sistema evolutivo de gcs v1.1 seminarioarantxa.ii.uam.es/~jms/seminarios_doctorado/abstracts...b*%...

1

Universidad Autónoma de Madrid

Escuela Politécnica SuperiorSeminario en Ingeniería Informática

SISTEMA EVOLUTIVO DE GESTIÓN DE LA CONFIGURACIÓN

DEL SOFTWARE

Jorge de las Peñas Plana

Directora: Miren Idoia Alarcón Rodríguez

2

ÍNDICEÍNDICE

�Estado de la Cuestión

�Planteamiento del Problema

�Solución Propuesta

�Análisis de Viabilidad

�Conclusiones

3

��Estado de la CuestiónEstado de la Cuestión�Sistemas de Gestión de la Configuración del Software�Redes Neuronales Artificiales�Espacio de Investigación

�Planteamiento del Problema�Solución Propuesta�Análisis de Viabilidad�Conclusiones

ESTADO DE LA CUESTIÓNESTADO DE LA CUESTIÓN

4

ESTADO DE LA CUESTIÓNESTADO DE LA CUESTIÓNSistemas de Gestión de la Configuración del SoftwareSistemas de Gestión de la Configuración del Software

�Gestión de la Configuración del Software (GCS):�Proceso de identificar y definir los objetos de un sistema, controlando sus cambios a lo largo de su ciclo de vida, registrando e informando de los estados de dichos objetos y de los cambios y verificando su corrección y su completitud.

�Sistema de GCS

EQUIPO

WorkspacesResolución de Conflictos

FamiliasConectividad

PROCESO

Ciclo de VidaGestión de TareasComunicaciónDocumentación

AUDITORÍA

HistóricosTrazabilidad

Logs

REGISTRO

EstadísticasEstadosInformes

CONTROLControl de AccesosGestión de CambiosGestión de Errores

Propagación de CambiosParticionado

CONSTRUCCIÓNCompilaciónSnapshotsOptimizaciónRegeneración

ESTRUCTURAModelado de Sistemas

InterfacesRelacionesSelecciónConsistencia

COMPONENTESVersiones

ConfiguracionesLíneas BaseRepositorio

Tipos de Componentes

DESPLIEGUEInstalación

ParametrizaciónInstanciaciónReconfiguración

CVS

5

ESTADO DE LA CUESTIÓNESTADO DE LA CUESTIÓNRedes Neuronales ArtificialesRedes Neuronales Artificiales

�Dentro de la Minería de Datos, y en particular de las técnicas de Aprendizaje Automático.

�Modelos computacionales compuestos de unidades de proceso paralelo (“neuronas”) densamente interconectadas. Inspiración modelo biológico

�Perceptrón Multicapa (MLP)

Aspectos de DiseñoAspectos de Diseño

�Algoritmo (Backpropagation) y Regla de Aprendizaje (Delta)

�Arquitectura de la Red�Capas Ocultas. Número de Nodos de la Capa Oculta

�Elección de Patrones ejemplo (Sobreaprendizaje)

�Condición de Finalización y Factor de Aprendizaje

�Librería de Uso: TORCH (API C++ Aprendizaje Automático)

X1

X2

Z1W11

W21

XN

WN1

1

W01

ZQ

W1Q

W2Q

WNQ

Y1V11

VQ1

YM

W0Q

1

V01

V0P

V1M

VQM

6

ESTADO DE LA CUESTIÓNESTADO DE LA CUESTIÓNEspacio de InvestigaciónEspacio de Investigación

�El cruce entre la GCS y el Aprendizaje Automático es el espacio (“gap”) que se va a investigar con este trabajo para tratar de elaborar un modelo de GCS y de Redes Neuronales, con el fin de aportar a una organización conocimiento de utilidad para su futuro.

�No se trata por tanto de una innovación en el campo de las RedesNeuronales y el Aprendizaje Automático, si no de la aplicación de estas estructuras para añadir valor a procesos.

�Tampoco es una extensión a un sistema de Gestión de la Configuración del Software. Se trata de dar un nuevo modelo de procesos de GCS.

