СОДЕРЖАНИЕ

image


ИНТЕЛЛЕКТУАЛЬНЫЕ ИТ В УПРАВЛЕНИИ

Нестационарная модель в задаче управления газотранспортной системой крупного 3 промышленного узла

В.В. Никаноров, С.Г. Марченко, Л.И. Бернер, Ю.М. Зельдин

Система автоматизации и диспетчеризации инженерных систем (САИДИС) 7

горноклиматического курорта «Альпика-сервис»

Бернер Л.И., Рощин А.В., Харитонов А.В., Колодин А.А., Передерий Ю.И.

Виртуальный тепловой узел для численного исследования процесса выращивания 12

профилированных кристаллов сапфира

Бородин А.В., Божко С.В.

Импортозамещение. Статус ТОРП 17

Новиков О.Ю.

Микросервисы как фундаментальная основа распределенного сборочного 21

программирования

Опарин Г.А., Богданова В.Г., Пашинин А.А.

Анализ состояния исследований в области методов и алгоритмов планирования в 26

ГРИД и облачных вычислениях

Топорков В.В., Емельянов Д.М., Топоркова А.С.

Моделирование рассуждений на графической информации в задачах СППР 31

Кучуганов А.В.

Автоматизация проектирования сборочных процессов сложных изделий с 36

использованием систем виртуальной реальности

Божко А.Н.

Компьютерное моделирование в промышленности, науке и образовании 41

Шорников Ю.В.

О функциональной надежности информационных систем 45

Гаранин А.И.

Моделирование стратеги решения проблемы тупиковой ситуации в базах данных 50

Волушкова В.Л.

Структура автоматизированного каталога услуг 54

Бородин В.А., Савушкин С.А., Лемешкова А.В

Конструирование комплексной транспортной услуги 60

Цыганов В.В., Савушкин С.А., Горбунов В.Г.

ИНФОРМАТИЗАЦИЯ ОБРАЗОВАНИЯ

Инструменты ограничения доступа в социальных образовательных сетях 65

Сергеев А.Н.

Состояние и тенденции развития современных научно-образовательных сетей 69

Репин Д.С., Боков Д.Ю.

Разработка и печать 3D модели «Конструктора химических атомов» 76

Рудакова Г.М., Киндякова Д.Д.

Формализация задачи планирования учебного процесса в виде динамической 79

системы

Доррер Г.А., Рудакова Г.М., Москалёва С.С.

Система оценивания знаний для больших потоков студентов 84

Ерохина Е.А., Хруслова Д.В.

Приложение для автоматизированного подсчета скорости чтения пользователя 90

Ерохина Е.А., Шаимов Н.Д., Пересадов В.Т

Проблемы распознавания языка жестов и методы их решения 95

Завьялов А.В.

CONTENT

image


INTELLECTUAL IT IN MANAGEMENT

Nonstationary model in the task of managing the gas transportation system of a large 3 industrial unit

    1. Nikanorov, S.G. Marchenko, L.I. Berner, Yu.M. Zeldin

      The system of automation and dispatching of engineering systems (SAIDIS) of the 7

      alpine resort "Alpika-service"

      Berner L.I., Roshin A.V., Kharitonov A.V., Kolodin A.A., Peredery Yu.I.

      Virtual thermal node for numerical study of the process of growing profiled crystals 12

      of sapphire

      Borodin A.V., Bozhko S.V.

      Import substitution. Status of THORP 17

      Novikov O.Yu.

      Microservices as a fundamental basis for distributed assembly programming 21

      Oparin G.A., Bogdanova V.G., Pashinin A.A.

      Analysis of the state of research in the field of methods and algorithms for planning 26

      in GRID and cloud computing

      Toporkov V.V., Emelyanov D.M., Toporkova A.S.

      Modeling reasoning on graphical information in DSS tasks 31

      Kuchuganov A.V.

      Automation of designing assembly processes of complex products using virtual 36

      reality systems

      Bozhko A.N.

      Computer modeling in industry, science and education 41

      Shornikov Yu.V.

      On the functional reliability of information systems 45

      Garanin A.I.

      Modeling the strategy for solving the problem of the deadlock in databases 50

      Volushkova V.L.

      Structure of the automated catalog of services 54

      Borodin V.A., Savushkin S.A., Lemeshkova A.V.

      Design of an integrated transport service 60

      Tsiganov V.V., Savushkin S.A., Gorbunov V.G.

      INFORMATIZATION OF EDUCATION

      Tools for restricting access in social education networks 65

      Sergeev A.N.

      The state and development tendencies of modern scientific and educational networks 69

      Repin D.S., Bokov D.Yu.

      Development and printing of 3D model "Designer of chemical atoms" 76

      Rudakova G.M., Kindyakova D.D.

      Formalization of the task of planning the educational process in the form of a 79

      dynamic system

      Dorrer G.A., Rudakova G.M., Moskalova S.S.

      The knowledge evaluation system for large student flows 84

      Erokhina E.A., Khruslova D.V.

      The application for automated calculation of the user's read speed 90

      Erokhina E.A., Shaimov N.D., Peresadov V.T.

      The problems of recognition of sign language and methods for their solution 95

      Zavyalov A.V.

      image

      УДК 681.518.3

      НЕСТАЦИОНАРНАЯ МОДЕЛЬ В ЗАДАЧЕ УПРАВЛЕНИЯ ГАЗОТРАНСПОРТНОЙ СИСТЕМОЙ КРУПНОГО ПРОМЫШЛЕННОГО УЗЛА

      Владислав Васильевич Никаноров, канд. техн. наук, зам. начальника департамента

      E-mail: [email protected] ПАО «Газпром» http://www.gazprom.ru

      Сергей Григорьевич Марченко, главный инженер, первый зам. генерального директора Е-mail: [email protected]

      ООО «Газпром трансгаз Москва» http://moskva-tr.gazprom.ru

      Леонид Исаакович Бернер, д-р техн. наук, проф., генеральный директор Е-mail: [email protected].

      Юрий Маркович Зельдин, канд. техн. наук, заведующий отделом ИУС Е-mail: zeld[email protected]

      АО «АтлантикТрансгазСистема» http://www.atgs.ru

      Описан процесс оперативного диспетчерского управления газотранспортной си- стемой (ГТС). Управление по схеме «предиктор-корректор» позволяет уменьшить ошибки, повысить запас устойчивости и/или энергоэффективность. Предъявлены тре- бования к математической модели ГТС, предложен метод отображения результатов прогноза.

      Ключевые слова: оперативное диспетчерское управление, газотранспортная си- стема, схема управления «предиктор-корректор».

      image

      image

      Основными задачами газотранс- портного предприятия (ГТП) – террито- риального подразделения ПАО «Газ- пром» - являются выполнение заданий ПАО «Газпром» на транспортировку газа по участку газотранспортной си- стемы (ГТС), а также гарантированная подача контрактных объемов газа потре- бителям в зоне ответственности Пред- приятия. При этом необходимо обеспе- чить максимально возможную эффек-

      тивность работы ГТП – минимум энергетических затрат за отчетный период. Решать по- ставленные задачи приходится в условиях технологических ограничений (минимально и максимально допустимые давления в трубопроводе, наличие резервных мощностей га- зоперекачивающих агрегатов, максимальная пропускная способность ГТС, ограничен- ный объем поступающего газа и т.п.), а также проводимых на Предприятии работ по тех- ническому обслуживанию и ремонту ГТС.

      Управление газотранспортной системой производится производственно-диспет- черской службой Предприятия. Типовой процесс оперативного диспетчерского управле- ния ГТС (без учета нештатных ситуаций) состоит из следующих этапов:

      • планирование режима работы с учетом плана транспорта и распределения газа, текущего состояния системы, плановых работ по техническому обслуживанию и ре- монту участков газопроводов и технологического оборудования;

      • установка планового режима работы ГТС;

      • контроль параметров технологического процесса, выявление отклонений от пла- новых показателей, проведение корректирующих действий для возврата к плановому ре- жиму (при необходимости).

      image

      Оперативное диспетчерское управление (ОДУ) охватывает временной горизонт от нескольких часов до нескольких суток, в течение которых описанные выше этапы цик- лически повторяются, в том числе из-за корректировки плановых показателей. Схемати- чески процесс оперативного диспетчерского управления ГТС представлен на Рис. 1.

      image

      Рис. 1 Процесс оперативного диспетчерского управления ГТС

      image

      image

      Для планирования режима ГТС, составления плана переключений в настоящее время активно используются нестационарные математические мо- дели ГТС в режиме вариантных расче- тов [1]. В качестве начального состоя- ния берется текущий online-режим га- зотранспортной системы.

      ГТС совместно с производ- ственно-диспетчерской службой и сред- ствами автоматизации представляет со- бой систему с обратной связью, в кото-

      рой человек (диспетчер) включен в контур управления. При этом ГТС является объек- том, обладающим рядом особенностей:

      • географическая протяженность и инерционность системы. Время от приложения управляющих воздействий в одной точке до требуемой реакции системы (как правило, в другой точке) составляет от двух до шести часов. Реакция системы на управляющее воз- действие зависит не только от текущего состояния ГТС, но и от его предыстории (неста- ционарный режим);

      • наличие взаимосвязанных элементов системы с существенно различной инерци- онностью (например, магистральный газопровод большого диаметра с компрессорной станцией в нескольких десятках километров и короткий газопровод-отвод к крупному потребителю). Значимость этого фактора особенно возрастает при газоснабжении круп- ного промышленного узла;

      • существенная суточная и дневная неравномерность потребления газа;

      • отсутствие заданного «раз и навсегда» планового режима, изменение плана с те- чением времени;

      • ограниченность имеющихся ресурсов: поступление газа в ГТС, запас газа в тру- бопроводах, резерв мощности газоперекачивающих агрегатов (ГПА) и т.п.;

      • технологические ограничения;

      • изменение характеристик объекта управления из-за отключения части участков в ходе технического обслуживания или ремонта;

        image

        - отсутствие простых методов достижения максимальной эффективности. Реше- ние, обеспечивающее максимальную эффективность в текущий момент времени, может привести к повышенному расходу энергоресурсов в дальнейшем и снижению общей эф- фективности работы ГТС за период.

        Из-за них управление ГТС является сложной задачей, требующей высокой квали- фикации диспетчерского персонала.

        С точки зрения общей теории управления, подача управляющих воздействий на ос- нове анализа текущего и предыдущих состояний ГТС, а также с учетом других влияющих факторов (например, прогноза температуры наружного воздуха) реализует схему програм- мно-адаптивного управления по возмущению и отклонению [2]. При этом для инерцион- ных систем со сложными причинно-следственными связями (какой является ГТС) прин- ципиально невозможно свести вектор ошибки к нулю. В устойчивом процессе програм- мно-адаптивного управления изменения вектора ошибки носят колебательный характер.

        Уменьшить вектор ошибки позволяет схема управления «предиктор-корректор» [2]. Она строится на основе прогнозирования поведения системы в самом процессе управления. Прогнозная информация подается на вход программно-адаптивного модуля управления. Вследствие этого система реагирует не только на уже свершившееся откло- нение от планового режима, но и на то, которое только имеет тенденцию к осуществле- нию (в случае, если прогнозирование достаточно точное). Если программно-адаптивное управление замыкает прямые и обратные связи через уже свершившееся прошлое, то в схеме «предиктор-корректор» некоторая часть прямых и обратных связей замыкается че- рез прогнозируемое будущее. При условии достаточно высокой точности прогноза схема

        «предиктор-корректор» обеспечивает наиболее высокое качество управления за счет того, что сводит до нуля фазовый сдвиг между возмущающим и управляющим воздей- ствиями. Это позволяет употребить ресурсы системы на повышение запаса устойчивости и/или энергоэффективности. Повышение энергоэффективности достигается также за счет анализа поведения системы за период времени и принятия решений, которые обес- печат не «одномоментную», а общую энергоэффективность.

        Как было отмечено выше, схема «предиктор-корректор» дает положительные ре- зультаты при условии высокой точности прогноза. Для газотранспортных систем наилучшие результаты прогнозирования дают нестационарные математические модели ГТС в режиме online (например, ПВК «Волна» разработки ФГУП «РФЯЦ-ВНИИТФ им. академика Е.И. Забабахина» [3], ПВК «Веста» разработки РГУ нефти и газа им. И.М. Губкина), с применением соответствующих методов предварительной обработки и подготовки параметров реального времени, поступающих от SCADA-системы [4]. По- вышение точности прогноза достигается учетом суточной неравномерности газопотреб- ления, для чего разработано несколько алгоритмов и соответствующих им программных комплексов [5, 6].

        Однако до сих пор не прорабатывался вопрос поведения математической модели ГТС при достижении в ходе прогнозирования технологических ограничений, и представ- ления диспетчеру результатов прогноза.

        В ходе расчета прогноза поведения ГТС может возникнуть ситуация, когда из-за достижения технологических ограничений невозможно обеспечить заданные граничные условия на входах / выходах газотранспортной системы. Например, из-за минимально допустимого давления на входе газораспределительной станции, невозможно обеспе- чить прогнозное потребление газа через нее. Обычно в этом случае модель ГТС сигна- лизирует о невозможности дальнейшего счета и останавливается. Такое поведение мо- дели не годится при управлении по схеме «предиктор-корректор», так как при этом дис- петчер получает сигнал о возникшей проблеме, но не видит ее возможного дальнейшего развития, не может оценить ее масштабов по величине и времени.

        При достижении технологических ограничений модель ГТС, работающая в режиме прогнозирования, должна продолжать расчет. Это возможно при изменении граничных

        image

        условий или режимов работы технологического оборудования. Модель ГТС должна ав- томатически обеспечивать следующее:

        • при заданном расходе газа на границе и расчетном давлении, при достижении ми- нимально или максимально допустимого давления переходить на расчет при фиксиро- ванном давлении и расчетном расходе. При возвращении давления в допустимый диапа- зон (с заданным гистерезисом) – возвращаться на расчет при заданном расходе и расчет- ном давлении;

        • при выходе рабочей точки ГПА на границу допустимых режимов изменять обо- роты ГПА таким образом, чтобы рабочая точка оставалась в допустимой зоне;

        • при достижении максимальных (минимальных) оборотов ГПА автоматически за- пускать дополнительный ГПА (останавливать работающий ГПА).

          Обо всех автоматически производимых изменениях модель должна уведомлять диспетчера.

          Важным вопросом при управлении на основе прогноза является представление ре- зультатов прогнозирования. Типовым методом являются тренды параметров (давление, расход, температура) в ключевых точках. Однако они не дают общей картины поведения ГТС в целом, особенно при большом количестве потребителей, и не позволяют оценить разницу между плановым и фактически возможным потреблением объекта (при дости- жении технологических ограничений). Так как для газотранспортной системы крупного промышленного узла основной задачей является гарантированное газоснабжение потре- бителей, эта информация позволит диспетчеру выстроить наиболее верную стратегию управления.

          Предлагается в дополнение к трендам представлять результат прогнозирования цветом и стрелками на укрупненной технологической схеме ГТС, с возможностью авто- матической или ручной прокрутки по времени. Подобные схемы широко применяются для отображения карт погоды, карт движения транспорта и т.п. Это позволит одним взглядом оценивать режим ГТС и тенденции его изменения как по ГТС в целом, так и на отдельных участках. Возможна следующая цветовая схема:

        • цвет газопровода в текущей точке соответствует давлению (высокое давление – желтый, среднее давление – зеленый, низкое давление – голубой);

        • стрелки вдоль газопровода обозначают расходы по участкам, величина стрелки соответствует величине расхода;

        • цвет объектов потребления соответствует разнице между плановым и фактически возможным часовым потреблением газа (в абсолютных единицах или % от плана).

          Таким образом, управление по схеме «предиктор-корректор» может повысить эф- фективность оперативного диспетчерского управления ГТС. Однако для полной реали- зации потенциальных возможностей необходимо соответствующим образом настроить работу математической модели ГТС, работающей в режиме online прогноза, и предста- вить результаты расчетов в удобном для анализа виде.

          Литература

          1. Бернер Л.И., Ковалев А.А., Киселев В.В. Управление газотранспортной сетью с исполь- зованием методов моделирования и прогнозирования // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2013. № 1.

          2. Достаточно общая теория управления. – М.: Концептуал, 2017. 464 с.

          3. Модестова Н. На гребне атомной «Волны» // Атомный эксперт. 2016. № 1 (43).

          4. Голубятников Е.А., Сарданашвили С.А. Проблемы моделирования on-line режимов си- стем газоснабжения // Территория Нефтегаз. 2015. № 4. С.32–37

          5. Никаноров В.В., Марченко С.Г., Бернер Л.И., Зельдин Ю.М., Плюснин И.П. Подсистема прогнозирования газопотребления // Автоматизация в промышленности. 2017. № 4.

          6. Абрамов А.С. Методы Data Mining в решении задачи прогнозирования газопотребле- ния / Сб. трудов 69-й международной молодежной научной конференции «Нефть и газ-2015». – М.: РГУ нефти и газа им. И.М. Губкина, 2015. 471 с.

            image


            Control of Gas Pipeline System of Large Industrial Area with Real-Time Transient Model

            Vladislav Nikanorov, Candidate of Engineering Sciences, Deputy Head of Department, Gazprom Sergey Marchenko, Chief Engineer - Deputy General Director, Gazprom transgas Moscow Leonid Berner, PhD in Engineering, Professor, General Director, AtlanticTransgasSystem

            Yury Zeldin, Candidate of Engineering Sciences, Head of SCADA and HMI Department, Atlantic- TransgasSystem

            The article describes the operational dispatch control of the gas transportation system (GTS). Using the «predictor-corrector» scheme allows to reduce errors, to increase stability and/or energy effi- ciency. The demands to the mathematical model of the GTS was presented, the method for displaying forecast results is proposed.

            Keywords: operational dispatch control, gas transportation system, «predictor-corrector» control scheme.


            УДК 681.518.3

            СИСТЕМА АВТОМАТИЗАЦИИ И ДИСПЕТЧЕРИЗАЦИИ ИНЖЕНЕРНЫХ СИ- СТЕМ ГОРНОКЛИМАТИЧЕСКОГО КУРОРТА «АЛЬПИКА-СЕРВИС»

            Леонид Исаакович Бернер, д-р техн. наук, генеральный директор Е-mail: bern[email protected]

            Алексей Владиславович Рощин, канд. техн. наук, первый зам. генерального директора по производству Е-mail: [email protected]

            Андрей Владимирович Харитонов, зав. сектором РКП Е-mail: [email protected]

            Андрей Александрович Колодин, зав. сектором ППО Е-mail: [email protected]

            АО «АтлантикТрансгазСистема» http://www.atgs.ru/

            Юрий Иванович Передерий, генеральный директор Е-mail: [email protected]

            ООО «Промавтоматика-Энерго»

            г. Краснодар

            В статье представлен практический опыт реализации территориально –распре- деленной системы автоматизации и диспетчеризации инженерных систем горноклима- тического курорта «Альпика-Сервис». Представлено описание 2ух уровней системы: нижнего уровня (уровень сбора данных и выполнения алгоритмов) и верхнего уровня (уровень диспетчерского управления).

            Ключевые слова: система автоматизации, горно-климатический курорт, система контроля и управления водоснабжением, система контроля и управления водоснабже- нием инженерными системами

            Горно-климатический курорт «Альпика-Сервис» включает в себя канатную дорогу

            «Аибга» и комплекс зданий (кафе, рестораны, гаражи ратраков, гаражи гондол, помеще- ния для обслуживающего персонала). Территориально-распределенная система СА- ИДИС предназначена для автоматизации и диспетчеризации инженерных систем гор- ноклиматического курорта «Альпика-сервис», таких как подсистемы вентиляции, водо- снабжения зданий, электроснабжения, освещения, пожарного водообеспечения и т.д.

            Архитектура системы-двухуровневая (рис.1).

            image


            image

            Рис. 1. Архитектура системы-двухуровневая

            На нижнем уровне Системы происходит сбор, обработка и анализ данных о состо- янии отдельных объектов, осуществляются все алгоритмы функционирования оборудо- вания

            image

            image

            На верхнем уровне Системы собираются и архивируются обработанные данные с нижнего уровня, осуществляется отображение данных о состоянии отдельных подсистем в удобной форме с целью контроля и управления диспетчером.

            Нижний уровень САИДИС вклю- чает в себя две основные части: подси- стема контроля и управления водоснаб- жением и подсистема контроля и управ- ления инженерными системами зданий.

            Подсистема контроля и управле- ния водоснабжением с перепадом вы- сот 1500 метров построена на базе кон- троллеров компании Siemens. Подси- стема управляет следующим технологи-

            ческим оборудованием:

        • Бустерные Установки (БУ) обеспечивающие давление воды в общей магистрали;

        • Хозяйственно Питьевые Резервуары (ХПР), служащие для накопления и обеспе- чения расхода воды для хозяйственного применения, также обеспечивается давление воды в общей магистрали;

        • Противопожарные Резервуары (ППР) обеспечивают постоянное накопление воды и обеспечивают давление воды в случае поступления сигналов с пожарной сигнализа- ции.

          Автоматизированное оборудование резервуара представлено на рис.2.

          В подсистеме предусмотрен автоматический, ручной и локальный режимы функ- ционирования, осуществлена релейная защита оборудования в случае невозможности работы (при перегреве оборудования, закрытии критически важных заслонок и т.п.).

          image

          Подсистема контроля и управления инженерными системами зданий постро- ена на базе контроллеров фирмы Honeywell и охватывает оборудование в 7 территори- ально распределенных зданиях. Система управляет следующими основными элемен- тами:

          • Приточно-вытяжная вентиляционная система обеспечивает вентиляцию помеще- ний, а также функции обогрева помещений на основании датчиков температуры

          • Система уличного освещения

          • Контроль и управление водоснабжением зданий (дополнительные насосы холод-

            image

            ного водоснабжения, насосы горячего водоснабжения, кон- троль расхода воды)

            • Контроль наличия питания 220 вольт, положения автоматов и переключающей аппаратуры

            • Интерфейс на при- точно-вытяжные вентиляци- онные системы с локальными контроллерами для осуществ- ления функций управления по глобальным алгоритмам и ре- шения задач сбора данных

              Рис. 2. Автоматизированное оборудование резервуара

              • Интерфейсы на си-

                стемы кондиционирования (кондиционеры, фанкойлы, чиллеры) для осуществления функций управления по глобальным алгоритмам и задач сбора данных

                • Интерфейсы на тепловые завесы для осуществления функций управления по гло- бальным алгоритмам и задач сбора данных

                • Интерфейс на систему подогрева кровли для осуществления функций управления по глобальным алгоритмам и решения задач сбора данных

                • Сбор данных телеметрии (температура, давление и расход воды, расход электро- энергии)

                • В подсистеме используются внешние интерфейсы по стандартам LON, BAC- NetMSTP, ModBusMSTP.

              Пример схемы автоматизации здания приведен на рис.3


              image

              Рис. 3. Пример схемы автоматизации здания

              image

              В подсистеме осуществлены локальные, ручные и автоматические алгоритмы за- щиты от замерзания систем вентиляции, регулирования мощности нагревателей, кон- троля возможности запуска вентиляции.Параметры оборудования и алгоритмы могут меняться в зависимости от времени суток и времени года.Для всех режимов осуществ- лена релейная защита от запуска при неисправностях и поступлении сигналов от пожар- ной сигнализации.

              Верхний уровень САИДИС реализован на основе базового SCADA-пакета EnterpriseBuildingManagement корпорации Honeywell, установленного на сервере под управлением операционной системы Windows 2012R2 64-bit.

              Верхний уровень реализует функции управления и мониторинга следующих под- ситем:

        • Подсистема контроля и управления инженерными системами зданий

        • Подсистема контроля и управленияводоснабжением

        • Подсистемами управления кондиционерами

        • Подсистемой учета электроэнергии

        • Подсистемой мониторинга состояния лифтов.

          В системе реализованы следующие протоколы обмена:

        • BACnet IP;

        • OPC;

        • ModBus IP;

          Контроль и управление инженерными системами горноклиматического курорта производится с АРМ оператора. Верхний уровень поддерживает до 5 АРМ оператора/ад- министратора системы.

          Примеры видеокадров верхнего уровня приведены на рис. 4


          image

          Рис.4. Примеры видеокадров верхнего уровня приведены

          Система верхнего уровня реализует следующие функции (контроль и управление):

        • дистанционное измерение аналоговых и сигнализация дискретных параметров, характеризующих состояние различных инженерных систем;

        • генерация уведомляющих, предупредительных или аварийных сообщений при выходе аналоговых параметров за уставки или изменении дискретных параметров, с воз- можностью их квитирования и временного отключения, ведение журнала событий;

          image

          • ведение архива аналоговых и дискретных сигналов;

          • отображение всех параметров на экранах АРМ оператора в виде видеокадров, гра- фиков, таблиц. Отображение параметров на экранах АРМ специалистов с использова- нием web-интерфейса;

          • защита от неверных действий диспетчерского персонала: расчет готовности ком- мутационных аппаратов к переключениям;

          • дистанционное управление устройствами с АРМ оператора.

