arhitecur este propus în capitolul 3, a fost utilizat pentru
a dezvolta o aplicaµie cu ajutorul c reia se pot coordona agenµii de distribuµie ai unei
companii care livreaz materiale de construcµie. Descrierea complet a scenariului este
prezentat în secµiunea 3.1.
Dezvoltarea, ³i mai ales testarea, unui astfel de prototip impune accesul la o infras-
tructur dintr-un ora³ de la care se pot achiziµiona date de tra�c ³i la un grup de agenµi
de distribuµie care s execute comenzile generate de sistem. Pe lâng aceasta se im-
pune testarea sistemului sub diferite condiµii de tra�c, ³i mai ales înc rcare a procesului
de transport. Din acest motiv, s-a utilizat platformele CoReMo (Constrains Responsive
Mobility) ³i un emulator din domeniul logistic.
Emulatorul din domeniul logistic permite emularea condiµiilor de transport din inte-
riorul unui autovehicul. În felul acesta se pot emula procesele de înc rcare/desc rcare
ale unor produse în autovehicul, se poate modi�ca starea instalaµiei de climatizare ³i se
poate modi�ca temperatura extern . În plus, platforma permite instalarea de senzori
pe produsele transportate ³i în felul acesta se pot achiziµiona în timp-real m sur tori de
temperatur ³i umiditate.
57
58 Capitolul 7. Validarea experimental
7.1 Platforme utilizate pentru testarea SDCA
Pentru testarea experimental a sistemului SDCA au fost folosite platfoma CoREMo
³i un emulator din domeniul logistic. Simularea tra�cului din mediul urban a fost f -
cut cu ajutorul platformei CoReMo. Aceasta permite personalizarea comportamentelor
pentru diferiti agenµi care pot juca rolul de autovehicule sau elemente de infrastructur
(semafoare, indicatoare rutiere etc.). Emulatorul din domeniul logistic a permis emularea
condiµiilor de transport a materialelor de construcµie în interiorul unui autovehicul.
7.1.1 Platforma CoReMo
CoReMo este o platform software dezvoltat de c tre Siemens Corporate Technology
Romania cu scopul de a furniza un mediu de testare pentru sisteme cu recon�gurare
dinamic . Componenta cadru CoReMo Core, a c rei schem -bloc este prezentat în
Figura ??, este construit folosind platforma de simulare Repast Simphony [130], [131] ³i
derivat din simulatorul RepastCity [132].
Ea este compus dintr-un simulator de tra�c urban, cu module de generare ³i procesare
a datelor ce pot � ata³ate ulterior. CoReMo urm re³te paradigma sistemelor multiagent în
care modelarea ³i execuµia comportamentului agenµilor se realizeaz folosind formalismul
reµelelor Petri. Platforma furnizeaz capacitatea de procesare a datelor (starea agenµilor,
condiµiile mediului simulat, interacµiunile dintre agenµi etc.) în dou moduri: centralizat
� prin transmiterea datelor c tre o entitate care proceseaz date din surse multiple (mai
precis un server CEP); distribuit � la nivel de agenµi sau la entit µi de procesare distribuite.
De asemenea, sunt incluse ³i mecanisme decizionale atât la nivelul agenµilor cât ³i globale,
cu scop de coordonare.
7.1.2 Emulatorul din domeniul logistic
Emulatorul pune la dispoziµie o interfaµ REST ( Representational State Transfer) ³i
una MQTT (Message Queue Telemetry Transport) prin intermediul c rora o aplicaµie se
poate conecta la resursele emulate.
De asemenea, emulatorul îi permite utilizatorului s încarce ³i s ruleze diferite scenarii
de simulare. Pe baza acestor scenarii, generatorul de stimuli va varia temperatura extern
a autovehiculului emulat ³i va modi�ca modul de lucru al instalaµiei de climatizare. În
7.2. Testarea modulului de monitorizarea ³i analiza a st rii SCDA 59
plus, emulatorul pune la dispoziµia utilizatorului o interfaµ gra�c cu care acesta poate
transmite diverse comenzi suplimentare ³i poate monitoriza variaµia temperaturii interne
prin intermediul unei h rµi termice. Interfaµa gra�c este prezentat în �gura 7.1.
Figura 7.1: Interfaµa gra�c a emulatorului din domeniul logistic.
7.2 Testarea modulului de monitorizarea ³i analiza a st rii SCDA
Testarea modulului de monitorizare ³i analiz a st rii nodurilor distribuite autonomice
a constat de fapt în evaluarea puterii de procesare consumate de acesta în scopul g sirii
unei valori limite. S-a considerat un scenariu în care 1000 de camioane, având �ecare 50
de senzori si actuatori, generau �uxuri continue de evenimente. În aceast situaµie vârful
ratei de evaluare a evenimentelor a dep ³it 1200 de evenimente pe secund . De asemenea,
în motorul de CEP au fost înc rcate 1400 de interog ri active reprezentate de listing-urile
din secµiunea 4.3.2.
Din punct de vedere al infrastructurii de testare s-a utilizat un calculator Intel i5-2410
cu procesor 2.30 GHz, 4GB de Ram, interfaµ ethernet de 1GB pe care a fost instalat
sistemul de operare Windows pe 64 biµi.
60 Capitolul 7. Validarea experimental
7.3 Testarea modului de recon�gurare a nodurilor autonomice
În aceast situaµie s-a avut în vedere determinarea timpului maxim necesar pentru
obµinerea unei soluµii de recon�gurare a rutei la nivel de agent sau a modului de plani�care
a procesului de distribuµie la nivel de dispecer.
7.4 Testarea modelelor de predicµie
În aceast secµiune este prezentat modul în care au fost validate modelele de predicµie
utilizate în cadrul SCDA. S-a avut în vedere demonstrarea ³i validarea modului în care
se pot înc rca modele de predicµie în motorul de CEP în timp ce acesta funcµioneaz .
7.5 Testarea prototipului
Pentru testarea prototipului, platforma CoReMo a fost con�gurat s emuleze tra�cul
din ora³ul Bra³ov. De asemenea, au fost activaµi un set de agenµi care pot realiza distribu-
µia materialelor ³i au fost transmise cererile de transport. În �gura 7.2 este prezent ruta
recomandat unui agent de distribuµie pentru a duce la bun sfâr³it procesul de livrare.
Figura 7.2: Ruta recomandat unui agent de distribuµie pentru a duce la bun sfâr³itprocesul de livrare.
De asemenea, în �gura 7.3 este prezentata ruta alternativ recomandat agentului de
distribuµie, în momentul în care a fost detectat un ambuteiaj care perturb procesul de
distribuµie.
7.6. Concluzii 61
Figura 7.3: Ruta alternativ recomandat agentului de distribuµie, în momentul în carea fost detectat un ambuteiaj care perturb procesul de distribuµie.
7.6 Concluzii
În acest capitol au fost prezentate rezultatele experimentale obµinute în urma im-
plement rii sistemului SDCA folosit platforma CoReMo ³i un emulator din domeniul
logistic. De asemenea, a fost prezentat modul în care scenariul suport se mapeaz pe
aceast platform ³i modul în care funcµiunile autonomice sunt puse în evidenµ .
Luând în considerare faptul c toate experimentele practice au fost realizate pe un
calculator de uz general ³i c num rul de agenµi folosiµi este comparabil cu cel ar unei
cu cel al unei companii de dimensiuni medii, se poate concluziona c aplicaµia care im-
plementeaz scenariul considerat are performanµele de funcµionare necesare unei aplicaµii
mature.
De asemenea, prin scalarea pe orizontal sau pe vertical a resurselor de procesare
aplicaµia dezvoltat are posibilitatea s asigure cerinµele necesare de funcµionare pentru
un sistem de distribuµie de mari dimensiuni.
În ultima parte a capitolului s-a ar tat modul în care se poate monitoriza în timp
real un proces (în acest caz particular cel de distribuµie a materialelor termosenzitive)
prin intermediul unui model de predicµie integrat într-o interogare dintr-un motor de
CEP. Acest lucru faciliteaz în primul rând trecerea de la monitorizarea descriptiv a
62 Capitolul 7. Validarea experimental
unui proces la cea predictiv . Acest abordare poate � utilizat cu succes în multe alte
domenii nu doar cel de distribuµia a materialelor.
De asemenea, modulul de monitorizare predictiv a unui proces pune la dispoziµia uti-
lizatorului o interfaµ gra�c prin care se pot evalua performaµele modelului de predicµie.
În plus, pentru situaµia în care performaµele modelului nu sunt satisf c toare se poate
reantrena ³i desc rca modelul f r s �e nevoie ca sistemul s �e oprit.
Capitolul 8.
