(*)Del Servicio y repartición donde se realizará el proyecto.

La figura 1 ilustra las relaciones entre los proyectos mencionados.

Figura 2.- Sistema Distribuído sin Balance de Carga

        El despacho de tareas o procesos sobre un conjunto no acotado de computadoras interconectadas en red teniendo en cuenta la variable ¨tiempos de comunicación¨ es un problema NP completo (Yang et al., 1991). Aunque en la práctica el número de computadoras en la red está acotado, este puede llegar a ser muy grande, por lo que el resultado anterior da una idea de la complejidad del problema planteado.
        Por otra parte, un ambiente de este tipo visto como una unidad computacional, tiene una capacidad de cálculo del orden de otros equipos mucho más sofisticados (tipo mainframes o máquinas masivamente paralelas), las cuales tienen la desventaja adicional de ser absolutamente propietarias, poco amigables, y no sirven como puestos de trabajo individual. Existen estudios de balance de cargas en multiprocesadores con memoria compartida (Subramaniam et al., 1994), arquitectura similar al multiprocesador del CeCal, obteniéndose buenos resultados.
        Según la ley de Grosch, que se ha venido comprobando empíricamente durante muchas generaciones de computadoras, la performance de una computadora crece con el cuadrado de su valor (Menasce et al., 1993). Si la computadora forma parte de una red, ese crecimiento puede llegar a ser más que potencial.
        Por dicha razón, estaciones de trabajo de uso personal conectadas en red y con la posibilidad de compartir recursos conforman un ambiente de trabajo cada vez más difundido, no sólo dentro de las Universidades sino también en Instituciones estatales y privadas. Sin embargo, se requiere de una administración eficiente, de forma de habilitar los mecanismos que permitan compartir recursos, minimizando toda perturbación en la performance de cada componente de la red.
        Lamentablemente, no es fácil encontrar esa administración eficiente.
        Empíricamente, se ha comprobado que la aplicación de algoritmos sencillos de balance de cargas mejora la performance de los programas distribuídos y, en general, de la red en la que son ejecutados (Shivaratri et al., 1992, Wang et al., 1985).
        Mediante un buen conocimiento de los factores de uso de cada una de las ETs individuales, se podrán desarrollar algoritmos de predicción de carga de las computadoras que conforman la red, de modo de optimizar la performance de la red por medio de una mejora en el gerenciamiento de tareas.
        Algunos trabajos ya hechos con ese objetivo, han identificado los parámetros más representativos para medir la carga de una computadora (Kunz, 1991) a los que se les ha aplicado Teoría de Colas y simulación (Ahmad et al., 1991; Eager et al., 1986) obteniéndose modelos sobre los cuales empezar un proceso de calibración de parámetros, de forma de ajustarlos lo mejor posible a diferentes redes.
        Se han utilizado también técnicas de economía, asignando en tiempo real un costo a cada maquina componente de la red, costo que es función de la disponibilidad de recursos libres que tiene; los criterios de balance de cargas intentarán minimizar el gasto, asignando más tareas a las máquinas más baratas (Waldspurger et al., 1992). Sin embargo, no se tiene conocimiento de implementaciones concretas de dichos modelos para ninguna red de computadoras.
        Dependiendo de las operaciones a realizar luego de detectado un desbalance de cargas (migración de procesos, re-priorizacion, recolección de información para próximas tareas), es que se plantean diversos objetivos en función de la performance que se pretende lograr de la red (determinación de los parámetros de carga a minimizar, por ejemplo) (ver Krueger et al., 1987).
        Normalmente, los usuarios que comprenden que este tipo de redes tienen una gran capacidad de calculo ocioso y quieren aprovecharlo, subestiman el trabajo subyacente que hay que realizar para que su programa (que actualmente corre en un PC o en un mainframe, requiriendo días de calculo) pueda ser ejecutado en esta nueva arquitectura, logrando bajar así los tiempos de procesamiento en forma muy sustancial (por lo menos, eso es lo que le prometieron...). Los tres principales motivos por los cuales los usuarios que necesitan grandes capacidades de cálculo no usan este tipo de arquitectura, son (Cook et al., 1994): 1) que no hay beneficios reales en aplicaciones reales: los speed-up que teóricamente se podrían lograr mediante la paralelización de código, se ven enfrentados a problemas tales como deficiencias en la configuración de las redes (lo cual las hace inevitablemente ineficientes), hardware poco confiable, etc.
2) falsas promesas respecto a la facilidad de programación. Hay una gran falta de herramientas de uso común para el desarrollo de aplicaciones seriales (debuggers, profilers, ambientes de desarrollo, etc.)
3) los sistemas no funcionan bien; las pocas herramientas que existen, o son de dominio público (lo cual les da la ventaja de disponerse de los fuentes, en caso de problemas, pero con la desventaja de tener soporte nulo o mínimo) o son productos comerciales extremadamente caros.         Afortunadamente, en la Facultad de Ingeniería la realidad no es tan pesimista: disponemos de una red de mas de 100 poderosas estaciones de trabajo conectadas en red, redes de fibra óptica operando a 100 Mbit por segundo, un multiprocesador, todo funcionando en forma armónica, estable y performante, debido a la correcta administración de la misma. Por otro lado, el Centro de Cálculo dicta todos los años (a través de docentes involucrados en este mismo proyecto) un curso de extensión orientado a docentes y no docentes internos y externos a la facultad (Calculo Intensivo en Sistemas Distribuídos en una Red de Computadoras), de forma de explicar a una asistencia multidisciplinaria y no necesariamente informática, cuáles son las facilidades que este tipo de arquitecturas les pueden proveer.
        Hoy en día, en la Facultad de Ingeniería se ejecutan programas paralelos (corriendo en forma distribuida en la red) desarrollados en esa misma casa de estudios por investigadores de variados institutos (Centro de Cálculo, Inst. de Mecánica de los Fluidos, Inst. de Matemáticas). Estos mismos programas seran usados como banco de pruebas para evaluar los nuevos despachadores de tareas que implementara este proyecto. A modo de ejemplo se utilizará un modelo numérico de corrientes de marea y viento del Río de la Plata, tema de estudio por investigadores de este grupo (Guarga et al., 1992; Kaplan et al., 1992; Kaplan 1996). El modelo incorpora la paralelización vía descomposición del dominio de cálculo en bloques (Gropp, 1990). Esto posibilita mejorar la solución del problema al trabajar con mallas de mayor densidad en el modelo global y emplear modelos encajados, bloques del dominio con tamaño de grilla menor que en el modelo global (del orden de 100 m) para zonas de interés. Siendo una de las aplicaciones más destacadas la modelación de corrientes en zonas costeras, para estudios del impacto ambiental del vertido de contaminantes o de eventuales derrames de hidrocarburos, es de destacar la necesidad de modelar globalmente todo el Río de la Plata para obtener las condiciones de borde a aplicar en el modelo encajado que incluye a la zona de interés.
        Dicho programa ya viene siendo probado: modelando en una grilla de 640.000 celdas el tiempo de cálculo del programa serial (1 ET) para 24 horas de simulación resulta ser de 7h30’ en tanto el tiempo empleado por el programa usando 4 ET es de 2h20’ resultando en una aceleración del cálculo de 3,2 veces. En tanto que modelando simultanemate las corrientes y el Transporte y Dispersión de un contaminante la aceleración del cálculo llega a 3,5 (tiempo 1 ET 15h, tiempo 4 ET 4h15’). Es de tener en cuenta que estos tiempos fueron obtenidos empleando las ET en modo dedicado exlusivamente al PTIDAL. Se ha visto que los tiempos de cálculo, empleando las ET en modo no dedicado, pueden llegar a incrementarse hasta el orden del tiempo dependiendo de las tareas que se ejecuten en ese momento. La meta del presente proyecto es la de minimizar este incremento optando por las ET adecuadas en cada momento.
        Todos estos requisitos plantean formidables demandas en capacidad de cálculo a la computadora utilizada. La única solución práctica ha sido la utilización de PVM (Geist, 1993) puesta en práctica ya en el CeCal (Kaplan, 1996). Existe por lo tanto buen conocimiento de las prestaciones de la red presente en una aplicación concreta de interés para el país.

