Rehbein, Matheus Henrique2020-05-0720192020-05-072020-05-07https://bibliodigital.unijui.edu.br/items/542b1188-1aa1-41a0-a35b-97b038757fd044 f.Geralmente as empresas possuem uma vasta quantidade de softwares em seu ecossistema de software, sendo eles utilizados para dar suporte aos mais diversos processos de negócio. Muitas vezes é necessário que as aplicações operem de forma integrada, auxiliando na operação de suas rotinas. Ferramentas de integração são utilizadas para possibilitar a colaboração entre as aplicações. As ferramentas de integração visam processar a maior quantidade de mensagens em menor tempo, para isso, é necessário que a configuração de seus parâmetros ocorra corretamente. Uma das configurações é a quantidade de threads que estará disponível para realizar os processos de integração. Normalmente essa quantidade é definida por um engenheiro de software, porém a utilização de modelos matemáticos para identificação da quantidade ideal de threads é uma alternativa. Para os modelos matemáticos, é importante ter conhecimento da quantidade de mensagens que serão processadas em um determinado tempo, para que assim possam aumentar ou diminuir a quantidade de threads disponíveis durante a integração em tempo real. Para ter o conhecimento da quantidade de mensagens que serão processadas, é necessário a utilização de modelos de predição, sejam eles modelos específicos para o problema ou modelos de contexto geral, como modelos provenientes de inteligência artificial, como Regressão Linear e Deep Learning. Este trabalho tem como objetivo desenvolver e verificar a assertividade de modelos de Deep Learning e Regressão Linear na predição da quantidade de mensagens que serão processadas a partir da quantidade de threads e entrada de mensagens. Dentre os modelos desenvolvidos, destacou-se os modelos de Deep Learning, onde a assertividade foi próxima a 95%, enquanto que os modelos de Regressão Linear não foram capazes de obter conhecimento suficiente a partir dos dados.pt-BREngenhariasCiência da ComputaçãoDeep LearningFerramentas de integraçãoTCC