7

��Estado de la CuestiónEstado de la Cuestión

��Planteamiento del ProblemaPlanteamiento del Problema�Hipótesis�Planteamiento y Orientación a la Solución

�Solución Propuesta�Análisis de Viabilidad�Conclusiones

PLANTEAMIENTO DEL PROBLEMAPLANTEAMIENTO DEL PROBLEMA

8

PLANTEAMIENTO DEL PROBLEMAPLANTEAMIENTO DEL PROBLEMAHipótesisHipótesis

�Hipótesis Principal:

H: La Gestión de la Configuración del Software, aplicando técnicas de Aprendizaje Automático, puede ayudar, no sólo a controlar el presente y el pasado de la evolución de los sistemas software, sino también a detectar tendencias y patrones que impliquen conocimiento de utilidad para ayudar a una organización en la toma de decisiones futuras.

�Subhipótesis:

H1: La Gestión de la Configuración del Software, aplicando técnicas de Aprendizaje Automático, puede ayudar en los procesos de evaluación de los diferentes usuarios de los diferentes productos. Al mantener la información histórica de todas las acciones que han realizado los diferentes usuarios de los diferentes sistemas de la compañía y la información de las evaluaciones que han obtenido, se puede tratar de inferir cuál será la evaluación en un periodo.

H2: La Gestión de la Configuración del Software, aplicando técnicas de Aprendizaje Automático, puede ayudar en la detección de acciones correctoras a nivel general, con el fin de trazar acciones de mejora general de los sistemas a partir de la detección de tendencias y patrones en las causas que provocan los errores de una compañía.

9

PLANTEAMIENTO DEL PROBLEMAPLANTEAMIENTO DEL PROBLEMAPlanteamiento y Orientación a la SoluciónPlanteamiento y Orientación a la Solución

Modelización y Análisis• Organización• Procesos y Entidades GCS

Arquitectura de la Solución• Funcional• Tecnológica

Descubrimiento de Datos

Generación de Herramienta

Análisis de Viabilidad

10

��Estado de la CuestiónEstado de la Cuestión��Planteamiento del ProblemaPlanteamiento del Problema

��Solución PropuestaSolución Propuesta�Procesos de Gestión de Cambios�Arquitectura Funcional. Arquitectura Tecnológica.�Componentes: Cliente, Servidor, Base de Datos, Repositorio. Integración�Descubrimiento de Datos

�Red Neuronal de Clasificación de Usuarios según sus Errores�Minería de Datos sobre las Causas que provocan Errores

�Funcionalidad

�Análisis de Viabilidad�Conclusiones

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTA

11

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAProcesos de Gestión de CambiosProcesos de Gestión de Cambios

�Gestión de Versiones: FICHERO�Gestión de Releases: PACK�Gestión de Requerimientos: REQREQ�Gestión de Errores: ERR

Jerarquía de Unidades de ControlCiclo de Vida

12

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAArquitectura FuncionalArquitectura Funcional

USUARIOS

DESCUBRIMIENTODE DATOS

REPORTING

MÓDULO DE GESTIÓNDE LA

CONFIGURACIÓN

GESTIÓN DEVERSIONES

GESTIÓN DERELEASES

GESTIÓN DEERRORES YCAMBIOS

13

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAArquitectura TecnológicaArquitectura Tecnológica

LAN

CLIENTEWINDOWS

Visual Basic 6.0MySQL ODBC 3.51 Driver

Microsoft Winsock Control 6.0

SERVIDORUNIX/Linux/HP/Sun/NT

C/Shell Script

BASE DE DATOSMySQL 4.1.2

COMUNICACIÓNONLINE: SOCKETS TCP/IP

REPOSITORIOCVS 1.11.6

WinCVS 1.13.17.2

SSH

CLIENTEWINDOWS



CLIENTEWINDOWS




C/Shell Script


C/Shell Script


C/Shell Script

14

ODBC

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAComponentesComponentes

CLIENTE

REPOSITORIO

BASE DE DATOS

SERVIDOR

PROTOC

OLO PR

OPIO COMANDOS CVS (SSH)

CLIENTE SQL

COMANDOS CVS (SSH)

15

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAComponentes: Modelo de DatosComponentes: Modelo de Datos

16

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTADescubrimiento de DatosDescubrimiento de Datos

�La parte de Descubrimiento de Datos se ocupa de aportar al sistema la funcionalidad necesaria para inferir conocimiento útil para el futuro (cubrir la Hipótesis de Trabajo H). Consistirá en:

�Red Neuronal de Clasificación de Usuarios (Subhipótesis H1)

�Detectar patrones en información histórica de GCS que nos permitan predecir las evaluaciones de usuarios en un determinadoperiodo de tiempo.