B.- OBJETIVOS GENERALES Y ESPECÍFICOS
Generales:

· Implementar una mejora en los sistemas de gestión de la máquina virtual paralela actualmente operativa en la Facultad de Ingeniería
· Ensayar tal mejora y evaluar objetivamente los resultados obtenidos
· Elaborar modelos estadísticos para predecir la operación futura de la red a corto plazo
· Demostrar la posibilidad de dar respuesta a las demandas de cálculo en apoyo a los potenciales demandantes, ilustrándose con el caso de organismos estatales responsables de la gestión ambiental y física de la zona costera y plataforma marítima.

Específicos

· Desarrollar y validar un modelo de Predicción de Carga de cada una de las componentes de una red de ET no dedicadas, usando información histórica y estadística disponible.
· Elaborar criterios de despacho de tareas en un ambiente de computación distribuída, de forma de optimizar el balance de cargas de la red.
· Generar un software capaz de replicar en la red una serie temporal de estados de carga de ETs individuales.
· Evaluar como ejemplo la mejora en la performance de un modelo numérico para la simulación hidrodinámica de las corrientes de marea astronómica y de viento en el Río de la Plata capaz de ser utilizado en áreas de interés con gran definición (orden de 100 metros de tamaño de grilla)

C- ESPECIFICACIÓN DE LAS PREGUNTAS QUE BUSCA RESPONDER EL PROYECTO

¿ Qué criterio de despacho de tareas se puede aplicar en una red especifica de ET no dedicadas para minimizar los tiempos de ejecución de un programa de cálculo científico dado ?
¿ Qué modelo matemático es más preciso para predecir la carga de trabajo de una ET particular, en un horizonte de minutos ?

¿ Puede decirse que el criterio de despacho A es mejor que el B ?

¿ Como se pueden unir las respuestas a las preguntas anteriores en una instalación concreta, y poniéndolas bajo la forma de una rutina de despacho, invisible además al usuario ?

Suponiendo que todo lo anterior se logre, ¿ A cuánto asciende la ventaja en términos de tiempo (también demoninada speed-up) en una aplicación concreta ?

D.- ESTRATEGIA DE INVESTIGACIÓN

Se atacarán cuatro problemas simultánea e independientemente tal como se describe en las actividades específicas.