            База данных реального времени содержит около 15000 точек ввода/вывода. Для успешного развертывания и эксплуатации системы подобного объема важное значение имеют следующие особенности выбранного базового SCADA-пакета EnterpriseBuildin gManagement:

          • северно-ориентированная архитектура, при которой все изменения производятся на сервере, а затем распространяются на клиентские рабочие места автоматически;

          • векторная графика, позволяющая легко создавать видеокадры различной насы- щенности и отображать их на мониторах с разным разрешением;

          • открытость базы данных, доступность ее через различные интерфейсы.

            Разработанная и реализованная система является территориально–распределенной системой, объединяющей оборудование разнообразных производителей с применением различных интерфейсов. Следует отметить, что разработка и реализация Системы осложнялись сложными ландшафтными характеристиками с перепадом высот около 1500 м, а также экстремальностью климатических условий на территории обслуживае- мого горно-климатического курорта, в связи с чем потребовалось создание особых алго- ритмов для реализации подсистем водоснабжения, вентиляции и отопления.

            Литература

              1. https://w3.siemens.ru/about_us/businesses/dfpd/

              2. https://www.honeywell.com/industries/buildings


Supervisory system of alpine resort Alpika-service

Berner Leonid, Doctor of Science (Tech.), President of AtlanticTransgasSystem, 11 Polbina st., Moscow 109388

Roschin Alexey, PhD (Tech.), Vice-president of AtlanticTransgasSystem, 11 Polbina st., Moscow 109388

Kharitonov Andrey, head of Integrated project delivery sector, AtlanticTransgasSystem, 11 Polbina st., Moscow 109388

Kolodin Andrey, head of Application software sector, AtlanticTransgasSystem 11 Polbina st., Moscow 109388

Peredery Jury, general director of Promavtomatika-Energo

The article discusses real world experience of implementation of geographically distributed supervi- sory system of alpine resort Alpika-service. The article examines two levels of supervisory control -the lower lever (data collection and algorithm execution) and the upper supervisory control level.

Keywords: supervisory control of water supply, supervisory control of utility systems, alpine resort.

image

УДК 54.053, 62-523.6

ВИРТУАЛЬНЫЙ ТЕПЛОВОЙ УЗЕЛ ДЛЯ ЧИСЛЕННОГО ИССЛЕДОВАНИЯ ПРОЦЕССА ВЫРАЩИВАНИЯ ПРОФИЛИРОВАННЫХ

КРИСТАЛЛОВ САПФИРА

Владимир Алексеевич Бородин, зам. ген. директора по научной работе

E-mail: [email protected]

Сергей Владимирович Божко, зам. ген. директора по производству

E-mail: [email protected] ФГУП ЭЗАН (г. Черноголовка), http://www.ezan.ac.ru/

В работе создан виртуальный тепловой узел и проведено численное моделирование процесса выращивания, включающее решение задач индукционного нагрева, теплопере- дачи в твердом теле, жидкости и газе, радиационного теплообмена, гидродинамики расплава, газовой динамики, термоупругости. Исследовано влияние давления защитного газа в камере, конструкции радиационных экранов и геометрии рабочей поверхности формообразователя на распределение температуры и термических напряжений в сап- фировой трубе и полусфере. Проведено сопряжение осесимметричной двумерной и трехмерной моделей для расчета распределения температуры в зоне кристаллизации при выращивании пакета сапфировых пластин. Полученные результаты согласуются с практически накопленной информацией и применяются для развития технологий выра- щивания профилированных кристаллов сапфира и производства оборудования.

Ключевые слова: Рост кристаллов, сапфир, математическое моделирование

Введение

В настоящее время рынок сапфира не оптоэлектронного применения развивается достаточно динамично. Получение монокристаллов сапфира методом Степанова явля- ется перспективной технологией, которая может составить конкуренцию хорошо осво- енному промышленностью методу Киропулоса – более 70 % искусственного сапфира не

image

image

оптоэлектронного применения произво- дят этим методом. Условием для широ- кого промышленного внедрения обору- дования и технологии выращивания про- филированных кристаллов сапфира явля- ется повышение производительности процесса и качества кристаллов. Сегодня развитие и оптимизацию промышленных технологических процессов невозможно представить без применения их глобаль- ных численных моделей. Непрерывная

связь между реальным процессом и его виртуальной моделью, их совместный анализ и уточнение обеспечивают непрерывное совершенствование технологии. К настоящему моменту для метода Степанова такая целостная глобальная численная модель процесса отсутствовала.

Наша работа посвящена созданию целостной численной модели процесса - вирту- ального теплового узла и численному исследованию процессов роста профилированных кристаллов сапфира с ее помощью.

Постановка задачи

Выраженная осевая симметрия цилиндрической камеры установки, индуктора и ос- новных элементов теплового позволяет использовать двумерную осесимметричную мо- дель. На рис. 1 представлен тепловой узел индукционного нагрева для выращивания про- филированных кристаллов сапфира, его геометрическая модель и разбиение расчетной области на сетку конечных элементов. Тепловой узел для выращивания кристаллов сложной формы методом динамического формообразования практически идентичен за

image

исключением геометрии отверстий в верхней части, позволяющей осуществлять гори- зонтальное перемещение кристалла. Тепловой узел установлен в водоохлаждаемой ка- мере (1), коаксиально проходит через индуктор (2) и включает графитовый цилиндриче- ский нагреватель (концентратор индукционных токов) (3), теплоизоляцию (4), формооб- разующее устройство (5), тепловые пластинчатые экраны (6), тигель (7), установленный на опору (11), соединенную с водоохлаждаемым штоком (10), расплав (8), выращивае- мый кристалл (9), платформу (12). Процесс выращивания происходит в атмосфере ар- гона. Расчетная область ограничена лишь внутренней поверхностью стенки камеры, непосредственно контактирующей с охлаждающей водой. Также задаются реальные ре- гулируемые параметры - мощность и частота индукционного нагрева. Исходной задачей является определение напряженности электромагнитного поля, создаваемого индукто- ром, омических потерь и тепловыделения элементов теплового узла. На втором этапе совместно решаются задачи теплопереноса, гидродинамики в расплаве и газовой дина- мики в рабочей камере ростовой установки, находится распределение температуры, поля скоростей в жидкой и газовой фазе, положение и форма межфазной границы [1, 2]. На третьем заключительном этапе рассчитывается поле температурных напряжений в кри- сталле. Лучистый перенос тепла внутри кристалла рассчитывался в приближении Россе- ланда [3]. Отметим, что фотонная составляющая теплопроводности во всем диапазоне температур кристалла в разы (от 20 до 10) превосходит фононную. Расплав рассматри- вали в приближении не сжимаемой среды, газ соответственно сжимаемой. Указанные задачи решались численно методом конечных элементов, используя программный пакет для мультифизического моделирования СOMSOL Multiphysics.


image

Рис.1. Тепловой узел индукционного нагрева

Результаты исследования

Начальным результатом вычислений является поле напряженности магнитного поля и удельная мощность тепловыделения на элементах теплового узла. Максимальная температура достигается на нагревателе в области дна тигля и составляет 2234о С. В га- зовой фазе выше теплового узла около центральной оси камеры наблюдается зона высо- ких температур (около 1000о С), обусловленная интенсивным конвективным течением газа из теплового узла вдоль внешних стенок выращиваемой трубы. Отметим, что мак- симальная скорость течения газа составляет 2,82 м/с, и достигает этого показателя или близких к нему значений на входе в зону нагревателя, на выходе из нее, и вне теплового узла на расстоянии 350 – 400 мм от верхних радиационных экранов. Также наблюдается достаточно интенсивный (1,2 м/с) поток газа между нагревателем и стеками тигля, при этом поток газа в области зоны кристаллизации и выше достаточно мал (0,1м/с) (рис.2).

Формообразователь создает центральный холодный остров в тигле, что определяет картину течения расплава, Скорость течения максимальна вдоль боковой поверхности формообразователя и направлено вниз. В области фронта кристаллизации отношение теплопроводности кристалла и расплава достигает двух порядков. Это создает значи- тельный перепад температуры в тонкой пленке расплава (40о С), что делает процесс

image

управляемым и устойчивым к тепловым флуктуациям. Распределение температуры в ме- ниске и форма фронта кристаллизации приведены на рис. 3.


image image

Рис.2

Отметим значительный вертикальный температурный градиент в жидкости равный 1300о С/см и наличие небольшого изгиба фронта кристаллизации в направлении выхода капиллярного канала. Поле скоростей потока расплава в капиллярном канале и мениске соответствует результатам расчетов более ранних работ [4, 5].


image

Рис.3

Мы исследовали влияние практически корректируемых параметров на распределе- ние температуры и, главное, термических напряжений в сапфировой трубе и полусфере. Проблема известна - трещины в кристаллах возникающие в процессе роста. С практиче- ской точки зрения наиболее удобными и наименее затратными способами изменения температурного поля в тепловом узле и кристалле является применение различных кон- струкций радиационных экранов и изменение давления защитного газа в камере. Прак- тика показывает, что удачное сочетание указанных методов позволяет добиться выращи- вания кристаллов высокого качества. На рис. 6 и 7 представлены результаты расчетов термоупругих напряжений в сапфировой трубе в зависимости от давления газа в камере и различных вариантов радиационных экранировок. Термические напряжения в кри- сталле представлены в виде эквивалентных напряжений Мизеса, форма кристалла при- водится для наглядности увеличено деформированной. Определено, что увеличение дав- ления защитного газа в камере с 30 до 100 кПа не приводит к изменению максимальных значений термических напряжений, вместе с этим наблюдается значительный рост

image

напряжений в верхней части трубы, рис. 4. Изучено влияние различных конфигураций радиационных экранов на поле напряжений в кристалле (рис 5). Установлено, что наклонные пластинчатые экраны обеспечивают минимальный уровень напряжений Ми- зеса. Относительно исходного, применяемого на практике варианта напряжения могут быть снижены на 25%.


image

Рис.4


image

Рис.5

Далее нами были проведены исследования, направленные на поиск конфигурации радиационных экранов, позволяющей снизить уровень температурных напряжений в кристалле сапфира в форме полусферы. Мы обнаружили (рис. 6), что полусферический радиационный экран, установленный вокруг кристалла, позволяет снизить уровень напряжений в большей части полусферы, при этом максимальное напряжение, достига- емое в высшей точке купола на внутренней поверхности, не изменяется, а применение радиальных пластинчатых экранов приводит к отрицательному результату – резко воз- растает как общий уровень, так и максимум напряжения.

image


image


Заключение

Рис.6

На основе программного пакета для мультифизического моделирования СOMSOL Multiphysics создан виртуальный тепловой узел для выращивания профилированных кристаллов сапфира, что позволяет проводить различные расчетные эксперименты. Про- ведено численное моделирование процесса выращивания, включающее решение задач индукционного нагрева, теплопередачи в твердом теле, жидкости и газе, радиационного теплообмена, гидродинамики расплава, газовой динамики, термоупругости. Исследо- вано влияние важных технологических параметров на распределение температуры и тер- мических напряжений сапфировой трубе и полусфере. Результаты согласуются с прак- тически накопленной информацией и применяются для развития технологий выращива- ния профилированных кристаллов сапфира. Автоматизированные технологические про- цессы получения крупногабаритных монокристаллических сапфировых труб способом Степанова, полусфер способом локального динамического формообозования осуществ- ляются на установках серии “НИКА”, выпускаемых ФГУП ЭЗАН.

Литература:

  1. Modest M.F. Radiative Heat Transfer, 2nd ed., Academic Press, San Diego, California, 2003.

  2. Sieger R., Howell J. Thermal Radiation Heat Transfer, 4th ed., Taylor & Francis, New York,

    2002.

  3. Рубцов Н.А. Теплообмен излучением в сплошных средах. Новосибирск: Наука, 1984.

  4. Borodin A. V., Borodin V. A., and Zhdanov A. V. Simulation of the pressure distribution in the melt for sapphire ribbon growth by the Stepanov (EFG) technique // J. of Crystal Growth. 1999. v. 198199. No 1, р. 220-224.

  5. Bunoiu O., Duffar T., Theodore F., Santailler J.L., Nicoara I. Numerical Simulation of the Flow Field and Solute Segregation in Edge-Defined Film-Fed Growth // J. of Crystal Growth. 2001. v. 12. p. 707717.


    The virtual thermal unit for numerical study of the growing process of shaped sapphire crystals

    Borodin A.V., deputy Director for Research, [email protected] Bozhko S.V., deputy Director for Production, [email protected] FSUE EZAN (Chernogolovka)

    A virtual model of the thermal unit with induction heating has been designed and numerical simula- tion of the growing process was carried out, including the solution of problems of induction heating, heat transfer in solids, liquid, and gas, heat transfer by radiation, melt and gas dynamics, and thermo- elasticity. The influence of argon pressure in the chamber, the design of radiation shields on the distri- bution of temperature and thermal stresses in the sapphire tube and hemisphere were investigated.

    The axisymmetric two-dimensional and three-dimensional models were coupled and calculation of temperature in the crystallization zone for simultaneous growing of sapphire plates was performed. The obtained results are consistent with practically accumulated information and are applicable for the development of shaped sapphire growing technologies and equipment production.

    Key words: Crystal growth, sapphire, numerical simulation.

    image


    УДК 004.032


    ИМПОРТОЗАМЕЩЕНИЕ. СТАТУС ТОРП

    Олег Юрьевич Новиков, начальник отдела продаж

    [email protected]

    ФГУП ЭЗАН (г. Черноголовка) http://www.ezan.ac.ru/

    Для обеспечения экономической, технологической и информационной безопасно- сти государства необходима систематизированная и комплексная поддержка россий- ских производителей телекоммуникационного оборудования. Рассмотрены особенно- сти присвоения статуса телекоммуникационного оборудования российского проис- хождения (ТОРП).

    Ключевые слова: Статус ТОРП.

    Введение

    Импортозамещение – это процесс в национальной экономике, в ходе которого в стране производится необходимая продукция силами производителей данного государ- ства. Простыми словами, российские производители из российского сырья производят продукты как общего назначения, так и специализированные,

    image

    пытаясь, таким образом, вытеснить иностранных игроков рынка или возместить растущий спрос на товары, которые раньше по- ставлялись из-за границы (https://zimport.ru/chto-takoe-importo zameshhenie/).

    Правительство особое внимание уделяет системам теле- коммуникаций и оборудованию сетей связи. Для стимулирова- ния производства телекоммуникационного оборудования в Рос- сии в мае 2010 года распоряжением правительства Минпром- торгу (МПТ) России совместно с Минэкономразвития России (МЭР) поручено разработать и утвердить: параметры, в соответ-

    ствии со значениями которых телекоммуникационному оборудованию, произведенному на территории Российской Федерации, может быть присвоен статус телекоммуникаци- онного оборудования российского происхождения; разработать методики определения значений параметров, в соответствии с которыми телекоммуникационному оборудова- нию, произведенному на территории Российской Федерации, может быть присвоен ста- тус телекоммуникационного оборудования российского происхождения;

    Совместным приказом МПТ и МЭР №1032/397[1] определён порядок и методика присвоения статуса телекоммуникационного оборудования российского происхожде- ния.

    В январе 2012 г. приказом Минпромторга создан Межведомственный Экспертный Совет (МЭС), задачи которого определили как:

    image

    Особое внимание уделяется проверке технологических возможностей предприя- тия. Не все компании, претендующие на получение статуса, имеют собственное произ- водство. Часто оборудование и его составные части производится по договорам с Рос- сийскими предприятиями. Это значительно затрудняет экспертизу.

    В чем проблема? К примеру, сегодня оборудование по КД (конструкторская доку- ментация) производится на Российском предприятии, а завтра оборудование будет изго- тавливаться в Китае по той же конструкторской документации.

    Не менее важным вопросом является проблема с производством оборудования по лицензионным соглашениям с зарубежными компаниями. В этом случаи получение ста- туса ТОРП не предполагает каких-либо проблем. Производимое по лицензии оборудо- вание, как правило, имеет одно и то же наименование и обозначение как произведённое в России, так и за рубежом. После получения статуса предприятие может изготавливать оборудование в России или покупать (готовое) у лицензиара. Для исключения поставки оборудования, не произведенного в России, МЭС требует наличие разных наименований и обозначений на подобное оборудование. Российский покупатель при заказе оборудо- вания должен точно знать, какое из них имеет статус ТОРП.

    К сожалению, небольшим предприятиям (в России) затруднительно получить ста- тус ТОРП, так как они не обладают полным комплектом конструкторской документации, хотя производят оборудование и даже получают сертификаты соответствия. Разработка КД в строгом соответствии с ГОСТ требует значительных затрат, в том числе финансо- вых, и квалифицированных специалистов, способных разработать и сопровождать КД.

    Все-таки надо отметить что, за последние годы заработали преференции для обо- рудования, имеющего статус ТОРП, и небольшие предприятия находят возможность раз- рабатывать КД по ГОСТ и выпускать по ним оборудование высокого качества.

    Об иностранных компаниях

    В постановлении Правительства (ПП) № 719 «О критериях отнесения промышлен- ной продукции к промышленной продукции, не имеющей аналогов, произведенных в Российской Федерации» [3] – конкретизируются критерии отнесения продукции к про- дукции, произведённой в РФ.

    Обращаю внимание, что произведённой, а не разработанной.

    Базовые критерии в ПП 719 для компаний - это набор технологических операций, владение конструкторской документацией, владение правами на ПО (программное обес- печение).

    Заявителем может быть компания налоговый резидент одной из стран Содружества Независимых Государств. В том числе и 100% дочки транснациональных корпораций. В этом случае права на технологию и исходные коды остаются у иностранной компании. Что противоречит статусу ТОРП.

    На этапе проведения конкурсов наличие статуса ТОРП на телекоммуникационное оборудование дает значительные преимущества и приоритеты участнику.

    Основные приоритеты определены в ПП № 925 «О приоритете товаров российского происхождения, работ, услуг, выполняемых, оказываемых российскими лицами, по отно- шению к товарам, происходящим из иностранного государства, работам, услугам, выпол- няемым, оказываемым иностранными лицами» [4]. Ограничения наложены постановле- нием правительства № 968 «Об ограничениях и условиях допуска отдельных видов радио- электронной продукции, происходящих из иностранных государств, для целей осуществ- ления закупок для обеспечения государственных и муниципальных нужд» [5].

    image

    Ограничения, введённые данным Постановлением, распространяются до 01 сен- тября 2018 года на радиоэлектронику, происходящую из любого иностранного государ- ства, включая государства - члены Евразийского экономического союза (далее – Евра- зАЭС). К последним относятся такие государства, как Армения, Белоруссия, Казахстан, Киргизия.

    В связи с этими постановлениями правительства многие западные и «Российские компании» (здесь -Российские компании - это компании, продающие иностранное обо- рудование под своим брендом) стараются получить статус ТОРП. Задачи экспертного совета не допустить получения статуса на такое оборудование.

    За несколько лет работы МЕС проделал большую работу по уточнению базовых требований предприятиям. Тем не менее, все ещё находятся лазейки в требованиях, поз- воляющие обойти обязательные условия получения статуса.

    image

    Есть проблема в вопросах владения программным обеспечением. В методиках конкретно не определено, о

    каком программном обеспечении идет речь: о программ- ном обеспечении «Прикладного» уровня или о программ- ном обеспечении микроконтроллеров и ПЛИС (Базовое ПО).

    Прикладное ПО Служебное ПО

    Например, можно написать ПО для удалённого управления оборудованием «Прикладного уровня» или простое служебное программное обеспечение «Служеб- ного уровня», а также изготовить в России детали корпуса оборудования. При этом формально требования ТОРП на

    Системное ПО


    Базовое ПО

    минимальном (достаточном) уровне будут выполнены. Хотя само оборудование может работать без него.

    Конечно, существуют и другие способы и трюки обойти требования к ТОРП. Они известны экспертам.

    Лицензионные соглашения на передачу исходного текста программ Российским компаниям зачастую не разрешают модификацию исходного кода, хотя это одно из ос- новных требований статуса ТОРП. А все ограничения регулируются законами страны лицензиара.

    Санкционные ограничения также присутствуют.

    Подведём итог

    Программы импортозамещения продолжают работать. В области телекоммуника- ционного оборудования система получения статуса «Телекоммуникационное оборудо- вание российского происхождения» работает и развивается. В ближайшее время ожида- ется корректировка требований и критериев инспекции.

    Все больше российских компаний переносят современные технологии в Россию. Производится, реально производятся, самое современное телекоммуникационное обору- дование. Создаются новые рабочие места. Начался трансфер технологий. В результате действия государственной программы импортозамещения покупателям требуется обо- рудование российского происхождения.

    Сейчас более 280 продуктов получили статус «Телекоммуникационное оборудова- ние российского происхождения».

    Оборудование, получившее статус ТОРП, закрывает почти всю линейку инфра- структурного оборудования за исключением коммутаторов и маршрутизаторов ядра сети и оборудования сотовой связи.

    Желающие купить телекоммуникационное оборудование со статусом ТОРП могут посмотреть на сайте МЭС реестр телекоммуникационного оборудования российского происхождения [6].

    image

    Литература

      1. Приказ Министерства промышленности и торговли РФ и Министерства экономиче- ского развития РФ. № 1032/397 [Электронный ресурс]. – Режим доступа: http://base.garant.ru/55172357 (дата обращения 15.12.2017)

      2. Методика [Электронный ресурс]. – Режим доступа: http://mkb-electron.ru/wp- content/uploads/2016/02/Методика.pdf (дата обращения 15.12.2017)

      3. Постановление правительства № 719 [Электронный ресурс]. – Режим доступа: http://www.garant.ru/products/ipo/prime/doc/56621185/ (дата обращения 15.12.2017)

      4. Постановление правительства. № 925 [Электронный ресурс]. – Режим доступа: http://www.garant.ru/products/ipo/prime/doc/71392106/

        (дата обращения 15.12.2017)

      5. Постановление правительства № 968 [Электронный ресурс]. – Режим доступа: http://www.garant.ru/products/ipo/prime/doc/71400660/ (дата обращения 15.12.2017)

      6. Реестр телекоммуникационного оборудования российского происхождения [Электрон- ный ресурс]. – Режим доступа: http://mkb-electron.ru/prisvoenie-telekommunikacionnomu-oborudo- vaniyu-statusa-oborudovaniya-rossijskogo-proisxozhdeniya/ (дата обращения 15.12.2017)

В данной статье использовались материалы презентации «Телекоммуникационное оборудование российского происхождения» на научно-технической конференции «Со- временное состояние и перспективы развития транспортных сетей связи специального назначения» 2017г.- доклад Апполоновой С. А. (Ассоциация производителей электрон- ной аппаратуры и приборов).


Import substitution. The status of TERO

Oleg Novikov, Head of sales department, FSUE EZAN (Chernogolovka)

To ensure the economic, technological and information security requires a systematic and complex support of the Russian manufacturers of telecommunications equipment. Features of the status of tele- communication equipment of Russian origin (TERO).

Keywords: Status of TERO


УДК 004.421+004.4’2+004.771

МИКРОСЕРВИСЫ КАК ФУНДАМЕНТАЛЬНАЯ ОСНОВА РАСПРЕДЕЛЕН- НОГО СБОРОЧНОГО ПРОГРАММИРОВАНИЯ

Геннадий Анатольевич Опарин, д-р техн. наук, проф., гл. науч. сотр.

E-mail: [email protected]

Вера Геннадьевна Богданова, канд. техн. наук, ст. науч. сотр., E-mail: [email protected]

, мл. науч. сотр.,

E-mail: [email protected]

Институт динамики систем и теории управления им. В.М. Матросова СО РАН, http://www.idstu.irk.ru

Рассматриваются вопросы применения микросервисного подхода для конструи- рования и поддержки функционирования распределенных решателей вычислительных задач на модели предметной области.

Ключевые слова: распределенные вычисления, вычислительная модель, микросер- висы, мультиагентная система, децентрализованное управление.