Concluzii
Arhitecturile bazate pe calcul autonomic ³i extensia acestora la mediul distribuit , inclusiv
în ceea ce este considerat autonomic networking reprezint un important pas înainte în
ceea ce înseamn controlul automat adaptiv al infrastructurilor complexe. Astfel de arhi-
tecturi prezint provoc ri speci�ce date de eterogenitatea inerent a sistemelor ce ajung
s interacµioneze. Din acest motiv, complexitatea observat trebuie s �e tratat ³i dis-
tribuit realist atât în ceea ce înseamn abordarea etapelor de monitorizare ³i analiz cât
³i consistenµa dorit a plani�c rii adapt rii ³i a modului de propagare minim con�ictuale
a acesteia în toate componentele sistemului. Aceste cerinµe ridic un num r de provoc ri
speci�ce în ceea ce prive³te consistenµa la nivel de modelare, guvernanµa ³i monitorizarea
continu a rezultatelor execuµiei dorite.
Funcµiunile autonomice au ³ansa de a schimba semni�cativ modelele de business ale
unor companii orientate intensiv c tre necesit µile operaµionale curente. În acest context
industria telecomunicaµiilor a reprezentat ³i reprezint un exemplu de adaptare ³i deschi-
dere �ind una dintre cele ce au cercetat ³i au adoptat devreme strategii de valori�care ale
elementelor speci�ce controlului autonomic. Aceasta abordare este dat de necesitatea de
a avea politici controlabile ale eterogenit µii echipamentului (scump dar cu o rat mare
63
64 Capitolul 8. Concluzii
de depreciere pe o piaµ intens concurenµial ), dar mai ales pentru a putea inova în ceea
ce înseamn modelele de business, unde serviciile tradiµionale de voce ³i transport de date
nu pot genera pro�t adiµional.
În aceast lucrare am tratat subiectul încorpor rii mecanismelor cognitive în funcµiu-
nea de analiz a sistemelor de control autonomice ³i aplicarea mecanismelor bazate pe
constrângeri pentru realizarea unei plani�c ri sensibile la context.
În mod similar conceptului iniµial al controlului autonomic, teza ³i-a propus s extind
arhitectura existent în a³a fel încât s �e încorporate atât artifacte IT conectate cât ³i
procese ³i actori din lumea tangibil . Pentru a face acest lucru s-au folosit referinµe teh-
nologice cu rezultate dovedite în domenii de activitate ³i a c ror performanµ era critic .
Teza a fost structurat în a³a fel încât s se permit introducerea gradual a compo-
nentelor arhitecturale, a modului în care ciclul de control autonomic este implementat, a
tehnologiilor ata³ate ³i scenariului suport considerat. S-au prezentat, în �nal, validarea
experimental a scenariului propus ³i au fost comentate detaliile de implementare.
Alegerea a fost motivat de observarea unor oportunit µi practice derivate din expe-
rienµa direct cât ³i din proiectele de cercetare la a c ror elaborare conceptual , imple-
mentare ³i valorizare am participat ³i particip. Deoarece subiectul este într-o continu
extindere ³i maturizare se poate considera c subiectele speci�ce de cercetare ³i de valo-
ri�care industrial sunt considerabile.
8.1 Contribuµii personale
La elaborarea acestei teze am bene�ciat de interacµia direct ³i extrem de util atât cu
echipa din care fac parte cât ³i cu experµi de renume din centre ce cercetare industrial ori
universitar din Europa ³i SUA. Acest fapt a ajutat semni�cativ la focusarea subiectelor
abordate ³i la abordarea subtemelor tehnice relevante. Faptul c cele mai multe din
proiectele abordate au fost ori sunt parte din domeniul IoT ori Cloud/Data Centers a
ajutat la elaborarea unei arhitecturi pragmatice ³i sincrone cu capabilit µile reale ale unui
mediu distribuit.
Contribuµiile personale listate mai jos reprezint rezultate elaborate ³i testate având,
de asemenea, ca obiectiv utilizarea rezultatelor în proiecte industriale. Domeniul general
de cercetare adresat este cel la monitoriz rii ³i controlului automat al unor infrastructuri
8.1. Contribuµii personale 65
distribuite.
Deoarece urm toarea secµiune prezint lista tuturor lucr rilor ce conµin total sau par-
µial rezultatele muncii depuse la elaborarea tezei acestea au fost numerotate pentru u³u-
rinµa identi�c rii. Toate aceste lucr ri se a� ³i în bibliogra�a consolidat ata³at .
Cele mai relevante contribuµii sunt:
- analiza modelelor ³i implement rilor curente de sisteme autonomice;
Subiectul a fost abordat in-extenso în cadrul proiectelor de cercetare citate în tez
³i a detaliat atât aspecte ale platformelor tehnice (IoT, Cloud, Data Centers) cât ³i
ale domeniilor de aplicare, cu prec dere în ceea ce înseamn Ora³ele Inteligente cât
³i infrastructuri speci�ce precum Smart Grids. Rezultatele au fost diseminate în 1,
2, 4, 8, 9, 10, 12, 13, 14.
- arhitectura de sistem distribuit cu caracteristici autonomice;
Precum s-a expus in capitolul 7, platformele CoReMo ³i iCORE au fost dezvoltate
de-a lungul tezei ³i au fost utilizate pentru a valida funcµiunile propuse. Subiectul
a fost tratat ³i diseminat în 2,3,4 10, 12, 13, 14.
- de�nirea ³i implementarea fazelor conceptuale calculului autonomic;
Acest subiect este strâns legat de primele dou subiecte ³i a fost diseminat în acelea³i
publicaµii.
- modelarea ³i implementarea fazei de monitorizare pe baz de CEP;
Monitorizarea ³i analiza reprezint etape critice în realizarea buclei MAPE-K. Su-
biectul a fost detaliat prioritar în capitolul 4. Rezultatele cercet rii au fost disemi-
nate în 2,3,8,10,13.
- modelarea ³i implementarea fazei de analiz cu suport de calcul cognitiv pentru
realizarea analizei predictive;
Acest subiect de cercetare este corelat celui anterior ³i rezultatele au fost tratate în
acelea³i publicaµii.
- arhitectura unui sistem distribuit cu capabilit µi de calcul cognitiv bazat pe inte-
grarea Machine Learning în �ltrarea CEP;
66 Capitolul 8. Concluzii
Acest subiect a fost abordat în proiectele CoReMo, iCORE ³i CityPulse ³i reprezint
abordarea propus în tez pentru optimizarea etapelor de monitorizare ³i analiz .
Rezultatele obµinute au fost tratate în 2, 4, 8, 9, 10, 12, 13, 14.
- modelarea ³i implementarea plani�c rii ³i replani�c rii pe baz de Constrângeri
Distribuite;
Tematica plani�c rii a fost abordat în contextul cazurilor din logistic / transport
³i optimizarea sistemelor de fabricaµie. Rezultatele au fost prezentate în 5, 6, 7, 8.
- modelarea ³i implementarea execuµiei ca mediu de calcul distribuit de tip IoT;
Dup cum s-a prezentat de-a lungul tezei ecosistemele de tip IoT au fost alese pentru
a ilustra problema abordat în tez deoarece ridic provoc ri speci�ce sistemelor
distribuite ce pot bene�cia direct de autonomic networking. Subiectul a fost abordat
în proiectele iCORE, IOT.est, CityPulse, COSMOS ³i RERUM, iar rezultatele au
fost prezentate în 1,2,3, 4, 10, 11, 12, 13, 14, 15.
- modelarea bazelor de cuno³tinµe pe baza tehnologiilor semantice;
Modelele de cuno³tinµe ata³ate atât resurselor de observaµie, actualizare ³i comuni-
caµie , proceselor ori �uxurilor de date ³i evenimente produse ³i consumate, au fost
utilizate pentru a sprijini selecµia optimizat a acestora ³i deciziile dependente de
context. Rezultatele au fost prezentate în 4,9,11, 12, 14.
- modelarea ³i implementarea unui studiu de caz din domeniul logisticii;
Subiectul a fost prezentat în detaliu în capitolele Precum s-a expus in capitolele 6
³i 7.
8.2 Diseminarea rezultatelor
Rezultatele prezentate în aceasta tez reprezint o parte din efortul depus în ultimii
ani într-un num r relevant de proiecte de cercetare �nanµate de c tre Comisia European
dar ³i rezultate obµinute din cercetarea industrial . Datorit amplitudinii subiectelor
abordate, acestea sunt re�ectate pe segmente corelate în articolele publicate. De aseme-
nea, efortul a contribuit atât la teza prezentat cât ³i la rezultatele unui întreg grup de
cercetare.
8.2. Diseminarea rezultatelor 67
Aceste rezultate s-au materializat prin publicarea în calitate de prim autor sau coautor
a unui num r de 15 lucr ri ³tiinµi�ce. Lista bibliogra�c proprie conµine: 9 lucr ri ISI, 3
lucr ri indexate în bazele de date internationale ³i 3 capitole de c rµi publicate în edituri
internaµionale recunoscute.
a. Lucr ri ISI:
� (1) E. Z. Tragos, V. Angelakis, A. G. Fragkiadakis, D. Gundlegard, S. Nechifor, G.