1. Se medirán valores cada minuto y cada cinco minutos de los parámetros significativos de uso de la máquina tal
    como se ha descrito. Tales registros podrían ser más representativos que los ya existentes (tomados más de un
    año atrás) y permitirán evaluar a posteriori los métodos de predicción de la serie de cargas.
2. Estos métodos serán investigados e implementados basándose en registros históricos de carga en nuestra red y
    en una red similar en Estocolmo, Suecia. Los archivos disponibles tienen 14 meses de duración y son muestras
    cada cinco minutos de las máquinas de una red de 40 CPUs. También hay disponible (para un período más
    corto) de registros cada minuto.
3. Se desarrollará un programa informático capaz de cargar artificialmente una máquina con valores dados por
    una serie temporal prefijada. Esta habilidad deberá ser dinámicamente controlada de forma de tener en cuenta
    la carga de la máquina debida a su uso normal (dado que no estará afectada exclusivamente al proyecto).
4. Se propondrán diferentes diferentes criterios de despacho y se diseñarán e implementarán rutinas para ampliar
    el ambiente PVM de forma que pueda aplicarlas utilizando las predicciones a corto plazo elaboradas.


Con los puntos anteriores cumplidos, se realizará un ensayo comparativo de los diferentes métodos de despacho propuestos, y se evaluarán los resultados en términos del tiempo requerido de cálculo, utilizando como problema test un modelo numérico existente escrito en FORTRAN .

E.- ACTIVIDADES ESPECIFICAS
1. Recolección de datos de carga de la red actual
2. Revisión bibliográfica
3. Estudio de antecedentes
4. Seminario de Actualizacion y Discusión del Avance del Trabajo
5. Análisis descriptivo de los datos ya disponibles
6. Determinación de los parámetros de carga a replicar
7. Determinación de los parámetros relevantes de carga a predecir
8. Modelización por series cronológicas de la serie univariada (una máquina, un parámetro)
9. Modelización por series cronológicas de la serie multivariada (una máquina con varios parámetros; varias máquinas y
    varios parámetros)
10.Modelización por redes neuronales de la serie univariada (una máquina, un parámetro)
11.Modelización por redes neuronales de la serie multivariada (una máquina con varios parámetros; varias máquinas y
    varios parámetros)
12.Implementación del prototipo de los modelos de predicción (bajo lenguaje Matlab)
13.Implementación de los modelosde predicción (bajo lenguaje C)
14.Desarrollo de algoritmos de despacho
15.Implementación de algoritmos de despacho
16.Desarrollo del programa de carga artificial de la red
17.Implementar el programa de carga artificial de la red (bajo lenguaje C)
18.Ensayo del programa de carga artificial de la red
19.Comparación de algoritmos de despacho usando carga artificial y el modelo PTIDAL
20.Redacción del informe
21.Realización de actividades de difusión
F.- MATERIALES Y MÉTODOS

Replicación en una ET dada de un estado de carga

        Para probar la bondad de los nuevos algoritmos que se desarrollarán para mejorar el despacho de tareas en un ambiente de computación distribuída utilizando información estadística sobre el uso de las computadoras involucradas, será necesario ejecutar varias veces el mismo programa distribuído, usando en cada corrida un algoritmo diferente de despacho de tareas. Sin embargo, para que la comparación sea realmente justa, dichas corridas deberán ejecutarse sobre las mismas condiciones de carga de la red.
        Por ejemplo, si deseamos comparar los algoritmos A y B de despacho de tareas, y usamos como programa de prueba el programa distribuído P, sería injusto correr el programa P con el despachador de tareas A a las doce del mediodía (cuando hay muchos usuarios trabajando, y la red esta cargada) y correr el programa P con el despachador de tareas B a las doce de la noche ( cuando probablemente no haya nadie trabajando en la red ); en esta comparación ( ignorando el ambiente de trabajo ), casi seguro que el algoritmo B se muestre mejor, cuando en realidad A es mejor.
        Siguiendo con el ejemplo anterior, tampoco es una solución fiel evaluar el algoritmo A a las doce del mediodía de hoy, y el algoritmo B a las doce del mediodía de otro día, dado que el hecho de que sea la misma hora no implica que la red tenga la misma carga.
        O sea, lo que se necesita es poder recrear el mismo ambiente de trabajo, para que un mismo programa distribuído pueda ser ejecutado varias veces bajo las mismas condiciones ( cambiando solamente el algoritmo de despacho de tareas a usar ); ello se logra si se puede lograr cargar artificialmente cada una de las computadoras de la red de forma que se aproxime lo más posible a la carga que tuvo en algún período de tiempo. Esta replicación deberá poder ser adaptativa, en el sentido de que se ajuste a la situación en que se encuentre la red en ese momento; o sea, si tenemos que lograr carga X y en el momento de la replicación la computadora tiene carga Y, entonces se deberá crear una carga de X-Y en la computadora, de forma de alcanzar el objetivo.

