Detecção de anomalias acústicas em data centers: Um Framework de monitoramento baseado em dispositivos IoT de baixo custo, aprendizado de máquina e sistema de alertas
data centers, monitoramento acústico, aprendizado de máquina, anomalias sonoras, Internet das Coisas.
Este trabalho apresenta um framework de monitoramento acústico voltado para infraestruturas de Tecnologia da Informação (TI), com ênfase em data centers, destinado à detecção de anomalias sonoras relacionadas a falhas em ativos críticos. A proposta distingue-se por ser de baixo custo, não invasiva e compatível com sistemas de monitoramento abertos, integrando dispositivos de Internet das Coisas, processamento de sinais, técnicas de aprendizado de máquina e mecanismos de alerta. A metodologia envolveu um mapeamento sistemático da literatura, realizado para identificar abordagens existentes e lacunas de pesquisa, seguido do delineamento de uma arquitetura modular composta pelas camadas de captura, pré-processamento de áudio, extração de características, aplicação de modelos de aprendizado e integração com softwares abertos. Como resultados parciais, destacam-se a conclusão do mapeamento da literatura, a definição da arquitetura e testes práticos que validam a utilização do framework.