�Minería de Datos sobre las Causas de los Errores(Subhipótesis H2)

�Identificar cuáles son las causas en un determinado periodo de tiempo que pueden ocasionar a futuro evaluaciones no adecuadas, de manera que se puedan anticipar acciones correctoras.

17

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTARed Neuronal de Clasificación de Usuarios según sus ErroresRed Neuronal de Clasificación de Usuarios según sus Errores�Perceptrón Multicapa

�Nodos de la Capa de Entrada:2*Número de Estados de Error de cada Unidad de Control y Aplicación + 2 Totales (Por Usuario/Periodo de tiempo)

�Número total de Errores

�Número total de Iteraciones

�Nodos en Unidad de Salida: 1 con tantos valores de clasificación como posibles Evaluaciones.

�Nodos de la Capa Oculta a Determinar

�Iteraciones y tasa de Aprendizaje a determinar

I1

I2

I3

I4

IN

H1

H2

HN

O

FICHERO MODELO

FICHERO ENTRENAMIENTO

CON X VALORES POSIBLESDE CLASIFICACIÓN

ESTADOS DE

ERROR

18

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAMinería de Datos sobre las Causas que provocan ErroresMinería de Datos sobre las Causas que provocan Errores

�En los cambios de Estado a ERROR, se incluye la causa que ha provocado el error.

�La Tipificación de Causas dependerá de:

�APLICACIÓN

�UNIDAD DE CONTROL

�ESTADO DE ERROR

�Se cruzarán las Causas con los datos de Evaluaciones generados por la Red de Evaluaciones para analizar las que provocan evaluaciones más altas y bajas combinando con: Usuarios, Aplicaciones y Estados de Error

EVALUACIONES OBTENIDAS

NÚMERO DE OCURRENCIAS

CAUSA / VARIABLE 2

19

SOLUCIÓN PROPUESTASOLUCIÓN PROPUESTAFuncionalidadFuncionalidad

�Módulo de Seguridad

�Módulo de Comunicación Off-line

20


�Módulo de Generación de Informes

SELECCIÓN DEINFORME YAPLICACIÓNFILTROS

INFORMEGENERADO

ACCIONESSOBREINFORMES

21


�Módulo de Instalación

BOTONESVERIFICACIÓNE INSTALACIÓN

RESETEO DECUALQUIERACCIÓN

SELECCIÓN DEAPLICACIÓN YENTORNO

SELECCIÓN DEPACK AVERIFICAR/INSTALAR

RESULTADOSDEVERIFICACIÓN/INSTALACIÓN

22


�Módulo de Acciones sobre el Repositorio

SELECCIÓN DEAPLICACIÓN YACCIÓN

LISTADO DEFICHEROSSOBRE LOSQUE SE PUEDEAPLICAR

DATOS ACOMPLETARPARA REALIZARACCIÓN

COMPLETARACCIÓN

CUADROEDICIÓN DATOS

23


�Módulo de Control del Ciclo de VidaSELECCIÓN DEAPLICACIÓN YUNIDAD DECONTROL

FILTROS PARALA SELECCIÓN

LISTADO

ACCIONESSOBREUNIDADES DECONTROL

24


�Módulo de Gestión de Red Neuronal de Evaluación de Usuarios

25


�Módulo de Análisis de Causas de Error

SELECCIÓN DEAPLICACIÓN,UNIDAD DECONTROL YERROR

CUADRO DECAUSASRELACIONADAS

CUADRO DECAUSASPOSIBLES

FALLO DE ACEPTACIÓN

FALLO DE ANÁLISIS

FALLO DE CODIFICACIÓN AVANZADA

FALLO DE CODIFICACIÓN BÁSICA

FALLO DE INSTALACIÓN

FALLO DE INTEGRACIÓN

FALLO DE PRUEBAS

FALLO DE REGRESIÓN

FALLO DE USUARIO

FALLO NO DETERMINADO

0

20

50

100

150

200

250

300

350

Causas que Provocan las Evaluaciones Más Bajas

0123

Periodo (All)