Modelos de Predicción

a) Tradicionales (Series Cronológicas)

        Uno de los principios básicos de la predicción estadística es que el predictor debería usar el comportamiento de los datos en el pasado, de modo de obtener una lectura de carga y una estimación de la velocidad con que esa carga crece o decrece.
        El problema no es tan sencillo como parece, sin embargo. Generalmente es difícil hacer proyecciones de datos en bruto, dado que velocidades y tendencias no son inmediatamente detectables. En general se hallan mezcladas con variaciones estacionales y/o son distorsionadas por varios factores como caídas de tensión, por ejemplo.
        Existen varios parámetros que permiten medir qué tan cargada está una computadora: por ejemplo, a cuántos usuarios está atendiendo al mismo tiempo, porcentaje del tiempo real y qué porcentaje del tiempo está simplemente esperando que alguien "teclee" algo, etc. Bajando un poco más de nivel, y yendo a medidas provistas por el kernel del sistema operativo, nos encontramos con valores más finos como: paquetes de red enviados y/o recibidos por segundo, actividad de paginado y swapeado por segundo, tráfico de disco en transferencias por segundo, cantidad promedio ( últimos 5, 10 y 15 minutos ) de procesos en condiciones de ser ejecutados, la cantidad de memoria disponible, etc.
        Determinar cuál, cuáles o si alguna combinación de cuáles de todas ellas es lo más representativo de la carga real de la computadora, es un tema bastante subjetivo. Sin embargo, los investigadores han detectado empíricamente que el más efectivo de todos ellos parece ser el promedio de procesos en condiciones de ser ejecutados (variable load). (Shivaratri et al., 1992; Kunz, 1991 )
        Desde un punto de vista práctico, sin embargo, los parámetros que miden el uso de CPU, disco y red (cpu, pck y dsk) que está teniendo la máquina, no deberían ser ignorados. Por ejemplo, si una computadora tiene sólo un proceso corriendo, pero dicho proceso utiliza mucha memoria y toda la CPU disponible, entonces el índice mencionado anteriormente no se vería mayormente afectado, si bien la máquina estaría realmente cargada.
        Los datos en bruto deberán ser procesados antes de ser usados en la modelización, y esto, frecuentemente es realizado por medio del análisis de Series Temporales.
        Una Serie Temporal es un conjunto de datos cronológicamente ordenados. En este caso, los datos que se tendrán en cuenta, corresponden a cuatro de las variables del sistema, a saber: uso de cpu, uso de red, uso de disco y carga del sistema.
        Por medio de técnicas de análisis de Series Temporales se intentará identificar y explicar:
        - toda regularidad o variación sistemática en la carga debida a estacionalidades
        - patrones cíclicos que se repitan semanalmente, mensualmente, etc.
        - tendencia en los datos
        - variaciones de tendencias
        El análisis de la serie temporal se hará en forma individual para cada componente de la red, dejando de lado, en esta primer aproximación al tema, el problema de las correlaciones que puedan existir entre las medidas de cada una de las estaciones terminales de la red ( la predicción de carga no es encarada para la red global, sino para cada una de sus partes ).
        El trabajo se enfocará por dos vías, que serán la base de los algoritmos de despacho de tareas que se confrontarán luego. Se considerará:
        a) la variable load
        b) un "bloque" de variables: cpu, pck, dsk
        La metodología a aplicar a a), se basará en los modelos ARMA, ARIMA, (Wei, 1989; Brockwell et al., 1991), y, en caso de detectarse que no hay homogeneidad de varianza (Brewsch et al., 1979), los modelos ARCH (Novales et al., 1991; Engle, 1972; Engle, 1975).
        En lo que se refiere a b), se hará un estudio previo para detectar una posible relación funcional entre las tres componentes del "bloque", y, de este modo, poder utilizar las metodologías descritas para el caso anterior. De no encontrarse dicha vinculación, se encarará el problema vectorialmente, hasta el grado de complejidad que se justifique en este primer acercamiento al tema.

b) No tradicionales (redes neuronales artificiales)

