W dniach 8-11 listopada 2021r. w Quanzhou (Chiny), na Huaqiao University odbywała się zdalnie (za pomocą platformy MS Teams) konferencja: The 2nd International Conference on Modern Management based on Big Data (MMBD2021) na której referat: The Support System for Anomaly Detection with Application in Mainframe Management Process w dn. 11 listopada wygłosiła pracownica naszego Zakładu, mgr inż. Alicja Gerka.
Referat miał na celu zaprezentowanie artykułu, który został już opublikowany jako materiał pokonferencyjny w serii wydawnictwa IOS Press: Frontiers in Artificial Intelligence and Applications, w woluminie 341: Modern Management based on Big Data II and Machine Learning and Intelligent Systems III, na stronach 96-103:
https://ebooks.iospress.nl/volumearticle/57956
Strzałka, D., Gerka, A., Kowal, B., Kuraś, P., Leopold, G., Lewicz, M., & Jaworski, D. (2021). The Support System for Anomaly Detection with Application in Mainframe Management Process. In Modern Management based on Big Data II and Machine Learning and Intelligent Systems III (pp. 96-103). IOS Press.
W ramach współpracy z firmą Z-RAYS pracownicy w Zakładu Systemów Złożonych: D. Strzałka, B. Kowal, A.Gerka. P. Kuraś, M. Ćmil brali udział w przygotowaniu rozwiązania wykorzystującego uczenie maszynowe do budowy systemu wsparcia wykrywania anomalii w maszynach mainframe.
Współpraca obejmowała roczne zaangażowanie zespołu i wykonanie następujących działań: selekcja podzbioru wyprowadzanych metryk, opracowanie źródeł oraz rozwój efektywnych algorytmów ich przetwarzania; analiza i opracowanie algorytmów inteligentnej korelacji zdarzeń; integracja opracowanych algorytmów oraz algorytmów wbudowanych w narzędzia ELD/Dynatrace do oprogramowania Z-RAYS; opracowanie i integracja metod pobierania danych oraz wdrożenie Z-RAYS na platformie SaaS.
Proces zarządzania i administrowania maszynami typu mainframe wymaga nie tylko specjalistycznej wiedzy eksperckiej opartej na wieloletnim doświadczeniu, ale także odpowiednich narzędzi dostarczanych przez system zarządzania wydajnością maszyn, m.in. Resource Measurement Facility (RMF). Celem artykułu było przedstawienie wstępnych wyników budowy systemu Z-RAYS zbudowanego w oparciu o techniki uczenia maszynowego (ML). Umożliwia on automatyczne wykrywanie anomalii i generowanie wczesnych ostrzeżeń o niektórych błędach, które mogą pojawić się na komputerze mainframe, w celu wsparcia procesu zarządzania komputerem mainframe. Prezentowane wyniki oparte są na obszernych symulacjach wykonanych w oparciu o emulator IBM. Skupiamy się na określeniu stopnia zmienności metryk, stopnia powtarzalności danych w metrykach, niektórych podejściach do wykrywania anomalii metryk oraz rozwiązaniach wykrywania korelacji zdarzeń w metrykach.