C. Oikonomou, H. C. Pohls, and A. Gavras, �Enabling Reliable and Secure IoT-
based Smart City Applications�, in 2014 IEEE International Conference on Pervasive
Computing and Communication Workshops, PerCom 2014 Workshops, Budapest,
Hungary, March 24-28, 2014. IEEE, 2014, pp. 111-116.
� (2) S. Nechifor, B. Tarnauca, L. Sasu, D. Puiu, �Autonomic Monitoring Approach
based on CEP and ML for Logistic of Sensitive Goods�, 18th IEEE International
Conference on Intelligent Engineering Systems (INES), Tihany, Ungaria, 2014�pp:
67-72,.
� (3) S. Nechifor A. Petrescu, D. Damian, D. Puiu, and B. Tarnauca, �Predictive Ana-
lytics based on CEP for Logistic of Sensitive Goods�, 14th International Conference
on Optimization of Electrical and Electronic Equipment OPTIM, Brasov, Romania,
May 2014.
� (4) J. Poncela, P. Vlacheas, R. Gia�reda, S. De, M. Vecchio, S. Nechifor, R. Barco,
M. C. A. Torres, V. Stavroulaki, K. Moessner, and P. Demestichas, �Smart Cities
via Data Aggregation�, Wireless Personal Communications, vol. 76, no. 2, 2014,
pp. 149-168.
� (5) A. Gîrbea, C. Suciu, S. Nechifor, and F. Sisak, �Design and Implementation of
a Service-Oriented Architecture for the Optimization of Industrial Applications�,
IEEE Transactions on Industrial Informatics, Vol. 10, No. 1, 2014, pp. 185-196.
� (6) A. Gîrbea, S. Nechifor, F. Sisak, �E�cient Address Space Generation for an OPC
UA Server�, Software Practice and Experince, Vol 42, Issue 5, May, 2014, pp. 543-
557.
� (7) A. Gîrbea, S. Nechifor, F. Sisak, and L. Perniu, �Design and Implementation of
68 Capitolul 8. Concluzii
an OLE for Process Control Uni�ed Architecture Aggregating Server for a Group of
Flexible Manufacturing Systems�, IET Software, vol. 5, no. 4, 2011, pp. 406-414.
� (8) I. Cobeanu, B. Tarnauca, S. Nechifor, and V. Comnac, �Real-time Scheduling of
Mobile Agents Using Answer Set Programming�, 13th International Conference on
Optimization of Electrical and Electronic Equipment OPTIM, Brasov, Romania,
May, 2012, pp. 1505-1510.
� (9) A. Manzalini, P. H. Deussen, S. Nechifor, M. Mamei, R. Minerva, C. Moiso,
A. Salden, T. Wauters, and F. Zambonelli, �Self-Optimized Cognitive Network of
Networks�, Oxford Computer Journals, Vol. 54, No. 2, 2011, pp. 189-196.
b. Lucr ri BDI
� (10) S. Nechifor, D. Puiu, B. Târnauca, and F. Moldoveanu, �Prescriptive Analytics
based Autonomic Networking for Urban Streams Services Provisioning�, IEEE 81st
Vehicular Technology Conference, VTC Spring 2015, Glasgow, United Kingdom,
11-14 May, 2015. IEEE, 2015, pp. 1-5.
� (11) D. Ardagna, E. D. Nitto, G. Casale, D. Petcu, P. Mohagheghi, S. Mosser, P. Mat-
thews, A. Gericke, C. Ballagny, F. D'Andria, C. Nechifor, and C. Sheridan, �Mo-
daclouds: a Model-Driven Approach for the Design and Execution of Applications
on Multiple Clouds�, Proceedings of the 4th International Workshop on Modeling in
Software Engineering, MiSE 2012, Zurich, Switzerland, June 2-3, 2012, pp. 50-56.
� (12) G. Baldini, R. R. V. Prasad, A. R. Biswas, K. Moessner, M. Eteläperä, J. Soininen,
S. Nechifor, V. Stavroulaki, and P. Vlacheas, �A cognitive Management Framework
to Support Exploitation of the Future Internet of Things�, Scalable Computing:
Practice and Experience, vol. 13, no. 2, 2012.
c. Capitol de carte publicat în editur internaµional
� (13) S. Nechifor, D. Puiu, B. Tarnauca, and F. Moldoveanu, �Autonomic Aspects of
IoT Based Systems: A Logistics Domain Scheduling Example�, Interoperability and
Open-Source Solutions for the Internet of Things, ser. Lecture Notes in Computer
Science, I. Podnar Zarko, K. Pripuzic, and M. Serrano, (Eds.), Springer Internatio-
nal Publishing, 2015, Vol. 9001, pp. 153-168.
8.3. Direcµii viitoare de cercetare 69
� (14) V. Foteinos, D. Kelaidonis, G. Poulios, V. Stavroulaki, P. Vlacheas, P. Demesti-
chas, R. Gia�reda, A. R. Biswas, S. Ménoret, G. Nguengang, M. Eteläperä, S.
Nechifor, M. Roelands, F. Visintainer, and K. Moessner, �A Cognitive Manage-
ment Framework for Empowering the Internet of Things�, The Future Internet -
Future Internet Assembly 2013: Validated Results and New Horizons, ser. Lecture
Notes in Computer Science, A. Galis and A. Gavras, (Eds.), Vol. 7858. Springer,
2013, pp. 187-199.
� (15) S. Nechifor �How to Manage and Search/Retrieve Information Objects�, Archi-
tecture and Design for the Future Iinternet: 4WARD PROJECT�, Book Series:
Signals and Communication Technology, Edited by: L.M. Correia; H. Abramowicz;
M. Johnsson, (Eds.); et al., 2011, pp. 201-223.
8.3 Direcµii viitoare de cercetare
Urm toarele subiecte prezentate reprezint un num r de direcµii de cercetare ce sunt
parte a unor teme de actualitate practic . Ele nu sunt singurele subiecte relevante având
leg tur cu controlul autonomic, ci doar teme pe care le consider a � de utilitate ridicat
în urm torii 5 - 10 ani.
Subiectul controlului autonomic distribuit se a� într-o faz de maturizare ³i asimi-
lare industrial . Noi concepte arhitecturale precum Software De�ned Networks � SDN,
genereaz oportunit µi de interes precum sunt:
- Transferul funcµiunilor analitice aproape de proces simultan cu generarea capacit µii
de federare a funcµiunilor f r un control overlay;
- Modele de �abilitate ³i încredere în rezultate, atunci când monitorizarea distribuit
se execut în noduri de calcul diferite;
- Conceperea unor modele de imunitate la nivelul sistemelor, capabile s înveµe din
experienµa altor reµele;
- Corelarea cu concepte precum Cloud Robotics, în care sisteme compuse din sisteme
IT, roboµi autonomi ³i infrastructuri de comunicaµii învaµ s coopereze pentru
atingerea unor obiective comune;
70 Capitolul 8. Concluzii
A doua direcµie interesant de lucru poate � extinderea sistemelor de recomandare
cu capacit µi de analiz a datelor de timp real ³i folosirea e�cient în comun a unor
resurse precum sunt cele din zona Ora³elor Inteligente. Aceast abordare poate ad uga
abilit µi de predicµie ³i adaptabilitate platformelor de servicii ³i deschiderea acestora spre
integrarea cu mediul non-IT.
O a treia oportunitate tehnologic este reprezentat de optimizarea automat ³i ana-
liza modelelor de decizie. De³i astfel de abord ri nu sunt noi în implementarea sistemelor
informatice moderne, utilizarea lor în medii distribuite, zgomotoase, cu o eterogenitate
mare ³i cu modele de securitate ³i con�denµialitate a accesului la date ³i procese gene-
reaz provoc ri relevante. Tehnologic, provoc rile speci�ce ating modul de utilizare al
constrângerilor discrete ori continue, selecµia modelelor de predicµie ³i evaluare a contex-
tului în medii cu grad sc zut de predictibilitate. Domeniile µint posibile sunt cele din
mega-infrastructuri speci�ce aglomer rilor urbane, servicii de monitorizare ³i intervenµie
în sisteme de îngrijire personalizat a s n t µii ori abord ri sustenabile de protecµie ³i
utilizare a resurselor naturale.
Dup cum s-a detaliat de-a lungul tezei, procesele de autoap rare ³i autovindecare
sunt complementare, iar implementarea lor impune componente comune ori corelate ca ³i
funcµiune individual . De asemenea, s-a observat c �abilitatea ³i disponibilitatea resur-
selor de procesare ori a surselor de date relevante ³i de încredere pot altera semni�cativ
calitatea ³i rezultatul proceselor vizate. Prin aplicarea în mecanismele cognitive servind
etapa de analiz a unor strategii inspirate din lumea vie, se poate decide selecµia pre-
emptiv de resurse ³i date, precum ³i ap rarea activ a sistemului în faµa unor posibili
agresori. În aceast direcµie va � interesant de descoperit modele de atac complexe ³i
disimularea funcµiilor sistemului autonomic.