        Los métodos lineales descritos han sido usados con éxito en un gran número de aplicaciones, en los que se enfatiza en la predicción a corto plazo. En nuestro caso, interesa una predicción apropiada también en el mediano y largo plazo, para lo cual se propone considerar como alternativa las redes neuronales artificiales (ANN en lo que sigue).
        El problema de elegir el "mejor" método de predicción no es nuevo. Ya trabajos como los de Makridakis et al (1982) o Makridakis et al. (1993) lo han intentado y desafortunadamente la conclusión es que no hay un método que sea universalmente optimo para cualquier serie. En particular, el trabajo de Makridakis et al (1982) también denominada ¨Competencia M¨ comparó 24 métodos con 1001 series de datos diferentes, llegando a la conclusión que la ventaja de los métodos de Box y Jenkins (1970) (B&J en lo que sigue) para series univariadas que resultaba de los experimentos previos no era tal. Por cierto que esta en curso el experimento M3, que analizara 3003 series diferentes (Anon, 1997).
        Por otra parte, algunos métodos mas modernos surgidos con posterioridad fueron contrastados con éxito con la misma base de datos. Así, Sharda and Patil (1990) compararon el desempeño de ANN con los métodos de Box y Jenkins en 75 de los casos de la Competencia M, llegando a la conclusión que las primeras pueden mejorar significativamente el desempeño de las últimas en algunos casos. Similares resultados fueron obtenidos por Chang y Fishwick (1991). En los experimentos realizados pudieron verificar que incluso en varios de los casos en que Sharda y Patil (1990) declaraban que las ANN tenían un resultado comparable a B&J las redes no habían sido suficientemente entrenadas, o los parámetros no habían sido convenientemente elegidos. Ellos mostraron que las ANN podían rendir mejores resultados que los informados, pero que ello requería un análisis mas detallado de los datos.
        Este resultado no es sorprendente. En los últimos 10 años (a partir del trabajo de Rumhelhart et al., 1986) se ha avanzado mucho en el tema, y la técnica se ha aplicado con éxito en muchísmos más casos que los cubiertos por la Competencia M. Sólo a modo de ejemplo pueden citarse: estudio de la demanda en redes eléctricas (Islam et al., 1995; Srinivasam et al., 1995; Miyake et al., 1995), de contaminantes en la atmósfera (Boznar et al., 1993), toma de decisiones (Márquez et al., 1994) y recientemente por parte de nuestro equipo en el tema de series temporales de lluvia diaria (López, 1997).
        Chang y Fishwick (1991) también observaron que las ANN tenían un mejor desempeño cuando se las utilizaba para extrapolar directamente 12 meses a partir de los 12 anteriores, en lugar de aplicar 12 veces una extrapolación de un mes (como requiere B&J o como podría hacerse también con ANN). Ello tiene implicancias inmediatas para un problema como el nuestro, ya que fijado el horizonte de la predicción, lo que interesa es minimizar el error conjunto y no necesariamente hacer una predicción óptima para los primeros instantes en desmedro de los posteriores.
        Al igual que en el caso de los métodos tradicionales, para la aplicación de las ANN se visualizan dos etapas. La primera consistirá en evaluar la posibilidad de producir estimaciones razonables basándose únicamente en la historia de la CPU particular en la que se requiere la predicción. Este enfoque univariado parece imprescindible, porque podría ocurrir que la misma diera resultados razonables, evitándose por tanto la complejidad de las redes multivariadas (que tienen muchisimos mas parámetros a entrenar). Este será un objetivo a cumplir.
        La segunda etapa intentará realizar la predicción basándose en la información temporal de la CPU dada, y de las demás de la red. Para el entrenamiento se espera que solo un numero limitado de muestras sea suficiente, lo que permitiría manejar eficientemente eventuales cambios en la red (aparición de una nueva máquina, salida de servicio de otras, etc.). Cualquier cambio debería requerir un período de entrenamiento (necesariamente breve) para la ANN.

G.-CRONOGRAMA DE EJECUCIÓN
 

H.- DESCRIPCIÓN DETALLADA DE LAS TAREAS QUE REALIZARAN LOS INTEGRANTES DEL EQUIPO (INCLUIR PERSONAL DOCENTE Y NO DOCENTE EXISTENTE, EXTENSIONES DE CARGOS DOCENTES Y NO DOCENTES, NUEVOS CARGOS DOCENTES).

CARLOS LÓPEZ: Grado 4, 50% de 40hs. semanales

- Dirección del proyecto
- Desarrollo de Modelos de Predicción de Series Temporales Multivariadas basados en técnicas de Redes
    Neuronales
- Implementación en lenguaje Matlab de los modelos de predicción desarrollados
ELÍAS KAPLAN: Grado 3, 50% de 40hs. semanales
- Implementación en lenguaje C de los mecanismos de despacho de tareas nuevos e integración al sistema PVM
- Ensayo con un programa paralelo para la comparación de los distintos algoritmos de gerenciamiento de tareas.
ANTONIO LÓPEZ: Grado 3, 100% de 6hs. semanales
- Diseño del programa para replicar cargas de la red
- Diseño de los nuevos algoritmos de despacho y de la integración al sistema PVM.
CELINA GUTIÉRREZ: Grado 2, 100% de 20hs. semanales
- Desarrollo de Modelos de Predicción basados en Series Cronológicas
- Implementación en lenguaje Matlab de los modelos de predicción desarrollados
AYUDANTE A CONTRATAR: Grado 1, 30hs. semanales
- Implementación en lenguaje C de los mecanismos de despacho de tareas nuevos e integración al sistema PVM
- Implementación en lenguaje C de los modelos de predicción desarrollados
- Implementación en lenguaje C del programa para replicar cargas de la red


I.- RESULTADOS ESPERADOS

• Un programa capaz de mejorar los tiempos de ejecución obtenibles con PVM en una red de ET no dedicadas
• Una medida de la mejora obtenida, ejemplificando con un programa de cálculo hidrodinámico actualmente operativo en ambiente PVM
• Un programa capaz de replicar en cualquier momento la carga de una ET según una serie temporal prefijada
• Un análisis estadísticos de la series temporales de los parámetros de carga de una ET, y uno o varios modelos (válidos para un grupo amplio de máquinas con funciones dispares) capaces de realizar una predicción a futuro de la misma
• Consolidar un grupo de trabajo en un área con aplicaciones fuertemente asociadas a las necesidades del medio y de la Facultad

J.-ESTRATEGIAS DE DIFUSIÓN

        Buena parte de la difusión se realizará mediante intercambio via e-mail y grupos de interés. Sin perjuicio de ello se asistirá a congresos, y se planea poner bajo dominio público el software resultante.