Работа подготовлена при поддержке Программы Прези- диума РАН №27 «Фундаментальные проблемы решения сложных практических задач с помощью суперкомпью- теров»

image


Введение. В своей фундаментальной работе [1] А.П. Ершов определил сборочное программирование как метод, который решает задачу многократного и быстрого приме- нения в процессе создания программы заранее изготовленных деталей, роль которых иг- рают программные модули. К наиболее важным особенностям сборочного программи- рования относятся ориентация на класс задач и наличие вычислительной модели (базы

image

image

знаний) KB предметной области, позво- ляющей формулировать задачу из задан- ного класса путем фиксации известных

A0 и требуемых B0 величин модели.

Пара множеств

T ( A0 , B0 )

называется

постановкой задачи на модели КВ. Вы- числительная модель представляется в виде совокупности значащих величин (параметров) предметной области и функциональных отношений между ними. Каждое функциональное отноше-

ние реализуется программным модулем, который вычисляет значения выходных пара- метров модуля по заданным значениям входных параметров. Таким образом, вычисли- тельная модель определяет правила применения и сочетания модулей в процессе авто- матического решения задачи T ( A0 , B0 ) .

В статье рассматривается развитие технологии сборочного программирования при- менительно к организации распределенных вычислений в пакетах программ при выпол- нении следующих условий:

  1. Прикладные программные модули реализованы в виде вычислительных микро- сервисов, установленных в узлах распределенной вычислительной среды (РВС). Микро- сервисы – это архитектурный стиль, который в последние годы приобретает все боль- шую популярность [2, 3]. Использование микросервисов позволяет оперировать свой- ствами модульности в совершенно новых условиях организации распределенных вычис- лений, когда межмодульное взаимодействие обеспечивается только через механизм пе- редачи сообщений.

  2. Разработчик микросервиса делегирует выполнение всех необходимых действий, связанных с решением задачи T на модели KB, программному агенту, связанному с узлом установки сервиса.

  3. Модель предметной области является распределенной так, что каждый агент об- ладает ограниченными знаниями как о возможностях других агентов системы, так и о топологии вычислительного поля в целом.

  4. Коммуникационная модель мультиагентной системы предполагает только пар- ные (отраженные в модели KB) взаимодействия между агентами на каждом этапе реше- ния задачи. При децентрализованном управлении процессом решения задачи T такими этапами являются этап формирования активной группы агентов, которые обеспечивают разрешимость задачи (если это возможно) на модели KB и этап совместных действий активной группы агентов по реализации целевого содержательного запроса T путем за- пуска необходимых вычислительных микросервисов. Единственным методом координа- ции поведения агентов как при формировании группы, так и при выполнении совмест- ных действий является способ управления поведением агентов «по готовности входных данных» (событийное управление). Таким образом процесс распределенного сборочного программирования осуществляется только за счет внутренних взаимодействий мультиа- гентной системы без явного внешнего управления во время решения задачи (децентра- лизованное управление).

    Экспериментальная реализация процесса распределенного сборочного программи- рования выполняется с использованием разработанных авторами инструментальных

    image

    средств HPCSOMAS (High Performance Service-Oriented Multi-Agent System), автоматизи- рующей разработку мультиагентных систем (МАС) управления на уровне приложения.

    Инструментальные средства автоматизации создания микросервисов. HPCSOMAS Framework (версия 1.0) [4] является программной платформой, предназна- ченной для создания и поддержки функционирования сервис-ориентированных прило- жений пользователя в распределенной вычислительной среде на основе мультиагентного подхода. Такие приложения представляют собой набор агентов, реализованных в виде автономных независимых сервисов, предназначенных для выполнения системных функ- ций (аутентификации, пользовательского запроса, генерации задания и т.п.) и функций, соответствующих назначению прикладных модулей приложения. Сервисы при дальней- шем изложении будут называться соответственно системными и вычислительными. Си- стемные сервисы используются для организации управления вычислительными серви- сами, установленными на узлы РВС и отвечающими за выполнение прикладного модуля. Сервисы реализованы на основе архитектурного стиля REST и взаимодействуют между собой с помощью протокола HTTP. В современном представлении сервис-ориентиро- ванной архитектуры такие сервисы распределенной программной системы называют микросервисами.

    В состав HPCSOMAS Framework входят следующие компоненты:

При разработке распределенного сервис-ориентированного приложения на основе пакета прикладных программ для решения задач в определенной предметной области организация взаимодействия вычислительных микросервисов зависит от способа поста- новки задачи пользователем. При процедурной постановке задачи [6] для организации управления используются системные микросервисы, реализованные на основе базовых классов, предназначенных для описания логики выполнения основных шаблонов расчет- ных схем [7].

Архитектура МАС, созданных на основе такого взаимодействия, приведена нами ранее в [4, 5]. Основными агентами таких МАС являются пользовательский агент (веб- интерфейс), представляющий клиентскую часть платформы; серверная программа-агент (HPCSOMAS агент) и вычислительные агенты (вычислительные микросервисы). Децен- трализованное управление применяется на уровне HPCSOMAS агентов, взаимодейству- ющих при распределении вычислительных ресурсов для приложения пользователя. В работах [4, 5, 7-10] описано создание с помощью HPCSOMAS Framework композитных сервис-ориентированных приложений для решения задач параметрического синтеза ста- билизирующей обратной связи для управляемых динамических систем, имитационного моделирования складской логистики и задач булевой выполнимости.

Дальнейшее развитие HPCSOMAS Framework (версия 2.0) состояло в разработке базовых классов для реализации вычислительных агентов на основе дискретно-событий- ной поведенческой модели в виде детерминированного конечного автомата. Модель ди- намики функционирования вычислительных агентов нового типа приведена в [11]. При

image

непроцедурной постановке задачи T ( A0 , B0 )

на модели KB [6] управление осуществ-

ляется самоорганизующейся мультиагентной системой, в которую входят только вычис- лительные микросервисы, созданные на основе таких классов. Схема создания вычисли- тельных микросервисов приведена на рис. 1.


image

Рис. 1. Схема создания микросервисов с помощью HPCSOMAS Framework 2.0.

Конвертором ABCSW по базе знаний пакета прикладных программ строится опи- сание схемы вычислительного агента-микросервиса (далее просто микросервиса) на языке JSON, создается вычислительная модель микросервиса в виде локальной базы зна- ний. Затем создаются программный интерфейс и web интерфейс нового микросервиса. С помощью редактора ABCSW создается и редактируется файл конфигурации микросер- виса.

В результате микросервис представляет собой объект со схемой описания, файлом конфигурации, локальной базой знаний, web интерфейсом и прикладным модулем. Каж- дый микросервис предназначен для выполнения конкретной функции, является автоном- ным, независимым и повторно используемым. Микросервисы созданы на основе общего формата данных, определяемого спецификациями параметров и операций предметной области, поэтому при создании распределенного решателя на основе рассматриваемого подхода не возникает проблем их несовместимости.

В HPCSOMAS Framework 2.0 в отличие от предыдущей версии, в которой инфор- мация об интеграции с вычислительными ресурсами была доступна только HPCSOMAS агенту, для пользовательского агента создается база данных, в которой запоминаются статические связи между вычислительными сервисами и узлами РВС. Поэтому способы интеграции с вычислительными ресурсами, описанные в [5], дополнены возможностью установки на узел РВС непосредственно вычислительного микросервиса.

Такой подход обеспечивает конечному пользователю возможность постановки за- дачи нахождения искомых величин по заданным исходным величинам (декларативной или непроцедурной постановки) в определенном вычислительном поле без погружения

image

в изучение взаимосвязей прикладных модулей. Управление выполнением задачи поль- зователя переносится на уровень вычислительных агентов, реализованных в виде мик- росервисов.

Заключение. Авторы считают, что в данной работе новыми являются следующие положения и результаты:

  1. Разработана технология автоматизации процесса распределенного сборочного решения прикладных задач.

  2. Созданы новые базовые классы для реализации вычислительных агентов, мо- дель динамики функционирования которых представлена в виде детерминированного конечного автомата.

Литература

  1. Ершов А.П. Научные основы доказательного программирования // Вестник Академии наук СССР. 1984. № 10. С. 9–19.

  2. Dragoni N., Giallorenzo S., Lafuente A.L., Mazzara M., Montesi F., Mustafin R., Safina L. Microservices: Yesterday, Today, and Tomorrow // Springer International Publishing. 2017. P. 195-216. https://doi.org/10.1007/978-3-319-67425-4_12.

  3. Ньюмен С. Создание сервисов. – СПб.: Питер, 2016. 304 с.

  4. Bychkov I.V., Oparin G.A., Bogdanova V.G., Pashinin A.A., Gorsky S.A. Automation Devel- opment Framework of Scalable Scientific Web Applications Based on Subject Domain Knowledge // Lecture Notes in Computer Science. 2017. V. 10421. P. 278288.

  5. Пашинин А.А., Колосов А.Д. Инструментарий разработки сервисов для решения буле- вых уравнений // Информационные технологии в науке, образовании и управлении: труды межд. конф. IT + S&E`16 (Гурзуф, 01.10–15.10.2016 г) / под. ред. проф. Е.Л. Глориозова. М.: ИНИТ, 2016. Осенняя сессия. С. 6472.

  6. Bychkov I., Oparin G., Tchernykh A., Feoktistov A., Bogdanova V., Gorsky S. Conceptual Model of Problem-Oriented Heterogeneous Distributed Computing Environment with Multi-Agent Management // Procedia Computer Science, 2017. V. 103. P. 162167.

  7. Богданова В.Г., Пашинин А.А. Web- сервис для проведения экспериментов с имитаци- онными моделями систем массового обслуживания // Фундаментальные исследования. 2017. № 10 (часть 2). C. 177–182.

  8. Bychkov I., Oparin G., Feoktistov A., Bogdanova V., Sidorov I. The Service-Oriented Multia- gent Approach to High-Performance Scientific Computing // Lecture Notes in Computer Science. 2017. V. 10187. P. 261–268.

  9. Oparin G., Feoktistov A., Bogdanova V., Sidorov I. Automation of multi-agent control for complex dynamic systems in heterogeneous computational network // AIP Conference Proceedings. Vol. 1798. Issue 1. 020117 (2017); http://doi.org/10.1063/1.4972709.

  10. Oparin G. A., Bogdanova V. G., Gorsky S. A., Pashinin A. A. Service-oriented application for parallel solving the Parametric Synthesis Feedback problem of controlled dynamic systems. 2017. 40th International Convention on Information and Communication Technology, Electronics and Microelec- tronics (MIPRO), Opatija, Croatia, 2017. P. 353-358; doi: 10.23919/MIPRO.2017.7973448.

11.Бычков И.В., Опарин Г.А., Богданова В.Г, Пашинин А.А. Интеллектуализация децентра- лизованного управления распределенными вычислениями // Вестник компьютерных и информа- ционных технологий. 2017. № 10. С. 35–42. DOI: 10.14489/vkit.2017.10. P. 035042.


Microservices as a fundamental basis for distributed aggregate programming

Oparin Gennady Anatoljevich, Ph.D. of technics, professor, chief researcher, e-mail: [email protected]

Bogdanova Vera Gennadjevna, PhD of technics, senior research, e-mail: [email protected],

Pashinin Anton Alekseevich, Junior researcher, e-mail: [email protected]

Matrosov Institute for System Dynamics and Control Theory of SB RAS, http://www.idstu.irk.ru

image

The questions of microservice approach for design and support the functioning of distributed compu- tational problems solvers are considered.

Keywords: distributed computing, computational model, microservices, multi-agent system, decentral- ized control.


УДК 004.75

АНАЛИЗ СОСТОЯНИЯ ИССЛЕДОВАНИЙ В ОБЛАСТИ МЕТОДОВ И АЛГОРИТМОВ ПЛАНИРОВАНИЯ В ГРИД И ОБЛАЧНЫХ ВЫЧИСЛЕНИЯХ

Виктор Васильевич Топорков, д-р техн. наук, проф., зав. кафедрой

E-mail: [email protected]

Дмитрий Михайлович Емельянов, канд. техн. наук, доц.

E-mail: Yeme[email protected]

Национальный исследовательский университет «МЭИ» http://www.mpei.ru

Анна Станиславовна Топоркова, канд. техн. наук, доц.

Национальный исследовательский университет Высшая школа экономики

E-mail: [email protected] http://www.hse.ru

Статья посвящена анализу современного состояния исследований в области ме- тодов и алгоритмов планирования конкурирующих потоков структурированных, парал- лельных заданий в распределенных гетерогенных средах – грид и облачных вычислениях.

Ключевые слова: распределенные вычисления, грид, неотчуждаемые ресурсы, пла- нирование, виртуальные организации, экономические механизмы

Работа выполнена при поддержке РФФИ (проекты 18-07-00456, 18-07-00534), Совета по грантам Президента Российской Федера- ции для поддержки молодых российских ученых (МК-2297.2017.9), Минобрнауки России, государственное задание (проект 2.9606.2017/8.9).

Введение

Одной из важнейших проблем организации распределенных вычислений является эффективное использование ресурсов с соблюдением соглашений о качестве сервиса. Традиционно в распределенных вычислениях выделяют и, как правило, разделяют пла- нирование на уровне приложений (application-level scheduling) и планирование потоков независимых заданий (job-flow scheduling). В грид первый подход ассоциируется с бро- кер-ориентированной моделью, а второй – с использованием метапланировщиков в рам- ках виртуальных организаций (ВО). Многочисленные исследования связаны с планиро- ванием «портфеля задач» (bag-of-tasks), относительно простых и слабо связанных между собой. Брокеры ресурсов адаптируются к особенностям приложений с учетом их струк- туры, в то время как политика ВО регламентирует взаимодействие между ключевыми стейкхолдерами (пользователями, администраторами и владельцами ресурсов), напри- мер, на основе экономических моделей. Тем не менее, в рамках обоих подходов необхо- димо учитывать конкуренцию потоков независимых заданий, которая приводит к сни- жению уровня доступности разделяемых ресурсов. При этом даже в ВО предпочтения стейкхолдеров могут быть противоречивыми.

Важнейший класс структурированных заданий, состоящих из связанных задач, представляют научные приложения типа «поток работ» (workflow). Примеры таких про- ектов – Montage, Epigenomics, CyberShake, SIPHT, LIGO. Каждое из заданий задействует значительные разнородные и, зачастую, неотчуждаемые от владельцев, ресурсы, исполь- зуемые также и локальными заданиями. Модель планирования задания – бесконтурный орграф (DAG), вершины которого соответствуют задачам, а дуги – информационным и

image

логическим связям. Известно, что проблема планирования в рамках этой модели явля- ется NP-полной даже для однородных вычислительных сред. Наличие же конкурирую- щих потоков независимых заданий и гетерогенность среды существенно усложняют во- просы эффективного планирования и разделения ресурсов.

Статья представляет обзор состояния работ по планированию потоков заданий и структурированных приложений в распределенных гетерогенных средах.

Планирование потоков заданий на неотчуждаемых ресурсах

В ГРИД с неотчуждаемыми ресурсами вычислительные узлы обычно частично ис- пользуются локальными высокоприоритетными заданиями владельцев ресурсов. Таким

image

image

образом, доступные для внешних пользо- вателей ресурсы представляются набо- ром временных интервалов (слотов), в течение которых отдельные узлы могут выполнять задачи, входящие в парал- лельные пользовательские задания. В ге- терогенных средах слоты имеют различ- ные времена старта и завершения на ре- сурсах соответствующей производитель- ности. Это усложняет проблему согласо- ванного назначения параллельных зада-

image

ний, составляющие задачи которых должны стартовать одновременно. Дополнительные трудности вызываются фрагментацией ресурсов [1, 2], когда большая часть узлов зани- мается низкоприоритетными мелкими заданиями. При этом высокоприоритетные зада- ния «зависают» в очереди, поскольку не могут набрать требуемое количество слотов со- ответствующей длительности (окно). Планирование на уровне приложений [3] базиру- ется на использовании доступных ресурсов и, как правило, не предполагает общей поли- тики их предоставления и потребления. Планирование потоков заданий в ВО [4, 5] осно- вывается на неких общих правилах разделения ресурсов, основанных, в частности, на экономических моделях [2-4, 6, 7]. Такой подход позволяет повысить эффективность планирования потоков заданий и разделения ресурсов. Политика ВО может быть направ- лена на оптимизацию планирования с учетом предпочтений стейкхолдеров. Примеры постановок задач планирования в ВО: оптимизация пользовательских критериев или функций полезности для отобранных заданий [6, 8], балансировка загрузки ресурсов [9, 10], соблюдение строгой очередности либо приоритетов заданий [11], оптимизация про- изводительности системы по совокупности критериев [12, 13] и

т.д. На принципе регламентированного участия пользователей в ВО и доступа к ресурсам строится ряд крупнейших грид-инфра- структур, в частности, EGI (European Grid Infrastructure). В насто- ящее время наблюдается тенденция гибридизации грид-техноло- гий, облачных сервисов и платформ [14-17]. В частности, инте- ресен российский опыт интеграции облачной платформы Everest

[14] как PaaS и грид-инфраструктуры EGI. Построение масшта- бируемых вычислительных сред и поддержка их функциониро- вания, помимо грид-технологий (Globus Toolkit, Unicore, gLite, gUSE), облачных сервисов и платформ (Amazon EC2, IBM Cloud, VMware vCloud, Microsoft Azure, Everest), осуществляется на ос-

нове применения метапланировщиков, брокеров ресурсов и систем управления потоками заданий.

Предпочтения различных стейкхолдеров ВО могут быть противоречивыми. С од- ной стороны, пользователи, вероятнее всего, заинтересованы в наискорейшем заверше- нии их заданий с наименьшими издержками (стоимостью выполнения). В то же время

image

предпочтения ВО (администраторов и владельцев ресурсов), как правило, связаны с ба- лансировкой загрузки доступных ресурсов либо максимизацией доходов собственников узлов. С другой стороны, политика ВО должна отражать интересы всех стейкхолдеров. При этом важнейшим аспектом является справедливость правил предоставления и по- требления ресурсов. В ряде работ понятие справедливости интерпретируется в соответ- ствии с теорией кооперативных игр [8]: справедливое распределение потоков заданий [10], справедливые квоты [18, 19], справедливая приоритезация пользовательских зада- ний [11], а также немонетарное распределение ресурсов [20]. Во многих исследованиях предпочтения стейкхолдеров ВО учитываются лишь отчасти. Например, владельцы ре- сурсов конкурируют за выполнение заданий, оптимизируя лишь пользовательские кри- терии [6, 21], либо основная цель – эффективное использование ресурсов без учета ин- тересов пользователей [22]. В ряде случаев используются мультиагентные экономиче- ские модели [3, 23, 24]. Как правило, они не позволяют оптимизировать выполнение по- тока заданий в целом. Недостатком большинства централизованных подходов к метапла- нированию является то, что они утрачивают свою эффективность и возможность опти- мизации в распределенных средах с ограниченным уровнем ресурсов. Например, в [2] показано, что традиционный бэкфиллинг [1] позволяет получать лучшие результаты пла- нирования по сравнению с различными оптимизационными схемами на ресурсах с ми- нимально допустимой для заданий производительностью. При этом некоторые задания могут «зависать» в очереди. В этих условиях приоритеты пользовательских заданий и дисциплина очереди существенно влияют на результаты планирования. В то же время брокеры приложений позволяют учесть предпочтения пользователей и оптимизировать выполнение заданий на основе рыночных механизмов [3, 4, 6, 7].

Циклическое планирование

Циклическая схема планирования (ЦСП) [2, 25] позволяет реализовать справедли- вое распределение ресурсов в том смысле, что каждый участник ВО обладает механиз- мами влияния на результаты планирования, исходя из собственных предпочтений [26]. Циклическое планирование потока заданий осуществляется по пакетам, причем с плани- рованием каждого их них ассоциируется соответствующий временной интервал, назы- ваемый циклом. Процедура планирования включает два основных этапа. На первом этапе осуществляется поиск альтернативных сценариев выполнения каждого задания (далее – альтернатив) [27]. По сути, альтернатива – это окно слотов в пространстве «ре- сурсы – время». На втором этапе отбирается оптимальная комбинация альтернатив для выполнения пакета заданий с использованием методов динамического программирова- ния [25]. Для каждого из заданий выбирается одна альтернатива на основе критериев ВО и пользовательских предпочтений [26]. В качестве пользовательских критериев высту- пают время выполнения задания (makespan), стоимость использования ресурсов и т.д. Эти критерии отражают пользовательские предпочтения и содержат дополнительную информацию для поиска альтернатив. Оптимизационная задача планирования в ВО мо- жет заключаться в максимизации или минимизации соответствующих критериев при за- данных ограничениях на другие критерии, либо отыскании Парето-оптимальной страте- гии в пространстве критериев [4, 25, 28].

Для планирования пакета заданий необходимо выделение для каждого из заданий множества альтернативных, не накладывающихся окон в пространстве «узлы – время». В противном случае могут возникнуть неразрешимые коллизии, обусловленные конку- ренцией за ресурсы между различными заданиями, разделяющими одни и те же слоты. Процедуры последовательного поиска и резервирования ресурсов позволяют предотвра- тить подобный сценарий. Однако, в экстремальном случае, когда ресурсы ограничены либо перегружены, при лучшем исходе для каждого задания может быть зарезервиро- вана лишь одна альтернатива. Это может вызывать фрагментацию ресурсов, поскольку большая часть ресурсов занимается мелкими, низкоприоритетными заданиями. Идея упреждающего (предвосхищающего) планирования представляет собой развитие ЦСП.

image

Упреждающее планирование

Идея упреждающего планирования состоит в том, чтобы генерировать своего рода

«заготовку» множества альтернативных планов относительно опорного решения, а затем из этой «заготовки» выбрать допустимый план, наиболее близкий к опорному в соответ- ствии с заданной метрикой.

Принципиальное отличие идеи упреждающего планирования от известных подхо- дов заключается в следующем.

  1. Отбор возможных альтернатив выполнения каждого задания осуществляется без учета возможных коллизий («пересечений» слотов) и без резервирования ресурсов. Ре- зультирующий набор альтернатив отражает полный диапазон возможных сценариев вы- полнения задания на текущем интервале планирования.

  2. Реализуется выбор комбинации альтернатив (одна альтернатива для каждого за- дания пакета), оптимальной в соответствии с заданным критерием. Результирующая комбинация альтернатив, вероятнее всего, соответствует не допустимому плану из-за возможного «пересечения» слотов, обуславливающих коллизии при назначении на ре- сурсы. Основная идея этого этапа заключается в том, что полученное, возможно, и не допустимое решение, используется как опорное для поиска допустимого плана.

Допустимое назначение на ресурсы формируется с помощью альтернатив, отобран- ных на первом этапе. Это реализуется с помощью процедуры репликации. Суть репли- кации заключается в отыскании и резервировании допустимых альтернатив выполнения задания, в наибольшей степени соответствующих отобранным, близким к оптимальным, но не допустимым планам. В основу репликации заложена модификация оригинального алгоритма поиска наборов слотов AEP [27]. Главное отличие модификации АЕР от ис- ходного алгоритма заключается в том, что вместо поиска окна с экстремальным значе- нием заданного критерия, возвращается окно с минимальным расстоянием от опорной альтернативы. В общем случае, это расстояние должно отражать предпочтения стейк- холдеров по выполнению потока заданий в терминах множества критериев: стоимости и времени выполнения, времени старта и финиша и т.д.

Заключение

Проведенный анализ показывает, что известные подходы реализуют лишь отдель- ные аспекты планирования либо на уровне приложений [1, 3, 6], либо на уровне потоков заданий [4, 5, 7-17]. Снижение уровня доступности ресурсов в условиях конкуренции потоков независимых заданий приводит к уменьшению числа возможных альтернатив выполнения заданий и, следовательно, ограничению возможностей оптимизации планов. В этом случае альтернативное планирование практически сводится к процедуре «первая подходящая». Принципиально иной подход - упреждающее планирование. Упреждаю- щее планирование пакета заданий дает результаты, сопоставимые с бэкфиллингом по времени старта и финиша задания. В то же время оно позволяет учитывать предпочтения стейкхолдеров.

Литература

  1. Dimitriadou S.K., Karatza H.D. Job Scheduling in a Distributed System Using Backfilling with Inaccurate Runtime Computations // Proceedings of International Conference on Complex, In- telligent and Software Intensive Systems. 2010. P. 329336.

  2. Toporkov V., Toporkova A., Tselishchev A., Yemelyanov D., Potekhin P. Heuristic Strategies for Preference-based Scheduling in Virtual Organizations of Utility Grids // J. Ambient Intelligence and Humanized Computing. 2015. Vol. 6(6). P. 733–740.

  3. Buyya R., Abramson D., Giddy J. Economic Models for Resource Management and Sched- uling in Grid Computing // J. Concurrency and Computation. 2002. Vol. 14(5). P. 15071542.

