The failure analysis and resolution in cloud-computing environments are a a highly important issue, being their primary motivation the mitigation of the impact of such failures on applications hosted in these environments. Although there are advances in the case of immediate detection of failures, there is a lack of research in root cause analysis of failures in cloud computing. In this process, failures are tracked to analyze their causal factor. This practice allows cloud operators to act on a more effective process in preventing failures, resulting in the number of recurring failures reduction. Although this practice is commonly performed through human intervention, based on the expertise of professionals, the complexity of cloud-computing environments, coupled with the large volume of data generated from log records generated in these environments and the wide interdependence between system components, has turned manual analysis impractical. Therefore, scalable solutions are needed to automate the root cause analysis process in cloud computing environments, allowing the analysis of large data sets with satisfactory performance. Based on these requirements, this thesis presents a data-driven solution for root cause analysis in cloud-computing environments. The proposed solution includes the required functionalities for the collection, processing and analysis of data, as well as a method based on Bayesian Networks for the automatic identification of root causes. The validation of the proposal is accomplished through a proof of concept using OpenStack, a framework for cloud-computing infrastructure, and Hadoop, a framework for distributed processing of large data volumes. The tests presented satisfactory performance, and the developed model correctly classified the root causes with low rate of false positives. / A análise e reparação de falhas em ambientes de computação em nuvem é uma questão amplamente pesquisada, tendo como principal motivação minimizar o impacto que tais falhas podem causar nas aplicações hospedadas nesses ambientes. Embora exista um avanço na área de detecção imediata de falhas, ainda há percalços para realizar a análise de sua causa raiz. Nesse processo, as falhas são rastreadas a fim de analisar o seu fator causal ou seus fatores causais. Essa prática permite que operadores da nuvem possam atuar de modo mais efetivo na prevenção de falhas, reduzindo-se o número de falhas recorrentes. Embora essa prática seja comumente realizada por meio de intervenção humana, com base no expertise dos profissionais, a complexidade dos ambientes de computação em nuvem, somada ao grande volume de dados oriundos de registros de log gerados nesses ambientes e à ampla inter-dependência entre os componentes do sistema tem tornado a análise manual inviável. Por esse motivo, torna-se necessário soluções que permitam automatizar o processo de análise de causa raiz de uma falha ou conjunto de falhas em ambientes de computação em nuvem, e que sejam escaláveis, viabilizando a análise de grande volume de dados com desempenho satisfatório. Com base em tais necessidades, essa dissertação apresenta uma solução guiada por dados para análise de causa raiz em ambientes de computação em nuvem. A solução proposta contempla as funcionalidades necessárias para a aquisição, processamento e análise de dados no diagnóstico de falhas, bem como um método baseado em Redes Bayesianas para a identificação automática de causas raiz de falhas. A validação da proposta é realizada por meio de uma prova de conceito utilizando o OpenStack, um arcabouço para infraestrutura de computação em nuvem, e o Hadoop, um arcabouço para processamento distribuído de grande volume de dados. Os testes apresentaram desempenhos satisfatórios da arquitetura proposta, e o modelo desenvolvido classificou corretamente com baixo número de falsos positivos.

The failure analysis and resolution in cloud-computing environments are a a highly important issue, being their primary motivation the mitigation of the impact of such failures on applications hosted in these environments. Although there are advances in the case of immediate detection of failures, there is a lack of research in root cause analysis of failures in cloud computing. In this process, failures are tracked to analyze their causal factor. This practice allows cloud operators to act on a more effective process in preventing failures, resulting in the number of recurring failures reduction. Although this practice is commonly performed through human intervention, based on the expertise of professionals, the complexity of cloud-computing environments, coupled with the large volume of data generated from log records generated in these environments and the wide interdependence between system components, has turned manual analysis impractical. Therefore, scalable solutions are needed to automate the root cause analysis process in cloud computing environments, allowing the analysis of large data sets with satisfactory performance. Based on these requirements, this thesis presents a data-driven solution for root cause analysis in cloud-computing environments. The proposed solution includes