El viernes 19 de junio de 2020 a las 9:30 horas
Visio-Conferencia
Florent MOUYSSET
Defenderá una tesis para el :
Doctorado en Matemáticas, informática y telecomunicaciones
Especialidad: Informática y Telecomunicaciones
Sobre el siguiente tema:
Análisis automático de las trazas de actividad de los usuarios para la comprobabilidad y la mejora continua de sistemas de software complejos mediante sistemas multiagentes adaptativos
Bajo la dirección de Marie-Pierre GLEIZES
y la supervisión de : Frédéric MIGEON
Jurado
| Marie-Pierre GLEIZES | Profesor titular de la Universidad Paul Sabatier de Toulouse e investigador del IRIT | Dirección |
| Frédéric MIGEON | Maître de conférences à l'Université Paul Sabatier Toulouse III | Co-director |
| Olivier BOISSIER | Professeur titulaire en informatique, PhD, Département Informatique et Systèmes Intelligents Institut Henri Fayol | Ponente |
| Abderrafiaa KOUKAM | Professeur Titulaire chez UTBM - Université de Technologie de Belfort-Montbéliard | Ponente |
| Philippe MATHIEU | Investigador y responsable del equipo SMAC en el Centro de Investigación en Informática, Señalización y Automática de Lille | Examinador |
| Christophe BORTOLASO | Responsable de la Investigación Aplicada, Berger-Levrault | Invité |
Resumen en inglés
Análisis automático de las trazas de actividad de los usuarios para la comprobabilidad y la mejora continua de sistemas de software complejos mediante sistemas multiagentes adaptativos
Los programas informáticos son cada vez más complejos a medida que cambian las normativas y evolucionan los requisitos de los usuarios. En consecuencia, a veces resulta difícil mantener o utilizar estas aplicaciones.
Para garantizar un nivel de calidad aceptable, esta tesis explora las posibilidades que ofrece la explotación de los rastros de actividad de los usuarios. Un rastro de usuario es una huella digital que queda cuando un usuario utiliza una aplicación informática. A corto plazo, el objetivo es proporcionar información a los equipos de producción. Por ejemplo, comparando las pruebas de aceptación con el uso real. A más largo plazo, podría diseñarse un asistente inteligente para ayudar al usuario en usos delicados o repetitivos. Para ello, es imprescindible modelar el funcionamiento de la aplicación a partir de observaciones.
Nuestros experimentos con los métodos existentes muestran que tienen limitaciones. En particular, las hipótesis habitualmente necesarias para el descubrimiento de modelos de procesos de negocio quedan invalidadas debido a los numerosos errores de los registros y a la complejidad de los procesos de negocio.
Los sistemas multiagentes adaptativos (AMAS) demuestran su capacidad para analizar datos que describen sistemas complejos y dinámicos, por lo que son relevantes para nuestro problema. Por ello, se diseña, desarrolla y evalúa un sistema multiagente, denominado SAMOTRACE. En esta tesis, este AMAS se centra en la detección y corrección de errores de trazado. Se abordan y tratan varios tipos de errores, cada uno de ellos inducido por el refinamiento de los comportamientos de los agentes. Además, se añaden gradualmente pruebas para validar los nuevos comportamientos y para verificar la ausencia de regresiones en los comportamientos existentes.
Resumen en francés
Análisis automático de los rastros de actividad de los usuarios para la comprobación y la mejora continua de sistemas logísticos complejos mediante sistemas multiagentes adaptativos
Los sistemas logísticos se vuelven cada vez más complejos a medida que cambia la normativa y que cambian las exigencias de los usuarios. Por ello, a veces resulta difícil mantener o utilizar estas aplicaciones.
Para garantizar un nivel de calidad aceptable, en esta tesis exploramos las posibilidades que ofrece la explotación de los rastros de actividad de los usuarios. Un rastro de usuario es un conjunto de datos que se emiten cuando un usuario utiliza un software. A corto plazo, el objetivo es proporcionar información a los equipos de producción. Por ejemplo, confrontando las pruebas de recetario con la utilización efectiva. A más largo plazo, podría diseñarse un asistente inteligente para ayudar al usuario en usos delicados o repetitivos. Para ello, es imprescindible modelar el funcionamiento de la aplicación a partir de las observaciones.
Nuestros experimentos con los métodos existentes demuestran que tienen sus límites. En particular, las hipótesis habitualmente necesarias para descubrir los modelos de los procesos de producción no son válidas debido a los numerosos errores de los diarios y a la complejidad de los procesos de producción.
Los sistemas multiagentes adaptativos (Adaptative Multi Agent Systems - AMAS) demuestran su capacidad para analizar datos que describen sistemas complejos y dinámicos; por tanto, son pertinentes para nuestro problema. Para ello, se ha diseñado, desarrollado y evaluado un sistema multiagente denominado SAMOTRACE. En esta tesis, este AMAS se centra en la detección y corrección de errores en las trazas. Se abordan y tratan diversos tipos de errores, cada uno de ellos provocado por el refinamiento de los comportamientos de los agentes. Además, se añaden pruebas graduales para validar los nuevos comportamientos y comprobar la ausencia de regresiones en los comportamientos existentes.