  4. Kurowski K., Nabrzyski J., Oleksiak A., Weglarz J. Multicriteria Aspects of Grid Resource Management. J. Nabrzyski, Schopf J.M., and J. Weglarz, editors, Grid resource management. State of the Art and Future Trends. Kluwer Acad. Publ. 2003. P. 271293.

  5. Rodero I., Villegas D., Bobroff N., Liu Y., Fong L., Sadjadi S.M. Enabling Interoperability

    image

    among Grid Meta-schedulers // J. Grid Computing. 2013. Vol. 11(2). P. 311336.

  6. Ernemann C., Hamscher V., Yahyapour R. Economic Scheduling in Grid Computing. D. Feitelson, L. Rudolph, and U. Schwiegelshohn, editors, JSSPP. Springer, Heidelberg. 2002. Vol. 18. P. 128152.

  7. Baranov A., Telegin P., Tikhomirov A. Comparison of auction methods for job scheduling with absolute priorities // PaCT 2017. LNCS V. 10421. Springer International Publishing AG. 2017. P. 387-395.

  8. Rzadca K., Trystram D., Wierzbicki A. Fair Game-theoretic Resource Management in Ded- icated Grids // IEEE International Symposium on Cluster Computing and the Grid. Rio De Janeiro, Brazil. IEEE Computer Society. 2007. P. 343350.

  9. Vasile M., Pop F., Tutueanu R., Cristea V., Kolodziej J. Resource-aware Hybrid Scheduling Algorithm in Heterogeneous Distributed Computing // J. Future Generation Computer Systems. 2015. Vol. 51. P. 61–71.

  10. Penmatsa S., Chronopoulos A.T. Cost Minimization in Utility Computing Systems // J. Con- currency and Computation: Practice and Experience. 2014. Vol. 16(1). P. 287307.

  11. Mutz A., Wolski R., Brevik J. Eliciting Honest Value Information in a Batch-queue Environ- ment // 8th IEEE/ACM International Conference on Grid Computing. New York, USA. 2007. P. 291297.

  12. Blanco H., Guirado F., Lrida, J.L., Albornoz V.M. MIP Model Scheduling for Multi-clusters

    // In: Euro-Par 2012. Heidelberg, Springer. 2012. P. 196206.

  13. Takefusa A., Nakada H., Kudoh T., Tanaka Y. An Advance Reservation-based Co-allocation Algorithm for Distributed Computers and Network Bandwidth on QoS-guaranteed Grids // In: Schwiegelshohn U. Frachtenberg E., editor. JSSPP. Springer, Heidelberg. 2010. Vol. 6253. P. 1634. 14.Сухорослов О.В. Комбинированное использование высокопроизводительных ресур-

сов и грид-инфраструктур в рамках облачной платформы Everest // Суперкомпьютерные дни в России: Труды междун. конф. Russian Supercomputing Days. 2015. С. 706711.

  1. Bencivenni M. et al. Accessing Grid and Cloud Services Through a Scientific Web Portal //

    1. Grid Computing. 2015. Vol. 13. P.159–175.

  2. Ronchieri E. et al. Accessing Scientific Applications through the WNoDeS Cloud Virtual- ization Framework // Proceedings of the The International Symposium on Grids and Clouds (ISGC), PoS, Academia Sinica, Taipei, Taiwan. 2013. URL: https://www.researchgate.net/publica- tion/259197043 (дата обращения: 19.07.2017).

  3. EGI Federated Clouds Task Force website. https://. URL: wiki.egi. eu/wiki/Fedcloud- tf:FederatedCloudsTaskForce (дата обращения: 19.07.2017).

  4. Carroll T., Grosu D. Divisible Load Scheduling: An Approach Using Coalitional Games // Proceedings of the Sixth International Symposium on Parallel and Distributed Computing, ISPDC. 2007. P. 3645.

  5. Kim K., Buyya R. Fair Resource Sharing in Hierarchical Virtual Organizations for Global Grids // In: Proceedings of the 8th IEEE/ACM International Conference on Grid Computing. IEEE Computer Society, Austin, USA. 2007. P. 5057.

  6. Skowron P., Rzadca K. Non-monetary Fair Scheduling Cooperative Game Theory Approach

    // In: Proc. of the Twenty-fifth annual ACM Symposium on Parallelism in Algorithms and Architec- tures. ACM, New York, NY, USA. 2013. P. 288297.

  7. Dalheimer M. Pfreundt F., Merz P. Agent-based Grid Scheduling with Calana // In: Proc.

    Parallel Processing and Applied Mathematics, 6th International Conference. 2006. P. 741750.

  8. Jackson D., Snell Q., Clement M. Core Algorithms of the Maui Scheduler // In Revised Papers from the 7th International Workshop on Job Scheduling Strategies for Parallel Processing, JSSPP '01. 2002. P. 87-102.

  9. Thain T., Livny M. Distributed Computing in Practice: the Condor Experience // J. Concur- rency and Computation: Practice and Experience. 2005. Vol. 17. P. 323-356.

24.Богданова В.Г., Бычков И.В., Корсуков А.С., Опарин Г.А., Феоктистов А.Г. Мультиа- гентный подход к управлению распределенными вычислениями в кластерной GRID-системе // Известия РАН. ТиСУ. 2014. № 5. С. 95105.

  1. Toporkov V., Toporkova A., Tselishchev A., Yemelyanov D., Potekhin P. Metascheduling and Heuristic Co-allocation Strategies in Distributed Computing // J. Computing and Informatics. 2015. Vol. 34 (1). P. 4576.

    image

  2. Toporkov V., Yemelyanov D., Bobchenkov A., Potekhin P. Fair Resource Allocation and Metascheduling in Grid with VO Stakeholders Preferences // Proc. of the 45th International Confer- ence on Parallel Processing Workshops. IEEE. 2016. P. 375384.

  3. Toporkov V., Toporkova A., Tselishchev A., Yemelyanov D. Slot Selection Algorithms in Distributed Computing // Journal of Supercomputing. 2014. Vol. 69(1). P. 5360.

  4. Farahabady M.H., Lee Y.C., Zomaya A.Y. Pareto-optimal Cloud Bursting // In: IEEE Trans- actions on Parallel and Distributed Systems. 2014. Vol. 25. P. 26702682.


State-of-the art in scheduling methods and algorithms in Grid and cloud computing

Toporkov Victor Vasilyevich, Doctor of Technical Sciences, Professor, Head of CE Department, National Rresearch University “MPEI”

Yemelyanov Dmitry Mikhailovich, Candidate of Sciences (PhD), Associate Professor, National Rresearch University “MPEI”

Toporkova Anna Stanislavovna, Candidate of Sciences (PhD), Associate Professor, HSE Moscow Institute of Electronics and Mathematics

This paper deals with the analysis of a current state of research in the field of methods and algorithms for scheduling job-flows in Grid and cloud computing.

Keywords: distributed computing, Grid, cloud computing, non-dedicated resources, scheduling, virtual organizations, economic principles


УДК 004.93

МОДЕЛИРОВАНИЕ РАССУЖДЕНИЙ НА ГРАФИЧЕСКОЙ ИНФОРМАЦИИ В ЗАДАЧАХ СППР

Александр Валерьевич Кучуганов, канд. тех. наук, доц. каф. АСОИУ

E-mail: [email protected], ,

ФГБОУ ВО «Ижевский государственный технический университет имени М.Т. Калашни- кова»

http://www.istu.ru.

В работе предлагается для формального описания и структурного анализа изоб- ражений объектов использовать дескрипционную логику ALC со специальным расшире- нием на данные, представленные в виде атрибутивных графов, названную как ALC(GI). Назначение этой логики – сокращение области интерпретации и интерпретирующих функций для задач с графовой структурой данных.

Ключевые слова: изображение, анализ, граф, дескрипционная логика.

В процессе инженерного проектирования по данным зарубежных исследований разработчики затрачивают от 20 до 30% времени на поиск информации, будучи успеш- ными только примерно в 50% случаев [1]. Каждый раз, когда удается избежать повтор- ной разработки детали, экономится 20 тыс. долларов и 33 тыс. долларов – если требова- лась новая технологическая оснастка для детали) [2].

В конструкторском и технологическом проектировании классификаторы деталей достаточно широко применяются с целью унификации конструкций и технологической оснастки. Они регламентированы единой системой конструкторской документации ЕСКД. Но применение их, в частности, для разработки групповых технологий, сдержи- вается проблемами автоматизации процесса кластеризации деталей по их чертежам или 3D геометрическим моделям. Оперативная автоматическая классификация деталей по геометрическим, техническим, технологическим, производственным параметрам могла бы повысить степень унификации технологических процессов и оснастки, обоснован- ность и качество нормирования труда, оптимизировать планы производства. Для этого,

image

image

в первую очередь, необходимо решить задачи Image Mining – ав- томатического извлечения признаков формы и относительного расположения структурных элементов из чертежей, 3D геомет- рических моделей, технологических эскизов.

Ниже описывается подход к извлечению семантики из изображений, который основывается на семиотическом подходе к организации знаковых коммуникативных систем и направлен на повышение качества анализа, степени детализации описаний изображенных объектов, релевантности их поиска и сопоставле- ния с целью повышения эффективности современных СППР.

Под семантикой изображения условимся понимать тройку:

IS = <G, D, V>,

где:

G – атрибутивный граф морфологических элементов и пространственных связей между ними – невербальный уровень понимания изображения;

D – формализованное словесное описание изображенных объектов, пространственных и сопоставительных отношений между ними – вербальный уровень;

V – граф-схема, структурная схема – визуальное (схематичное) представление информации изображения для контроля корректности восприятия системой, визуального общения между си- стемой и человеком. Например, в системах автоматического анализа текстов широко применя- ются семантические сети – информационные графические модели, имеющие вид ориентирован- ного графа, вершины которого соответствуют объектам, а дуги – отношениям между ними.

Формально модель системы семантического анализа графической информации можно представить как кортеж:

SA = G(B), MLAG, Г(Т), Ф, S, C’, R’ ,

где: G(B) – исходная матрица пикселов изображения;

MLAG – синтаксическая модель изображения в виде многослойного атрибутивного графа;

Г(Т) – граф (дерево) терминологии;

Ф = Ф1Ф2Ф3Ф4 – множество функций и правил морфологического, синтаксиче- ского, семантического, прагматического анализа соответственно;

S – стратегия, определяющая порядок последующего анализа в зависимости от состояния процесса, включая возвраты для уточнения информации;

C’, R’ – множество понятий и отношений терминологии, описывающих объекты изобра- жения, пространственные и сопоставительные отношения между ними.

Схема процесса анализа изображения выглядит следующим образом:


image

Синтаксическая модель изображения в виде многослойного атрибутивного графа MLAG (Multi Layer Attributive Graph) содержит несколько информационных слоев,

image

связанных бинарными отношениями, каждый слой состоит из вершин и ребер со своим набором атрибутов:

MLAG = G(v0, GSEGM, {GEDGE}, {GSKEL}, GCONT, {R}), (1)

где: v0 – корневая вершина с общими атрибутами изображения; GSEGM – граф цветовых сег- ментов; {GEDGE} – множество графов границ сегментов; {GSKEL} – множество графов скелетонов сегментов; GCONT – граф контуров изображения; {R} – множество отношений между слоями графа.

Формализованное описание изображения строится с помощью разработанной нами логики ALC(GI), основанной на дескрипционной логике ALC (Attributive Language with Complement) с расширением на графы для описания объектов, содержащихся на изображении. Логика ALC(GI) характерна наличием множества функций, анализирую- щих геометрическую форму и относительное расположение структурных элементов. Благодаря формальному языку изображение, по сути, становится источником данных, по которым мы можем получить не только статистическое, но и структурное описание с целью поддержки принятия решений. Расширение логики ALC на область данных в виде атрибутивных графов позволяет сократить область поиска пространственных данных. Например, вместо перебора множества пикселей изображения или множества отрезков будут проверяться только цепочки, соединяющие пары вершин.

В логике ALC(GI) атомарными концептами на графах служат понятия Граф, Связ- ный подграф, Вершина, Дуга. Атомарные роли: Начало дуги, Конец дуги, Исходящая дуга, Входящая дуга. Из них составляются более сложные определения, известные в тео- рии графов.

Домен «Изображение» является расширением домена «Граф» в части атрибутов вер- шин и ребер. В число непроизводных (атомарных) понятий предлагаемой логики ALC(GI) входят понятия, интерпретируемые на графах, и понятия (атрибуты вершин и ребер графа), вычисляемые на данных изображения, такие как: Площадь сегмента, Периметр сегмента, Цвет Сегмента, Длина, Ширина, Угол, Удлиненность, Извилистость и т.п.

Логика ALC(GI), в отличие от ALC, ищет «связанные» факты, которые выражают такие отношения, как: причинно-следственные, пространственные, составляющие пре- цеденты (ситуации), представляемые графами. Чтобы в атрибутивном графе найти за- данный связный подграф, отображающий некоторое составное понятие, процесс ДЛ-по- иска включает дополнительно этапы перебора фактов из ABox А’ для поиска в исходном ABox связанных с ними фактов. Результаты этого (вторичного) поиска записываются в ABox А’’.

В синтаксис ALC(GI) добавлено правило:

Если k = 1, 2,…,K целое положительное число и С – концепт, то k:C – концепт та- кой, что k:C C.

Если префиксы k ≠ l, то k:C l:C = .

Теперь, когда требуется один и тот же концепт C ввести в определение концепта D несколько раз и в различных сочетаниях с ролями, то каждое вхождение концепта C, не пересекающееся по экземплярам с предыдущим вхождением, сопровождается новым префиксом. Соответственно, если в обозначениях подконцептов концепта C префиксы совпадают, значит должен быть найден один и тот же экземпляр концепта C.

В список правил логики ALC(GI) добавлено правило R.C’ установления связан- ных фактов, которое исключает «лишние» факты из ABox А. Так, для ДЛ-описания буквы “m” вначале отыскиваются все заданные цепочки («палочка», «дуга», «крючок») и узлы (стыки) в графе изображения вместе с их атрибутами, а затем для них ищутся факты, заданные связанными отношениями – что и как соединяется. Эти факты записы- ваются в ABox А’.

image

Результатом доказательства выполнимости составного концепта будет формализо- ванное словесное описание изображенных объектов, пространственных и сопостави- тельных отношений между ними в виде полного и непротиворечивого ABoxA, содержа- щего его под- и подподконцепты, заканчивая атомарными, а также граф GL, с помощью которого множество индивидов, удовлетворяющих искомому концепту, извлекается из ABox – раздела данных базы знаний.

В сложных случаях, например, при поиске чертежей по заданному образцу или других объектов со сложной структурой, вступает в силу метод сопоставления атрибу- тивных графов с помощью лучевых графов [3, с. 119], автоматически порождающий свои поддеревья поиска.

Достоинством рассуждателя ALC(GI) является также возможность автоматически генерировать ДЛ-определение для выделенного объекта изображения, основываясь на его атрибутивном графе, что существенно упрощает работу пользователей по созданию терминологического раздела базы знаний.

Для описания трехмерных объектов, получаемых кинематическим способом из плоских, в логику ALC(GI) введем операции формообразования: Вращение, Лифтинг, Трансформация, которые порождают 3D примитивы, часто называемые кинематиче- скими объектами, т.к. образуются в процессе перемещения кривой в пространстве.

Вращение(Цепочка) – унарная операция, порождающая 3D объект типа «вал» пу- тем вращения цепочки из элементов типа дуга окружности, отрезок прямой вокруг оси, проходящей через точки начала и конца цепочки:

Вал ≡3DPrimitive =1.Вращение(Цепочка)

 Лифтинг.T  Трансформация.T

Цепочка может включать в качестве подцепочек ранее определенные цепочки, например, для образования кольцевых канавок.

Лифтинг(Контур) – унарная операция, образующая 3D объект типа «призма» (называемая также призмоцилиндрическим телом), при поступательном перемещении контура вдоль вертикальной оси на заданную высоту:

Призма ≡3DPrimitive =1. Лифтинг(Контур)

 Вращение.T  Трансформация.T

Трансформация (a, b, c: Контур) – формообразующая операция, определяющаяся бинарным или тернарным (в общем случае, n –арным) отношением. В процессе переме- щения, в частности, вдоль оси Z первый контур масштабируется другими контурами.

Далее введем бинарные отношения, описывающие некоторые возможные спо- собы задания взаимного расположения трехмерных геометрических примитивов.

Поскольку составные 3D объекты отображаются в пространственные атрибутив- ные графы, здесь также приходится применять префиксы для обозначения тех подобъ- ектов, которые встречаются в описании сборки более одного раза. При этом соединение между одними и теми же двумя геометрическими примитивами может быть задано од- новременно несколькими способами, чтобы однозначно установить их пространствен- ное положение относительно друг друга.

СовпадениеПоверхностей (A, B: 3DPrimitive, a, b: Element) – отношение указы- вает, что трехмерные примитивы A, B соединяются между собой так, что поверхность, образованная элементом a первого объекта, и поверхность, образованная элементом b второго, совпадают. При этом границы поверхностей могут отличаться.

СовпадениеРебер (A, B: 3DPrimitive, a, b: Вершина) – отношение указывает, что трехмерные примитивы A, B соединяются между собой так, что ребро, образованное вер- шиной a первого объекта, и ребро, образованное вершиной b второго, совпадают.

image

Этим способом, например, формируются с помощью операции вычитания ( \ ) фаски и скругления или галтели – с помощью операции сложения ().

СовпадениеОсей (A, B: Вал) – отношение указывает, что трехмерные примитивы А, В, образованные операцией вращения располагаются на одной оси. При этом объект В, может быть, как прибавляемым, так и вычитаемым.

Расстояние (A, B: 3DPrimitive, a, b: Вершина, y: Число) – расстояние между точ- ками а, b примитивов A, B соответственно.

Очевидно, создание ДЛ описаний трехмерных геометрических моделей – работа достаточно трудоемкая. Но на примерах можно обучить машину автоматически строить описания предъявленных моделей, т.к. ДЛ-описание однозначно определяет алгоритм преобразования «чертеж – 3D ГМ».

Автоматическое описание, поиск и классификация деталей по геометрическим, техническим, технологическим, производственным параметрам.

В ходе экспериментов по синтезу классификаторов осуществлялась автоматиче- ская кластеризация 2488 шт. деталей разных категорий (корпусные, тела вращения, плос- кие) по их чертежам. К признакам формы детали были отнесены такие как: плоскость открытая, плоскость закрытая, ступень, уступ, карман, окно, колодец, канавка, паз и т.д. Другие параметры, влияющие на трудоемкость изготовления: размеры линейные, угло- вые, радиальные, классы точности, твердости, шероховатости и т.п.

В первом эксперименте анализировались такие параметры деталей как количество отверстий, фасок, галтелей, пазов, выступов, окон, колодцев, карманов и т.д. (рисунок 5.16). Распознавание КТЭ на чертежах осуществляла разработанная подсистема графи- ческого поиска чертежей GrSearch [4]. Общее количество анализируемых параметров –

  1. Каждый параметр мог принимать 4 нечетких значения (очень мало, мало, средне, много) плюс одно значение, равное 0. На этапе определения локальных максимумов было получено 113 кластерообразующих точек. В результате рекурсивного поиска гра- ниц кластеров было получено 56 групп деталей. Общее время работы алгоритма с учетом загрузки информации из базы данных составило 50 секунд на персональном компьютере (ПК) стандартной конфигурации.

    Во втором эксперименте детали группировались по сходству внешних контуров (рисунок 5.17). В качестве меры близости объектов была взята оценка сходства внешних контуров деталей, вычисленная разработанной подсистемой "GrSearch" и выраженная в диапазоне [0-100]. Сопоставление внешних контуров деталей друг с другом (3 млн. пар) заняло 2.5 минуты на стандартном ПК. В результате работы алгоритма было получено 45 групп деталей.

    Таким образом, авторы считают, являющиеся новыми следующие результаты: ди- намическая (исходя из текущей ситуации и опыта, накопленного предприятием) класси- фикация деталей по геометрическим, техническим, технологическим, производствен- ным параметрам позволяет повысить эффективность задач:

Литература

  1. von Raiko Eckstein. Interactive Search Processes in Complex Work Situations. A Retrieval Framework. - University of Bamberg Press. 2011.

  2. Donna McMurry. Defense Parts Management. Program Update. – Defense Standardization Program Journal. 2008.

    image

  3. Кучуганов А.В. Структурный анализ графической информации: монография / А.В. Ку- чуганов. – Ижевск: Изд-во ИжГТУ им. М.Т. Калашникова, 2016. 240 с. ISBN 978-5-7526-0732-5

  4. Kasimov, D.R. Vectorization of Raster Mechanical Drawings on the Base of Ternary Segmentation and Soft Computing / D.R. Kasimov, A.V. Kuchuganov, V.N. Kuchuganov, P.P. Oskolkov // Programming and Computer Software. – Pleiades Publishing, Ltd., 2017. Vol. 43. No. 6. pp. 337344. doi: 10.1134/S0361768817060056


Modeling reasoning on graphical information in problems of decision support systems

Kuchuganov Aleksandr Valeryevich, Department of Automated Data Processing and Control Sys- tems, Kalashnikov Izhevsk State Technical University

Тhe work it is proposed to use ALC descriptive logic with a special extension for data, represented in the form of attributive graphs, named as ALC (GI) for formal description and structural analysis of object images. The purpose of this logic is to reduce the scope of interpretation and interpreting func- tions for tasks with a graph data structure.

Keywords: image, analysis, graph, descriptive logic..


УДК.67.02, 004.942, 519.178

АВТОМАТИЗАЦИЯ ПРОЕКТИРОВАНИЯ СБОРОЧНЫХ ПРОЦЕССОВ СЛОЖНЫХ ИЗДЕЛИЙ

С ИСПОЛЬЗОВАНИЕМ СИСТЕМ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ

Аркадий Николаевич Божко, канд. техн. наук, доц.

E-mail: [email protected] МГТУ им Н.Э. Баумана bmstu.ru

Рассматривается проблема автоматизации проектирования сборки сложных технических систем. Дана классификация моделей и методов решения этой важной научно-технической проблемы. Приведен обзор актуальных работ по моделированию процессов сборки при помощи технологии виртуальной реальности.

Ключевые слова. Сборка, автоматизация проектирования, виртуальная реаль- ность, геометрические препятствия.

Автоматизация проектирования процессов сборки сложных изделий (Computer aided assembly planning, CAAP) – это важное и актуальное направление теории проекти- рования и современной промышленности [1]. Для решения этой сложной и многоаспект- ной проблемы применяют различные модели информатики и дискретной математики: теория графов, искусственный интеллект, программирование роботов, комбинаторная геометрия, математическая логика, общая и булева алгебра, теория баз данных, машин- ная графика, анализ столкновений (Collision detection), планирование перемещений (Motion planning) и др. (рис.1)

В [2] описаны комбинаторные модели автоматизированного проектирования, в ко- торых изделие рассматривают как совокупность элементов (деталей, поверхностей, гео- метрических примитивов и др.), на которых заданы отношения различной физической природы (геометрические, механические, размерные, кинематические и др.). Методы данной группы требуют активного участия ЛПР в подготовке исходной информации.

image


image

Рис. 1. Модели и методы CAAP

В [3] приведен обзор методов геометрического вывода при сборке сложных изде- лий. Большая часть методов данного класса дает только необходимые условия геометри- ческой разрешимости. Достаточные условия можно получить при помощи имитации движения устанавливаемой детали в среде, которую образуют собранный фрагмент из- делия и элементы технологической системы. В общем случае, прямое моделирование геометрической разрешимости требует очень высоких вычисли-

image

тельных затрат.

Методы автоматизированного проектирования процессов сборки, основанные на парадигме искусственного интеллекта, рассмотрены в [4]. Чаще всего для этого используются приклад- ные системы логического вывода и семантические сети. Основ- ной недостаток этих популярных средств ИИ – сложности при передаче конструкторской и технологической информации между проектами.

В методах планирования перемещений сборка технической системы рассматривается как движение точки в конфигурацион- ном пространстве собранного фрагмента. Размерность конфигу-

рационного пространства зависит от числа собранных деталей и может достигать боль- ших значений даже для изделий невысокой сложности. Кроме того, методы этой группы не учитывают многочисленные ограничения не геометрической природы (кинематиче- ские, размерные и пр.), которые накладывает конструкция и технологическая система на допустимые проектные решения.

Методы оптимизации посвящены поиску рациональной последовательности сборки из множества альтернатив очень высокой мощности [5]. Во всех работах данного направления предполагается, что это множество задано априори или существует эффек- тивная процедура, которая проверяет допустимость альтернатив. Для выбора рациональ- ного проектного решения чаще всего используются методы бионические оптимизации (роя частиц, колонии муравьев др.).