Nu în ultimul rând o oportunitate relevant de cercetare este cea legat de modelele
de business prin care funcµiunile autonomice expuse de sisteme din domenii speci�ce pot
� valori�cate în domenii conexe ori complet noi. De exemplu, sistemele de calcul au
cunoscut o valori�care superioar în cazul managementului de tip Cloud Computing ³i
acela³i lucru se întâmpl prin virtualizarea ca ³i servicii web a obiectelor conectate - IoT.
Aceste subiecte reprezint un pas important în dep ³irea limitelor de domeniu, atât în ceea
ce înseamn domeniu internet/intranet cât ³i în ceea ce înseamn domeniul de aplicare.
8.3. Direcµii viitoare de cercetare 71
Funcµiunile autonomice pot � folosite utilizând modele de contracte inovative (de ex.
închirierea temporar de spaµiu securizat de efectuare a unor analize complexe de date)
ori apariµia unui nou rol în modelele de business, acela de broker infrastructuri temporare
capabile s expun un comportament autonomic. Un astfel de actor ar intermedia între
nevoia de funcµiuni ale actorilor economici ³i oferta de putere de calcul, spaµiu de stocare
a provider-ilor de Cloud ori a celor ce ofer algoritmi performanµi.
Bibliogra�e
[1] J. O. Kephart and D. M. Chess, �The vision of autonomic computing,�
Computer, vol. 36, no. 1, pp. 41�50, Jan. 2003. [Online]. Available:
http://dx.doi.org/10.1109/MC.2003.1160055
[2] S. Dobson, R. Sterritt, P. Nixon, and M. Hinchey, �Ful�lling the vision of autonomic
computing,� IEEE Computer, vol. 43, no. 1, pp. 35�41, Jan 2010.
[3] D. A. Menasc and J. O. Kephart, �Guest editors' introduction: Autonomic compu-
ting,� IEEE Internet Computing, vol. 11, no. 1, pp. 18�21, 2007.
[4] M. Nami and M. Shari�, �A survey of autonomic computing systems,� in Intelligent
Information Processing III, ser. IFIP International Federation for Information
Processing, Z. Shi, K. Shimohara, and D. Feng, Eds. Springer US, 2007, vol. 228,
pp. 101�110. [Online]. Available: http://dx.doi.org/10.1007/978-0-387-44641-7_11
[5] R. Sterritt, �Autonomic computing,� Innovations in Systems and Software
Engineering, vol. 1, no. 1, pp. 79�88, 2005. [Online]. Available: http:
//dx.doi.org/10.1007/s11334-005-0001-5
[6] T. Beer, J. Rasinger, W. Höpken, M. Fuchs, and H. Werthner, �Exploiting
e-c-a rules for de�ning and processing context-aware push messages,� in Advances
in Rule Interchange and Applications, ser. Lecture Notes in Computer Science,
A. Paschke and Y. Biletskiy, Eds. Springer Berlin Heidelberg, 2007, vol. 4824, pp.
199�206. [Online]. Available: http://dx.doi.org/10.1007/978-3-540-75975-1_19
[7] T. M. Mitchell, �The need for biases in learning generalizations,� Rutgers University,
New Brunswick, NJ, Tech. Rep., 1980.
73
74 Bibliogra�e
[8] ***, �Autonomic network architecture,� http://www.ana-project.org/, 2009.
[9] A. Manzalini and F. Zambonelli, �Towards autonomic and situation-aware commu-
nication services: the cascadas vision,� in Distributed Intelligent Systems: Collective
Intelligence and Its Applications, 2006. DIS 2006. IEEE Workshop on, June 2006,
pp. 383�388.
[10] R. Calinescu, General-Purpose Autonomic Computing. Springer, April 2009,
pp. 3�29. [Online]. Available: http://web.comlab.ox.ac.uk/people/Radu.Calinescu/
ACNchapter2008.pdf
[11] P. Cong-vinh, Formal and Practical Aspects of Autonomic Computing and Networ-
king: Speci�cation, Development, and Veri�cation, 1st ed. Hershey, PA: Informa-
tion Science Reference - Imprint of: IGI Publishing, 2011.
[12] M. Calisti, S. v. d. Meer, and J. Strassner, Advanced Autonomic Networking and
Communication (Whitestein Series in Software Agent Technologies and Autonomic
Computing), 1st ed. Birkhäuser Basel, 2008.
[13] ***, �Gpac autonomic framework,� http://www-users.cs.york.ac.uk/ raduc/project-
s/GPAC/gpac.html, 2014.
[14] J. Strassner, S. Kim, and J. W. Hong, �The design of an autonomic communication
element to manage future internet services,� in Management Enabling the Future
Internet for Changing Business and New Computing Services, 12th Asia-Paci�c
Network Operations and Management Symposium, APNOMS 2009, Jeju, South
Korea, September 23-25, 2009, Proceedings, 2009, pp. 122�132. [Online]. Available:
http://dx.doi.org/10.1007/978-3-642-04492-2_13
[15] ***, �D4.3 cvo and management fabric design,� iCore project deliverable, 2013. [ON-
LINE]: http://www.iot-icore.eu/public-deliverables.
[16] ***, �Fp7 ict cosmos,� http://iot-cosmos.eu/, 2014.
[17] ***, �Citypulse,� http://www.ict-citypulse.eu/page/, 2014.
Bibliogra�e 75
[18] S. Nechifor, A. Petrescu, D. Damian, D. Puiu, and B. Tarnauca, �Predictive Ana-
lytics based on CEP for Logistic of Sensitive Goods,� in 2014 14th International
Conference on Optimization of Electrical and Electronic Equipment (OPTIM), 2014.
[19] S. Nechifor, D. Puiu, B. Tarnauca, and F. Moldoveanu, �Autonomic aspects of
iot based systems: A logistics domain scheduling example,� in Interoperability
and Open-Source Solutions for the Internet of Things, ser. Lecture Notes in
Computer Science, I. Podnar Zarko, K. Pripuzic, and M. Serrano, Eds. Springer
International Publishing, 2015, vol. 9001, pp. 153�168. [Online]. Available:
http://dx.doi.org/10.1007/978-3-319-16546-2_12
[20] A. Gîrbea, C. Suciu, S. Nechifor, and F. Sisak, �Design and implementation of a
service-oriented architecture for the optimization of industrial applications,� IEEE
Trans. Industrial Informatics, vol. 10, no. 1, pp. 185�196, 2014. [Online]. Available:
http://dx.doi.org/10.1109/TII.2013.2253112
[21] B. Tarnauca, D. Puiu, V. Comnac, and C. Suciu, �Modelling a Flexible Manu-
facturing System Using Recon�gurable Finite Capacity Petri Nets,� in 2012 13th
International Conference on Optimization of Electrical and Electronic Equipment
(OPTIM), May 2012, pp. 1079�1084.
[22] J. Strassner, J. W. Hong, and S. van der Meer, �The design of an autonomic
element for managing emerging networks and services,� in Proceedings of the
International Conference on Ultra Modern Telecommunications, ICUMT 2009,
12-14 October 2009, St. Petersburg, Russia, 2009, pp. 1�8. [Online]. Available:
http://dx.doi.org/10.1109/ICUMT.2009.5345533
[23] ***, �Omg cim,� http://www.dmtf.org/sites/default/�les/standards/documents/DSP0231_1.0.0.pdf,
2010.
[24] ***, �Ponder,� http://www-dse.doc.ic.ac.uk/Research/policies/ponder.shtml, 2009.
[25] ***, �D3.2.2 modaclouds architecture � �nal version,� MODAClouds project delive-
rable, 2014.
76 Bibliogra�e
[26] E. D. Valle, �C-sparql platforms,� http://streamreasoning.org/download, 2013.
[27] ***, �D4.4 cvo proof of concept and validation,� iCore project deliverable, 2013.
[ONLINE]: http://www.iot-icore.eu/public-deliverables.
[28] G. Baldini, R. R. V. Prasad, A. R. Biswas, K. Moessner, M. Eteläperä,
J. Soininen, S. Nechifor, V. Stavroulaki, and P. Vlacheas, �A cognitive management
framework to support exploitation of the future internet of things,� Scalable
Computing: Practice and Experience, vol. 13, no. 2, 2012. [Online]. Available:
http://www.scpe.org/index.php/scpe/article/view/775
[29] V. Foteinos, D. Kelaidonis, G. Poulios, V. Stavroulaki, P. Vlacheas, P. Demestichas,
R. Gia�reda, A. R. Biswas, S. Ménoret, G. Nguengang, M. Eteläperä, S. Nechifor,
M. Roelands, F. Visintainer, and K. Moessner, �A cognitive management
framework for empowering the internet of things,� in The Future Internet - Future
Internet Assembly 2013: Validated Results and New Horizons, ser. Lecture Notes
in Computer Science, A. Galis and A. Gavras, Eds., vol. 7858. Springer, 2013,
pp. 187�199. [Online]. Available: http://dx.doi.org/10.1007/978-3-642-38082-2_16
[30] ***, �W3c owl,� http://www.w3.org/TR/2012/REC-owl2-mapping-to-rdf-
20121211/, 2012.
