Titulo Estágio
2020_N004 Root-Cause-Analysis @ Home Equipment
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
Altice Labs - Laboratório de Cognitive @ UC (Coimbra)
Enquadramento
Um dos processos operacionais mais importantes e críticos dos provedores de serviços está relacionado com capacidade de assegurar a conformidade com os SLAs (Service Level Agreements) estabelecidos com seus clientes.
Nesse sentido, para garantir que os SLAs não sejam violados, os provedores de serviços precisam monitorar e avaliar continuamente o desempenho de todos os seus ativos (por exemplo, infraestrutura de rede, serviços, equipamentos domésticos, ...).
A capacidade de antecipar problemas nos equipamentos do cliente, permite intervir precocemente, desta forma garantindo a qualidade da experiência. Essa intervenção precoce pode assumir várias formas, desde a substituição do equipamento até à reparação por intervenção remota. Esta última, só poderá ser realmente efetiva se for possível identificar a causa raiz do problema, seja ela experienciada ou apenas prevista.
Os processos atuais para identificar causa raiz de um problema, recorrendo a uma base de conhecimento e regras associadas (essencialmente estáticas), estão a tornar-se obsoletos devido à crescente flexibilidade da rede e complexidade dos equipamentos. A utilização de técnicas de machine learning para RCA pode adequar-se a esta nova realidade, pela capacidade de alguns algoritmos se adequarem à análise indireta de variáveis dependentes com complexidade reduzida, mas em cenários de grande incerteza.
Aspetos inovadores:
Implementação de mecanismos baseados em Machine Learning para identificação de causa raiz associada a previsão de falhas em equipamento cliente.
Tópicos tecnicamente relevantes da proposta:
• Data Science
• Machine Learning
• Root-Cause-Analysis
• IPTV Set-Top-Boxes
• Home Gateways
Referências Bibliográficas, apontadores:
• L. Bennacer, Y. Amirat, A. Chibani, A. Mellouk, and L. Ciavaglia, “Self diagnosis technique for virtual private networks combining Bayesian networks and case-based reasoning,” IEEE Transactions on Automation Science and Engineering, vol. 12, no. 1, pp. 354–366, Jan. 2015. [Online]. Available: https://doi.org/10.1109/tase.2014.2321011
• J. M. N. Gonzalez, J. A. Jimenez, J. C. D. Lopez, and H. A. P. G., “Root cause analysis of network failures using machine learning and summarization techniques,” IEEE Communications Magazine, vol. 55, no. 9, pp. 126–131, 2017. [Online]. Available: https://doi.org/10.1109/mcom.2017.1700066
Objetivo
No âmbito deste projeto, pretende-se efetuar um levantamento do estado da arte das técnicas de identificação de Root-Cause-Analysis (RCA) em falhas em equipamentos de cliente, nomeadamente IPTV Set-Top-Boxes e Home Gateways. Subsequentemente, deverá ser desenhado um caso de uso de identificação de causa raiz de falha, em articulação com mecanismos de previsão de falhas atualmente em desenvolvimento na ALB. Finalmente, será efetuada a implementação e validação de um protótipo de identificação de Root-Cause-Analysis associada a previsões de falhas em equipamentos cliente.
Bases de informação disponíveis: repositório de informação de diagnóstico remoto periódico do parque de Home Equipments - IPTV Set-Top-Boxes e Home Gateways
Plano de Trabalhos - Semestre 1
1. Estado da Arte de Algoritmos de RCA e cenários de aplicabilidade associados. (S1-S10)
2. Estudo e análise de Home Equipments e identificação e desenho de casos de usos de RCA de falhas (S10-S15)
3. Protótipo inicial e validação de modelo RCA em ambiente laboratorial (S15-S20)
4. Relatório Intermédio (S18-S20)
Plano de Trabalhos - Semestre 2
5. Avaliação laboratorial de adequação dos algoritmos de RCA identificados (S21-S26)
6. Implementação de protótipo incorporando diversos modelos de RCA de falhas de equipamentos de cliente (S24-S36)
7. Validação de modelos de RCA de falhas de equipamentos de cliente (S32-S38)
8. Relatório de Dissertação (S38-S40)
Condições
Integração de uma Bolsa de Investigação - Programa GENIUS /Inova-Ria - durante a realização do projeto de Dissertação - Integração numa equipa de I&D da Empresa Altice Labs .
Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias ; simples documento eletrónico, que poderá obter no portal académico .
Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a eslarecer a temática envolvida.
Tipologia de Bolsa: Bolsa de Investigação com o valor da Bolsa de 798€
• média prevista de 13,5 - 14 valores (média linear entre licenciatura e mestrado);
• Indicação de áreas de interesse.
Tipologia da Bolsa: Bolsa de Investigação (Bolsa de Iniciação Científica).
Valor a Bolsa 798€ liquidos/Mês => empresa >= 3 dias/semana
Duração da Bolsa: 10 meses
Observações
Perfil do candidato mais adequado:
Pessoa dinâmica e autónoma, com vontade de aprender. Comunicativo e com espírito de equipa. Bons conhecimentos de bases de dados e modelização de dados, desenvolvimento em sistemas Linux e experiência em linguagens de programação (Java, Python, …). Capacidade e vontade de aprender tecnologias Big Data (Hadoop, PySpark ou similar) e Data Science (pandas, scikit-learn)
Orientador
Luis Cortesão
luis-m-cortesao@alticelabs.com 📩