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