Count of Estado_Error

Causa

Clasificacion

26

��Estado de la CuestiónEstado de la Cuestión��Planteamiento del ProblemaPlanteamiento del Problema��Solución PropuestaSolución Propuesta

��Análisis de ViabilidadAnálisis de Viabilidad�Modelo de Organización�Procesos de Gestión de Cambios�Tipificación de Causas�Topología de la Red Neuronal de Clasificación de Usuarios�Información Histórica�Experimentos: Ciclo Aleatorio y Ciclo Similar a otro�Distribución y Análisis de Resultados

�Conclusiones

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDAD

27

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADModelo de OrganizaciónModelo de Organización

INST

NEG

PRU

DES

ANA

ADMIN

GRUPOS

PrePresidente

Dir FinDirectorFinanciero

Dir MarDirectorMarketing

Dir SisDirector Sistemas

Dir UsuDirector de Áreas

Usuarias

Área Financiera300 Empleados

Dir RecDirector Recursos

Humanos

Área Marketing300 Empleados

Área Usuarios150 Empleados

Área Recursos50 Empleados

Dir ComDirector Comercial y

Ventas

Área Comercial300 Empleados

Dir AplDirecciónAplicaciones

Dir OpeDirección

Operaciones

Apli CliAplicación Centrode Clientes (CRM)

Apli IntAplicaciones deIntegración On-line

Apli FactAplicaciones deFacturación

DeptoAplicaciones500 Usuarios

Apli CobAplicaciones deCobros y Pagos

Apli BatAplicaciones deProcesos Batch

Apli DatAplicaciones deData Warehouse

Apli RedAplicaciones deSistemas de Red

Análisis -Desarrollo -Pruebas -Negocio -








Apli OtrResto de

Aplicaciones

DeptoOperaciones400 Usuarios

SisÁrea SoporteSistemas

ExpÁrea Explotación

Sistemas

PRODUCCIÓN

PREPRODUCCIÓN

PRUEBAS_SISTEMA

ENTORNOS

LINUX-SERVER_2

LINUX-SERVER

WINDOWS-SERVER

MÁQUINAS

APLICACIONES CRÍTICAS6 USUARIOS

APLICACIONES NO CRÍTICAS4 USUARIOS2 Usuarios

28

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADProcesos de Gestión de CambiosProcesos de Gestión de Cambios

�Unidades de Control�ERR

�REQ

�PACK

�Grupos de Errores�Errores en etapa de Desarrollo y Pruebas de Sistema:

�ERROR_INSTALAR_PRUEBAS_SISTEMA

�ERROR_PRUEBAS_SISTEMA

�Errores en etapa de Preproducción:�ERROR_INSTALAR_PREPRODUCCION

�ERROR_PREPRODUCCION

�Error en etapa de Producción:�ERROR_INSTALAR_PRODUCCION

�ERROR_PRODUCCION

29

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADTipificación de CausasTipificación de Causas

�Causas de Desarrollo�FALLO NO DETERMINADO

�FALLO DE CODIFICACIÓN BÁSICA

�FALLO DE CODIFICACIÓN AVANZADA

�FALLO DE ANÁLISIS

�Causas de Pruebas�FALLO DE INTEGRACIÓN

�FALLO DE INSTALACIÓN

�FALLO DE PRUEBAS

�Causas de Usuario�FALLO DE USUARIO

�FALLO DE REGRESIÓN

�FALLO DE ACEPTACIÓN

10 causas * 6 estados posibles de error

* 3 unidades de control * 8 aplicaciones

= 1440 combinaciones

30

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADTopología de la Red Neuronal de Clasificación de UsuariosTopología de la Red Neuronal de Clasificación de Usuarios�Nodos de la Capa de Entrada

�8 Aplicaciones

�3 Unidades de Control/Aplicación

�6 Estados Error/Unidad de Control

�2 Unidades de Entrada/Estado Error�Total de Errores

�Total de Transiciones

�TOTAL: 8*3*6*2+2(Totales)= 290 Unidades

�Valores de Unidad de Salida�Evaluaciones de 0 a 9 (10 en total)

