AIDOaRt: AI-augmented automation for efficient DevOps, a model-based framework for continuous development At RunTime in cyber-physical systems

AIDOaRT tiene como objetivo mejorar la cadena de herramientas DevOps empleando técnicas de Inteligencia Artificial (IA), en particular Machine Learning (ML), en múltiples aspectos del proceso de ingeniería de sistemas (calidad de diseño y modelado el rendimiento del código fuente, la cobertura de las pruebas y la monitorización predictiva, entre otros). Según AIOps, el conjunto de herramientas que se desarrollarán en AIDOaRT deberán soportar:

• La recopilación y supervisión de datos en tiempo de ejecución (registros, eventos y métricas) y datos de software (modelos de diseño), así como la gestión de su trazabilidad. Observe
• El análisis de datos históricos y en tiempo real. Analyze
• La orientación y automatización de las operaciones de diseño y desarrollo. Automate
   

El proyecto pretende utilizar AIOps para proporcionar herramientas de ayuda a la decisión y apoyar las diversas tareas de ingeniería de sistemas. Además, las innovaciones tecnológicas de la IA tienen que garantizar que los sistemas se diseñen de forma responsable y contribuir a que confiemos en su comportamiento (tanto en términos de responsabilidad como de explicabilidad), por ejemplo, tal y como promueven las Directrices Éticas del Grupo de Alto Nivel de IA.

Gracias a las capacidades proporcionadas, AIDOaRt quiere impactar en las organizaciones donde el despliegue continuo y la gestión de operaciones son procedimientos operativos estándar. Los equipos de DevOps pueden utilizar el framework de AIDOaRt para analizar flujos de eventos (para datos en tiempo real e históricos) junto con la información de diseño (por ejemplo, en diferentes modelos de sistemas) con el fin de extraer ideas significativas para mejorar el desarrollo continuo del sistema, acelerar los despliegues y fomentar una mejor colaboración, y reducir el tiempo de inactividad con la detección proactiva. detección proactiva. Esperamos que las tecnologías AIDOaRt sean utilizadas por la industria en el desarrollo de sistemas complejos que se adapten a la demanda real de los sistemas y sean relevantes para todas las aplicaciones críticas.

Objetivos

El objetivo de AIDOaRt es integrar las innovaciones tecnológicas de la IA para garantizar que los sistemas se diseñen de forma responsable mejorando la confianza en su comportamiento. La integración de las técnicas de IA puede afectar a todo el proceso de desarrollo de los sistemas. Por ello, AIDOaRt pretende ofrecer un enfoque holístico para la ingeniería continua de sistemas que:

• Proporcione un framework basado en modelos para apoyar el proceso de ingeniería de sistemas continuos CPS beneficiándose de la automatización aumentada por la IA.
• Mejore la cadena de herramientas DevOps correspondiente integrando el uso de técnicas de IA (especialmente Machine Learning) en múltiples aspectos del proceso de desarrollo de sistemas (por ejemplo, para apoyar los requisitos, la supervisión, el modelado, la codificación y las actividades de prueba).
• De soporte a la recopilación, representación y trazabilidad de datos en tiempo de ejecución (como registros, eventos y métricas) y modelos de software (Observe), asiste en el análisis de datos tanto históricos como en tiempo real en combinación con información de diseño (Analyze) y da soporte a la automatización de tareas del pipeline de DevOps según los resultados del análisis previo (Automate).

Impacto

Los equipos de DevOps pueden utilizar el framework de AIDOaRt para analizar flujos de eventos (para datos en tiempo real e históricos) junto con la información de diseño (por ejemplo, en diferentes modelos de sistemas) con el fin de extraer ideas significativas para mejorar el desarrollo continuo del sistema, acelerar los despliegues y fomentar una mejor colaboración, y reducir el tiempo de inactividad con la detección proactiva. detección proactiva.

Las tecnologías AIDOaRt serán utilizadas por la industria en el desarrollo de sistemas complejos que se adapten a la demanda real de los sistemas y sean relevantes para todas las aplicaciones críticas.