В методах декомпозиции обсуждаются способы автоматизированного синтеза ра- ционального разбиения изделия на сборочные единицы.

Рассмотрим интерактивные методы CAAP, в которых автоматизированное проекти- рования процессов сборки сложных изделий основано на интерактивном взаимодействии эксперта и вычислительной системы. Инженер, который разрабатывает процесс сборки из- делия в САПР, располагает ограниченными средствами управления, состоящими из кла- виатуры и мыши (джойстика, трекбола и др.). Обратная связь оператора со трехмерной сценой поддержана единственным визуальным каналом – отображение сцены на плоском экране. По этим причинам компьютерные эксперименты с трехмерной моделью изделия становятся затруднительными, а в некоторых ситуациях и невозможными. Все это сни- жает достоверность экспертной информации для любой даже глубоко разработанной и продуманной процедуры опроса ЛПР.

image

Идея построения эффективной CAAP-системы на основе рационального взаимо- действия человека и комплекса программно-технических средств получила развитие в исследованиях и разработках, посвященных виртуальному прототипированию сбороч- ных процессов (Virtual prototyping of assembly planning). Ключевая особенность систем виртуальной реальности (Virtual reality, VR) является человеко-машинный интерфейс, который позволяет оператору управлять процессом сборки цифровой модели изделия с иллюзией погружения в трехмерную компьютерную реальность. Для этого оператору предоставляются средства визуального, тактильного и аудио управления состоянием сцены в процессе сборки/разборки 3D-модели. Системы виртуальной реальности при- званы освободить человека от неорганичных и неудобных сценариев извлечения экс- пертных данных. Они, в идеале, предлагают оператору естественную роль в ситуации, которая часто приближается к игровой, что повышает его мотивацию и, следовательно, надежность экспертных данных.

Внедрение технологий виртуальной реальности в проектирование сборочных про- цессов преследует две основные цели [6]. Во-первых, это дает возможность оценить ка- чество проекта на ранних этапах проектирования и конструирования согласно принци- пам DFA (Design for assembly), распознать нетехнологичные решения и внести необхо- димые изменения в проект без математического моделирования и натурных эксперимен- тов с макетом изделия. Во-вторых, симуляция процесса сборки в системах VR происхо- дит в более реалистичных условиях, чем при математическом моделировании, когда многие существенные факторы отбрасываются или значительно огрубляются. Виртуаль- ное прототипирование позволяет учесть наличие приспособлений, геометрию сбороч- ного инструмента, планировку производственных помещений, технику выполнения сбо- рочных переходов оператором и многие другие особенности технологической и произ- водственной систем. Из виртуальной сборки цифровой модели можно извлечь важней- шую проектную информацию: рациональную последовательность сборки, траектории перемещения деталей, сведения о потребных средствах технологического оснащения (приспособлениях, инструментах), оптимальное распределение нагрузки по рабочим ме- стам, и даже организовать обучение робота-сборщика [7].

Большая часть работ по виртуальному прототипированию сборочных процессов посвящена различным видам обеспечения технологии виртуальной реальности. В них рассматриваются технические средства VR, реализация человеко-машинных интерфей- сов (визуального, тактильного и аудио), сценарии взаимодействия оператора со вирту- альной средой, психологические аспекты поведения человека в виртуальном окружении [8, 9].

Работа [10] относится к числу немногих исследований, в которых обсуждается из- влечение важной проектной информации из сеансов виртуального прототипирования. Симуляцию процесса сборки выполняют в VR-системе VPASPE. Цифровую модель из- делия импортируют из CAD-системы Pro/Engineer в формате IGES. Оператор выполняет виртуальную сборку модели изделия при помощи технических средств системы VPASPE. Все удачные и неудачные попытки оператора протоколируют, а допустимая последовательность проверяется на геометрическую разрешимость средствами анализа столкновений, встроенными в систему Pro/Engineer. На основе этих сведений форми- руют модель отношений предшествования (Precedence expressions), которая включает в себя данные об упорядочении деталей в процессе сборки. Авторы предлагают алгоритм, который по данной модели реконструирует информацию о собираемости и расчленяемо- сти изделия и представляет её в виде И – ИЛИ-графа. Выбор рациональной последова- тельности сборки выполняют в два этапа. Сначала система отыскивает в И – ИЛИ-графе допустимую последовательность с минимальным значением целевой функции. Целевая функция рассчитывается автоматически и учитывает такие особенности процесса сборки как число направлений, геометрическая свобода, устойчивость собранных фрагментов и

image

др. Полученную последовательность предлагают оператору для виртуального экспери- мента. В процессе сборки цифровой модели изделия оператор верифицирует предложен- ный план. Если он обнаружил сложные для реализации фрагменты, то информация о них передается в систему, которая пересчитывает целевую функцию и отыскивает другую последовательность с минимальной оценкой.

Синтез отношения предшествования деталей по результатам виртуального прото- типирования процесса сборки рассматривается в [11]. В работе не обсуждают техниче- ские подробности, относящиеся к конфигурации системы виртуальной реальности. Счи- тают, что сеанс цифровой симуляции успешно выполнен и получена допустимая после- довательность сборки трехмерной модели изделия. Описан способ извлечения бинарных отношений предшествования из этой последовательности. Все бинарные отношения предшествования делят на прямые (Direct constraints) и выводимые (Implicit constraints). Первые формируются по условиям геометрической разрешимости и на основе данных о геометрических связях, которые импортируются из 3D-модели. Например, если локаль- ная система координат детали b привязана к системе координат детали a, то формируется ограничение PC(a,b), что означает, что b предшествует a. Для синтеза выводимых огра- ничений применяют только одно правило транзитивности: PC(a,b), PC(b,c) ==> PC(a,c). Все полученные ограничения сводят в матрицу ограничений. Предложен алгоритм, ко- торый по матрице ограничений строит совокупность допустимых последовательностей сборки изделия.

Рассмотренная работа основана на единственном правиле вывода по транзитивно- сти. В ней не используются многочисленные дедуктивных, индуктивных и абдуктивных правила, которые можно сформулировать на основе конструкторских и технологических связей. Очевидно, что вывод на основе одного правила, в общем случае, не может быть эффективным.

В [12] предложен комбинированный метод проектирования, сочетающий достоин- ства автоматического синтеза и виртуального прототипирования процесса разборки сложных изделий. По трехмерной цифровой модели изделия можно получить частичную последовательность разборки в автоматическом режиме. Для этого авторы предлагают использовать алгоритм геометрической разрешимости, описанный в [13]. Предложена новая редакция алгоритма, в которой учитываются все направления разборки и цилин- дрические сопряжения деталей. Поскольку алгоритм анализирует только локальную сво- боду перемещений деталей, он может синтезировать только частичный план разборки. Алгоритм включает в себя сведения о частичной последовательности разборки и воз- можных направлениях перемещения деталей. Это неполное проектное решение пред- ставляет собой исходную информацию для виртуального эксперимента. По результатам симуляции в системе виртуальной реальности частичную последовательность верифи- цируют и дополняют сведениями о траекториях перемещения деталей, применяемом ин- струменте и др.

Оригинальный подход к моделированию процессов разборки сложных изделий при помощи технологии виртуальной реальности описан в [14]. Предполагается, что в авто- матическом режиме получена информация о всех конструктивно допустимых последо- вательностях разборки. Эти данные представляют в виде так называемого графа раз- борки (Disassembly graph), где вершины описывают состояния изделия в процессе раз- борки, а ребра – операции демонтажа. Для выбора рациональной последовательности выполняют сеанс взаимодействия оператора с системой виртуальной реальности. Осо- бенность подхода заключается в том, что в канале визуальной обратной связи оператор видит не только трехмерную модель изделия, но и фрагмент графа разборки, который представляет данную операцию и ее возможные продолжения. Система показывает на графе возможные альтернативы процесса разборки и «критические проектные ситуа- ции». Все это позволяет оператору организовать рациональный перебор альтернатив и принимать более обоснованные и продуманные решения на каждом шаге виртуального

image

эксперимента.

Опыт эксплуатации систем виртуальной реальности в проектировании сборочных процессов показал, что эффективность этой технологии в значительной степени зависит от эффекта погружения оператора в виртуальную реальность. Чтобы создать достовер- ную иллюзию присутствия, VR-система должна обладать развитым техническим обес- печением, которое включает в себя, как минимум, шлем виртуальной реальности и сред- ства тактильной обратной связи, позволяющие оператору почувствовать усилия при сборке и захвате, скорости перемещения деталей и их поверхностные свойства. Лучшие результаты дают развитые системы виртуальной реальности, относящиеся к классу CAVE-систем [9].

Опыт использования систем виртуальной реальности в автомобилестроении об- суждается в [15]. Авторы перечисляют несколько обязательных условий, без выполнения которых нельзя считать оправданным и эффективным использованием VR-систем для верификации сборочных операций:

Все это предопределяет высокую стоимость систем виртуальной реальности и ограничивает их использование в технологической подготовке сборочного производ- ства. Тем не менее, данный подход к проектированию процессов сборки сложных техни- ческих систем позволяет органично сочетать эвристические способности ЛПР и вычис- лительные ресурсы компьютера. Поэтому он имеет значительные перспективы развития и применения в различных отраслях современной промышленности.

Литература

  1. Ghandi S., Masehian El. Review and taxonomies of assembly and disassembly path planning problems and approaches // Computer-Aided Design. 2015. Vol. 67–68. Pp. 58–86. DOI: 10.1016/j.cad.2015.05.001.

  2. Божко А.Н. Комбинаторные модели для сборки и декомпозиции изделий // Наука и об- разование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2015. № 10. DOI: 10.7463/1015.0817524.

  3. Божко А.Н. Методы анализа геометрической разрешимости при сборке изделий // Ин- тернет-журнал НАУКОВЕДЕНИЕ. 2016. Т. 8. № 5. DOI: 10.15862/82TVN516.

  4. Божко А.Н., Родионов С.В. Методы искусственного интеллекта в автоматизированном проектировании процессов сборки // Наука и образование. МГТУ им. Н.Э. Баумана: Электрон. журн. 2016. № 8. DOI: 10.7463/0816.0844719.

  5. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохнов- ленные природой. – М.: МГТУ, 2014. 448 с.

  6. Xia P., Lopes A., Restivo M.T. A review of virtual reality and haptics for product assembly (part 1): rigid part // Assembly Automation. 2013. Vol. 33. Issue 1. Pp. 68–77. DOI: 10.1108/01445151311294784.

  7. Seth A., Vance J., Oliver J. Virtual reality for assembly methods prototyping: a review // Vir- tual Reality. 2011. Vol. 15. Issue 1. Pp. 5–20. DOI: 10.1007/s10055-009-0153-y.

  8. Jun Y., Liu J., Ning R., Zhang Y. Assembly process modeling for virtual assembly process planning // International Journal of Computer Integrated Manufacturing. 2005. Vol. 18. Issue 6. Pp. 442–451. DOI: 10.1080/09511920400030153.

  9. Xia P., Lopes A., Restivo M.T. Virtual reality and haptics for product assembly // International Journal of Online Engineering. 2012. Vol. 8. Issue S1. DOI: 10.3991/ijoe.v8is1.1894.

  10. Yin Z., Ding H., Xiong Y. A virtual prototyping approach to generation and evaluation of me- chanical assembly sequences // Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. 2004. Vol. 218. Issue 1. Pp. 87–102. DOI: 10.1243/095440504772830237.

    image

  11. Yuan X. An interactive approach of assembly planning // IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans. 2002. Vol. 32. Issue 4. Pp. 522–526. DOI:10.1109/TSMCA.2002.804822.

  12. Siddique Z., Rosen D. A virtual prototyping approach to product disassembly reasoning // Computer-Aided Design. 1997. Vol. 29. Issue 12. Pp. 847–860. DOI: 10.1016/S0010-4485(97)00034-

    1.

  13. Woo T., Dutta D. Automatic disassembly and total ordering in three dimension // Journal of Engineering for Industry. 1991. Vol. 113. Issue 2. Pp. 207–213. DOI: 10.1115/1.2899679.

  14. Berg L., Behdad S., Vance J., Thurston D. Disassembly sequence evaluation using graph vis- ualization and immersive computing technologies // ASME 2012 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. 2012. Vol. 2. Parts A and B. Pp. 1351–1359. DOI: 10.1115/DETC2012-70388.

  15. De Sa A., Zachmann G. Virtual reality as a tool for verification of assembly and maintenance processes // Computers & Graphics. 1999. Vol. 23. Issue 3. Pp. 389–403. DOI: 10.1016/s0097- 8493(99)00047-3.


Computer aided assembly planning of complex products using virtual reality systems

Bozhko Arkadiy Nikolayevich, Ph.D., associate professor, Bauman Moscow State Technical Univer- sity

The problem of computer aided assembly planning for complex technical systems is considered. Clas- sification of models and methods for solving this important scientific and technical problem is given. The review of actual works on modeling of assembly processes by means of virtual reality technology is given.

Keywords. Assembly, computer aided design, virtual reality, geometric obstacles.


УДК: 004.94

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ В ПРОМЫШЛЕННОСТИ, НАУКЕ И ОБРАЗОВАНИИ

Шорников Юрий Владимирович, докт. техн. наук, доцент, профессор, E-mail: [email protected]

Попов Евгений Александрович, аспирант, Е-mail: [email protected],

Новосибирский государственный технический университет, http://www.nstu.ru

Показаны примеры использования компьютерного моделирования в науке, образо- вании, при выполнении научных исследований и в промышленных приложениях. Пред- ставленные компьютерные модели были построены в оригинальной инструментальной среде ИСМА, отличительные особенности которой кратко рассмотрены в работе.

Ключевые слова: компьютерное моделирование, инструментальная среда, гибрид- ные системы, проект InMotion.

Работа выполнена при поддержке гранта Российского фонда фундаментальных исследований (грант РФФИ 17-07-01513) и гранта Европейского союза по программе ERASMUS+ Capacity building in higher education, проект 573751-EPP-1-2016-1-DE- EPPKA2-CBHE-JP, Innovative teaching and learning strategies in open modelling and simulation environment for student-centered en- gineering education.

Современные достижения науки и промышленности создают предпосылки и дик- туют качественно новые требования к техническим системам. Сложные новые програм- мно-управляемые технические системы и комплексы характеризуются нетривиальными динамическими процессами.

image

Поведение таких процессов характеризуется дискретной сменой непрерывных ре- жимов или состояний. Поэтому в современной терминологии такие динамические си- стемы называют гибридными или событийно-непрерывными [1, 2]. Такие объекты часто являются гетерогенными, сочетающими различную физическую природу: механиче- скую, электрическую, химическую, биологическую и др.

image

image

В работах, посвященных анализу гибридных систем (ГС), как правило, рассматриваются объекты, режимное по- ведение которых определяется на реше- нии дифференциально-алгебраических уравнений. Также непрерывное поведе- ние может определяться: обыкновен- ными дифференциальными уравнениями (ОДУ) с запаздыванием; не разрешен- ными относительно производной ОДУ; дифференциальными уравнениями в

частных производных (ДУЧП) и др. В отличие от традиционных математических моде- лей, режимное поведение ГС дополнено неравенствами, определяющими условия суще- ствования режимов. Наличие таких ограничений существенно затрудняет аналитическое исследование совокупного поведения ГС и резко ограничивает использование традици- онных схем анализа дискретно – непрерывных систем. Поэтому в настоящее время акту- альным направлением является создание программных средств инструментального ана- лиза сложных систем. По мнению академиков Н.Н. Моисеева и Н.Н. Яненко, такая раз- работка является самостоятельной фундаментальной задачей исследования [2], которая связана с решением комплекса важных научных проблем.

К инструментальным средствам моделирования ГС предъявляются следующие, иногда противоречивые, требования. Спецификация компьютерных моделей должна осуществляться в форме, доступной как предметному, так и неподготовленному пользо-

image

вателю. Язык спецификации может быть, как унифицирован- ным для различных предметных задач, так и специализирован- ным. Средства трансляции про- граммной модели в исполняе- мый код должны обладать вы- соким быстродействием и надежностью, предоставлять содержательную диагностику ошибок. Часто расчетные мо- дели обладают высокой размер- ностью, являются жесткими и чувствительными к точности расчета. Наличие смены режи- мов вносит дополнительные ограничения на выбор шага ин- тегрирования. Поэтому алго- ритмы численного анализа

Рис.1. Архитектура ИСМА

необходимо проектировать с

учетом указанных особенностей ГС. Перечисленные требования обосновывают необхо- димость рассмотрения средств компьютерного моделирования ГС как совокупности ин- струментов, предназначенных для спецификации, интерпретации, анализа и визуализа- ции поведения сложных динамических систем. Под категорию таких систем подпадают

image

множество объектов разной природы из всех сфер человеческой деятельности: эконо- мики и менеджмента, медицины и биологии, мехатроники и робототехники и т.д. Здесь рассмотрим применение компьютерного моделирования в науке, промышленности и об- разовании на примере инструментальной среды ИСМА [3].

Спецификация ГС в ИСМА выполняется на универсальном текстовом языке LISMA [4] и графических предметно – ориентированных языках. Формат записи языко- вых конструкций соответствует традиционной математической форме или принятым на практике инженерным схемам, что способствует быстрому освоению системы при моде- лировании традиционных динамических систем. Кроме того, язык включает возмож- ность спецификации дискретного поведения ГС.

На рисунке 1 представлена архитектура программного комплекса ИСМА. Проиллюстрируем возможности спецификации ИСМА в различных приложениях.

Модель диффузии. Рассмотрим задачу проникновения помеченных радиоактив- ной меткой антител в пораженную опухолью ткань живого организма [5]. Исследование проводилось лабораторией Akzo Nobel Central Research (ANCR) в диагностических и те- рапевтических целях. Рассматривается химическая реакция A B C , где A – антитела с радиоактивной меткой, реагирующие с субстратом B – тканью, пораженной опухолью. Изучается пластина ткани, внутри которой субстрат B равномерно распределен. Реагент A, попадая на поверхность пластины, начинает проникать в нее. Математическая модель для конечной пластины имеет вид

u 14 2u 2 13 u v

image

image

image

image

ku , ku ,

t с2

2

с2 t

u ,0 0,

v ,0 v0 ,

u 0, t O t ,

u 1, t 0,

0 1, 0 t T ,

где концентрации A и B обозначены через u и v соответственно. Функция O t 2 при 0 t 5

и O t 0

при 5 t 20 , то есть O имеет разрыв первого рода в точке

t 5 . При выводе

уравнений предполагалось, что кинетика реакции описывается законом действующих масс, при- чем реагент A подвижен, тогда как реагент B неподвижен. На рисунке 2 представлена программ- ная модель на языке LISMA.


image

Рис.2. Программная модель диффузии


Численный эксперимент проводился со следующими значениями параметров:

k 100 ,

v0 1,

c 4 . Результаты представлены на рисунке 3. Они полностью соответ-

ствуют полученным в лаборатории ANCR [5].

image


image

image

б а


Рис.3. Моделирование проникновения помеченных антител в ИСМА (a – концентрация антител A,

б – концентрация субстрата B)

Энергетика. Принципиальная схема сложнозамкнутой энергосистемы с двумя уровнями напряжения и шестью синхронными машинами разных типов и мощностей представлена на рисунке 4 [6].

image

G

Генератор 1

G

G

представляет мощ- ную гидроэлектро- станцию. Генера-

торы

2 и 3

моде-

лируют тепловую электростанцию ма- лой мощности, агре- гаты которой рабо- тают на линии элек- тропередачи разного

номинального напряжения 500 и

220 кВ. Генераторы

G

4 и G5

моделирует


Рис.4. Схема ЭЭС

мощную тепловую электростанцию, аг- регаты которой

также работают на линии электропередач разного напряжения. С помощью G6

руются синхронные компенсаторы, установленные на узловой подстанции.

модели-

Общая математическая модель содержит 279 нелинейных ДАУ. Соответствующая программная модель содержит 173 строки программного текста.

Образование. Компьютерное моделирование всё шире и многообразнее использу- ется при обучении студентов. Это виртуальные лабораторные стенды, САПР, авиацион- ные симуляторы и многое другое. На продвижение компьютерного моделирования в об- разовательной среде направлен, в частности, международный проект InMotion (http://www.inmotion-project.net) “Новые стратегии обучения инженеров с использова- нием сред визуального моделирования и открытых учебных платформ”, финансируемый Европейский союзом. В реализации проекта принимают участие представители универ- ситетов и научных учреждений России (НГТУ, СПбПУ, СПбГМТУ, СПИИРАН), Малай- зии (UTM, UTP, UniKL), Словении (UL), Германии (UniBremen) и Испании (UNED).

Заключение. Авторы считают, что в данной работе новыми являются следующие положения и результаты. В статье продемонстрировано использование современных ин- струментальных средств моделирования в некоторых приложениях науки, промышлен- ности и образования. По сравнению с мировыми аналогами в авторской системе ИСМА

image

используется архитектура с оригинальными текстовым и графическими предметно – ориентированными языками спецификации ГС. Библиотека численных методов вклю- чает не только традиционные схемы решения задачи Коши, но и оригинальные разрабо- танные методы с учетом жесткости системы и корректной детекции односторонних со- бытий.

Литература

  1. Колесов Ю.Б., Сениченков Ю.Б. Моделирование систем. Динамические и гибридные си- стемы. – СПб.: БХВ-Петербург, 2012. 224 с.

  2. Новиков Е.А., Шорников Ю.В. Компьютерное моделирование жестких гибридных си- стем: монография. – Новосибирск: Изд-во НГТУ, 2012. 451 с.

  3. Бессонов А.В., Шорников Ю.В. Компоненты ядра программного комплекса «ИСМА 2015» // Свидетельство о государственной регистрации программы для ЭВМ № 2015617235. – М.: Федеральная служба по интеллектуальной собственности, патентам и товарным знакам. 2015.

  4. Шорников Ю.В., Бессонов А.В. Компонента спецификации моделей гибридных систем на языке «LISMA_PDE» // Свидетельство о государственной регистрации программы для ЭВМ

    № 2015617191. М.: Федеральная служба по интеллектуальной собственности. 2015.

  5. Mazzia F., Iavernaro F. Test Set for Initial Value Problem Solvers. [Электронный ресурс] // Department of Mathematics, University of Bari. August 2003. URL: http://www.dm.uniba.it/~testset (дата обращения: 09.04.2018).

  6. Фомина Т.Ю. Разработка алгоритма расчёта переходных процессов сложных регулиру- емых ЭЭС: дис.... к-та техн. наук / Фомина Татьяна Юрьевна. – М., 2014. 109 с.


    Computer modeling and simulation in industry, researching, and education

    Shornikov Yury Vladimirovich, Doctor of Technical Sciences, professor, Novosibirsk State Technical University

    Popov Evgeny Alexandrovich, doctoral student, Novosibirsk State Technical University

    Examples of using computer modeling and simulation for education, researching, industrial applica- tions are given. The presented computer models were built in the computer modeling and simulation environment ISMA, whose features are briefly covered.

    Keywords: computer modeling and simulation, computer modeling and simulation environment, hybrid systems, the InMotion project.


    УДК 004.501

    О ФУНКЦИОНАЛЬНОЙ НАДЕЖНОСТИ ИНФОРМАЦИОННЫХ СИСТЕМ

    Александр Иванович Гаранин, канд. техн. наук, старший научный сотрудник

    E-mail: [email protected]

    Федеральный исследовательский центр «Информатика и управление» РАН (ФИЦ ИУ РАН) www.frccsc.ru

    В статье рассмотрено ряд подходов к определению понятия «функциональная надежность», рассмотрено ее отличие от «структурной надежности», рассмотрено понятие «функционального отказа».

    Ключевые слова: функциональная надежность, структурная надежность, без- ошибочность, функциональный отказ

    Информационные системы (ИС) применяются для решения широкого спектра научных и производственных задач – от традиционного сбора, обработки, накопления и хранения информации до решения задач искусственного интеллекта и управления ответ- ственными объектами в реальном масштабе времени. Отсюда высокий уровень требова- ний, предъявляемых к надежности информационных систем [1, С. 3].

    image

    Следует различать два класса задач обеспечения надежности ИС.

    image

    Первый класс – это задачи структурной надежности. Это задачи традиционной теории надежности, в которой исследуются процессы отказов и восстановлений объектов (элементов и структур в целом) и не рассматривается влияние на информационные процессы сбой- ных и программных ошибок, ошибок операторов, информаци- онных атак и т.п. Вопросы надежности (безошибочности) вы- полнения информационных процессов оказались за пределами задач, решаемых в рамках классической (структурной) надежно- сти.