�Ejemplos: 38 Usuarios * 8 Periodos = 304�Nodos de la Capa Oculta: 146

�Iteraciones: 1000

�Tasa de Aprendizaje: 0,0001

I1

I2

I3

I4

IN

H1

H2

HN

O

FICHERO MODELO

FICHERO ENTRENAMIENTO

CON X VALORES POSIBLESDE CLASIFICACIÓN

31

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADInformación HistóricaInformación Histórica

DISTRIBUCIÓN UNIDADES DE CONTROL: 2448 Unidades en el listado

Más Críticas: 8 REQ, 20 ERR, 20 PACK Periodo Menos Críticas: 4 REQ, 10 ERR, 10 PACK Periodo

Grupos de Valores de Clasificació n:• Evaluaciones Bajas: 0-3 (25%) –Probabilidad Error 1• Evaluaciones Medias: 4-6 (50%) –Probabilidad Error 0,5• Evaluaciones Altas: 7-9 (25%) –Probabilidad Error 0

DISTRIBUCIÓN HISTÓRICOS: 60862 Registros

48307 registros en 8 periodos evaluados12555 registros en 2 periodos evaluables

Por Grupo de Error:• Errores de Desarrollo: 0,7• Errores de Preproducción: 0,2• Errores de Producción: 0,1

Causas Origen:• Causas de Desarrollo: 0,7• Causas de Pruebas: 0,2• Causas de Usuario: 0,1

32

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADExperimentos: Ciclo Aleatorio y Ciclo Similar a OtroExperimentos: Ciclo Aleatorio y Ciclo Similar a Otro

�Predicción de un Ciclo Aleatorio:

�Para un periodo de tiempo se generan datos históricos aleatorios sin seguir patrón de Evaluaciones.

�OBJETIVO: Identificar sentido de las tendencias dados los datos aleatorios.

�Predicción de un Ciclo Similar a Otro:

�Los datos históricos de un periodo son similares a los de otro anteriormente clasificado.

�OBJETIVO: Detectar tendencias similares a periodo clasificado previamente.

33

GRÁFICO DE EVALUACIÓN DE USUARIOS

0

1

2

3

4

5

6

7

8

9

10

24/07/1998 06/12/1999 19/04/2001 01/09/2002 14/01/2004 28/05/2005 10/10/2006 22/02/2008 06/07/2009

USER_1USER_10USER_11USER_12USER_13USER_14USER_15USER_16USER_17USER_18USER_19USER_2USER_20USER_21USER_22USER_23USER_24USER_25USER_26USER_27USER_28USER_29USER_3USER_30USER_31USER_32USER_33USER_34USER_35USER_36USER_37USER_38USER_4USER_5USER_6USER_7USER_8USER_9

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADDistribución de ResultadosDistribución de Resultados

46,84%28,16%25,00%Total

50,00%21,05%28,95%2007-01-01 a 2008-01-01

60,53%39,47%0,00%2006-01-01 a 2007-01-01

36,84%36,84%26,32%2005-01-01 a 2006-01-01

36,84%36,84%26,32%2004-01-01 a 2005-01-01

36,84%36,84%26,32%2003-01-01 a 2004-01-01

36,84%36,84%26,32%2002-01-01 a 2003-01-01

52,63%18,42%28,95%2001-01-01 a 2002-01-01

52,63%18,42%28,95%2000-01-01 a 2001-01-01

52,63%18,42%28,95%1999-01-01 a 2000-01-01

52,63%18,42%28,95%1998-01-01 a 1999-01-01

MEDIABAJAALTAPeriodo

TIPO

34

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADAnálisis de Resultados. Ciclo Aleatorio Análisis de Resultados. Ciclo Aleatorio

ERROR_INSTALAR_PREPRODUCCION

ERROR_INSTALAR_PRODUCCION

ERROR_INSTALAR_PRUEBAS_SISTEMA

ERROR_PREPRODUCCION

ERROR_PRODUCCION

ERROR_PRUEBAS_SISTEMA

0123

0

100

200

300

400

500

600

700

Errores que provocan las Evaluaciones Más Bajas

0123

Periodo (All)

