Pós-Graduação em Ciência da Computação – UFPE
Defesa de Tese de Doutorado Nº 577

Aluno: Antônio Correia de Sá Barreto Neto
Orientador: Prof. Paulo Romero Martins Maciel
Título: Modelos de Machine Learning baseados no padrão de uso do usuário 
para estimar consumo energético e utilização de dispositivos do smartphone
Data: 16/09/2022
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:

Prof. Nelson Souto Rosa (UFPE / Centro de Informática)
Prof. Germano Crispim Vasconcelos (UFPE / Centro de Informática)
Prof. Eduardo Antonio Guimarães Tavares (UFPE / Centro de Informática)
Prof. Jose Neuman de Souza (UFC / Departamento de  Computação)
Prof. Patricia Takako Endo (UPE / Campus Caruaru)


RESUMO:

O crescente uso de smartphones nas tarefas cotidianas tem motivado muitos 
estudos sobre a caracterização do consumo de energia para melhorar a 
eficiência energética dos dispositivos presentes nos smartphones e aumentar 
o tempo de uso do usuário. Nesse cenário, é fundamental estudar mecanismos 
capazes de caracterizar o uso dos dispositivos com base nos padrões de uso 
do usuário, a fim de que os componentes dos smartphones possam ser 
adaptados para promover a melhor experiência do usuário com menor consumo 
de energia.
Este estudo tem como objetivo construir modelos de uso de dispositivos e 
caracterizar seu consumo de energia por meio de um modelo de consumo de 
energia baseado em padrões de uso do usuário, para fornecer modelos mais 
precisos a serem usados por desenvolvedores de aplicativos e mecanismos de 
otimização automatizada.
Com o intuito de desenvolver os modelos de uso dos dispositivos e seus 
respectivos consumos de energia, estabelecemos um método para identificar 
os componentes com maior influência no consumo de energia do smartphone. 
Assim sendo, identificamos as características dependentes de outras 
características para criar modelos responsáveis por estimar as 
características dependentes com base naquelas independentes. Estabelecemos, 
também, um método para comprovar a robustez dos modelos por meio de módulos 
construídos que realizam análises estatísticas, a fim de escolher os 
modelos mais adequados para cada dispositivo modelado e com o intuito de 
modelar o consumo de energia do smartphone mesmo na presença de hardware 
impreciso.
Após treinar e testar cada estratégia para modelar o uso e consumo de 
energia dos dispositivos com base no uso do usuário e após realizar testes 
estatísticos para avaliar o modelo mais adequado usando esta estratégia, 
mostramos que é possível obter um erro quadrático médio de 248,37mW quando 
a média da potência do smartphone é de 1480,68mW, representando um erro da 
ordem de 16,77\% da média da potência instantânea.
Desenvolvemos modelos de uso e de consumo de energia dos dispositivos que 
consideram o uso do usuário e chegamos às considerações de que podemos 
adotar estratégias para minimizar o uso de componentes que drenam a bateria 
com os modelos desenvolvidos.

Palavras-chave: Serviço Android; Consumo de energia; Uso de Dispositivos; 
Aprendizado de Máquina; Inteligência Artificial; Padrão de Uso do Usuário.

Comentários desativados