    Второй класс – это задачи функциональной надежности информационных систем. В рамках этого класса задач необхо- димо решать задачи, которые должны включать в себя:

    - определение функционального отказа и определение на этой основе функциональной надежности системы;

В последние годы ряд исследователей исходят из того, что необходимо изучать надежность выполнения информационных технологий с учетом таких угроз как неис- правности, ошибки, отказы [4, С. 18]. В этой работе такая надежность расценивается как фундаментальное свойство ИС и определяется как общая надежность. Здесь под общей надежностью понимается способность информационной системы поставлять обслужи- вание, которому можно доверять. Обслуживание, поставляемое системой, представляет ее свойства или поведение в том виде, в котором это воспринимается пользователем. В свою очередь, пользователь является другой системой (физической или человеческой), которая взаимодействует с данной системой через интерфейс обслуживания. В данной работе дерево общей надежности имеет вид, представленный на рисунке 5.1.

Таким образом «общая надежность» представляет собой интегральное понятие и охватывает следующие свойства или атрибуты:

Развитие данного подхода нашло отражение в материалах рабочей группы WG

    1. Международной Федерации (IFIP WG-10.4) по обработке информации [5, С. 23]. Однако вместо термина «Общая надежность» специалисты этой рабочей группы вводят

      image

      термин «гарантоспособность», которая в указанной работе рассматривается как «досто- верность вычислительной системы, способной предоставлять требуемые услуги, кото- рым можно доверять». В явном виде гарантоспособность – это свойство обслуживания и зависит от характера использования системы. Здесь подразумевается сочетание аппарат- ной части, программного обеспечения и человека-оператора ИС.

      image

      Рис. 5.1. Дерево «общей надёжности»

      ных задач посвящена работа [1].

      Материалы указан- ных работ [4, 5] и им близ- ких по концептуальному подходу к надежности функционирования вычис- лительных систем нахо- дятся на понятийном уровне и не решают в пол- ной мере, указанные выше, задачи обеспечения функ- циональной надежности ИС. Решению поставлен-

      Методология структурной надежности, при всей обширности решаемых проблем не ориентирована на расчеты безошибочности выполнения информационных процессов и их составных процедур – она оперирует только процессами отказов и восстановлений технических средств. В этой методологии не учитывается содержание алгоритмов вы- полняемых в системе задач, также не учитывается влияние проявленных ошибок в про- граммном обеспечении, ошибок операторов и ошибок во входной информации на ре- зультаты выполнения предусмотренных алгоритмов. Все эти факторы (угрозы) ненадеж- ности представляют собой предмет рассмотрения функциональной надежности как со- ставной части общей теории надежности.

      Функциональная надежность информационных систем определяется правильно- стью и безошибочностью выполнения информационных процессов. Термин «правиль- ность» означает, что информационные процессы реализуются в соответствии с преду- смотренными в системе алгоритмами выполнения информационных процессов. Понятие

      «правильность» в функциональной надежности аналогично понятию «работоспособ- ность» в структурной надежности.

      Допустим, что система правильно выполняет поставленные задачи. Надежна ли она? Нет – обеспечение правильной работы необходимо, но недостаточно. Так, под воз- действием сбойных ошибок промежуточные и/или выходные результаты правильного выполнения информационных процессов оказались искаженными, что привело, напри- мер, к ошибкам в управлении. Вероятность безошибочного выполнения задачи рассчи- тывается с учетом связей между процедурами выполнения задачи.

      Свойство безошибочности – комплексное свойство. Оно будет обеспечено как при условии безошибочности выполнения всех процедур решения функциональной за- дачи, так и при условии правильности алгоритма задачи.

      Основополагающим понятием в теории надежности является понятие отказа.

      Рассмотрим, что в [1, С. 18] понимается под функциональным отказом.

      Пусть ИС в текущий момент времени выполняет q функциональных задач. Каж- дая задача реализуется одной или группой программ и описывается набором параметров. Совокупность возможных значений параметров i-й задачи (i = 1, …, q) обозначим Yi. Множество Yi включает в себя множество xi параметров надежности технических средств, множество yi параметров надежности программ, множество li параметров надежности операторов, а также множество ki параметров надежности информационных каналов ИС используемых для решения данной задачи, те Yi = {xi, yi, li, ki}.

      image

      Множество R = (Y1, Y2, …, Yq) значений параметров всех задач, выполняемых в теку- щий момент времени, представляет собой мгновенный образ информационно-вычисли- тельной среды ИС, характеризующий состояние ее функционирования в этот момент вре- мени. Вследствие возникновения и устранения ошибок при выполнении любой из q функ- циональных задач состояние функционирования вычислительной среды ИС изменяется во

      _

      времени – имеет место случайный процесс R (t). Отдельные реализации этого процесса

      будем называть траекториями процесса смены состояний g множества G. Отсутствие оши- бок в результате выполнения любой из функциональных задач на всем интервале времени t соответствует траектории g0.

      Кроме влияния на функциональную надежность внутренних факторов

      _

      R ИС, сле-

      дует учитывать параметры внешних факторов, обусловленные воздействием внешней среды на систему. К ним относятся: параметры потоков заявок, которые в случайные моменты поступления определяют требуемое количество технических средств для об- служивания заявок, каналов для передачи сообщений; параметры оперативности обра- ботки и передачи информации и др. Совокупность возможных значений параметров j-го внешнего фактора (jm, где m – количество учитываемых внешних факторов) обозначим zj. Вектором Z = (z1, z2, …, zm) определяются значения параметров внешних факторов.

      Введем функцию безошибочности Ф (R, Z, t), которая характеризует способность ИС в течение времени t безошибочно выполнять различные группы функциональных за- дач, безошибочно принимать и передавать сообщения в соответствии с изменяющимися во времени параметрами внешних факторов.

      image

      Все множество состояний S системы разделяется на два непересекающихся мно- жества Sф и S ф, где Sф – множество приемлемых по безошибочности состояний функци-

      image

      онирования ИС, а S ф – множество состояний с уровнями безошибочности ИС ниже до- пустимого.

      Множество Sф также разделяется на два непересекающихся множества S0 и S1, где S0 – состояния, в которых обеспечивается номинальная безошибочность ИС вследствие того, что все запрошенные процессы выполнялись правильно и в полном объеме, а также безошибочно принималась и передавалась вся предусмотренная информация; S1 – состо- яние пониженной, хотя и приемлемой, безошибочности ИС. Состояния S1 также можно разделить на группы непересекающихся множеств, упорядочив их по степени снижения уровней приемлемой безошибочности

      S11 S12 S13 S1z,


      image

      где S11 и S1z – граничные с множествами S0 и соответственно S ф множества состояний по- ниженной безошибочности. При этом множества состояний S1k, S1j (k < j) являются промежуточ- ными между множествами состояний S11 и S1z.

      image

      В принятых терминах под частичным функциональным отказом ИС понима- ется переход процесса R (t) из одного множества S1k в другое S1j со значением функции безошибочности Фj < Фk системы ниже допустимого уровня относительно одного про-

      цесса. Уровню номинальной безошибочности Ф0 соответствует множество состояний S0.

      image

      Полный функциональный отказ информационной системы наступает при ее пе- реходе из множества состояний Sф в множество состояний S ф, в котором уровень без- ошибочности системы меньше допустимого.

      Под функциональной надежностью информационной системы понимается ее

      способность правильно выполнять предусмотренные функциональные задачи с прием- лемым уровнем безошибочности в реальных условиях эксплуатации при взаимодействии с внешними объектами.

      Литература

      image

      1. Шубинский И.Б. Функциональная надежность информационных систем. Методы ана- лиза. – Ульяновск: Областная типография «Печатный двор», 2012. 296 с., ил.

      2. Технический отчет ISO/IEC TR 19760. Первое издание 2003-11-15 Проектирование си- стем – Руководство по применению ISO/IEC TR 15288 (Процессы жизненного цикла системы).

      3. ГОСТ 24.701-86. Надежность автоматизированных систем управления. Основные по- ложения.

      4. Avizienis A., Laprie J-C. and Ranbell B. Dependability of computer systems / Fundamental concepts, terminology and examples. Technical report, LAAS-CNRS, October. 2000.

      5. Rus I., Komi-Servio S., Costa P. Computer program with insurance of high reliability. Tech- nical report, IFIP WG-10.4, 2008. March.


        On the functional reliability of information systems

        Garanin Alexzander I., candidate of technical Sciences, senior scientist

        Federal Research Center «Computer and Control» of the Russian Academy of Sciences (FRC CSC RAS)

        The article describes a number of approaches to the definition of "reliability", considered in contrast to the "structural reliability, considered the concept of" functional failure.

        Keywords: functional reliability, structural reliability, infallibility, functional failure


        УДК 681.3.068

        МОДЕЛИРОВАНИЕ СТРАТЕГИ РЕШЕНИЯ ПРОБЛЕМЫ ТУПИКОВОЙ СИТУАЦИИ В БАЗАХ ДАННЫХ

        Вера Львовна Волушкова, канд. техн. наук, доц.

        E-mail: [email protected]

        Тверской государственный университет

        http://university.tversu.ru

        Выбор стратегии контроля конкуренций является важной задачей для интенсивных нагрузок баз данных. Традиционно проблема контроля конкуренций решается с помощью блокировок, которые неизбежно ведут к взаимоблокировкам, т.е. тупиковым ситуациям. Существует много алгоритмов для борьбы с взаимоблокировками. В данной работе представлена модель для анализа эффективности стратегий основанных на определении тупиков, стратегий, основанных на предотвращении тупиковых ситуаций и стратегий, основанных на тайм-аутах.

        Ключевые слова: базы данных, взаимные блокировки, транзакция, моделирование.

        image

        Протоколы контроля конкуренций обеспечивают параллельное выполнение взаимовлияющих транзакций при сохранении целостности данных. Среди всех протоколов контроля конкуренций в системе моделирования выбран протокол двухфазной блокировки, как наиболее часто используемый [1, 3].

        Протокол двухфазной блокировки заключается в следующем. Первая фаза – установление блокировок без их освобождения. Вторая фаза – освобождение блокировок. В этой фазе не могут выполняться дополнительные блокировки. Есть несколько схем осуществления такого протокола, которые гарантируют разную надежность и реактивность системы. Как правило, требования надежности и реактивности протоколов противоречат друг другу.

        Тупики часто определяются с помощью графов ожидания [4, 5]. В контексте базы данных граф ожиданий G является

        ориентированным графом, где каждая вершина представляет собой транзакцию; каждое ребро Ti Tj G означает, что транзакция Ti ждет транзакции Tj (например, поскольку

        image

        Tj, владеет блокировкой, которую хочет Ti). Было показано, что существует тупик тогда и только тогда, когда существует цикл в графе ожиданий [4, 5].

        Стратегии разрешения взаимоблокировок можно разделить на три класса. Такое разделение возможно по принципу: требуется ли стратегиям явное обслуживание графа ожидания и можно ли для целей разрешения взаимоблокировок перезапустить транзакцию, которая не включена в тупик. Этими классами являются - стратегии устранения взаимоблокировок, стратегии предотвращения блокировок и стратегия тайм- аута.

        Стратегии обнаружения тупика делятся на непрерывное обнаружение циклов в графе ожиданий и периодическое обнаружение циклов. При непрерывном обнаружении граф ожиданий всегда хранится без циклов, т.к. обнаруживает циклы на протяжении всего времени блокировки транзакции. При периодическом обнаружении граф ожидания периодически просматривается для обнаружения циклов, и находятся все связанные компоненты графа. Проблемой является выбор подходящего временного интервала для периодического обнаружения тупиков. В работе изучается влияние разных временных интервалов на эффективность обнаружения тупиковых ситуаций.

        При выполнении стратегии обнаружения тупика возникает задача выбора транзакции для перезапуска. В работе рассмотрено 5 способов:

        1. выбирается транзакция, которая только что привела к тупику (это возможно при непрерывном обнаружении).

        2. выбирается случайная транзакция среди участников цикла взаимоблокировки.

        3. выбирается транзакция, в которой выполняется меньше блокировок.

        4. выбирается транзакция с самым последним начальным временем запуска (т.е. та, которая начала работу совсем недавно).

        5. выбирается транзакция, которая потребляет наименьшее количество физических ресурсов (записей БД) с момента ее начала.

При выполнении стратегии предотвращении тупиковой ситуации неявно поддерживается граф ожиданий. Тупики предотвращаются тем, что никогда не разрешаются блокировки, которые могут привести к тупику. Рассматриваются два алгоритма предотвращения блокировки.

Если запрос блокировки от транзакции Ti приводит к конфликту с другой транзакцией Tj, разрешите конфликт следующим образом:

  1. Если Ti начала работать до Tj, то рестарт Tj, в противном случае блокируйте Ti.

    Тупики не могут произойти, так как все транзакции могут быть блокированы только более старой транзакцией, и поэтому в графе ожиданий не могут формироваться циклы.

  2. Если Ti запущена раньше Tj, тогда заблокируйте Ti, в противном случае перезапустите Ti. Опять же, взаимоблокировки невозможны, поскольку транзакция может быть заблокирована только младшей транзакцией.

Обратите внимание на то, что при предотвращении тупиковой ситуации возобновленное действие не обязательно связано с фактическим циклом взаимоблокировки. Таким образом, политика предотвращения блокировок носит консервативный характер, т.к. требует больше рестартов с целью предотвращения возможных взаимоблокировок.

При выполнении стратегии тайм-аута для обработки взаимозависимых транзакций транзакция, запрос блокировки которой не может быть предоставлен, просто помещается в очередь на блокировку. Транзакция позже перезапускается, если ее время ожидания превышает некоторое пороговое значение. Таким образом, при этой стратегии могут перезапускаться некоторые транзакции, которые не задействованы ни в одном цикле.

Модель системы управления транзакциями построена на основе Е-сетей (модифицированных сетей Петри). Модель состоит из генератора транзакций,

image

контроллера транзакций и контроллера блокировок. Генератор транзакций формирует транзакции как множество операций чтения записи i-го данного. Предполагается, что ни одна транзакция не читает и не пишет одну запись БД более одного раза и представляется в виде набора операций READi(x) и WRITEi(x), обозначаемых Ri(x) и Wi(x). Любая транзакция может прекратить свое существование двумя способами: либо завершиться благополучно, т.е. зафиксироваться (COMMIT), либо завершиться аварийно, вследствие чего может возникнуть необходимость отката транзакции (ABORT). Контроллер транзакций управляет выполнением нескольких транзакций. Контроллер блокировок осуществляет строгую двухфазную блокировку и стратегии борьбы с тупиками, которые описаны выше.

Модель координатора транзакций представлена на рис.1.

image

Рис.1 Модель координатора транзакций

Получив сообщение «начало транзакции» координатор транзакций выбирает первое данное для обработки и переходит в состояние чтение/запись очередного данного. Если в этой фазе наступает событие «откат транзакции», то контроллер освобождает все блокировки данной транзакции.

Для осуществления доступа к данному необходимо послать требование на блокировку этого данного к контроллеру блокировок. Если блокировка возможна, т.е. получено сообщение «подтверждение блокировки», то разрешено манипулирование этим данным. Если все данные обработаны, то наступает состояние «конец транзакции» и транзакция попадает в состояние «ожидание фиксации». Сообщение

«зафиксироваться» приводит модель в состояние «запись в БД» и «снятие блокировок». Рассмотрим модель контроллера блокировок рис. 2. Если метки блокировки данного по чтению (R) и по записи (W) пусты, то контроллер блокировок данного разрешает доступ к данному и помещает в соответствующую метку сведения о блокирующей транзакции. В выходную позицию записывается разрешение на блокировку. Если метки блокировки данного не пусты, то анализируется, не является ли требование на блокировку конфликтным. Контроллер блокировок строит граф ожидания и, если в нем есть цикл, решает какую транзакцию откатить по правилам, изложенным

выше. Требование отката записывается в выходную позицию.

Приведем результаты экспериментов. Количество данных при рассмотрении коллективного доступа было не очень большим – порядка 2000 записей, т. к. при большем числе данных конфликты очень редки. Размер транзакций в среднем 10 операций чтения и 15 записи данных. Общее число транзакций в системе от 100 до 200.

image


image

Рис.2 Модель контроллера блокировок.

Наш первый эксперимент изучил эффективность альтернативных критериев выбора откатываемой транзакции при непрерывном обнаружения тупиков.

При небольшой нагрузке все критерии выбора откатываемой транзакции работают эффективно. Однако по мере увеличения количества транзакций в системе выбор откатываемой транзакции по критерию 1 и критерию 2 начинают тормозить время выполнения транзакции. Критерии 3, 4 и 5, которые пытаются перезапустить наименее дорогостоящую транзакцию, начинают обеспечивать лучшую производительность по мере увеличения уровня параллелизма.

Также выяснилось, что можно сформулировать два свойства стабильности для стратегий устранения взаимоблокировок. Первое заключается в том, что в любой момент времени существует некоторая транзакция в системе, которая гарантировано не перезапускается, и второе – транзакции нельзя перезапускать много раз, т.е. предпочтительнее транзакции без повторных перезапусков.

Хотя эти свойства не гарантируют высокий параллелизм, отсутствие этих свойств может привести к тому, что система станет нестабильной в ситуациях с высоким уровнем конфликтов. Среди критериев выбора откатываемой транзакции, которые были рассмотрены, первый и второй критерии не обладают этими двумя свойствами, критерий 4 имеет оба этих свойства, а критерии 3 и 5 имеют приблизительно эти свойства стабильности. Было установлено, что 3 критерий лучше других критериев, потому что, если транзакция, которая удерживает большое количество блокировок, перезапускается, она снова должна бороться за все блокировки, увеличивая вероятность блокировки и перезапуска.

При выполнении стратегии предотвращении тупиковой ситуации алгоритм 1 имеет оба требуемых свойства стабильности. Алгоритм 2 имеет повторные перезагрузки, поэтому алгоритм 1 строго превосходит второй алгоритм.

В нашем исследовании подчеркивается сложность выбора подходящего интервала тайм-аута для стратегии тайм-аута. Было продемонстрировано, что производительность тайм-аута чувствительна к интервалу и что «правильный» тайм-аут зависит от уровня параллелизма и от характеристик рабочей нагрузки транзакции. Проводились эксперименты с адаптивной версией стратегии тайм-аута и со стратегией

image

простого тайм-аута с фиксированным интервалом. По результатам экспериментов можно сказать, что тайм-аут проигрывает первым двум стратегиям.

Предложенная модель параллельного выполнения транзакций позволяет оценить различные стратегии преодоления тупиковых ситуаций. Было бы полезно проверить нашу имитационную модель, повторив эксперименты в реальной системе баз данных. Такая модель может быть использована для демонстрации обучающимся механизмов поддержки параллелизма в базах данных.

Автор считает, что в данной работе новыми являются следующие положения и результаты:

  1. Модель системы управления транзакциями, построенная на Е-сетях;

  2. Выделение свойств стабильности для стратегий устранения взаимоблокировок;

  3. Программный продукт, который позволяет осуществить моделирование параллельного выполнения транзакций.

    Литература

    1. Abdullah Mohammed Rashidl. Deadlock Detection and Resolution in Distributed Database // International Journal of Scientific and Research Publications, 2015. September. V. 5. Issue 9.

    2. Kumar V. Performance comparison of database concurrency control mechanisms based on two-phase locking, timestamping and mixed approach // Information Sciences. V. 51. Issue 3. 1990. Au- gust. Pages 221–261

    3. Saad M. Darwish, Adel A. El-Zoghabi and Marwan H. Hassan. Soft Computing for Database Deadlock Resolution // International Journal of Modeling and Optimization, Vol. 5, No. 1, February 2015

    4. Holt R.C. Some deadlock properties of computer systems, ACM Computing Surveys, 1972. Sept. V. 4. N. 3. pp. 179–196.

    5. Bernstein P.A., Hadzilacos V., Goodman N. Concurrency control and recovery in database systems. – Addison-Westley publishing company, 1987. 370 p.


      The model of database concurrency control strategy

      Vera Volushkova, Ph. D., associate Professor, Tver state University

      The choice of concurrency control strategy is an important task for intensive loadings of databases. Traditionally the problem of concurrency control strategy is solved with the help of blocking which inevitably lead to deadlocks. There are many algorithms for fight against deadlocks. In this work the model for the analysis of efficiency of strategy of the deadlocks detection, strategy based on deadlocks prevention and strategy based on timeouts is presented. Keywords: database; concurrency control; deadlock; modeling; transaction processing.


      УДК 658.314.7:330.115

      СТРУКТУРА АВТОМАТИЗИРОВАННОГО КАТАЛОГА УСЛУГ

      Владимир Алексеевич Бородин, чл.-кор. РАН, генеральный директор

      E-mail: [email protected]

      Экспериментальный завод научного приборостроения РАН

      www ezan.ru

      Сергей Александрович Савушкин, канд. физ.-мат. наук, ст. науч. сотр., вед. науч. сотр.

      E-mail: ssa[email protected]

      Алеся Валерьевна Лемешкова, мл. науч. сотр.

      E-mail: ales[email protected]

      Институт проблем транспорта им. Н.С. Соломенко РАН

      www iptran.ru

      image

      Описана структура автоматизированной системы ведения каталога услуг, назна- чение и порядок взаимодействия программных и информационных элементов струк- туры между собой и с CRM-системой компании.

      Ключевые слова: система, автоматизация, услуга, каталог, структура, информа- ция, клиент, программное обеспечение

      Введение

      Данная статья посвящена теме управления большими транспортными системами [1,2], вопросам построения клиентоориентированного управления [3-6], в частности, со- здания важного для обеспечения клиентоориенторованности ресурса – автоматизирован- ного каталога услуг [7-16]. Статья основана на работах, выполненных по заказу ОАО

      «РЖД» [7]. Теоретические вопросы прорабатывались на примере транспортных услуг.

      Назначение автоматизированного каталога услуг

      Автоматизированный каталог услуг в области грузовых перевозок холдинга

      image

      «РЖД», призван реализовать следующие задачи:

      1. закрепление функциональной ответственности под- разделений по элементам услуг, оказываемых в рамках основ- ных видов деятельности ОАО «РЖД»;

      2. поддержку единого формата стандартизированной за- писи в базе данных услуг холдинга «РЖД», разработанного в со- ответствии с методикой каталогизации услуг холдинга «РЖД» [9];

      3. возможность дополнения и уточнения каталога переч- нем и описанием услуг, оказываемых подразделениями;

      4. возможность постепенной дальнейшей детализации в электронной версии оказываемых услуг или их элементов,

        вплоть до полного каталожного описания;

      5. возможность привязки электронной версии перечня к регламентирующим доку- ментам и стандартам, действующим в ОАО «РЖД», и содержащим характеристику и па- раметры услуг в области грузовых перевозок;

      6. поддержку типовой процедуры работы каталогизатора с автоматизированным ресурсом ведения каталога с регистрацией и учетом выполняемых операций.

Состав каталогизируемых услуг опирается на утвержденный формат каталожного описания и содержит основные поля, содержащие необходимые для клиента данные об усло- виях и параметрах перевозки [7].

Автоматизированная система для решения задач ведения каталога услуг должна предусматривать:

Каталог услуг должен иметь следующие функции:

возможность формирования портфеля услуг по запросу клиента на основе настройки дерева каталога (группировки по типам, категориям, стоимости и др.);

возможность актуализации и дополнения новыми услугами Администратором

image

каталога услуг либо специалистами подразделений ОАО «РЖД» и ДЗО;

инструмент, позволяющий исключить дублирование услуг;

возможность использования настраиваемых аналитик по услугам, позволяющие отслеживать статистику по услугам, выделять наиболее популярные и др.

Для реализации этих функций в СКУ должны быть сформированы алгоритмы и программы, обеспечивающие решение следующих задач:

формирование каталога услуг;

ведение исторических данных об изменениях каталога услуг;

подбор портфеля услуг для конкретного клиента;

конструирование комплексной услуги.

image

Кодификацию услуг в соответствии с утвержденной Мето- дикой предполагается строить на принципах кодификации, гар- монизированных с общероссийским классификатором продук- ции ОКПД2. Применение ОКПД2 для кодификации позволит точнее позиционировать компанию на общероссийском, а также и на европейском рынке услуг.

Единый формат стандартизированной записи в базе данных услуг холдинга «РЖД» будет обеспечен программными инстру- ментами, которые должны дать возможность каталогизатору унифицировать услуги, исключить повторения и пересечения.

image

Эффективная навигация в электронном каталоге и инстру- менты идентификации услуги должна обеспечивать быстрое и с

наименьшими усилиями нахождение и выбор необходимого кли- енту набора услуг, удовлетворяющего его критериям. Кроме того, она будет инструментом каталогизатора для проведения анализа портфеля услуг с целью его оптимизации и настройки на потребности рынка.