K.-IMPACTO Y/O BENEFICIOS DE LOS RESULTADOS

        Las necesidades de potencia de cálculo están fundamentalmente asociadas a la investigación realizada por los institutos de la facultad y/o los convenios en que la misma se involucra. El Centro de Cálculo ha sido en el pasado el proveedor casi exclusivo de potencia de cálculo, situación que ha evolucionado junto con la tecnología y el crecimiento de la red de facultad. En este momento sólo las aplicaciones de cálculo muy intensivo (a las cuales apunta este proyecto) se beneficiarían directamente con sus resultados.
        La reducción de inversiones asociada a un mejor uso de los recursos informáticos inactivos puede ser considerable, especialmente ante demandas de cálculo intensivo. Una super-mini-computadora tiene costos de adquisición que son múltiplos de los costos de las ET en uso en el proyecto, y tiene además otros inconvenientes, como ser la dificultad de su mantenimiento (porque en el mundo se fabrican pocas unidades del mismo modelo) y su uso exclusivo para aplicaciones de cálculo. La red de ET permite un uso más flexible, facilitando además un escalonamiento de las inversiones, como se ha hecho en la facultad.

L.-REFERENCIAS BIBLIOGRÁFICAS

• Ahmad, Ghafoor and Mahrotra, 1991 Performance Prediction of distributed load balancing on multicomputer systems, ACM, 830-839
• Anónimo, 1997 The M3 - International Journal of Forecasting competition.http://weatherhead.cwru.edu/forecasting/ijfcompetition.html
• Bergman C.M.; Sawley, M.L.; 1993. "The use of the message passing model on distributed networks for Computational Fluid Dynamics", EPFL Supercomputing Review, Nº 5.
• Box, G. E. P. and Jenkins, G. M., 1970. Time series Analysis: Forecasting and Control. Holden-Day, San Francisco, CA
• Boznar, M., Lesjak, M. and Mlakar, P., 1993. "A neural Network-based method for short-term predictions of ambient SO2 concentrations in highly polluted industrial areas of complex terrain" Atmos. Environ., V 27B, N 2, 221-230
• Brewsch, T.S. & Pagan A.R. 1979 "A simple Test for Heteroscedasticity and Random Coefficient Variation" - Econometrica, V 47, N 5, 1287 - 1294
• Brockwell, Peter J. & Davis, Richard A. " Time Series: Theory and Methods ". Springer Verlag.
• Cook, Pancake and Walpole, 1994. "Are expectations for parallelism too high? A survey of potential parallel users", IEEE Trans. on Computers
• Chang, Z., and Fishwick, O. 1991. Feed forward neural nets as models for time series forecasting TR91-008 Computers and Informations Sciences, University of Florida, 26 pp.
• Davies, A.M. and Proctor R., 1990. "Developping and Optimizing a 3-D-Spectral/Finite Difference Hydrodinamic Model for the Cray X-MP". Computers & Fluids, V 18, N 3, 259-270.
• Dongarra, J., Geist, G.A.; Mancheck R, Sunderam V.; 1993. Integrated PVM framework supports heterogeneous network computing, Computers in Physics, Nº7.
• Eager, Lazowska and Zahorjan, 1986Adaptative Load Sharing in Homogeneous Distributed Systems, IEEE Trans. on Soft. Eng., 662-675
• Engle, Robert F. 1975 "ARCH: Selected Readings". Oxford Press
• Engle, Robert F. 1972 "Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation" - Econometrica, V 50, N 4, 987-1007.
• Geist, A.; Beguelin A.; Dongarra J., Mancheck, R, Sunderam V; 1993. "PVM 3.0 Users's Guide and Reference Manual". Oak Ridge National Laboratory Report.
• Gropp, W.D.; Smith, E.B.; 1990. "Computational Fluid Dynamics on parallel processors". Computers & Fluids V 18 N 3, 289-304.
• Guarga, R., E. Kaplan, S. Vinzon, H. Rodriguez, I. Piedracueva. 1992. "Aplicación de un modelo de corrientes en diferencias finitas al Río de la Plata". Revista Latinoamericana de Hidráulica, San Pablo, Brasil.
• Islam, Syed; Al-Alawi, Saleh and Ellithy, Khaled 1995. Forecasting monthly electric load and energy for a fast growing utility using an artificial neural network. Electric Power Systems Research, V 34, 1-9
• Kaplan, E., S. Vinzon, H. Rodriguez. Julio, 1992. "A Tidal Currents Numerical Model Applied to the Río de la Plata", Conferencia HYDROSOFT, Valencia, España.
• Kaplan, E, 1996, "A Tidal Currents Numerical Model distributed using Block Domain Decomposition" DD9 Proceedings (Ninth International Conference on Domain Decomposition, Bergen, Norway)
• Krueger and Livny, 1987 The diverse Objetives of Distributed Scheduling Policies, IEEE Computer, 242-249
• Kunz, 1991 The influence of different workload descriptions on a heuristic load balancing scheme, , IEEE transactions on software engineering, 725-730
• López, A. 1993. "Procesamiento distribuído en una red de workstations heterogéneas", 21ª Conf. Latinoamericana de informatica, CLEI 93, Bs.As, Arg.
• López, C. 1997. Application of ANN to the prediction of missing daily precipitation records, and comparison against linear methodologies. To be presented at the Third International Conference on Engineering Applications of Neural Networks. Stockholm, 16-18 June.
• Makridakis, Chatfield, Hibon, Lawrence, Mills, Ord, and Simmons, 1993. The M2-Competition: A real time judgementally based forecasting study, International Journal of Forecasting, V 9, 5-22.
• Makridakis, Spyros et al., 1982 The Accuracy of Extrapolation (Time Series) Methods: results of a Forecasting Competition. Journal of Forecasting, 1, 111-153.
• Márquez, L., T. Hill, M. O'Connor, and W. Remus, 1994 Artificial Neural Networks for Forecasting and Decision Making, International Journal of Forecasting, 10, 5-15.
• Mutka, Matt W., 1992 Estimating Capacity for sharing in a Privately Owned Workstation Environment, IEEE Transactions on Software Engineering, 319-328
• Menasce and Almeida, 1993, Cost-Performance Analysis of Heterogeneity in Supercomputer Architectures, IEEE , 169-177
• Miyake, T.; Murata, J. and Hirasawa, K. 1995 One-day through seven-day-ahead electrical load forecasting in consideration of uncertainties of weather information. Electrical Engineering in Japan, V 115, N 8, 135-142
• Novales, Alfonso & García-Diez, Mercedes, 1991 "Guía para la Estimación de Modelos ARCH" Estadística Española, V 35, N 132, 5-38.
• Rumelhart, D., Hinton, G. and Williams, R., 1986 Learning representations by back-propagating errors. Nature, V 323, 533-536.
• Sharda, R., and Patil, R., 1990. Neural networks as forecasting experts: An empirical test. International Joint Conference on Neural Networks, V 1, 491-494, Washington D.C. IEEE
• Shivaratri, Krueger and Singhal, 1992, Load Distributing for Locally Distributed Systems, IEEE-Computer, 33-44
• Srinivasan, D.; Chang, C.S. and Liew, A. C. 1995. Demand forecasting using fuzzy neural computation, with special emphasis on weekend and public holiday forecasting. IEEE trans. on power systems, V 10, N 4, 1897-1903
• Subramaniam and Eager, 1994 Affinity Scheduling of Unbalanced Workloads, IEEE Trans. on Computers
• Waldspurger, Hogg, Hunerman, Kephart and Stornetta, Spawn. 1992 A Distributed Comnputational Economy, IEEE Trans on Soft. Eng, 103-117
• Wang and Morris, 1985 Load Sharing in Distributed Systems, IEEE Trans on Computers, 204-217
• Wei, William W.S. 1989 "Time Series Analysis": Univariate and Multivariate Methods". Addison-Wesley Publishing Company
• Yang and Gerasoulis, 1991, A fast static scheduling algorithm for DAGs on a unbounded number of processors, Communications of the ACM, 633-642