[31] A. Calì, G. Gottlob, and A. Pieris, �Querying conceptual schemata with expressive
equality constraints,� in Conceptual Modeling - ER 2011, 30th International
Conference, ER 2011, Brussels, Belgium, October 31 - November 3, 2011.
Proceedings, 2011, pp. 161�174. [Online]. Available: http://dx.doi.org/10.1007/
978-3-642-24606-7_13
[32] E. Brewer, �Lessons from giant-scale services,� Internet Computing, IEEE, vol. 5,
no. 4, pp. 46�55, Jul 2001.
[33] ***, �Apache cassandra,� http://cassandra.apache.org/, 2015.
[34] L. et .all, �Toward autonomic computing with db2 universal database,�
http://www.sigmod.org/publications/sigmod-record/0209/lensilegman2.pdf, 2003.
Bibliogra�e 77
[35] J. Strassner, �Using autonomic principles to manage converged services in next
generation networks,� in Engineering of Autonomic and Autonomous Systems, 2007.
EASe '07. Fourth IEEE International Workshop on, March 2007, pp. 176�186.
[36] ***, �Openiot,� www.openiot.eu, 2014.
[37] Semantic Sensor Networks, http://www.w3.org/2005/Incubator/ssn/ssnx/ssn Std.
[38] ***, �Rerum: Reliable, resilient and secure iot for smart city applications,�
https://ict-rerum.eu/, 2015.
[39] S. Tarkoma, Overlay Networks, A. Publications, Ed. CRC Press, 2010.
[40] P. McKinley, F. Samimi, J. Shapiro, and C. Tang, �Service clouds: A distributed
infrastructure for constructing autonomic communication services,� in Dependable,
Autonomic and Secure Computing, 2nd IEEE International Symposium on, Sept
2006, pp. 341�348.
[41] J. E. S. B. Z. Chen, S. Haykin, Correlative Learning - A Basis for Brain and
Adaptive Systems, J. W. . Sons, Ed. Wiley, 2007.
[42] N. Capodieci, E. Hart, and G. Cabri, �Designing self-aware adaptive systems: From
autonomic computing to cognitive immune networks,� in Self-Adaptation and Self-
Organizing Systems Workshops (SASOW), 2013 IEEE 7th International Conference
on, Sept 2013, pp. 59�64.
[43] C. Bishop, Pattern Recognition and Machine Learning, ser. Information Science and
Statistics. Springer, 2006.
[44] V. Vapnik and A. Vashist, �A new learning paradigm: Learning using privileged
information,� Neural Networks, vol. 22, no. 5-6, pp. 544�557, 2009.
[45] S. Fouad, P. Tino, S. Raychaudhury, and P. Schneider, �Learning using privileged
information in prototype based models,� in Arti�cial Neural Networks and Ma-
chine Learning � ICANN 2012, ser. Lecture Notes in Computer Science, A. Villa,
W. Duch, P. Érdi, F. Masulli, and G. Palm, Eds. Springer Berlin Heidelberg, 2012,
vol. 7553, pp. 322�329.
78 Bibliogra�e
[46] Y. Bengio, �Learning deep architectures for AI,� Foundations and Trends in Machine
Learning, vol. 2, no. 1, pp. 1�127, 2009, also published as a book. Now Publishers,
2009.
[47] Y. Bengio, A. Courville, and P. Vincent, �Representation learning: A review and new
perspectives,� IEEE Transactions on Pattern Analysis and Machine Intelligence,
vol. 35, no. 8, pp. 1798�1828, 2013.
[48] Y. Bengio, A. C. Courville, and P. Vincent, �Unsupervised feature learning and deep
learning: A review and new perspectives,� CoRR, vol. abs/1206.5538, 2012.
[49] P. Vincent, H. Larochelle, Y. Bengio, and P. A. Manzagol, �Extracting and Com-
posing Robust Features with Denoising Autoencoders,� in Proceedings of the 25th
International Conference on Machine Learning, ser. ICML '08. New York, NY,
USA: ACM, 2008, pp. 1096�1103.
[50] R. S. Sutton and A. G. Barto, Introduction to Reinforcement Learning, 1st ed.
Cambridge, MA, USA: MIT Press, 1998.
[51] B. Settles, �Active learning literature survey,� University of Wisconsin�
Madison, Computer Sciences Technical Report, 2009. [Online]. Available:
http://axon.cs.byu.edu/~martinez/classes/778/Papers/settles.activelearning.pdf
[52] E. Lughofer, �Hybrid active learning for reducing the annotation e�ort of operators
in classi�cation systems,� Pattern Recognition, vol. 45, no. 2, pp. 884 � 896, 2012.
[53] D. H. Wolpert, �The lack of a priori distinctions between learning algorithms,�
Neural Comput., vol. 8, no. 7, pp. 1341�1390, Oct. 1996. [Online]. Available:
http://dx.doi.org/10.1162/neco.1996.8.7.1341
[54] V. Mnih, K. Kavukcuoglu, D. Silver, A. A. Rusu, J. Veness, M. G. Bellemare,
A. Graves, M. Riedmiller, A. K. Fidjeland, G. Ostrovski, S. Petersen,
C. Beattie, A. Sadik, I. Antonoglou, H. King, D. Kumaran, D. Wierstra,
S. Legg, and D. Hassabis, �Human-level control through deep reinforcement
learning,� Nature, vol. 518, no. 7540, pp. 529�533, 02 2015. [Online]. Available:
http://dx.doi.org/10.1038/nature14236
Bibliogra�e 79
[55] D. C. Ciresan, U. Meier, L. M. Gambardella, and J. Schmidhuber, �Convolutional
neural network committees for handwritten character classi�cation,� in ICDAR,
2011, pp. 1135�1139.
[56] D. C. Ciresan, U. Meier, J. Masci, and J. Schmidhuber, �Multi-column deep neural
network for tra�c sign classi�cation,� Neural Networks, vol. 32, pp. 333�338, 2012.
[Online]. Available: http://dx.doi.org/10.1016/j.neunet.2012.02.023
[57] J. van den Berg, S. Miller, D. Duckworth, H. Hu, A. Wan, X. Fu, K. Goldberg,
and P. Abbeel, �Superhuman performance of surgical tasks by robots using itera-
tive learning from human-guided demonstrations,� in International Conference on
Robotics and Automation (ICRA), 2010.
[58] O. Etzion and P. Niblett, Event Processing in Action, 1st ed. Greenwich, CT,
USA: Manning Publications Co., 2010.
[59] L. Goldberg and B. von Halle, The Decision Model: A Business Logic Framework
Linking Business and Technology, C. Press, Ed. CRC Press, 2010.
[60] R. Calinescu, K. Johnson, and Y. Ra�q, �Developing self-verifying service-based
systems,� in Automated Software Engineering (ASE), 2013 IEEE/ACM 28th Inter-
national Conference on, Nov 2013, pp. 734�737.
[61] ***, �D2.5 icore �nal architecture,� http://www.iot-icore.eu/public-deliverables,
2014.
[62] ***, �Iot.est - iot environment for service creation and testing,� http://ict-
iotest.eu/iotest/, 2014.
[63] M. Nagao and T. Miki, �Cooperative behavior generation method using local com-
munication for distributed multi-agent systems,� in Systems Man and Cybernetics
(SMC), 2010 IEEE International Conference on, Oct 2010, pp. 2886�2892.
[64] S. Nechifor, D. Puiu, B. Târnauca, and F. Moldoveanu, �Prescriptive analytics
based autonomic networking for urban streams services provisioning,� in IEEE
81st Vehicular Technology Conference, VTC Spring 2015, Glasgow, United
80 Bibliogra�e
Kingdom, 11-14 May, 2015. IEEE, 2015, pp. 1�5. [Online]. Available:
http://dx.doi.org/10.1109/VTCSpring.2015.7146030
[65] Sensor Model Language (SensorML), Open Geospatial Std.
[66] Industrial automation systems and integration �Parts library � Part 32 Implemen-
tation resources: OntoML: Product Ontology markup language, ISO � International
Organization for Standardization Std.
[67] ***, �Ontosensor device ontology,� http://mmisw.org/ont/univmemphis/sensor,
2009.
[68] B. M. F. M. K. T. v. K. R. L. S. M. S. Bassi, A., Enabling Things to talk, B. M. F.
M. K. T. v. K. R. L. S. M. S. Bassi, A., Ed. Springer, 2013.
[69] ***, �Apache jena fuseki,� https://jena.apache.org/documentation/fuseki2/index.html,
2014.
[70] ***, �Sesame rdf,� http://rdf4j.org/, 2015.
[71] ***, �Sparql query language for rdf,� http://www.w3.org/TR/rdf-sparql-query/,
2008.