Возможности оперативного формирования портфеля ока- зываемых услуг из полной линейки транспортных продуктов холдинга «РЖД» для максимального соответствия запросам рынка и индивидуальным потребностям клиентов должны быть реализованы на основе вышеописанных инструментов, а также

на основе динамичного формирования комплексных услуг из набора взаимосвязанных базисных элементов, гибко настраиваемых на удовлетворение запроса клиента.

Компоненты автоматизированного каталога услуг

Система ведение единого каталога услуг (СКУ) включает иерархический перечень услуг, оказываемых клиентам бизнес-единицами при организации перевозочного про- цесса и в области транспортно-логистической деятельности. Важной функцией каталога услуг является наличие актуальной информации о стоимости услуг бизнес-единиц – по- ставщиков услуг, что позволит осуществлять кросс-продажи в рамках предложения кли- ентам комплексных услуг. СКУ является одной из составных частей более мощного ре- сурса – системы управления взаимоотношениями с клиентами (СВК).

Структура компонентов СКУ состоит из следующих основных компонент: про- граммной (приложения) и информационной (база данных). База данных состоит из бло- ков:

блок каталожных описаний. Каталожные описания в полях, отвечающих за испол- нение услуги, могут содержать ссылки на вспомогательные базы данных.

база правил. В базе правил сконцентрированы продукционные правила для настройки свойств и составляющих услуги в зависимости от параметров заявки на пере- возку. В свою очередь составляющие также являются услугами, каталожные описания

image

которых имеются в информационной компоненте и в базах данных имеются ссылки на них.

кодификатор. Формат кодификатора определяется форматом ОКПД2, использо- вание которого в качестве кодификатора предусмотрено Методикой формирования ка- талога услуг холдинга «РЖД» [9].

Программные приложения СКУ состоят из следующих основных модулей:

подготовка каталожного описания;

включение услуги в каталог;

сопровождение каталога;

исключение услуги из каталога;

обеспечение пользователей каталогом (целевое применение каталога).

Блоки включения, исключения услуги, сопровождение каталога должны давать возможность каталогизаторам проводить анализ и вносить изменения в каталог. Внесе- ние изменений предполагает документальное оформление таких изменений, согласова- ние, утверждение документа в установленном порядке. После этого изменение техниче- ски вносится администратором каталога посредством редактирования описаний и вспо- могательных баз. Подготовка описания услуги требует анализа имеющихся в каталоге описаний, создания и редактирования описаний. Документальное оформление в этом случае не требуется.

Структуризация транспортных услуг

В основе структуры каталога лежит кодификатор, который отражает основные ро- довидовые связи между услугами, Кроме этого услуги связаны ассоциативными, техно- логическими связями. Сложные услуги декомпозируются и состоят из более простых услуг.

Иерархическая структура каталога услуг компании содержит несколько уровней сложности, отдельные услуги на каждом уровне и связи между уровнями. На верхнем уровне расположены комплексные услуги, в наибольшей степени клиент ориентированные, для ока- зания которых требуется проработка всех звеньев логистики, таких как курьерская доставка и отправка «от двери до двери», хранение, упаковка, мультимодальные перемещения, оформ- ление документов, информирование и др.

На следующем уровне интеллектуальной системы структурирования, ранжирования и поиска элементов услуг приведены базисные услуги, традиционно оказываемые компанией в области железнодорожных перевозок грузов.

Далее располагаются внутренние услуги, которые подразделения компании оказывают друг другу в рамках внутрикорпоративной системы обмена услугами и работами, необходи- мыми для подготовки и оказания услуги внешнему потребителю. Например, предоставление тяги, подача и подготовка вагона являются внутренними услугами. Внешнего клиента они, как правило, не должны интересовать.

Для исполнения внутренних услуг и соблюдения установленных параметров их каче- ства предназначены принятые в компании соответствующие нормативы и технологии, кото- рые в свою очередь разбиваются на простейшие операции. На всех уровнях исполнение ре- гламентируется нормативными документами.

Взаимодействие с CRM-системой

СВК компании (CRM-система) должна реализовывать определенный набор функ- циональных задач, выполняемых в различных модулях, взаимодействующих, в том числе, с блоком СКУ. Информационные взаимодействия модуля СКУ с другими моду- лями СВК заключаются в следующем:

Каталог (СКУ) может быть использован как после авторизации, так и без авториза- ции, и без регистрации. Поэтому блок регистрации должен быть связан с модулем веде-

image

ния каталога. Авторизация в каталоге должна быть действительной для остальных моду- лей СВК. Регистрационная информация должна быть передана в единую базу клиентов. Для ведения каталога необходима информация по каждой услуге в динамике, кото-

рая имеется в базах данных СВК:

количество обращений,

количество претензий,

отзывы,

оценка степени удовлетворенности услугой.

общее количество запросов,

количество отказов в ходе переговоров,

количество успешных прецедентов,

финансово-экономические показатели.

Для ведения каталога финансово-экономические показатели имеют прямое отно- шение для выработки рекомендаций по включению услуги в каталог, изменению статуса и исключению из каталога. Также требуются результаты маркетинговых исследований, сгруппированные по услугам, например, корреляции динамики удовлетворенности кли- ентов услугами с динамикой доходов от услуг или готовые рекомендации по повышению качества оказания конкретных услуг.

Для выявления наиболее активных пользователей конкретными услугами катало- гизатору полезна клиентская аналитика, сгруппированная по услугам, а также доступ к самой базе клиентов для постановки и решения собственных задач аналитики, если та- ковых не предусмотрено в модулях СВК.

Информация о недостаточной удовлетворенности клиента требуется каталогиза- тору для прогнозирования возможного оттока клиентов, что дает сигнал для проведения мероприятий по повышению качества услуги. Качество услуг в каталоге измеряется по- средством набора показателей качества. В каталоге предусмотрены поля, содержащие перечни показателей качества для каждой услуги с их целевыми значениями и способами оценки.

Результаты данной работы являются необходимым этапом разработки техниче- ского задания и программного обеспечения СКУ в области грузовых перевозок.

Авторы считают, что в данной работе новыми являются следующие положения и результаты:

описана структура автоматизированной системы ведения каталога (СКУ) услуг, назначение и порядок взаимодействия программной и информационной компонент си- стемы;

описаны структура информационной компоненты СКУ, основное содержание и назначение составляющих ее элементов;

разработана структуризация транспортных услуг;

описан состав программной компоненты СКУ, назначение каждого модуля, взаи- модействие с модулями СВК.

Литература

  1. Цыганов В.В., Малыгин И.Г., Еналеев А.К., Савушкин С.А. Большие транспортные си- стемы: теория, методология, разработка и экспертиза. – СПб: ИПТ РАН, 2016. 216 с.

  2. Белый О.В., Малыгин И.Г., Еналеев А.К., Савушкин С.А., Цыганов В.В. Экспертиза и разработка крупномасштабных железнодорожных проектов / Ренессанс железных дорог: фунда- ментальные научные исследования и прорывные инновации: колл. моногр. Объединенного уче- ного совета ОАО «РЖД». – Ногинск: Аналитика Родис, 2015. С. 165–182.

  3. Цыганов В.В. Клиентоориентированность и каталогизация услуг в управлении круп- номасштабной организацией / Информационные технологии и технологии управления в про- мышленности, науке и образовании: труды межд. конф. – Гурзуф: ИНИТ, 2016. С. 3–9.

    image

  4. Цыганов В.В., Бородин В.А., Савушкин С.А. Адаптивное управление транспортной компанией на основе клиентоориентированности // ИТНОУ. 2017. № 3 (3). С. 3–10.

  5. Цыганов В.В., Савушкин С.А., Горбунов В.Г. Контроль качества услуг в клиент ориен- тированном управлении компанией // ИТНОУ. 2017. № 3 (3). С. 10–19.

  6. Савушкин С.А., Искоростинский А.И., Лемешкова А.В. Организация клиент ориенти- рованного управления транспортными предприятиями // ИТНОУ. 2017. № 2 (2). С. 8694.

  7. Аветикян М.А., Цыганов В.В., Савушкин С.А. Единый каталог услуг холдинга «РЖД» как ключевой элемент цифровой железной дороги // Железнодорожный транспорт. 2017. № 8. С. 7–11.

  8. Цыганов В.В., Савушкин С.А., Горбунов В.Г. Принципы каталогизации услуг крупно- масштабной организации // Информационные технологии и технологии управления в промыш- ленности, науке и образовании: труды межд. конф. – Гурзуф: ИНИТ, 2016. С. 1928.

  9. Цыганов В. В., Бородин В. А., Савушкин С. А., Лемешкова А. В. Методика каталогиза- ции услуг компании // Информационные технологии и технологии управления в промышленно- сти, науке и образовании: Труды межд. конф. – Гурзуф: ИНИТ, 2016. С. 31–39.

  10. Цыганов В.В., Савушкин С.А., Лемешкова А.В. Методика каталогизации, стандартиза- ции и контроля услуг холдинга ОАО «РЖД» // Транспорт России: проблемы и перспективы– 2016: Мат. межд. научно-практической конф. 29-30 ноября 2016 г. СПб.: ИПТ РАН. – Санкт- Петербург, 2016. Т. 1. С. 102–106. 400 с.

  11. Савушкин С.А. Организация каталога услуг транспортной компании // Транспорт Рос- сии: проблемы и перспективы-2016: мат. межд. научно-практической конф. 29-30 ноября 2016г. СПб.: ИПТ РАН. – Санкт-Петербург, 2016. Т. 1. С. 111–115. 400 с.

  12. Савушкин С. А., Лемешкова А. В., Горбунов В. Г. Принципы построения автоматизи- рованного каталога услуг // ИТНОУ. 2017. № 4 (4). С. 27–32.

  13. Савушкин С.А. Формализация каталога транспортных услуг // Транспорт России: про- блемы и перспективы – 2017: Мат. межд. научно-практической конф. 14-15 ноября 2017 г. СПб.: ИПТ РАН. – Санкт-Петербург, 2017. С. 44–47.

  14. Цыганов В.В., Савушкин С.А., Лемешкова А.В. Каталогизация услуг в организацион- ном управлении транспортной компанией // Транспорт России: проблемы и перспективы – 2017: Мат. межд. научно-практической конф. 14-15 ноября 2017 г. СПб.: ИПТ РАН. – Санкт-Петербург, 2017. С. 40-43.

  15. Цыганов В.В., Савушкин С.А. Каталог услуг в адаптивном организационном управле- нии транспортными структурами // ВИНИТИ: Транспорт: наука, техника, управление. № 12. 2017. С. 3–10.

  16. Tsyganov V., and Savushkin S. Optimization of the Service Catalog of a Large-Scale Corpo- ration/ Proceedings of 2017 Tenth Conference "Management of Large-Scale System Development". Moscow: IEEE, 2017. pp. 1-5. DOI: 10.1109/MLSD.2017.8109699


Structure of the automated service catalogue

Borodin Vladimir Alekseevich, Corresponding Member of RAS, Director General Experimental plant of scientific instrumentation of the Russian Academy of Sciences, www ezan.ru

Savushkin Sergey Alexandrovich, PhD (Math), Senior Scientist, Leading Researcher, Institute of Transport Problems named NS Solomenko RAS,

Lemiashkova Alesya Valeryevna, junior researcher, Institute for Transport Problems named after

N.S. Solomenko of the Russian Academy of Sciences

The structure of the automated system for maintaining the catalog of services, the purpose and proce- dure for the interaction of software and information elements of the structure with each other and with the company's CRM-system are described.

Keywords: system, automation, service, catalog, structure, information, client, software

image

УДК 658.314.7:330.115

КОНСТРУИРОВАНИЕ КОМПЛЕКСНОЙ ТРАНСПОРТНОЙ УСЛУГИ

Владимир Викторович Цыганов, д-р техн. наук, проф., главн. науч. сотр.

E-mai: l [email protected]

Институт проблем управления им. В.А. Трапезникова РАН

www ipu.ru

Сергей Александрович Савушкин, канд. физ.-мат. наук, ст. науч. сотр., вед. науч. сотр.

E-mail: ssa[email protected]

Институт проблем транспорта им. Н.С. Соломенко РАН

www.iptran.ru

Владимир Григорьевич Горбунов, зам. генерального директора

E-mail: [email protected],

Экспериментальный завод научного приборостроения РАН

www ezan.ru

Выполнение комплексной клиентоориентированной транспортной услуги требует скоординированных действий многих подразделений компании. Ввиду их большого коли- чества, для них не может быть составлен исчерпывающий перечень. Поэтому каталог услуг должен иметь механизмы конструирования сложных услуг из более простых.

Ключевые слова: система, автоматизация, услуга, каталог, структура, информа- ция, клиент, программное обеспечение

Введение

Данная статья выполнена в направлении разработки информационной теории управления большими транспортными системами [1,2], связана с вопросами клиентоори- ентированности управления [3-5], которая, в частности, обеспечивается созданием авто- матизированного каталога услуг [6-11]. Статья основана на работах, выполненных по за- казу ОАО «РЖД» [6] и посвящена алгоритму конструирования логистической схемы комплексной услуги из набора базисных услуг.

Комплексная услуга

Рассматриваем минимальный пакет состава услуги по виду деятельности ОАО

«РЖД» «Грузовые перевозки». Предполагается, что при обращении к каталогу компании для получения услуги «Внутренняя перевозка «от двери до двери»» клиент должен задать ми- нимальную информацию, необходимую для формирования услуги. В каталожном описании данной услуги находится информация о параметрах услуги. Программное обеспечение авто- матизированной системы ведения каталога услуг (СКУ) должно на этой основе готовить входные формы для ввода описания услуги клиентом.

image

image

При каталогизации данной услуги необходимо учитывать детали услуги, обеспечивающие удобство для клиента. Например, если груз привозится или вы- возится автомобилем клиента, то для него желательно согласовать точное время погрузки и выгрузки, если же он расположен ждать несколько часов, то он может быть избавлен от дополнитель- ной платы за точность. Пакетирование тарно-штучных грузов при отправке

имеет смысл при достаточных объемах. В ходе накопления мел- ких отправок груз может быть с согласия клиента пакетирован вместе с подобными гру- зами других клиентов.

image

Дочерние общества ОАО «РЖД» решают и другие задачи, возникающие при по- грузке-выгрузке груза при более сложном расположении с затрудненным доступом или характере груза.

Шаги логистики

Реализация данной комплексной услуги возможна на основе конструирования после- довательности, преобразующей исходное состояние груза в требуемое, базисных услуг, та- ких как:

затаривание — растаривание — перетаривание;

погрузка — выгрузка — перегрузка;

перемещение одним из видов транспорта;

запланированное ожидание на площадках временного хранения;

хранение на складе.

Базисные услуги предварительно настраиваются на требуемый характер груза, путь следования и другие требования клиента. Условия и параметры перевозки зависят от наиме- нования и других свойств груза. Для каждого наименования груза необходимо учесть вари- анты оказания различного вида услуг, связанных с перевозками, а именно:

способ отправки;

тип грузового вагона для перевозки;

возможности доставки автомобильным транспортом;

применяемая тара, упаковка, пакетирование;

способы погрузки / выгрузки;

необходимость сопровождения или охраны;

схемы хранения;

типовые схемы размещения и крепления груза в вагоне;

нормативная скорость и другие параметры качества перевозки;

правила приема груза к перевозке;

условия перевозки железнодорожным транспортом.

image

Процессная модель услуги представляет собой последова- тельность шагов настройки соответствующих базисных услуг. Базисные услуги, настроенные на описание груза далее определяют маршрут движения и составляют логистическую схему исполнения всей услуги. Определение логистической схемы сводится к опре- делению маршрута, к определению станций перегрузки с авто- мобиля на поезд и обратно, к определению последовательности операций на станциях перегрузки. После этого базисные эле- менты логистической схемы с уточняющими параметрами должны быть переданы конкретным исполнителям.

Настойка шагов

Программное обеспечение СКУ должно обеспечивать возможность пошагового исполнения процессной модели. Шаги, производящие настройки, предполагают нахож- дение в базе правил таблиц или групп таблиц нужного содержания и выбор из них строк, удовлетворяющих заданным или вычисленным значениям параметров услуги.

Для настройки элементов логистической схемы используются находящиеся в базе правил таблицы или группы таблиц нужного содержания, выбираются строки, удовле- творяющих заданным в запросе или логически выведенным посредством правил пара- метрам услуги. Выбор вариантов базовых услуг, как правило, зависит не напрямую от наименования груза или других параметров запроса, а от отнесения его к определенному классу. Поэтому классификация грузов представляет собой отдельный слой интеллекту- альной поисковой системы. Программное обеспечение должно поддерживать вывод ва-

image

риантов базовых услуг на основе правил. Полученный набор базовых элементов переда- ется для контроля каталогизатору и клиенту. Дополнительно передаются объяснения вы- бранных настроек в виде последовательности правил, примененных для их вывода.

Классификации грузов. Вся совокупность товаров, которые с началом процесса транспортировки становятся грузами, может быть классифицирована по множеству при- знаков: природному происхождению, физическому состоянию, отраслям и т.д. [12].

Можно выделить две большие группы классификаций – торговая (товарная, та- рифная) номенклатура и транспортная классификация. Товарная классификация (или но- менклатура) грузов построена по признакам производственного происхождения грузов, по размерам тарифов за перевозки и размерам ставок сборов.

Транспортная классификация грузов введена для определения требуемых усло- вий транспортирования грузов, обеспечивающих их сохранность на транспорте, плани- рования, регулирования и учета грузооборота, обоснования специализации погрузочно- разгрузочных механизмов, параметров складов и типов перегрузочного оборудования. Из множества признаков, по которым можно выполнить классификацию, выбирают определяющий, т.е. существенный для достижения поставленной цели, классификаци- онный признак.

Под транспортной классификацией грузов понимают упорядочение совокупности грузов по какому-либо признаку, определяющему особенности транспортного процесса. Транспортная классификация строится в зависимости от вида и состояния грузов, предъявляемых к перевозке, типа их упаковки и способов погрузки и перевозки, обеспе- чивающих сохранность продукции. Перевозимые грузы различаются по физическому со- стоянию, приспособленности к выполнению погрузочно-разгрузочных работ, по обоб- щающим физико-механическим и химическим свойствам, сохранности при перевозке. Прежде всего, естественной является классификация по агрегатному состоянию груза:

твердое, жидкое, газообразное состояние.

Далее грузы делятся по характеру погрузочно-разгрузочных работ на следующие классы: навалочные, тарно-штучные, пакетированные и контейнерные, наливные и газо- образные, негабаритные грузы и грузы большой массы.

Необходимо построить таблицу классов грузов, включающую все возможные классификации, используемые для определения условий перевозки. Для каждого вида услуги необходимо построить таблицы, содержащие правила настройки услуги на пара- метры заявки и характеристики груза.

Выбор подвижного состава. Анализ грузов существующих номенклатурных групп (согласно общесоюзному классификатору промышленной и сельскохозяйствен- ной продукции) дает возможность выявить определяющее влияние их характера и свой- ства на сложившуюся и развивающуюся специализацию подвижного состава, а в даль- нейшем разработать рациональную структуру парка подвижного состава в зависимости от структуры грузооборота различных номенклатурных групп грузов [12].

Тип грузового вагона при железнодорожных перевозках зависит в основном от наименования груза, а также от других классификаций. Предполагается, что объем пере- возки является достаточно большим. При малых объемах груз любого наименования должен быть упакован и, следовательно, превращается в тарно-штучный. Правила вы- бора грузового вагона могут быть сведены в таблицу:

Для автомобильных перевозок классификации грузов и соответствующий формат таблицы позволяют выбрать подходящий тип кузова, шасси и различное дополнительное оборудование кузовов.

Необходимо отметить, что классификации грузов могут использовать различные термины для определения сходных понятий и наоборот. Например, термин «неагрессив- ные», возможно, соответствует отсутствию физико-химического свойства «коррозион-

image

ная агрессивность» или понимается более широко. На начальном этапе допускается не- формальные разъяснения и частичная автоматизация при обработке терминов. В частно- сти, требуется содержательный комментарий для оборота «другие грузы».

При формулировании условий предоставления данного варианта услуги, например, данного вида вагона, могут быть использованы более сложные конструкции, чем просто указание определенного класса груза. Например, «Массовые неагрессивные грузы, не тре- бующих защиты от атмосферных осадков: насыпные, непылевидные, навалочные, шта- бельные, штучные». Данная запись может быть формализована методами математической логики, посредством формулы с применением операций «и», «или», «не», а именно, «мас- совые и неагрессивные и не требующие защиты от атмосферных осадков и (насыпные или непылевидные или, навалочные или штабельные или штучные

Выбор способов отправки. Способы доставки регламентируются Правилами приема грузов к перевозке железнодорожным транспортом. В них определяются различ- ные способы отправки грузов [13]. Вид отправки зависит от веса и размеров груза. Для определения вида отправки необходимо иметь данные по грузоподъемности и габарит- ным размерам вагонов и контейнеров. Эти данные должны храниться в базе данных по характеристикам подвижного состава.

Выбор схем размещения и крепления грузов. Размещение на открытом желез- нодорожном подвижном составе грузов в зависимости от их размеров и крепления должно осуществляться в пределах габаритов погрузки. Виды схем размещения и креп- ления грузов, габариты погрузки зависят от регионов их применения. Элементы и спо- собы крепления различных грузов должны быть систематизированы и внесены в базу правил информационной компоненты СКУ.

На начальном этапе разработки, ввиду сложности формализации схем, в записях каталога можно ограничиться ссылками на соответствующие технические условия [14] типовых схем размещения и крепления грузов. Описания схем в этом случае приво- дятся в текстовом формате. При этом необходимо предусмотреть возможности углуб- ления автоматизации на последующих этапах посредством формализации записей и разработки соответствующих алгоритмов.

Нетиповые схемы размещения и крепления грузов разрабатываются специально для конкретной перевозки и разработка может занимать значительное время. В этом случае кли- енту необходимо предоставить ссылку на соответствующего разработчика. Нетиповые схемы по мере их разработки могут также накапливаться в правилах каталога.

Выбор тары и упаковки. Перевозка тарно-штучных грузов отдельными едини- цами, т.е. россыпью, поштучно, обуславливает применение тяжелого ручного физиче- ского труда у всех участников перевозочного процесса (отправителя грузов, транспорт- ной организации, получателя). Это вызвано невозможностью эффективного использова- ния средств механизации из-за многообразия форм и видов, как самих предметов по- грузки, так и упаковки, тары, ее размеров, массы. Кроме низкой производительности труда такие перевозки приводят к значительным потерям грузов, особенно сыпучих, за- таренных в мешки, кирпича и т.д., хищениям, большим простоям подвижного состава, к потере товарного вида груза из-за возможного повреждения тары.

Решение этих проблем возможно созданием укрупненных грузовых единиц (па- кетов), позволяющих эффективно использовать подъемно-транспортное оборудование для механизации погрузо-разгрузочных работ [15].

Считается, что в основном выгоден переход на пакетную доставку грузов пере- возчикам, особенно при наличии многократных перевалок, и получателям продукции, которые без дополнительных капитальных вложений снижают издержки, т.е. повышают свою рентабельность.

Настройка шагов должна привести к определению исполнителя, способного ока-

image

зать данную услугу. Информацию об исполнителях – партнерах компании и оказывае- мых ими услугах необходимо включить в каталог. Интерфейсы для транзакций заказа в другие исполнительные модули организуются посредством данной информации.

Формирование схемы

Основу формирования схемы составляет выбор маршрута. Маршрут должен про- ходить через железнодорожную станцию, которая осуществляет требуемые клиенту опе- рации. Каждая железнодорожная станция имеет определенный набор функционала, ко- торый обозначается как параграф. Станция имеет некоторый перечень открытых пара- графов. Данный открытый параграф означает, что указанные в нем функции осуществ- ляются на станции. Существует также полный справочник железнодорожных станций, содержащий параграфы. Для определения оптимального маршрута необходима инфор- мация о координатах станций.

Коме выбора маршрута схема включает последовательность погрузо-разгрузоч- ных, оформительских, информационных и др. операций на каждом пункте следования.

Авторы считают, что в данной работе новыми являются следующие положе- ния и результаты:

разработаны механизмы конструирования комплексных услуг из простых - базисных;

описаны механизмы настройуи шагов логистической схемы комплексной услуги на параметры запроса клиента;

предложены способы организации информации лоя настройки в виде таблиц, со- держащих однородные продукционные правила.