the required functionalities for the collection, processing and analysis of data, as well as a method based on Bayesian Networks for the automatic identification of root causes. The validation of the proposal is accomplished through a proof of concept using OpenStack, a framework for cloud-computing infrastructure, and Hadoop, a framework for distributed processing of large data volumes. The tests presented satisfactory performance, and the developed model correctly classified the root causes with low rate of false positives. / A análise e reparação de falhas em ambientes de computação em nuvem é uma questão amplamente pesquisada, tendo como principal motivação minimizar o impacto que tais falhas podem causar nas aplicações hospedadas nesses ambientes. Embora exista um avanço na área de detecção imediata de falhas, ainda há percalços para realizar a análise de sua causa raiz. Nesse processo, as falhas são rastreadas a fim de analisar o seu fator causal ou seus fatores causais. Essa prática permite que operadores da nuvem possam atuar de modo mais efetivo na prevenção de falhas, reduzindo-se o número de falhas recorrentes. Embora essa prática seja comumente realizada por meio de intervenção humana, com base no expertise dos profissionais, a complexidade dos ambientes de computação em nuvem, somada ao grande volume de dados oriundos de registros de log gerados nesses ambientes e à ampla inter-dependência entre os componentes do sistema tem tornado a análise manual inviável. Por esse motivo, torna-se necessário soluções que permitam automatizar o processo de análise de causa raiz de uma falha ou conjunto de falhas em ambientes de computação em nuvem, e que sejam escaláveis, viabilizando a análise de grande volume de dados com desempenho satisfatório. Com base em tais necessidades, essa dissertação apresenta uma solução guiada por dados para análise de causa raiz em ambientes de computação em nuvem. A solução proposta contempla as funcionalidades necessárias para a aquisição, processamento e análise de dados no diagnóstico de falhas, bem como um método baseado em Redes Bayesianas para a identificação automática de causas raiz de falhas. A validação da proposta é realizada por meio de uma prova de conceito utilizando o OpenStack, um arcabouço para infraestrutura de computação em nuvem, e o Hadoop, um arcabouço para processamento distribuído de grande volume de dados. Os testes apresentaram desempenhos satisfatórios da arquitetura proposta, e o modelo desenvolvido classificou corretamente com baixo número de falsos positivos.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-01T14:10:40Z No. of bitstreams: 1 NATÃ VENÂNCIO DE MELO - DISSERTAÇÃO PPGCC 2015..pdf: 1756988 bytes, checksum: 57d7a292fbbca336c632f27a98fe34bc (MD5) / Made available in DSpace on 2018-05-01T14:10:40Z (GMT). No. of bitstreams: 1 NATÃ VENÂNCIO DE MELO - DISSERTAÇÃO PPGCC 2015..pdf: 1756988 bytes, checksum: 57d7a292fbbca336c632f27a98fe34bc (MD5) Previous issue date: 2015-08-19 / Análise de causa raiz de ocorrências de falha é uma tarefa extremamente importante para a recomposição e estabilidade do Sistema Elétrico de Potência (SEP). Nos Centros de supervisão e Controle, os operadores têm o desafio de analisar centenas de alarmes e descobrir a causa raiz das falhas num período curto de tempo. Caso não sejam executadas ações emergenciais, pode ocorrer um efeito cascata na rede elétrica e, em última instância, prejuízos de diversas ordens. surge, portanto, a necessidade de soluções que automatizem a descoberta da causa raiz de falhas. este trabalho apresenta uma nova técnica de análise de causa raiz que oferece a geração de árvores de propagação de falha, adaptabilidade e mudanças topológicas, facilidade de adaptação a novos alarmes, tratamento à dessincronização de alarmes e meios fáceis de alertar as regras de negócio. ele se destaca pela simplicidade de implementação, que utiliza regras de causa e efeito entre os equipamentos, e pelo bom desempenho na geração de árvores de falha. Sua validação foi realizada por especialistas da área de operação de sistemas elétricos de potência, utilizando ocorrências de falhas reais decorrentes de grandes redes elétricas. / The root cause analysis of fault is an extremely task to keep the stability of the Eletric Power System (EPS). In the Supervision and Control Centers, the operators have the challenge of analyzing hundreds of alarms and discover the root cause of failures in a short period of time. If actions are not performed very quickly, the fault can spread and generate a ripple effect in the power grid. To help the operators, it becomes necessary to develop a solution to automate the discovery of root cause of faults. This work presents a new technique of root cause analysis of fault that offers the generation of trees of fault propagation, adaptability to topological changes, facility to change the business rules. It shows a simple implementation that use rules of cause and effect between the equipments and a good performance in generating fault trees. the new technique was validated by engineers of the area of eletric poert systems with fault occurrences of big power grids.