[72] A. Manzalini, P. H. Deussen, S. Nechifor, M. Mamei, R. Minerva, C. Moiso,
A. Salden, T. Wauters, and F. Zambonelli, �Self-optimized cognitive network of
networks,� Comput. J., vol. 54, no. 2, pp. 189�196, 2011. [Online]. Available:
http://dx.doi.org/10.1093/comjnl/bxq032
[73] J. Mitola, �Cognitive radio architecture evolution,� Proceedings of the IEEE, vol. 97,
no. 4, pp. 626�641, April 2009.
[74] S. Menoret, M. Roelands, S. Nechifor, M. Etelaper, R. Gia�red, and et .all, �D2.5
�nal architecture reference model,� FP7 iCore consortium, Tech. Rep., 2014.
[75] D. Tecuci and B. Porter, �Using an episodic memory module for pattern capture
and recognition,� Capturing and Using Patterns for Evidence Detection: Papers
Bibliogra�e 81
from the 2006 Fall Symposium. Menlo Park, CA: AAAI Press. Technical Report
FS-06-02, 2006.
[76] U. Waltinger, D. Tecuci, M. Olteanu, V. Mocanu, and S. Sullivan, �Natural language
access to enterprise data,� AI Magazine, vol. 35, no. 1, p. 38, 2014.
[77] G. A. Kaminka, A. Yakir, D. Erusalimchik, and N. Cohen-Nov, �Towards collabo-
rative task and team maintenance,� 2007.
[78] ***, �Reservoir - resources and services virtualization without barriers,�
http://www.reservoir-fp7.eu/, 2009.
[79] ***, �Sla@soi - empowering the service industry with sla-aware infrastructures,�
http://sla-at-soi.eu/, 2011.
[80] ***, �Dol�n - green data centres,� http://www.dol�n-fp7.eu/, 2015.
[81] M. Biancani, A. Kollaras, S. C. Nechifor, A. Nistor, A. Reale, S. Clayman, A. Ga-
lis, L. Mamatas, E.Angelou, G.Goumas, J.Siakavaras, C. Georgiou, S. Aristeides,
G. Spyroglou, A.Voulkidis, A. Aravanis, K. P. Ch, Tsiopoulou, T. Zahariadis, I. B.
Rodrigues, I. Canyameres, and A. Legarrea, �Deliverable d4.1 synergetic data cen-
tres for energy e�ciency (design),� Dol�n consortium, Tech. Rep., 2015.
[82] K. Chandy and W. Schulte, Event Processing: Designing IT Systems for Agile
Companies, 1st ed. New York USA: McGraw-Hill, Inc., 2010.
[83] D. C. Luckham, The Power of Events: An Introduction to Complex Event Processing
in Distributed Enterprise Systems. Boston, MA, USA: Addison-Wesley Longman
Publishing Co., Inc., 2001.
[84] ***, �Esper Complex Event Processing Engine,� EsperTech, 2012, accessed October
2015. [Online]. Available: http://www.espertech.com/products/esper.php.
[85] ***, �Drools,� JBoss Comunity, accessed October 2015. [Online]. Available:
http://www.drools.org/
82 Bibliogra�e
[86] ***, �InfoSphere Platform,� IBM, accessed October 2015. [Online]. Available:
http://www-01.ibm.com/software/data/infosphere/
[87] ***, �SAP Sybase Event Stream Processor,� SAP Sybase, accessed October
2015. [Online]. Available: http://www.sap.com/pc/tech/database/software/sybase-
complex-event-processing/index.html
[88] ***, �TIBCO BusinessEvents,� TIBCO, accessed Aug. 2013. [Online]. Available:
http://www.tibco.com/products/event-processing/complex-event-processing.
[89] ***, �Oracle Event Processing,� Oracle, accessed October 2015. [Online]. Availa-
ble: http://www.oracle.com/technetwork/middleware/complex-event-processing/
overview/index.html
[90] ***, �RulePoint,� Informatica, accessed October 2015. [Online].
Available: https://www.informatica.com/products/data-integration/real-time-
integration/rulepoint-complex-event-processing.html
[91] ***, �Apache Spark Streaming,� Apache Software Foundation, accessed October
2015. [Online]. Available: http://spark.apache.org/streaming/
[92] ***, �Starview Enterprise Platform,� Starview, accessed October 2015. [Online].
Available: https://www.starviewinc.com/operational-intelligence-platform/.
[93] ***, �Software AG Apama Streaming Analytics,� SoftwareAG, accessed October
2015. [Online]. Available: http://www.softwareag.com/resources/complex-event-
processing.asp
[94] ***, �D6.1 speci�cation of proof of concept prototypes for four application do-
mains,� iCore project deliverable, 2013. [ONLINE]: http://www.iot-icore.eu/public-
deliverables.
[95] ***, �D6.4 �nal proof of concept prototype for smart city: transportation,� iCore
project deliverable, 2013. [ONLINE]: http://www.iot-icore.eu/public-deliverables.
Bibliogra�e 83
[96] B. Tarnauca, D. Puiu, D. Damian, and V. Comnac, �Tra�c Condition Monitoring
Using Complex Event Processing,� in 2013 International Conference on System
Science and Engineering (ICSSE), 2013, pp. 123�128.
[97] R. Dechter, Constraint Processing, R. Dechter, Ed. Morgan Kaufmann Publishers
Inc., 2003.
[98] I. Cobeanu, B. Tarnauca, S. Nechifor, and V. Comnac, �Real-time Scheduling of
Mobile Agents Using Answer Set Programming,� in 2012 13th International Confe-
rence onOptimization of Electrical and Electronic Equipment (OPTIM), 2012, pp.
1505�1510.
[99] B. R., �Constraint programming: In pursuit of the holy grail�,� Proceedings �Week
of Doctoral Students (WDS99)�, Part IV, Proceedings �Week of Doctoral Students
(WDS99)�, Part IV, pp. 555-564, Praga, Cehia, 1999.
[100] F. Rossi, P. v. Beek, and T. Walsh, Handbook of Constraint Programming (Fo-
undations of Arti�cial Intelligence). New York, NY, USA: Elsevier Science Inc.,
2006.
[101] K. Apt, Principles of Constraint Programming, K. Apt, Ed. Cambridge University
Press, 2003.
[102] ***, �Ilog,� http://www-01.ibm.com/software/info/ilog/, 2015.
[103] ***, �CHOCO - CSP and CP Solver,� CHOCO, accessed June 2014. [Online].
Available: http://www.emn.fr/z-info/choco-solver/.
[104] ***, �The eclipse constraint programming system,� http://eclipseclp.org/, 2015.
[105] ***, �Jacop - java constraint programming solver,� http://jacop.osolpro.com/, 2015.
[106] ***, �B-prolog,� http://www.picat-lang.org/bprolog/index.html, 2014.
[107] A. Schrijver, Theory of Linear and Integer Programming. Wiley, 1998.
[108] N. Neagu, Constraint Satisfaction Techniques for Agent-Based Reasoning. Bir-
khäuser Verlag, 2005.
84 Bibliogra�e
[109] B. S. P. B. K. Francesco Ricci, Lior Rokach, Ed., Recommender Systems Handbook.
Springer, 2011.
[110] B. Sy and J. Deller, J.R., �A frame architecture for a certain class of graph search
problems,� Systems, Man and Cybernetics, IEEE Transactions on, vol. 18, no. 5,
pp. 815�824, Sep 1988.
[111] J. Li, Y. Liu, and H. Gao, �E�cient algorithms for summarizing graph patterns,�
Knowledge and Data Engineering, IEEE Transactions on, vol. 23, no. 9, pp. 1388�
1405, Sept 2011.
[112] M. Dorigo, M. Birattari, and T. Stutzle, �Ant colony optimization,� Computational
Intelligence Magazine, IEEE, vol. 1, no. 4, pp. 28�39, Nov 2006.
[113] ***, �Potassco, the potsdam answer set solving collection, bundles to-
ols for answer set programming developed at the university of potsdam,�
http://potassco.sourceforge.net/, 2015.
[114] P. Domingos and G. Hulten, �Mining high-speed data streams,� in Proceedings of the
Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data
Mining, ser. KDD '00. New York, NY, USA: ACM, 2000, pp. 71�80.
[115] H. Wang, W. Fan, P. S. Yu, and J. Han, �Mining concept-drifting data streams
using ensemble classi�ers,� in Proceedings of the Ninth ACM SIGKDD International
Conference on Knowledge Discovery and Data Mining, ser. KDD '03. New York,
NY, USA: ACM, 2003, pp. 226�235.
[116] L. L. Minku and X. Yao, �DDD: A New Ensemble Approach for Dealing with
Concept Drift,� IEEE Transactions on Knowledge and Data Engineering, vol. 24,
no. 4, pp. 619�633, 2012.
[117] D. Brzezinski and J. Stefanowski, �Combining Block-based and Online Methods in
Learning Ensembles from Concept Drifting Data Streams,� Inf. Sci., vol. 265, pp.
50�67, May 2014.
