Diante da variedade de plataformas, infraestruturas e serviços disponibilizados na nuvem, diversas pesquisas buscam auxiliar na seleção ou ranqueamento de serviços que atendam às necessidades dos usuários especificadas em acordos de serviço. Nesse contexto, diversos autores propõem a utilização de modelos de decisão para solucionar conflitos de interesse no momento da tomada de decisão. Rehman, Hussain e Hussain (2012b) utilizaram um conjunto de métodos para tomada de decisão visando selecionar infraestruturas como serviço. A pesquisa apresentou um estudo de caso realizando um ranqueamento de 13 serviços na nuvem. O conjunto de serviços foi ranqueado baseando-se em 7 métodos com multicritérios.
Por sua vez, em (MARTENS; TEUTEBERG, 2012), os autores apresentaram um modelo
de decisão para seleção de serviços na nuvem em um cenário multisourcing considerando custo e fatores de risco. O modelo proposto calcula a importância dos processos de negócio por meio de pesos. Adicionalmente, os autores especificaram um conjunto de parâmetros relacionados aos custos do negócio. O modelo foi simulado através da ferramenta FICO
Xpress Optimizer. Além disso, foi apresentado um resumo sobre as teorias e requisitos uti-
lizados na modelagem de decisão. No trabalho proposto por (GARG; VERSTEEG; BUYYA,
2013a), os autores apresentam um framework para ranqueamento de serviços em nuvem baseando-se em atributos de Qualidade de Serviço (QoS). O estudo de caso apresentou a classificação de três serviços na nuvem considerando métricas como qualidade, desempe- nho, sustentabilidade e capacidade. O framework proposto realiza o ranqueamento através de uma estrutura hierárquica composta por uma matriz de métricas ponderada.
Garg, Versteeg e Buyya (2013b) propuseram um framework chamado SMICloud para auxiliar na tomada de decisão. O framework considera um conjunto de atributos (por exemplo, responsabilidade, agilidade, garantia de serviço, desempenho, custo e usabili- dade) ao priorizar e classificar os melhores serviços, com o mecanismo de classificação baseado no método AHP. Shivakumar, Ravi e Gangadharan (2013) apresentaram um modelo multicritério baseado em lógica fuzzy para ranquear serviços na nuvem. O modelo considera métricas de QoS e baseia-se na variação de uma escala representada por pesos. Um estudo de caso com três serviços foi apresentado considerando os níveis de qualidade
de cada serviço a partir das métricas agilidade, custo, desempenho, segurança e recursos computacionais (CPU, disco, memória). Em (MAITY; CHAUDHURI, 2014), foi apresentada
uma proposta para seleção de serviços em ambientes na nuvem considerando um algo- ritmo genético multiobjetivo. Os atributos utilizados para cada serviço foram número de cores na CPU, CPU virtual e quantidade de mémória RAM.
Lee e Seo (2016) propuseram um modelo híbrido de tomada de decisão multicritério para seleção de Infraestrutura como Serviço (IaaS). O modelo considera o problema de seleção de serviços em nuvem usando indicadores balanceados de desempenho (BSC), do inglês, Balanced Scorecard (BSC), método fuzzy Delphi (FDM), do inglês, Fuzzy Delphi
Method (FDM) e um processo hierárquico analítico fuzzy (FAHP), do inglês, Fuzzy Analy- tical Hierarchy Process (FAHP). Os critérios foram dividos em quatro classes: financeiro,
cliente, processo de negócio e aprendizagem. Exemplos como custo de manutenção (finan- ceiro), usabilidade (cliente), processo de negócio (simplificação do processo) e aprendi- zagem (agilidade), entre outros, foram utilizados como critérios para tomada de decisão. Tais critérios foram ponderados e apresentados a partir de cinco infraestruturas como serviços na nuvem.