11.2) CONFIGURACIÓN DEL GRUPO DE INVESTIGACIÓN
A.- INTEGRANTES DEL GRUPO (INCLUIR TESISTAS)
    M.Sc. Carlos López, Ing. Elías Kaplan, Ing. Antonio López y Lic. Celina Gutierrez
B.- INSTITUTO, SERVICIO O LABORATORIO
    Centro de Cálculo, Facultad de Ingeniería
C.- PROYECTOS EN EJECUCIÓN, ORGANISMOS QUE LO FINANCIAN
    Se encuentran en este momento 4 proyectos en vias de ejecución directamente vinculados con esta propuesta

C.1.- Proyecto MNCD
"Modelo Numérico de Corrientes de Marea y Viento para uso distribuido en una red de estaciones de trabajo" (MNCD) y calibración de dicho modelo en el Río de la Plata y su plataforma continental.
Monto y financiamiento : CONICYT-BID 87/94          69.000 U$S
                                Universidad de la República:          34.000 U$S
                                                                     Total:         103.000 U$S

        La modelación numérica de fenómenos físicos, en particular en la mecánica de los fluidos, esta teniendo gran difusión como complemento o reemplazo de la modelación física.
        Debido a la creciente magnitud de los problemas encarados (mallas con miles de puntos, mayor orden de las soluciones, modelación de los fenómenos turbulentos, salidas gráficas en tiempo real) la capacidad computacional requerida, medida en flops (operaciones de punto flotante por segundo), se ha incrementado. Ello ha llevado a enfrentar dichos problemas con el uso de varias computadoras conectadas en red, integrándolas en paralelo como una "maquina virtual" mediante pasaje de mensajes a través de la red. La introducción de la tecnología de paralelización del modelo numérico permite obtener los resultados en tiempo real. Es posible operarlo también con un modelo de transporte y dispersión de escalares (contaminantes, particulas en suspensión, larvas, derrames petroliferos, etc)
        Para paises como el Uruguay es una alternativa económicamente más viable, y de mayor aprovechamiento para los organismos, que la de disponer de una supercomputadora capaz de resolver los problemas antes mencionados por si solo. Permite utilizar la red de computadoras existente, en el caso del CeCal, ya se cuenta con una red de 5 estaciones a las cuales se suman las de la Facultad de Ingeniería totalizando unas decenas. Dichas computadoras pueden funcionar individualmente como estaciones gráficas o para cálculos menos intensos y utilizando su capacidad "sumada", posiblemente en horas de bajo requerimiento por los usuarios particulares, para la resolución de los problemas que se encaran.

