AVALIAÇÃO DE PERFORMABILIDADE DE UMA ARQUITETURA DE SISTEMA DE MONITORAMENTO DE PACIENTES EM HOSPITAIS INTELIGENTES COM FONTES DE DADOS INTERNA E EXTERNA

Abstract

RESUMO: A variedade de tipos de sensores para monitoramento de saúde ajuda na tomada de decisão por profissionais da área. Para determinados quadros clínicos é interessante o monitoramento da saúde do paciente pós alta. Dispositivos vestíveis de monitoramento de saúde (como smartwatches) podem ser utilizados para enviar dados para o hospital. No entanto, para o monitoramento de um grande número de pacientes (externos e internos), é necessária uma infraestrutura computacional resiliente e de alto desempenho. Tais características exigem equipamentos de alto custo monetário. Para ajudar a planejar tal infraestrutura, esta dissertação apresenta um modelo SPN (Stochastic Petri Net) para avaliação de desempenho e performabilidade de uma arquitetura de sistema hospitalar multicamadas (edge-fog-cloud). O modelo permite avaliar o tempo médio de resposta (MRT), nível de utilização de recursos (U) e probabilidade de perda de dados (DP). Uma característica bem específica é considerar duas fontes de dados (interna e externa). As métricas de desempenho são avaliadas em dois cenários, baseados na variação do número de contêineres para processamento simultâneo na cloud e na fog. No cenário de variação na cloud (cenário 01) observou-se um congestionamento das requisições quando a utilização nessa camada chegou aos 100%, o que afetou negativamente o desempenho do sistema. Neste cenário, a configuração de 25 contêineres na nuvem se destacou por entregar dados mais equilibrados sobre o MRT, dando ao administrador do sistema maior controle sobre a alocação de recursos quando o hospital pode ter uma grande demanda por pacientes. Já no cenário de variação da capacidade da fog (cenário 02), a configuração de 25 entregou um menor tempo de resposta e taxa de queda em comparação ao cenário 01, bem como uma menor taxa de utilização dos componentes. Variando a capacidade da fog, as métricas apresentaram um melhor desempenho com utilização dos componentes e tempos de resposta menores do que o cenário anterior. O modelo é utilizado também para avaliar a performabilidade da métrica MRT sobre a variação dos parâmetros de maior influência na disponibilidade (MTTF do Contêiner) e desempenho (capacidade de processamento da cloud).

ABSTRACT:The variety of health monitoring sensor types aids healthcare professionals in decisionmaking. For certain clinical conditions, monitoring a patient’s health post-discharge is of interest. Wearable health monitoring devices (such as smartwatches) can be used to transmit data to the hospital. However, for monitoring a large number of patients (both external and internal), a resilient and high-performance computational infrastructure is required. Such characteristics demand high-cost equipment. To assist in planning such infrastructure, this dissertation presents a Stochastic Petri Net (SPN) model for performance and performability evaluation of a multi-layered hospital system architecture (edge-fog-cloud). The model allows for the assessment of average response time (MRT), resource utilization level (U), and data loss probability (DP). A highly specific feature is considering two data sources (internal and external). Performance metrics are evaluated in two scenarios based on the variation in the number of containers for simultaneous processing in the cloud and the fog. In the cloud variation scenario (scenario 01), a congestion of requests was observed when the utilization in this layer reached 100%, which negatively affected the system performance. In this scenario, the configuration of 25 containers in the cloud stood out for delivering more balanced data on the MRT, giving the system administrator greater control over the allocation of resources when the hospital may have a high demand for patients. In the fog capacity variation scenario (scenario 02), the 25 configuration delivered a lower response time and drop rate compared to scenario 01, as well as a lower component utilization rate. When the fog capacity varied, the metrics showed better performance with component utilization and shorter response times than in the previous scenario. The model is also used to evaluate the performability of the MRT metric on the variation of the parameters that most influence availability (Container MTTF) and performance (cloud processing capacity).