• Correo ElectrónicoCorreo Electrónico
  • Dirección Nacional de Información AcadémicaDNINFOA - SIA
  • BibliotecaBibliotecas
  • ConvocatoriasConvocatorias
  • Identidad U.N.Identidad U.N.
Escudo de la República de ColombiaEscudo de la República de Colombia
  • English 
    • español
    • English
    • português (Brasil)
  • Aspirantes
  • Estudiantes
  • Egresados
  • Docentes
  • Administrativos
repositorio.unal.edu.co
Bibliotecas
  • Mapa de sedes
  • Amazonía
  • Bogotá
  • Caribe
  • Manizales
  • Medellín
  • Orinoquía
  • Palmira
Biblioteca Digital
  • Repositorio Institucional
  • Entrega de tesis y publicación en línea
  • Digitalización de documentos
  • Normatividad publicación en línea
  • Portal de Revistas UN
  • Suscripción a contenidos UN
  • Contáctenos
Recursos Bibliográficos
  • Recursos electrónicos
  • Catálogo UN
  • Diccionarios y enciclopedias
  • Herramientas bibliográficas
  • Libros electrónicos
  • Descubridor
  • Índices bibliográficos
  • Adquisicion de material bibliografico
Formación
  • Agenda de formación
  • Solicitud de nuevo taller
  • Guía de autoarchivo de documentos
Acerca de
  • Misión y visión
  • Dirección Nacional de Bibliotecas
  • Convenios y redes
  • Video del Sinab
  • Preguntas frecuentes
Sedes
  • Amazonia
  • Bogotá
  • Caribe
  • De La Paz
  • Manizales
  • Medellín
  • Orinoquia
  • Palmira
  • Tumaco
Servicios
Perfiles
Home
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Medellín
  • Facultad de Minas
  • Departamento de la Computación y la Decisión
  • View Item
  •   Institutional Repository of Universidad Nacional
  • 1- Tesis y Disertaciones
  • Sede Medellín
  • Facultad de Minas
  • Departamento de la Computación y la Decisión
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Modelo basado en aprendizaje de máquinas para el manejo de riesgo de falla durante la composición de servicios web

Thumbnail
87067082.2011.pdf (2.783Mb)
Date published
2011
Author
Portilla Rosero, Byron Enrique
Metadata
Show full item record

Summary
Los trabajos realizados hasta el momento en cuanto a la composición de servicios Web, se caracterizan en su mayoría por la utilización de modelos, donde las especificaciones de los servicios Web utilizadas para generar un plan de composición, están totalmente definidas. Es así como mecanismos orientados a la composición que busquen minimizar el riesgo de fallas además de tener la información funcional de cada servicio, tienen la información pertinente al factor de riesgo de que tales servicios fallen; esto, con el fin de guiar al mecanismo de composición para seleccionar la mejor solución entre todas las posibles composiciones que minimice las posibilidades de que estas fallen. Desafortunadamente la tarea de calificar el factor de riesgo requiere de expertos para su evaluación o en el peor de los casos esta información parte de los propietarios de los propios servicios con lo cual el factor de veracidad de dicha información no es la mejor. Es así como el problema principal en este proceso de composición, es obtener estas especificaciones asociadas al riesgo de falla. En consecuencia, este trabajo de tesis plantea una solución al manejo de riesgos de fallas durante la composición con servicios Web, donde a través del aprendizaje de máquinas, se adquiera de manera automática y bajo el factor de certeza propio del compositor cada uno de los criterios relacionados con el factor de riesgo, que permitan identificar, cuáles serán los mejores servicios que harán parte de este proceso de composición y mejorar de esta forma su tarea de composición de servicios. En esta tesis particularmente se trabajaron tres factores de riesgos de falla que no se trataron previamente en el estado del arte como lo son: la disponibilidad y reactividad de los servicios bajo periodos de tiempo discriminados en días y horas de la semana y el manejo de creencias./Abstract. The researches carried out up to now for the Web services composition, arecharacterized mostly by the use of models, where the specifications of the Web servicesused to generate a plan of composition, are completely defined. It is as well a mechanisms oriented to the composition that seek to minimize the risk of failures besides of having the functional information of each service, have the information concerning the factor of risk that such services fail; this, in order to guide to the mechanism of composition to select the best solution among all the possible compositions that minimize the possibilities that these fail. Unfortunately the task to qualify the factor of risk requires of experts for its evaluation, or if worse comes to worst, this information comes from the owners of the own services in which the factor of truth of this information is not the best. Therefore, the main problem in this composition process is to obtain these specifications related to the risk of failure. Consequently, this thesis work points out a solution to the management of failure risks during the composition with Web services, where through the machines learning, it is possible to acquire in an automatic way and under the factor of certainty of the composer, each criteria related to the factor of risk, that allow to identify, which will be the best services than will be part of this process of composition, and therefore, improving their services composition task. Particularly, three failure risks factors were worked in this thesis. These factors have not been treated previously in the state of the art. They are: the availability and reactivity of the services under periods of time discriminated in days and hours of the week and the management of beliefs.
Subject
Servicios Web ; Composición de servicios Web ; Aprendizaje automático ; Manejo de riesgos. ;
URI
https://repositorio.unal.edu.co/handle/unal/8703
Collections
  • Departamento de la Computación y la Decisión [354]

Browse

All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesKnowledge AreasThis CollectionBy Issue DateAuthorsTitlesKnowledge Areas

My Account

LoginRegister

Statistics

View Google Analytics Statistics
Régimen Legal
Talento humano
Contratación
Ofertas de empleo
Rendición de cuentas
Concurso docente
Pago Virtual
Control interno
Calidad
Buzón de notificaciones
Correo institucional
Mapa del sitio
Redes Sociales
FAQ
Quejas y reclamos
Atención en línea
Encuesta
Contáctenos
Estadísticas
Glosario

Contacto página web:
Carrera 45 # 26-85
Edif. Uriel Gutiérrez
Bogotá D.C., ; Colombia
(+57 1) 316 5000

© Copyright 2014
Algunos derechos reservados.
mediosdigitales@unal.edu.co
Acerca de este sitio web

Actualización: 04/10/19

Orgullo UNOrgullo UNAgencia de noticiasAgencia de noticias
Trámites en líneaContaduría General de la República