Sachdeva et al. (2016) adotaram a técnica para ordenar alternativas através da si- milaridade com a solução ideal, do inglês, TOPSIS em conjunto com o método fuzzy intuicionista (IFS) para selecionar soluções de nuvem para gerenciar projetos de big data. O método adotado utiliza termos (muito importante ou sem importância) e valores em- píricos em uma escala que varia de 1 (um) até 5 (cinco). O estudo de caso abordou cinco soluções no mercado de nuvem que suportam projetos de big data. Para cada solução, os autores especificaram critérios qualitativos como a continuidade e segurança no pro- vimento do serviço. Liu, Chan e Ran (2016) apresentaram uma abordagem multicritério para auxiliar no processo de escolha de um fornecedor de serviços de nuvem. A proposta utilizou o método TOPSIS para encontrar a solução ideal e o método Delphi-AHP para as- sociar pesos aos objetivos de ranqueamento. Como exemplo para ilustrar a aplicabilidade da abordagem, foram usados dados hipotéticos considerando atributos TOE (Tecnologia, Organização e ambiente). Os atributos utilizaram custos associados à aplicação, aos custos para computar, armazenar e transferir os dados.
Em (DING et al., 2017a), os autores propuseram uma abordagem para realizar o ranque-
amento de serviços na nuvem baseado em um método de predição. A partir de informações como nível de satisfação dos usuários, o método associa as preferências informadas pelos usuários e identifica os resultados por um ranking. A abordagem adicionou essas prefe- rências ao coeficiente de correlação Kendall (eKRCC), do inglês, Kendall rank correlation
coefficient (KRCC). Um experimento foi utilizado para demonstrar a aplicabilidade do
método utilizando um dataset com atributos de QoS. Já no trabalho seguinte, Ding et al. (2017b) estenderam o trabalho anterior e trouxeram esquemas de recomendação utili- zando funções multiobjetivos. O estudo de caso utilizou o mesmo dataset com atributos
de QoS para realizar o ranqueamento dos cenários.
(JATOTH et al., 2018) apresentaram um método de decisão multicritério para a seleção
de serviços em nuvem. A abordagem utiliza o método Grey TOPSIS associado ao método AHP. Os autores descreveram uma empresa hipotética com a intenção de selecionar in- fraestruturas como serviço considerando cinco parâmetros de QoS (custo, processamento, I/O, armazenamento e memória). O estudo preliminar apresentou a aplicação de dezenove cenários ao método proposto. No trabalho de Abdel-Basset, Mohamed e Chang (2018), é apresentado um tomador de decisão para estimar diferentes serviços em nuvem, forne- cendo uma abordagem de análise de decisão multicritério para estimar a qualidade dos serviços em nuvem. Foi apresentado um modelo baseado no processo de hierarquia analí- tica neutrosófica, do inglês, Neutrosophic Analytic Hierarchy Process (NAHP). Os valores relacionados aos critérios, tais como, segurança, escalabilidade, desempenho, acessibili- dade, adaptabilidade foram coletados por meio de entrevistas. Os resultados preliminares descreveram o ranking de três serviços na nuvem. Al-Jabri et al. (2018), por sua vez, pau- taram um método de tomada de decisão baseado em grupos, onde um grupo de tomadores de decisão está envolvido no processo de decisão. Cada tomador de decisão fornece pesos para os critérios de seleção de nuvem. Com base nas combinações e desvios dos pesos, os tomadores de decisão selecionariam as alternativas.
Como visto, várias pesquisas apresentam diversas estratégias para o processo de to- mada de decisão, considerando serviços em nuvem e infraestruturas computacionais. Para tanto, faz-se necessária a definição de objetivos, critérios e método(s) para encontrar uma solução ou um conjunto que possa atender uma demanda. Cada abordagem apresentada utilizou métodos baseados em simulação, algoritmos, ponderação, entre outros, para orde- nação dos resultados. Esta tese propõe a utilização de métodos baseados em agrupamento de dados por meio de medidas de similaridade e dominância de pareto para agrupar e gerar um ranking de serviços modelados e avaliados. Assim, essa abordagem pode auxi- liar gestores, analistas e usuários de serviços na nuvem no momento em que necessitem escolher uma um serviço.