Bibliogra�e 85
[118] J. Read, A. Bifet, B. Pfahringer, and G. Holmes, �Batch-incremental Versus
Instance-incremental Learning in Dynamic and Evolving Data,� in Proceedings of
the 11th International Conference on Advances in Intelligent Data Analysis, ser.
IDA'12. Berlin, Heidelberg: Springer-Verlag, 2012, pp. 313�323.
[119] M. Hall, E. Frank, G. Holmes, B. Pfahringer, P. Reutemann, and I. Witten, �The
WEKA Data Mining Software: An Update,� SIGKDD Explorations, vol. 11, no. 1,
2009.
[120] ***, �Time Series Analysis and Forecasting with Weka,� Pentaho, Retrieved
2013, accessed Aug. 2013. [Online]. Available: http://wiki.pentaho.com/display/
DATAMINING/Time+Series+Analysis+and+Forecasting+with+Weka
[121] ***, �D6.5 �nal proof of concept prototype for smart business,� iCore project deli-
verable, 2013. [ONLINE]: http://www.iot-icore.eu/public-deliverables.
[122] ***, �Business process model and notation (bpmn),� OMG - Object Management
Group, Tech. Rep. formal/2011-01-03, 2011. [Online]. Available: http://
www.omg.org/spec/BPMN/2.0
[123] ***, �Event-driven process chain (epc),� ARIS COMMUNITY, Tech. Rep., 2015.
[Online]. Available: http://www.ariscommunity.com/event-driven-process-chain
[124] ***, �Uni�ed modeling language (uml),� OMG - Object Management Group, Tech.
Rep. formal/15-03-01, 2015. [Online]. Available: http://www.omg.org/spec/UML/
2.5
[125] J. Hebeler, M. Fisher, R. Blace, and A. Perez-Lopez, Semantic Web
Programming. Wiley, 2009. [Online]. Available: https://books.google.at/books?id=
Dnl36lmPDXEC
[126] ***, �Resource description framework (rdf),� World Wide Web Consortium - W3C,
Tech. Rep., 25 February 2014. [Online]. Available: http://www.w3.org/RDF/
[127] ***, �Rdf schema 1.1,� World Wide Web Consortium - W3C, Tech. Rep., 25
February 2014. [Online]. Available: http://www.w3.org/TR/rdf-schema/
86 Bibliogra�e
[128] ***, �Web ontology language (owl),� World Wide Web Consortium - W3C, Tech.
Rep., 11 December 2012. [Online]. Available: http://www.w3.org/2001/sw/wiki/
OWL
[129] ***, �Citypulse: Real-time iot stream processing and large-scale data analytics for
smart city applications,� in [ONLINE]: http://www.ict-citypulse.eu/page/.
[130] E. Tatara, A. �nar, and F. Teymour, �Control of Complex Distributed Systems
with Distributed Intelligent Agents,� Journal of Process Control, vol. 17, no. 5, pp.
415�427, 2007.
[131] M. J. North and C. M. Macal, Managing Business Complexity Discovering Stra-
tegic Solutions with Agent-Based Modeling and Simulation. Oxford, UK: Oxford
University Press, 2007.
[132] N. Malleson, �Agent-Based Modelling of Burglary,� Ph.D. dissertation, University
of Leeds, UK, 2010.
Cercetări privind mecanismele cognitive bazate pe constrângeri şiaplicarea acestora la sistemele de control autonomice
Applied research regarding constraints based cognitive computing mechanisms and their usage on
autonomic control systems
Conducator ştiinţific: Doctorand:Prof. dr. ing. Florin MOLDOVEANU Dipl. Ing. Cosmin-Septimiu NECHIFOR
Rezumat
Sistemele de calcul şi comunicaţie implică un volum crescut de atenţie cu privire la funcţionarea lor corectă. Presiuneaasupra calităţii configurării, administrării şi mentenanţei lor este cu atât mai mare cu cât corectitudinea trebuie să fieasumată faţă de un context de execuţie în continuă schimbare. Acest fapt introduce un stres suplimentar în ceea ceînseamnă atât adaptarea percepţiei mediului de utilizare cât şi a înţelegerii acestuia ori adaptării corecte acomportamentului sistemului, iar în cazul în care sistemele considerate sunt distribuite şi conţin atât actori IT cât şinon-IT necesitatea adaptării paradigmei controlului este şi mai importantă. Sistemele de control autonomice oferă operspectivă practică în ceea ce înseamnă auto-reglajul adaptat contextului de lucru. Este un concept ce abordează şiîncorporează complexitatea în managementul sistemelor şi al cărui efect îl vedem în ceea ce înseamnă, de exemplu,sistemele SOA ori cele cloud.
Tema propusă în teză încorporează într-o arhitectură autonomică distribuită mecanisme ce ţin de calculul cognitivsprijinit de o monitorizare continuă, adaptivă şi de o planificare a acţiunilor bazată pe programarea constrângerilor.Arhitectura propusă adresează şi acoperă cazuri de încorporare a lumii reale în Internet of Things. Tematicaidentificată este susţinută ca şi necesitate de faptul că activităţile de cercetare asociate acestei teze sunt şi rezultatulunui număr de 9 proiecte de cercetare FP7 şi Horizon 2020, fapt ce certifică necesitatea şi validitatea conceptelor.
Validarea experimentală a fost realizată prin intermediul unor demonstratoare ce au permis simularea unor mediidistribuite de scară largă capabile să evidentieze conceptele dezvoltate pentru toate etapele controlului autonomic:modelarea semantică a cunoştintelor, monitorizare şi analiză a datelor de stare bazate pe Complex Event Processingşi Machine Learning (facilitând caracterul dinamic al calculului cognitiv), planificare bazată pe constrângeri capabilă săofere validitate logică soluţiilor generate şi conectarea la medii de execuţie specifice Internet of Things. Platformele dereferinţă sunt CoReMo şi iCORE, ambele dezvoltate în cadrul Siemens Corporate Technology România.
Abstract
Computing and communication systems involves a relevant volume of detail with regard to correct and safe executionof functionalities. The relevance of configuration, operational management and maintenance in this case is augmentedby the correctness needed to be observed on a perpetual change of contextual execution environment. Those factslead to additional stress regarding both tailoring of perception on usage ecosystem and associated meaning forexpected functionality, and behavioral adjustments. For the specific case when the target systems and also distributedreferring both IT and non-IT resources and actors, the paradigm of change on control strategy become highly relevant.Autonomic control systems aim to realize a pragmatic approach for self-adjustments adapted to contextual data. It’s aconcept formulated to target and solve the complexity of systems management with a relevant results, for example inSOA or Cloud Computing.
The subject addressed in this thesis build on distributed autonomic architecture mechanisms from Cognitive Computingbacked by continuous and adaptive monitoring plus activity planning based on Constraints Programming. Proposedarchitecture address and satisfy cases of enablement of real world applications in Internet of Things. A relevantargument for the actual importance of identified subjects is the fact that research executed in this thesis is also a resultof 9 FP7 and Horizon 2020 research projects.
Experimental validation have been done over some demo platforms allowing the simulation of large-scale distributedenvironments facilitating the exposure of developed concepts, for all steps of autonomic control: semantic knowledgemodeling, data monitoring and analysis based on Complex Event Processing and Machine Learning, planning basedon constraints programming and connectivity for execution on Internet of Thing compatible environments. Referenceplatforms are CoReMo and iCORE, both developed by Siemens Corporate Technology Romania.
Curriculum vitae
INFORMAŢII PERSONALE Cosmin Septimiu Nechifor
V. Cetatii 13, Brasov (România)
septimiu [email protected]
Sexul Masculin | Data naşterii 31/07/1974 | Naţionalitatea română
EXPERIENŢA PROFESIONALĂ
01/03/2010–Prezent Research Group HeadSiemens SRL - Siemens Corporate Technology, Brasov (România)
Responsabil pentru formarea viziunii si implementarea strategiei de dezvoltare a unui grup de cercetare parte din departamentul multinational al Siemens Corporate Technology - Business Analytics and Monitoring. Responsabilitatea implica identificarea de teme de cercetare industriala, identificarea si dezvoltarea talentelor ce pot face parte din echipa, achizitia si managementul tehnic si financiar al proiectelor executate, atat proiecte in colaborare cu alte grupuri de cercetare cat si cu business unit-urile Siemens, ori cu finantare publica prin FP7 si Horizon 2020.
Grupul pe care il conduc este format din 15 experti cu un nivel ridicat de experienta atat in ceea ce inseamna dezvoltarea software cat si ceea ce priveste cercetarea in domenii precum: Constraints Programming, Artificial Intelligence, Big Data Analytics, Semantic Technologies, Internet of Things, Machine Learning, Statistics, Complex Event Processing, Control Engineering. Tematica abordata se regaseste in jurul conceptului de Continuous Configuration, referind domenii unde configuratiile de scara larga de resurse si procese sunt capabile de adaptare inteligenta asimiland si contextualizand schimbarile din mediu pastrandu-si consistenta si capacitatea de raspuns.