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-02-02T15:04:34Z No. of bitstreams: 1 LuziaClaraCunhaDeMenezes_DISSERT.pdf: 770807 bytes, checksum: cdc5621b5f67cf18ce66f51850c560bc (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-02-09T19:57:41Z (GMT) No. of bitstreams: 1 LuziaClaraCunhaDeMenezes_DISSERT.pdf: 770807 bytes, checksum: cdc5621b5f67cf18ce66f51850c560bc (MD5) / Made available in DSpace on 2017-02-09T19:57:41Z (GMT). No. of bitstreams: 1 LuziaClaraCunhaDeMenezes_DISSERT.pdf: 770807 bytes, checksum: cdc5621b5f67cf18ce66f51850c560bc (MD5) Previous issue date: 2016-08-19 / Os servi?os de sa?de t?m cada vez mais incorporado novas tecnologias e t?cnicas acompanhadas de riscos adicionais ? seguran?a dos pacientes. Pacientes internados em Unidade de Terapia Intensiva (UTI) est?o mais suscept?veis a erros. Dentre as ferramentas utilizadas no mundo para reduzir a ocorr?ncia ou recorr?ncia desses erros na assist?ncia ? sa?de, destacam-se a An?lise de Causa-Raiz (ACR) e An?lise Modal de Falhas e Efeitos (AMFE). O objetivo do estudo foi identificar e analisar a aplica??o das ferramentas ACR e AMFE para a melhoria da qualidade da assist?ncia em UTI. Revis?o sistem?tica de literatura baseada no protocolo PRISMA. Foram utilizadas as seguintes bases de dados: Scopus, PubMed, SciELO, LILACS, Web of Science, Science Direct, Cochrane, WHOLIS, PAHO e EMBASE. A an?lise qualitativa dos artigos foi realizada atrav?s da aplica??o de uma vers?o adaptada e resumida do guia SQUIRE 2.0. Inclu?dos artigos originais indexados nas bases de dados e que cumprissem 60% dos crit?rios do SQUIRE 2.0 adaptado. Foram recuperados 1674 documentos nas buscas e, ap?s as an?lises pertinentes, foram inclu?dos 18 artigos na revis?o. Desses, 16 foram publicados entre 2010 e 2016, 10 foram desenvolvidos nos Estados Unidos, 11 foram realizados em UTI Pedi?trica ou Neonatal, 16 utilizaram AMFE em diversas tem?ticas, 13 realizaram interven??es para melhoria da qualidade e desses, 12 utilizaram indicadores para medi??o da melhoria relatando resultados positivos. Esses dados sugerem preocupa??o com o planejamento da qualidade, sendo importante ressaltar a utiliza??o de indicadores para medir a melhoria da qualidade na maioria dos estudos selecionados. Essa revis?o refor?a a import?ncia do uso dessas ferramentas para a melhoria da qualidade da assist?ncia nas UTI, permeando as institui??es de sa?de de comportamentos que garantam mais seguran?a, contribuindo para o desenvolvimento de uma cultura de seguran?a organizacional. / Health services have increasingly incorporated new technologies and techniques accompanied by additional risk to patient safety. Patients in Intensive Care Unit (ICU) are more susceptible to errors. Among the tools used in the world to prevent the occurrence or recurrence of these errors in health care, we highlight the Root Cause Analysis (RCA) and Failure Modes and Effects Analysis (FMEA). The objective of this study was to identify and analyze the application of RCA and FMEA tools for improving the quality of care in ICU. Systematic review of literature based on the PRISMA. We used the following data bases: Scopus, PubMed, SciELO, LILACS, Web of Science, Science Direct, Cochrane, WHOLIS, PAHO and EMBASE. The qualitative analysis of the articles was conducted by applying an adapted and abridged version of SQUIRE 2.0 guide. 1674 documents were recovered in searches and, after the relevant tests, 18 were included in the review articles. Of these, 16 were published between 2010 and 2016, 10 were developed in the United States, 11 were conducted in the Pediatric ICU or Neonatal, 16 used FMEA on different topics, 13 performed interventions for improvement of quality and of those, 12 have used indicators for measuring the improvement in reporting positive results. These data suggest concern with quality planning, it is important to highlight the use of indicators to measure the improvement of quality in most of the selected studies. This review underscores the importance of using these tools to improve the quality of care in the ICU, permeating the health institutions of behaviors that ensure more safety, contributing to the development of an organizational safety culture.