C.2.- Proyecto "URU-Parallel" - ITDC 194
Performance of a Shallow Water Model and a Global Climate Model distributed across homogeneous and heterogeneous parallel architectures.
Monto y financiamiento :     Union Europea - ITDC 194             156.000 U$S
                                           Universidad de la República:                 80.000 U$S
                                                                                 Total:               233.000 U$S

La propuesta "URU-Parallel" fue presentada a la Union Europea en el marco del llamado ITDC'94 ("Information Technologies in Developing Countries") recibiéndose en Julio de 1995 el equipamiento solicitado, constituido por:

3 estaciones de trabajo de altas prestaciones equipadas con disco SCSI, CD-ROM, unidad de cinta de alta capacidad, conexión a red FDII de 100 mbit por segundo

1 estación de trabajo de altas prestaciones del tipo multiprocesador SMP (Shared Memory Processors) con 4 procesadores, equipadas con disco SCSI, CD-ROM, unidad de cinta de alta capacidad, conexión a red FDII de 100 mbit por segundo

Router con interfaces: a.-  WAN para conexión a Internet a 64 kb/s o más, b.- LAN ethernet para conexión a la red de facultad de ingeniería (fing.edu.uy), c.- LAN FDDI para conexión a las estaciones de trabajo de la nueva red de fibra óptica (red fddi.fing.edu.uy)

Software: sistemas operativos, compiladores, utilitarios.

C.3.- Proyecto Centro de Cálculo-Royal Institute of Technology (Estocolmo)
Monto y financiamiento :     Colaboración Sueca(BITS)         1:400.000 U$S
                                                                                 Total:         1:400.000 U$S

        La formación de personal del CeCal se viene llevando a cabo mediante dos acuerdos de colaboración con el el Intituto Suecto de Ayuda (BITS) que financian la llegada de docentes suecos para dictar cursos de Computación Cirntífica, Paralelismo, Fluido Dinámica Computacional, SIG, etc. También se financian las pasantías de investigación de los docentes del CeCal en el Royal Institute of Technology de Estocolmo, Suecia. En este marco el personal científico que intervendra en el proyecto se ha formado en los temas relativos al mismo.
        A esto debe agregarse las becas de doctorado y maestría financiadas también por el CONICYT-BID en las que participan 2 de los científicos del proyecto y otros integrantes del CeCal.

C.4.- Proyecto de control de calidad de datos meteorológicos e imputación de valores ausentes
Monto y financiamiento :     CONICYT-BID 51/94             241.000 U$S
                                    Universidad de la República:               85.000 U$S
                                                                          Total:            326.000 U$S

El proyecto tiene como objetivo el estudio de diferentes técnicas aplicables fundamentalmente (pero no en forma excluyente) a datos meteorológicos, para resolver los problemas principales que se detallan a continuación:

a) detectar errores aleatorios en un banco de datos existente
b) señalar valores sospechosos en el momento de su ingreso al banco de datos
c) imputar o asignar valores para los datos ausentes, tanto en tiempo real como en el propio banco
    (entendiéndose como tiempo real, la ejecución de las tareas mencionadas en lapsos comparables
    con el insumido en el ingreso de la información).

13.2) PERSONAL NO DOCENTE YA EXISTENTE ASIGNADO AL PROYECTO.

        No corresponde

13.3) EXTENSIONES DE CARGOS DOCENTES SOLICITADAS.

SUB-TOTAL U$S 4.210 (18 meses: 6315 )

• VER FORMA DE CÁLCULO EN EL INSTRUCTIVO.

13.4) EXTENSIONES DE CARGOS NO DOCENTES SOLICITADAS.

No corresponde

13.5) CREACIÓN DE CARGOS DOCENTES SOLICITADA.

SUB-TOTAL U$S 5.005 (18 meses: 7.508)

• VER FORMA DE CÁLCULO EN EL INSTRUCTIVO

VALOR ESTIMADO U$S _________________

14.2) MATERIALES SOLICITADOS.

SUB-TOTAL U$S _____392_______________

14.3) OTROS GASTOS. NO SE FINANCIARAN ACTIVIDADES QUE ESTEN CONTEMPLADAS EN LOS PROGRAMAS IMPLEMENTADOS POR LA UNIDAD DE RECURSOS HUMANOS DE LA C.S.I.C. (*)

(*) Como por ejemplo: Publicaciones, Asistencias a Congresos, etc.

SUB-TOTAL U$S ____________________

JUSTIFICACIÓN DETALLADA DE LOS GASTOS:

______________________________________________________________________________________
______________________________________________________________________________________
______________________________________________________

VALOR ESTIMADO U$S 200.000___________

15.2) EQUIPOS SOLICITADOS: DESCRIBIR Y CUANTIFICAR LOS EQUIPOS QUE SOLICITA A LA C.S.I.C. PARA REALIZAR EL PRESENTE PROYECTO.

SUB-TOTAL U$S ________________

15.3) BIBLOGRAFÍA SOLICITADA.

(Especifíque tipo de publicación, costo unitario, cantidad y total solicitado).-

Time Series: Theory and Methods, Brockwell & Davis - Springer Verlag: U$ 100 (estim.)
ARCH: Selected Readings, Engle, Robert F. - Oxford Press: U$ 100 (estim. )
Introduction of Variance estimation: Wolter - Springer Verlag: U$ 150 (estim.)
Neural Networks: Algoritms, apps. & prog. techs. - Addison-Wesley: U$ 100 (estim.)
Eng. Apps. of Artificial Neural Networks - Bulsari & Kallio: U$ 150 (estim.)

SUB-TOTAL U$S : _________785______