Número

Estado_Error

Clasificacion



ERROR_INSTALAR_PRUEBAS_SISTEM

A

ERROR_PREPRODUCCION

ERROR_PRODUCCION


1230

10

20

30

40

50

60

70

80

90


123

Periodo 2006-01-01 a 2007-01-01

Número

Estado_Error

Clasificacion

35

ANÁLISIS D

E VIA

BILID

AD

ANÁLISIS D

E VIA

BILID

AD

Análisis de Resultados. Ciclo Aleatorio Análisis de Resultados. Ciclo Aleatorio


FALLO DE ANÁLISIS





FALLO DE PRUEBAS

FALLO DE REGRESIÓN

FALLO DE USUARIO


0

20 50

100

150

200

250

300

350

Causas que Provocan las Evaluaciones M

ás Bajas

0123

Periodo(All)

Count of E

stado_Error

Causa

Clasificacion


FALLO DE ANÁLISIS





FALLO DE PRUEBAS

FALLO DE REGRESIÓN

FALLO DE USUARIO


1

30

10

20

30

40

50

60

Causas que Provocan las Evaluaciones M

ás Bajas

123

Periodo2006-01-01 a 2007-01-01

Count of Estado_Error

Causa

Clasificacion

36

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADAnálisis de Resultados. Ciclo Similar a OtroAnálisis de Resultados. Ciclo Similar a Otro




ERROR_PREPRODUCCION

ERROR_PRODUCCION


1230

10

20

30

40

50

60

70

80

90

100


123

Periodo 2000-01-01 a 2001-01-01

Número

Estado_Error

Clasificacion




ERROR_PREPRODUCCION

ERROR_PRODUCCION


23

0

10

20

30

40

50

60

70

80

90

100


23

Periodo 2007-01-01 a 2008-01-01

Número

Estado_Error

Clasificacion

37

ANÁLISIS DE VIABILIDADANÁLISIS DE VIABILIDADAnálisis de Resultados. Ciclo Similar a OtroAnálisis de Resultados. Ciclo Similar a Otro

USER_11USER_17

USER_23USER_28

USER_33USER_38

USER_5

1

2

30

10

20

30

40

50

60

70

80

90

Usuarios con las Evaluaciones Más Bajas

123

Periodo 2000-01-01 a 2001-01-01

Número

Usuario

Clasificacion

USER_11USER_17

USER_23USER_28

USER_31USER_33

USER_38USER_5

2

3

0

10

20

30

40

50

60

70

80

90

Usuarios con las Evaluaciones Más Bajas

23

Periodo 2007-01-01 a 2008-01-01

Número

Usuario

Clasificacion

38

��Estado de la CuestiónEstado de la Cuestión��Planteamiento del ProblemaPlanteamiento del Problema��Solución PropuestaSolución Propuesta��Análisis de ViabilidadAnálisis de Viabilidad

��ConclusionesConclusiones�Conclusiones de la Investigación Realizada�Líneas Futuras de Investigación. Mejoras del Sistema

CONCLUSIONESCONCLUSIONES

39

CONCLUSIONESCONCLUSIONESConclusiones de la Investigación RealizadaConclusiones de la Investigación Realizada

�Solución que Cumple las Hipótesis de Trabajo

�Solución de Utilidad para Toma de Decisiones y Detección de Tendencias, así como para anticipación y mitigación de Errores.

�Generalizable y Adaptable.

�Sistema Integrado Cliente/Servidor

�Gestión de la Configuración del Software (Control de Software, Control del Ciclo de Vida)

�Aprendizaje Automático (Redes Neuronales, Minería de Datos)

40

CONCLUSIONESCONCLUSIONESLíneas Futuras de Investigación. Mejoras del SistemaLíneas Futuras de Investigación. Mejoras del Sistema

�Líneas Futuras de Investigación

�Descubrimiento del conocimiento en Razones “Check In” Implementado

�Generalización Redes Neuronales

�Evolución dinámica de Topologías de Redes Neuronales

�Mejoras del Sistema

�Generalización de Cliente

�Administración de Datos

�Extensión de la Seguridad

�Otras herramientas de GCS

�Gestión Desatendida de Trabajos

41

RUEGOS Y PREGUNTASRUEGOS Y PREGUNTAS

MUCHAS GRACIAS

sistema evolutivo de gcs v1.1 seminarioarantxa.ii.uam.es/~jms/seminarios_doctorado/abstracts...b*%...

Documents