[pt] Grandes desafios surgiram para as organizações devido ao avanço tecnológico ocorrido nos últimos tempos. Qualidade no produto não é mais um meio para se obter vantagem competitiva, mas sim uma necessidade para as organizações manterem seus clientes. Deste modo, formas para que a qualidade esteja cada vez mais presente nas organizações se fazem necessárias. Neste contexto, os objetivos do presente trabalho são estudar os principais métodos de análise de causa raiz da literatura, apresentando suas etapas, características, peculiaridades, comparação, e exemplificar a aplicação desses métodos. Uma vez conhecidos pelas organizações, a aplicação de tais métodos pode prevenir recorrência de falhas, levando às organizações a um nível superior de qualidade, aumento de produtividade, e consequentemente maior satisfação dos clientes. A pesquisa foi iniciada pelo levantamento e estudo dos métodos apontados em referências acadêmicas, Método dos 5 por quês, Diagrama de Ishikawa, Análise de Barreira de Controle, Gráfico de Fator Causal e Evento (GFCE), Análise de Árvore de Falhas (AAF) e Mapa de Causa Raiz, seguidos da apresentação de um exemplo de falha elaborado no contexto de uma indústria manufatureira metal-mecânica. Cada método foi aplicado ao problema de não conformidade. Os resultados dos métodos foram comparados e em seguida as vantagens e desvantagens dos métodos foram destacadas. Os Métodos 5 por quês, Diagrama de Ishikawa e Análise de Barreira de Controle foram considerados mais adequados para problemas considerados simples em uma organização industrial. Já para problemas considerados complexos, cujas causas raízes não são facilmente identificadas, os métodos GFCE, AAF e Mapa de Causa Raiz foram considerados os mais indicados. / [en] Great challenges emerged for organizations due to technological advance occurred in recent times. Product quality is no longer a means to gain competitive advantage, but a necessity for organizations to keep their customers. Thus, ways in which quality is increasingly present in organizations are necessary to facilitate its implementation. In this context, the objectives of this work are to study the major methods of root cause analysis of the literature, with its stages, features, peculiarities, comparison, and exemplify the application of these methods. Once known by the organizations, the application of such methods can prevent recurrence of failures, leading organizations to a higher level of quality, increased productivity, and thus increased customer satisfaction. This research was initiated by the survey and study of methods aimed at academic references, 5 Whys, Ishikawa Diagram, Control Barrier Analysis, Event and Causal Factor Charting, Fault Tree Analysis and Root Cause Map, followed by the presentation of an example fault developed in the context of a metalworking manufacturing. Each method was applied to the problem of non-compliance. The results of both methods are compared and then the advantages and disadvantages of both methods are highlighted. 5 Whys, Ishikawa Diagram and Control Barrier Analysis were considered appropriated to simple problems in an industrial organization. In complex problems cases, which root causes are not easily identified, Event and Causal Factor Charting, Fault Tree Analysis and Root Cause Map were considered more appropriated.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-16T13:58:48Z No. of bitstreams: 1 STEFANI SILVA PIRES - DISSERTAÇÃO PGCC 2010..pdf: 819684 bytes, checksum: 625f468cb174d699bf5b98131d1adf61 (MD5) / Made available in DSpace on 2018-08-16T13:58:48Z (GMT). No. of bitstreams: 1 STEFANI SILVA PIRES - DISSERTAÇÃO PGCC 2010..pdf: 819684 bytes, checksum: 625f468cb174d699bf5b98131d1adf61 (MD5) Previous issue date: 2010-08-19 / Este trabalho apresenta uma técnica de análise de causa-raiz para sistemas elétricos de potência. A análise de causa-raiz é uma forma de auxiliar o operador na compreensão da ocorrênciadefalha,interpretandoasocorrênciascomefeito"cascata"entreoselementosda rede. A técnica proposta utiliza o raciocínio baseado em regras, onde regras parametrizadas constroem um modelo de propagação com os diagnósticos de uma ocorrência de falha. A técnica permite apontar o elemento causador da ocorrência, e detalhar a sua propagação para os demais elementos em um modelo de causa-efeito. A utilização de regras parametrizadas traz grandes vantagens ao processo, permitindo que a técnica seja adaptável a alterações na topologia do sistema, e contribuindo para sua escalabilidade. Um estudo de caso foi elaborado para sua avaliação, no contexto da Companhia Hidro Elétrica do São Francisco (CHESF), onde foi desenvolvido um protótipo que implementa a técnica, e levantados um conjunto de regras parametrizadas e um conjunto de cenários de falha utilizando uma ferramenta de simulação de um ambiente real, o Simulop. Utilizamos também na avaliação, um conjunto de regressões, que são dados históricos armazenados pela CHESF. As regressões foramimportantesnaprimeirafasededefiniçãodatécnica,masapresentamproblemascomo