Proiecte reprezentative:
S'UPREME - sistem de generare de configuratii bazate pe constrangeri programabile generative. Aceste sisteme reprezinta State-of-the-art in sistemele de control automate ale automatizarilor feroviare produse de Siemens. Proiectul este realizat cu o echipa de experti de talie mondiala din Siemens Corporate Technology Viena.
WatchCAT - sistem de analiza a volumelor mari de date prelevate din infrastructuri industriale precum turbine ori sisteme de control. Sistemul detecteaza erori de configurare, pattern-uri de defectare a unor componente si subansamble. Proiectul este realizat impreuna cu o echipa de experti din Siemens Corporate Technology Munchen.
Proiecte cu finantare publica:
* FP7 ICT iCORE (2011 - 2014) - Internet of Things
* FP7 ICT IOT.est (2011 - 2014) - Internet of Things
* FP7 ICT MODAClouds (2012 - 2015) - Model Driven Multi-Clouds
* FP7 ICT CityPulse (2013 - 2016) - Internet of Things
* FP7 ICT RERUM (2013 - 2016) - Internet of Things
* FP7 ICT COSMOS (2013 - 2016) - Internet of Things
* FP7 ICT DOLFIN (2013 - 2016) - Green Data Centers
* AAL NITICS (2013 - 2015)
* H2020 PaaSword (2015 - 2018) - Secure Data in PaaS
* H2020 UNCAP (2015 - 2018) - ICT for AAL
* H2020 TagItSmart! (2016 - 2019) - Internet of Things
01/09/2001–03/2010 Project ManagerSiemens, Brasov (România)
In aceasta perioada am facut parte dintr-un numar relevant de proiecte ocupand diverse roluri: Sotware Developer, Requirements Engineer, Project Manager, Quality Manager, Delivery Manager. Consider aceasta perioada deosebit de utila pentru formarea mea ca cercetator deoarece mi-a dat sansa sa lucrez direct cu un numar mare de experti din industrii diverse si sa pot participa direct la
2/12/15 © Uniunea Europeană, 2002-2015 | http://europass.cedefop.europa.eu Pagina 1 / 3
Curriculum vitae Cosmin Septimiu Nechifor
generarea de servicii si produse folosind o scara larga de tehnologii. Dintre industriile abordate:
* sector public (aplicatii de criptare si document management)
* utilitati (migrare si consolidare de date pentru un operator canadian)
* logistica (management al flotelor auto, al consumurilor unor fabrici de componente de echipamente electronice)
* telecomunicatii (end to end delivery manager in cel mai mare program de functionalitati broadband al British Telecom)
EDUCAŢIE ŞI FORMARE
01/10/1998–01/07/1999 Studii Aprofundate Tehnici avansate de proiectare in electronica
Universitatea Transilvania, Facultatea de Electrotehnica, Brasov (Romania)
* Analiza si proiectare VLSI
* Procesarea digitala a semnalelor
* Modelarea si sinteza circuitelor
* Tehnici orientate obiect pentru sisteme de timp real
01/10/1993–10/07/1998 Inginer Electronist Inginer specializarea Electronica Aplicata
Universitatea Transilvania, Facultatea de Electrotehnica, Brasov (România)
* Procesarea analogica si digitala a semnalor
* Arhitectura sistemelor de calcul
* Limbaje de programare si compilatoare
* Analiza si sinteza circuitelor electronice
* Masuratori electronice
* Testare si testabilitate
* Procesarea imaginilor
* Electrotehnica si masini electrice
* Baze de date
COMPETENŢE PERSONALE
Limba(i) maternă(e) română
Alte limbi străine cunoscute ÎN ELEGEREȚ VORBIRE SCRIERE
Ascultare CitireParticipare la conversaţie
Discurs oral
engleză C2 C2 C1 C2 C2
franceză B2 B2 B1 B1 B1
Niveluri: A1 i A2: Utilizator elementar - B1 i B2: Utilizator independent - C1 i C2: Utilizator experimentatș ș șCadrul european comun de referinţă pentru limbi străine
Competenţe de comunicare Expunerea la un mediu intensiv multi-cultural mi-a facilitat dezvoltarea unor abilitati de comunicare eficienta, de intelegere rapida a interlocutorilor.
Competenţe organizaţionale/manageriale
De-a lungul carierei am avut placerea de a construi echipe eficiente si performante. Competentele in domeniu sunt reflectate de rezultatele constant relevante obtinute atat in ceea ce inseamna dezvoltarea viziunii tehnologice a echipei, cat si a modului de a coopera si de a atinge tintele tehnice
2/12/15 © Uniunea Europeană, 2002-2015 | http://europass.cedefop.europa.eu Pagina 2 / 3
Curriculum vitae
PERSONAL INFORMATION Cosmin Septimiu Nechifor
13, Valea Cetatii, Brasov (Romania)
(+40) 400 171
PERSONAL STATEMENT
WORK EXPERIENCE
01/03/2010–Present Research Group HeadSiemens SRL - Siemens Corporate Technology, Brasov (Romania)
In charge to establish and drive the vision and associated strategy implementation for a research group, part of cross-country department of Siemens Corporate Technology - Business Analytics and Monitoring. Performed activities : industrial research subjects identification and acquisition, new talents identification,team integration and development, acquisition, technical and financial management of research project - both`Siemens business funded and public funding via EC programmes like FP7 ICT and Horizon 2020.
Managed team rely on valuable contribution of 15 experts with a high degree of experience and skills on both practical hardware/software engineering and research topics like: Constraints Programming, Artificial Intelligence, Big Data Analytics, Semantic Technologies, Internet of Things, Machine Learning, Statistics, Complex Event Processing, Control Engineering. Those fields contribute around the concept of Continuous Configuration, referring application domains where large scale configurations of resources and processes are capable to expose intelligent adaptiveness, able to assimilate and contextualize changes fom environment but keeping the consistency and responsiveness.
Relevant projects:
S'UPREME - Configuration generator based on Constraints Programming. Those systems represents State of the art reference on control systems for railway automation portfolio of Siemens. This project is realized together with a team of wolrd class experts from Siemens Corporate Technology Vienna.
WatchCAT - analytics platform, targeting the processing of large volumes of data generated by industrial infrastructures like turbines or control systems. Implemented functions include: configuration errors, failure patterns for whole installation or specific parts, functional and maintenance trends. The project is realized together with a team of experts from Siemens Corporate Technology Munchen.
EC funded projects:
* FP7 ICT iCORE (2011 - 2014) - Internet of Things
* FP7 ICT IOT.est (2011 - 2014) - Internet of Things
* FP7 ICT MODAClouds (2012 - 2015) - Model Driven Multi-Clouds
* FP7 ICT CityPulse (2013 - 2016) - Internet of Things
* FP7 ICT RERUM (2013 - 2016) - Internet of Things
* FP7 ICT COSMOS (2013 - 2016) - Internet of Things
* FP7 ICT DOLFIN (2013 - 2016) - Green Data Centers
* AAL NITICS (2013 - 2015)
* H2020 PaaSword (2015 - 2018) - Secure Data in PaaS
* H2020 UNCAP (2015 - 2018) - ICT for AAL
* H2020 TagItSmart! (2016 - 2019) - Internet of Things
17/12/15 © European Union, 2002-2015 | http://europass.cedefop.europa.eu Page 1 / 3
Curriculum vitae Cosmin Septimiu Nechifor
01/09/2001–03/2010 Project ManagerSiemens, Brasov (Romania)
Involved in a broad range of business related projects filling various roles: Software Developer, Requirements Engineers, Project Manager, Quality Manager, Delivery Manager. All those activities offered a relevant practical background for my current research oriented profile due to high exposure to interaction with experts from different industries and direct experience in the generation of added value services and products over a large scale of technological options. Most relevant industries approached:
* public sector
* utilities
* logistics
* telecom
EDUCATION AND TRAINING
01/10/1998–01/07/1999 Master of ScienceTransilvania University, Brasov (Romania)
* VLSI analysis and design
* Digital signal processing
* Artifical Intelligence in EDA
01/10/1993–10/07/1998 Electronics EngineerTransilvania University, Brasov (Romania)
* Analog and digital signal processing
* Computers architecture
* Programming and software design
* Electronic measurements
* Testing and testability
* Image processing
* Electrotechnics
* Databases
PERSONAL SKILLS
Mother tongue(s) Romanian
Other language(s) UNDERSTANDING SPEAKING WRITING
Listening Reading Spoken interaction Spoken production
English C2 C2 C1 C2 C2
French B2 B2 B1 B1 B1
Levels: A1 and A2: Basic user - B1 and B2: Independent user - C1 and C2: Proficient userCommon European Framework of Reference for Languages
Communication skills Very effective multi-cultural profile, fast and reliable interaction, long term exposure to both formal and less formal enviroments.
Organisational / managerial skills Proven experience regarding successful build up of teams and competences. Long term strategic perspective and agile win-win business relationships.
17/12/15 © European Union, 2002-2015 | http://europass.cedefop.europa.eu Page 2 / 3