Um modelo de tráfego de rede para aplicação de técnicas de controle estatístico de processos.

• Main Author: André Franceschi de Angelis
• Other Authors: Carlos Antonio Ruggiero
• Language: Portuguese
• Published: Universidade de São Paulo 2003
• Subjects: controle estatístico de processo; IP; modelos; redes de computadores; tráfego; computer networks; models; statistical process control; traffic
• Online Access: http://www.teses.usp.br/teses/disponiveis/76/76132/tde-11072003-224550/

O objetivo deste trabalho é construir um modelo do tráfego de redes de computadores e aplicar a este modelo o conjunto de técnicas de Controle Estatístico de Processo (CEP) de forma a viabilizar ações preventivas sobre a rede. Trabalhou-se com a hipótese de que é possível determinar estatisticamente o comportamento da rede em um dado número de variáveis de interesse. O modelo, representado em sua forma final por um conjunto de variáveis que descrevem o tráfego modelado, foi construído a partir da observação da rede local do Instituto de Física de São Carlos (IFSC). Recolheram-se aproximadamente 10 milhões de registros, pelo software NeTraMet, classificados em fluxos e posteriormente processados por aplicativos criados especificamente para esta finalidade. Dado que o CEP pressupõe a normalidade dos dados, cuidou-se de verificar formalmente esta propriedade nas amostras colhidas, pela aplicação do teste qui-quadrado aos valores individuais. Em conformidade a referências da literatura, fez-se o mesmo em relação aos valores médios das amostras. Em ambas as situações, comprovou-se a não-normalidade das distribuições. Investigaram-se os efeitos desta constatação no CEP e desenvolveu-se uma nova metodologia de cálculo dos limites de controle, fundamentada nos trabalhos do matemático russo Pafnuty Lvovich Chebyshev (1821 – 1894), sobre teoria das probabilidades. Adaptou-se, pois, o CEP às condições reais observadas, expandindo-se a possibilidade de seu uso em distribuições não-normais. Aplicou-se o CEP devidamente adaptado aos dados da rede do IFSC, gerando-se um estudo de caso. Verificou-se que o modelo capta adeqüadamente a realidade da rede. Sua utilidade foi ilustrada pela efetiva detecção de situações anômalas. As cartas CEP geradas sugeriram a inserção de um ajuste de sensibilidade nos controles, deixado para futuros trabalhos. Os objetivos da pesquisa foram atingidos pela criação de um modelo original e comprovação da hipótese inicialmente apresentada. Foram excedidas as expectativas pela obtenção de resultados importantes e inesperados e pelo desenvolvimento de uma nova metodologia de cálculo para um ferramental já consagrado. === This work aims the development of a computer network traffic model, and subject it to the set of Statistical Process Control (SPC) techniques, in order to allow preventive actions to the network. The hypothesis of a possible statistical determination of the network behavior, at a certain number of specific parameters, was analysed. The model was developed based on local observations of the Instituto de Física de São Carlos (IFSC) network, and the final version of the model was represented by a set of parameters that describes its traffic. The NeTraMet software collected around 10 million reports, classified as flows and later on processed by specific applications. Since the SPC assumes the normality of the data, a chi-square test was applied to individual values, to confirm this characteristic in the samples collected. The same was done to the average values of the samples, as recommended by the literature. Both tests showed the no-normality of the distributions. This effect on SPC was studied, and then a new methodology to calculate the control limits was developed, based on the work of the Russian mathematician Pafnuty Lvovich Chebyshev (1821-1894), about the probability theory. SPC was adapted to real conditions making its use in no-normal distributions possible. A well-adapted SPC was applied to the IFSC network data, resulting in a study case, and it could be verified that the model properly captured the reality of the network. Its use was demonstrated by the effective detection of anomalous situations. The SPC charts generated suggested an adjustment of the control sensibility, what was left for future research. The development of an original model and the confirmation of the hypothesis above, make clear that the goals of this work were achieved. In fact, important and unexpected results surpassed the expectations of this study, as much as the development of a new calculation methodology for a well-stated tool.