afaltadedados,ecomportamentosinesperadosdosistema,ondeamargemdeacertodatécnica foi de 74%. Para o conjunto de cenários levantados com oSimulop, a técnica proposta conseguiu realizar com sucesso o processo de análise de causa-raiz, identificando a causaraiz da ocorrência em 100% dos cenários de falha, e detalhando sua propagação para todos os outros elementos da rede envolvidos em 89% dos cenários, onde a margem de erro é composta de cenários cuja propagação foi identificada apenas parcialmente, devido à falta de regras que contemplassem os cenários. Dessa forma, a técnica proposta se mostrou uma abordagem viável para a análise de causa-raiz em sistemas elétricos. A margem de acerto reduzida nas regressões, indica que, para ser aplicada em um ambiente operacional real, faz-se necessária a elaboração de um conjunto de regras mais abrangente e que possa contornar esses problemas. / This paper presents a root cause analysis technique for electric power systems. The root cause analysis is a way to assist the operator in understanding the occurrence of failure, interpreting the events cascade occurrences. The proposed technique uses a rule based reasoning, where parameterized rules construct a propagation model with diagnosis of an occurrence of failure. The technique allows to point out the element that causes the occurrence, and detailing its propagation to other elements in a cause and effect model. The use of parameterized rules brings major benefits to the process, allowing the technique to be adaptable to changes in system topology, and contributing to its scalability A case study was prepared for evaluation in the context of the Companhia Hidro Elétrica do São Francisco (CHESF). We developed a prototype that implements the technique, and raised a set of parameterized rules and a set of failure scenarios using a tool to simulate a real environment, the Simulop. We also used in the evaluation process, a set of regressions, which are historical data stored by CHESF. The regressions were important in the first phase of the technique, but they have problems such as lack of data, and unexpected behavior of the system, where the accuracy of the technique was 74%. For the set of scenarios created with Simulop, the proposed technique has achieved success in the root cause analysis process, identifying the root cause of the occurrence in 100% of failure scenarios, and detailing their propagation to all other equipments involved in 89% of scenarios, where the margin of error is composed of scenarios whose propagation has been identified only in part due to the lack of rules that contemplate these scenarios. Thus, the proposed technique proved to be a viable approach to root cause analysis in electrical systems. The reduced margin of success in the regressions , indicates that, to be applied to an operational environment, it is necessary to elaborate a comprehensive set of rules that can deal these problems.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-15T14:16:38Z No. of bitstreams: 1 ALEXANDRE NÓBREGA DUARTE - DISSERTAÇÃO PPGCC 2003..pdf: 1526817 bytes, checksum: dfc39cd8b1649bf64468cbe2eaefe99b (MD5) / Made available in DSpace on 2018-08-15T14:16:38Z (GMT). No. of bitstreams: 1 ALEXANDRE NÓBREGA DUARTE - DISSERTAÇÃO PPGCC 2003..pdf: 1526817 bytes, checksum: dfc39cd8b1649bf64468cbe2eaefe99b (MD5) Previous issue date: 2003-02-25 / Apresenta uma nova ferramenta para o diagnóstico automático de falhas em redes elétricas. A ferramenta utiliza uma técnica híbrida de correlação de eventos criada especialmente para ser utilizada em redes com constantes modificações de topologia. A técnica híbrida combina o raciocínio baseado em regras com o raciocínio baseado em modelos para eliminar as principais limitações do raciocínio baseado em regras. Com a ferramenta de diagnóstico foi possível validar o conhecimento dos especialistas em sistemas de transmissão de energia elétrica necessário para o diagnóstico de falhas em linhas de transmissão e construir uma base de regras para tal. A ferramenta foi testada no diagnóstico de falhas em linhas de transmissão de um dos cinco centros regionais da Companhia Hidro Elétrica do São Francisco (CHESF) e apresentou resultados satisfatórios de desempenho e precisão. / It presents a new tool for the automatic diagnosis of faults in electric networks. The toot uses a hybrid event correlation technique especially created to be used in networks with constant topological modifications. The hybrid technique combines ruJe-based reasoning with modelbased reasoning to eliminate the main limitations of rule-based reasoning. With the tool it was possible to validate the knowledge acquired from electric energy transmission systems specialists needed for the diagnosis of faults in transmission lines and to construct rules. The tool was tested in the diagnosis of faults in transmission lines of one of the five regional centers of the Companhia Hidro Elétrica do São Francisco (CHESF) and presented satisfactoiy results in terms of performance and precision.