Литература

  1. Цыганов В.В., Малыгин И.Г., Еналеев А.К., Савушкин С.А. Большие транспортные системы: теория, методология, разработка и экспертиза. СПб: ИПТ РАН, 2016. 216 с.

  2. Белый О.В., Малыгин И.Г., Еналеев А.К., Савушкин С.А., Цыганов В.В. Экспертиза и разра-

    ботка крупномасштабных железнодорожных проектов // Ренессанс железных дорог: фундаментальные научные исследования и прорывные инновации: колл. моногр. Объединенного ученого совета ОАО

    «РЖД». – Ногинск: Аналитика Родис, 2015. С. 165182.

  3. Цыганов В.В., Бородин В.А., Савушкин С.А. Адаптивное управление транспортной компанией на основе клиентоориентированности // ИТНОУ. 2017. № 3 (3). С. 3–10.

  4. Цыганов В.В., Савушкин С.А., Горбунов В.Г. Контроль качества услуг в клиент ориентирован- ном управлении компанией // ИТНОУ. 2017. № 3 (3). С. 10–19.

  5. Савушкин С.А., Искоростинский А.И., Лемешкова А.В. Организация клиент ориентирован- ного управления транспортными предприятиями // ИТНОУ. 2017. № 2 (2). С. 86–94.

  6. Аветикян М.А., Цыганов В.В., Савушкин С.А. Единый каталог услуг холдинга «РЖД» как ключевой элемент цифровой железной дороги // Железнодорожный транспорт. 2017. № 8. С. 7–11.

  7. Савушкин С.А., Лемешкова А.В., Горбунов В.Г. Принципы построения автоматизированного каталога услуг // ИТНОУ. 2017. № 4 (4). С. 27–32

  8. Савушкин С.А. Формализация каталога транспортных услуг // Транспорт России: проблемы и перспективы–2017: Мат. межд. научно-практической конф. 14-15 ноября 2017 г. – СПб.: ИПТ РАН, 2017. С. 44–47.

  9. Цыганов В.В., Савушкин С.А., Лемешкова А.В. Каталогизация услуг в организационном управлении транспортной компанией // Транспорт России: проблемы и перспективы-2017: Мат. межд. научно-практической конф. 14-15 ноября 2017 г. – СПб.: ИПТ РАН, 2017. С. 40–43.

  10. Цыганов В.В., Савушкин С.А. Каталог услуг в адаптивном организационном управлении транспортными структурами // ВИНИТИ. Транспорт: наука, техника, управление. 2017. № 12. С. 3–10.

  11. Tsyganov V., Savushkin S. Optimization of the Service Catalog of a Large-Scale Corporation/ Pro- ceedings of 2017 Tenth Conference "Management of Large-Scale System Development". Moscow: IEEE, 2017. pp. 1–5. DOI: 10.1109/MLSD.2017.8109699

  12. Войтенков С.С., Самусова Т.В., Витвицкий Е.Е. / под науч. ред. д-ра техн. наук, проф. Е.Е. Витвицкого. Грузоведение. – Омск: СибАДИ, 2014. 196 с.

  13. Правила перевозок грузов железнодорожным транспортом: Сборник, – М., 2003.

  14. Технические условия размещения и крепления грузов в вагонах и контейнерах утверждены МПС России 27 мая 2003 г. № ЦМ-943. – М., 2003.

  15. Пашков А.К., Полярин Ю.Н. Пакетирование и перевозка тарно-штучных грузов. – М.: Транспорт, 2000. 254 с.

image


Construction of complex transport service

Tsyganov Vladimir Victorovich, Doctor of Science (Tech.), Professor, Head of Moscow Department of Institute of Management Problems named after VA Trapeznikov RAS.

Savushkin Sergey Alexandrovich, PhD (Math), Senior Scientist, Leading Researcher, Institute of Transport Problems named NS Solomenko RAS.

Gorbunov Vladimir Grigorievich, deputy. Director General of the Experimental Plant for Scientific Instrument Engineering of the Russian Academy of Sciences.

The implementation of an integrated client-oriented transport service requires coordinated actions of many divisions of the company. In view of their large number, an exhaustive list can not be compiled for them. Therefore, the catalog of services should have mechanisms for constructing complex services from simpler ones.

Keywords: system, automation, service, catalog, structure, information, client, software



УДК 004.773


ИНСТРУМЕНТЫ ОГРАНИЧЕНИЯ ДОСТУПА В СОЦИАЛЬНЫХ ОБРАЗОВАТЕЛЬНЫХ СЕТЯХ

Алексей Николаевич Сергеев, проф. РАО, д-р пед. наук

E-mail: [email protected],

Волгоградский государственный социально-педагогический университет, http://www.vspu.ru

В статье рассматриваются особенности реализации системы ограничения до- ступа для организации комфортной и безопасной работы учащихся и педагогов в соци- альных образовательных сетях. Раскрываются принципы и инструменты ограничения доступа к персональным страницам пользователей, а также ограничения контактов с другими пользователями социальной сети.

Ключевые слова: социальная образовательная сеть, ограничение доступа, безопас- ность учащихся.

Статья подготовлена при финансовой поддержке Российского фонда фундаментальных исследований и Администрации Волго- градской области в рамках научного проекта № 16-47-340969

«Разработка концепции социальной образовательной сети мало- комплектных сельских школ на основе кластерного подхода».

image

Реализация совместной работы учащихся и педагогов в социальных образователь- ных сетях требует реализации безопасной системы социального взаимодействия, пред- полагающей возможности не только общения пользователей и просмотра информации их персональных страниц, но и ограничения таких контактов, ре-

ализации механизмов защиты опубликованной пользователем информации, а также информации о его действиях [1, 2]. При этом такое ограничение доступа может представлять из себя дву- сторонний процесс: 1) ограничение доступа к информации соб- ственной страницы для просмотра другими пользователями; 2) ограничение себя от просмотра информации, публикуемой дру- гими пользователями социальной сети. Два указанных направле- ния позволяют защитить собственную информацию, а также со- здать для себя комфортное и безопасное окружение, в котором будет представлен круг пользователей, с которыми допускаются контакты.

image

1. Защита персональной страницы

Первое направление реализуется через создание механизма защищенных профилей пользователей. Данный механизм – это возможность настройки параметров доступа к своей странице других пользователей социальной сети. Эти пользователи, однако, имеют

image

в отношении друг друга разную степень связан- ности, что можно описать через указание групп пользователей для конкретного участника соци- альной сети (рис. 1).

На рис. 1 для конкретного участника соци- альной сети приведены следующие группы поль- зователей: (А) все пользователи Интернета; (Б) участники социальной сети; (В) подписчики пользователя (получают информацию об обнов-

Рис. 1. Группы пользователей для кон- кретного участника социальной сети

со взаимным интересом).

лениях пользователя); (Г) те, на кого подписан сам пользователь (пользователь получает инфор- мацию их обновлений); (Д) друзья (пользователи

Так, для социальной образовательной сети, участниками которой являются учащи- еся и педагоги, распределение этих групп может быть таким:

А – пользователи Интернета, которые обращаются к ресурсам сайта, не пройдя ре- гистрацию и не указав свой логин и пароль;

Б – зарегистрированные и авторизованные пользователи сайта – учащиеся и педа- гоги, использующие общий ресурс социальной сети;

В – учащиеся конкретного педагога, желающие получать информацию по изучае- мым дисциплинам;

Г – педагоги для конкретного учащегося – по тем предметам и дисциплинам, кото- рые в данный момент изучаются;

Д – учащиеся одного класса, или педагоги одной школы, установившие взаимную подписку на обновления друг друга.

Таким образом, в социальных образовательных сетях, участниками которых явля- ются учащиеся и педагоги, целесообразно реализовать следующие параметры настройки доступа к профилям пользователей:

  1. «Только я». Это режим закрытого доступа, когда к информации вашего профиля имеете доступ только вы, что полностью ограничивает просмотр вашей информации сто- ронними пользователями – у них есть возможность только написать вам личное сообще- ние. Режим закрытой страницы удобен для случаев, когда регистрация в социальной об- разовательной сети вам необходима лишь для доступа к каким-либо службам портала и личной переписки, а какое-либо открытое взаимодействие с другими пользователями не предполагается.

  2. «Мои друзья». В данном случае просмотр вашей информации открывается поль- зователям, с которыми вы установили доверительные связи. Ваши друзья могут просмат- ривать информацию страницы вашего профиля, а также видеть ваши сообщения в своих лентах активности.

  3. «Те, кого читаю я». Так как «дружба» является двусторонним отношением, сле- дующей ступенью ослабления ограничения доступа является режим выбора пользовате- лей, которым оказали доверие вы, но от которых подтверждение этого доверия по каким- либо причинам не получили. Такие пользователи могут просматривать информацию ва- шей страницы, но ваши записи в своих лентах активности они не видят, т.к. подписка на ваши обновления ими не оформлялась.

    image

  4. «Мои подписчики». В данном случае информацию вашей страницы могут про- сматривать пользователи, которые высказали к этому явный интерес. Подписчики про- сматривают информацию на вашей странице, а также получают ваши обновления в свои ленты активности. Так как подписка на вас оформляется самими пользователями, вы не можете управлять составом круга своих подписчиков – можете лишь видеть список поль- зователей, которые оформили подписку на вас.

  5. «Авторизованные пользователи». Этот режим доступа предполагает, что ин- формацию вашей страницы могут видеть все пользователи социальной сети, но только лишь при условии, что они работают с сайтом, указав свой логин и пароль. Таким обра- зом, ограничение ставится на случайных пользователей Интернета, ваша информация не индексируется поисковыми системами, документы и записи не доступны для ссылок извне.

  6. «Все пользователи». Данный вариант настройки уровня доступа к вашей стра- нице предполагает наличие доступа всех пользователей сайта, а также и пользователей Интернета, которые ограничены лишь возможностью комментирования ваших записей и отправки личного письма.

Внешний вид страницы настройки параметров доступа к профилю, реализованной нами согласно описанным выше правилам, приводится на рис. 2. Данный пример отно- сится к экспериментальной модели школьной социальной образовательной сети, осно- ванной на платформе WordPress с программным дополнением BuddyPress.

Следует заметить, что ограничение доступа к профилю пользователя в ряде случаев целесообразно производить и автоматически – на основе данных о последней активности пользователя в социальной сети. В силу смены контингента учащихся это востребовано именно в образовательных сетях.

Так, в реализованной нами экспериментальной разработке через год после послед- ней авторизации на сайте профиль пользователя становится доступным только тем поль- зователям, с которыми был во время работы хоть какой-то контакт (автоматически ста- вится режим «Мои подписчики»), а через три года ограничение усиливается – страница становится доступной только доверенным пользователями (ставится режим «Мои дру- зья»). При этом для тех пользователей, кто не работал с сайтом более трех лет, доступ к профилю пользователя при закрытии – закрывается полностью, пользователь исключа- ется также из списка пользователей сайта.

image

Рис. 2. Страница настройки параметров доступа к профилю пользователя в социальной образовательной сети

image

  1. Ограничение контактов с другими участниками социальной сети

    Второе направление ограничения доступа требуется для создания комфортного окружения, исключения отвлекающей и назойливой информации, а также ограничения иных контактов с другими участниками социальной сети. Для такой системы ограниче- ний требуется создание инструментов, позволяющих добавить другого пользователя в список нежелательных контактов, а также средств администрирования такого списка для просмотра состава пользователей и снятия ограничений.

    Так, в реализованной нами экспериментальной модели социальной образователь- ной сети такое ограничение производится двумя способами: 1) через контекстное меню на странице пользователя (рис. 3), где можно ограничить контакт с пользователем, либо снять это ограничение, если оно было установлено ранее; 2) через страницу блокировок в настройках профиля пользователя (рис. 4). Страница блокировок также позволяет про- сматривать список пользователей, для которых установлены ограничения, а также сни- мать эти ограничения при необходимости.

    image

    Рис. 3. Ограничение контактов через контекстное меню на странице пользователя


    image

    Рис. 4. Ограничение контактов через страницу блокировок в настройках профиля пользователя

    image


    Инструментальный смысл системы ограничения своих контактов с другим пользо- вателем заключается в том, что после установки таких ограничений выполняется следу- ющее:

    1. В ленте активности вашей страницы исключается размещение какой-либо ин- формации, связанной с пользователем – не публикуются его статусы, комментарии, а также отметки «Нравится» для каких-либо записей.

    2. Пользователь лишается возможности комментировать, повторно публиковать, отмечать как «Нравится» ваши элементы активности. Он не может добавить вас в друзья.

    3. Вы также лишаетесь возможности публичных контактов с пользователем – оставления комментариев, повторной публикации, отметок «Нравится», добавления в друзья.

Таким образом, система ограничений доступа к пользователям в социальной обра- зовательной сети позволят защитить персональную страницу пользователя от доступа извне, а также ограничить самого пользователя от нежелательных контактов с другими участниками социальной сети. Подобные инструменты востребованы в социальных об- разовательных сетях, где возникает необходимость обеспечения безопасной среды для работы учащихся [1]. Механизмы ограничений, на основе которых реализованы описан- ные инструменты, могут использоваться во внешних инструментах, таких, как «настав- ник-обучающийся», концептуальные идеи которого были представлены нами ранее [3].

Литература

  1. Пономарева Ю.С. Социальные сети и обучение: особенности взаимодействия учащихся и сопровождения учебной деятельности в информационной среде // Грани по- знания. 2017. № 2 (49). С. 63–66.

  2. Сергеев А.Н., Самохина Н.В. Феномен социальных сетей в аспекте процессов ин- форматизации образования // European social science journal. 2015. № 1 (52). С. 126–131.

  3. Сергеев А.Н. Модель внутренней кластеризации социальной образовательной сети // Грани познания. 2017. № 2 (49). С. 67–73.


Tools for access restrictions in social educational networks

Aleksey Nikolaevich Sergeev, Professor of Russian Academy of Education, PhD (Pedagogy), Volgograd State Socio-Pedagogical University

The article deals with the features of implementation of the system of access restrictions for comfortable and safe work of students and teachers in social educational networks. It de- scribes the principles and tools to restrict the access to users’ personal pages, as well as lim- iting the contacts with other users of the social network.

Keywords – social educational network, access restriction, safety of students.


УДК 004.7

СОСТОЯНИЕ И ТЕНДЕНЦИИ РАЗВИТИЯ СОВРЕМЕННЫХ НАУЧНО-ОБРАЗОВАТЕЛЬНЫХ СЕТЕЙ

Денис Юрьевич Боков, канд.фил.наук, директор

e-mail: [email protected]

Дмитрий Сергеевич Репин, канд.техн.наук, зам. директора

e-mail: [email protected]

ФГАУ «Государственный научно-исследовательский институт информационных тех- нологий и телекоммуникаций»

http://www.informika.ru/

image

В работе анализируется текущее состояние и основные характерные черты со- временных научно-образовательных сетей национального и международного уровней. Отмечены основные тенденции развития такого рода сетей. Рассматриваются новые возможности федеральной университетской компьютерной сети RUNNet как инфра- структурной основы единой информационной среды сферы образования и науки в Рос- сийской Федерации.

Ключевые слова: национальные научно-образовательные сети, NREN, RUNNet, исследовательские коллаборации, телекоммуникационная связность, опорная инфаструктура, телекоммуникационные сервисы, управление безопасностью.

Введение

image

Одной из важных характеристик общего уровня экономического и технологиче- ского развития государства и общества является наличие высокоскоростной телекомму- никационной инфраструктуры, предназначенной для использо-

вания в интересах науки и образования внутри страны, обеспече- ния доступа в мировое информационно-коммуникационное про- странство и взаимодействие с ведущими международными и национальными научными и образовательными сетями и сете- выми консорциумами.

Работы в этом направлении интенсивно ведутся во всех развитых странах мира, являясь необходимым стратегическим условием стабильного прогресса в самых разных областях науки и техники. В этой связи представляется весьма актуальным про- ведение анализа текущего состояния и основных тенденций раз-

вития современных научно-образовательных сетей с учетом накопленного к настоящему времени зарубежного и отечественного опыта.

  1. Обзор известных национальных и международных научных и образова- тельных сетей

    Известно, что в настоящее время наиболее крупные научно-исследовательские и образовательные проекты успешно реализуются лишь при широкой международной ко- операции при участии большого числа научных и образовательных организаций и спе- циалистов из различных стран. Как показывает практика, такого рода кооперация может наиболее успешно развиваться на основе взаимодействия, так называемых «националь- ных образовательных сетей» (National Research and Education Network, NREN) [1, 2].

    К настоящему времени уже более 140 стран мира активно поддерживают и разви- вают национальные образовательные сети. В результате они стали неотъемлемой частью национальной сетевой инфраструктуры, делая возможным участие представителей своей страны в крупных международных проектах в сфере науки и образования. Сегодня большинство крупных образовательных и научных учреждений в самых разных странах подключены не к сетям коммерческих провайдеров, а именно к NREN.

    Характерной отличительной чертой современных NREN является относительно высокая пропускная способность не только опорной инфраструктуры, где для большин- ства стран ЕС она составляет не менее 10 Гбит/с, но и подключения к сети отдельных организаций. Так, например, более 50% пользователей ЕС подключены к NREN на ско- рости 10 Гбит/с. При этом повсеместное использование технологии DWDM в принципе позволяет увеличивать пропускную способность практически неограниченно. В ряде стран, таких как США, Великобритания, Нидерланды, Италия, Испания, Китай, Австра- лия, за счет проведенной модернизации оборудования пропускная способность значи- тельной части опорной сети была увеличена до 100 Гбит/с и даже выше.

    Рассмотрим характерные примеры. В США крупнейшей из национальных сетей считается некоммерческая сеть Internet2 [3], обеспечивающая общую среду, с помощью которой исследовательские и образовательные организации страны могут совместно ре- шать различные научные, технические и иные прикладные задачи, включая разработку

    image

    новых технологий передачи информации. По состоянию на 2017 год сеть Internet2 объ- единяет и предоставляет услуги пользователям из 324 университетов, 43 региональных и государственных образовательных сетей.

    Кроме Internet2, в США активно функционируют сети, которые можно условно рас- сматривать как «отраслевые». Это, в первую очередь, такие сети, как ESnet (Energy Sci- ences Network) и NISN (NASA Integrated Services Network). Национальная научная сеть ESnet обеспечивает поддержку научных исследований в области энергетики, предостав- ляя телекоммуникационные услуги более 40 научно-исследовательским организациям, включая 10 национальных лабораторий и технологических центров Министерства энер- гетики США, а также обеспечивая взаимодействие со 140 ведущими исследователь- скими и коммерческими международными и национальными сетями других стран. Сеть NISN – это глобальная система средств телекоммуникаций, созданная в интересах Наци- онального управления по аэронавтике и исследованию космического пространств (NASA). Сервисы этой сети используются для подключения центров NASA, наземных станций, средств передачи больших объемов научных данных и организации тематиче- ских конференций. Кроме того, с ее помощью осуществляется сотрудничество с между- народными партнерами, специализирующимися в сфере космических исследований и разработок.

    В Европе высокопроизводительные NREN с надежной опорной инфраструктурой имеют такие страны как Бельгия (Belnet – Belgian National Research Network), Велико- британия (JANET – Joint Academic Network), Германия (DFN – Deasches Forschungnetz, Ирландия (HEAnet), Испания (RedIris – Spanish National Research and Education Network), Италия (GARR – Italian Academic and Research Network), Нидерланды (SURNET – Na- tional Computer Network for Higher Education and Research in the Netherland), Польша (PI- ONIER – Polish National Research and Education Network), Турция (ULAKBIM – Turkish Academic Network), Франция (RENATER – National Telecommunication Network for Tech- nology Education and Research), Чехия (CESNET (Czech Science Network), Швейцария (SWITH – Networking of Swiss Academia) [4].

    Аналогичная ситуация имеет место и в азиатских странах – в частности таких, как Китай (CERNET – China Research and Education Network и CSTNET – China Science and Technology Network), Япония (SINET – Science Information Network), Индия (NKN – Na- tional Knowledge Network и ERNET - Education and Research Network), Республика Корея (Korea Research Network), Тайвань (TWAREN – TaiWan Advanced Research and Education Network).

    На американском континенте развитые NREN имеюn Бразилия (RNP – Rede nacional de Ensino e Pesquisa), Аргентина (INNOVA-RED), Мексика (CUDU – Corporación Universitaria para el Desarrollo de Internet), Канада (CANARIE – Canadian Network for the Advancement of Research, Industry and Education), а на африканском – ЮАР (TENET – Tertiaru Education and Research Network of South Africa), Египет, Алжир.

    Свои национальные сети созданы и во всех странах СНГ: в Азербайджане - AzRENA, Армении - ARENA, Белоруссии - BASNET, Казахстане - KazRENA, Киргизии - KRENA, Молдавии - RENAM, Таджикистане – TARENA, Узбекистане – UzSciNet. К примеру, национальная сеть Белоруссии BASNET [5] предоставляет сетевые сервисы и услуги как учреждениям Национальной Академии Наук, так и другим организациям научной, обра- зовательной и социальной сферы. Работа сети основана на использовании 15 базовых опорных узлов, связанных высокоскоростными оптоволоконными линиями связи, осу- ществляющими передачу данных со скоростью до 10 Гбит/с. Именно BASNET обеспечи- вает автономный доступ пользователей к ресурсам мировых компьютерных сетей.

    Если говорить о Российской Федерации, то следует отметить, что научно-образо- вательное телекоммуникационное пространство страны исторически строилось в виде ряда взаимодействующих, но относительно самостоятельных сетей, использующих соб- ственные опорные структуры и собственных международных каналах. Некоторые из

    image

    этих сетей проектировались как сети общего назначения, другие первоначально строи- лись как специализированные предметно-ориентированные отраслевые сети. К настоя- щему времени активно функционируют и используются следующие научно-образова- тельные и отраслевые сети России:

  2. Основные тенденции развития научно-образовательных сетей

    Одной из ключевых тенденций развития международных научно-образовательных сетей, устойчиво наблюдаемой в течение последних лет, является активное формирование межгосударственных консорциумов [9]. Такие консорциумы создаются с целью повышения уровня связности национальных сетей друг с другом, повышения технологической и экономической эффективности сетевого взаимодействия. Крупные сетевые консорциумы, как правило, имют также и каналы связи друг с другом.

    К настоящему времени создано уже более двух десятков таких консорциумов самого широкого географического распространения, в результате чего оказались вовлеченными в сотрудничество в сфере образования и науки многие страны всех континентов. В Северной Америке таким консорциумом по сути стала сеть Internet2. В Азиатско- Тихоокеанском регионе ключевыми консорциумами в настоящее время являются проекты Asi@Connect, APAN, CAREN и TEIN, в странах Африки – AfricaConnect, Ubuntunet, в Южной, Центральной и Северной Америке - RedCLARA, AMPANH, в странах Карибского бассейна – C@ribNet и т.д.

    В Европе наиболее масштабным является научно-образовательный сетевой консорциум GÉANT [10-11]. На сегодня он представляет собой общеевропейскую ультравысокоскоростную мульти-гигабитную магистральную транспортную IP-сеть, функционирующую исключительно в интересах сферы науки и образования. С ее

    image

    помощью обеспечивается связность более 10 тысяч образовательных и научных учреждений из 39 стран Европы. Общее количество пользователей GÉANT превышает в настоящее время 50 млн. человек. Кроме того, сеть GÉANT имеет реализованную связность с научно-образовательными сетями по всему миру, обеспечивая обмен данными с более чем 60 странами за пределами Европы. В частности, реаализована IP- связность с научно-образовательными сетями Северной Америки 100 Гбит/с (Internet2, ESnet), Южной Америки (RedCLARA), Азиатски-Тихоокеанского региона (TEIN ), Африки (Ubuntunet) – 10 Гбит/c и др. Пропускная способность опорной инфраструктуры GÉANT составляет 100 Гбит/с. Ежедневно по ней передается более 4 Петабайт данных.

    Логика развития подобных консорциумов неизбежно ведет к появлению глобальных телекоммуникационных проектов. К их числу можно отнести мировою сетевую коллаборацию GLORIAD (Global Ring Network for Advanced Application Development), 1999-2016 гг., созданную в результате совместных усилия специалистов из 11 стран (США, Россия, Китай, Республика Корея, Нидерланды, Канада и 5 стран Северной Европы). Сеть GLORIAD в период своего расцвета связывала между собой более 15 млн. конечных адресатов [12]. В настоящее время наиболее масштабным из реализуемых глобальных проектов является проект GNA (Global Network Architectura)[13], участниками которого являются международные консорциумы и NREN стран фактически всех континентов. Именно на фоне реализации процесса телекоммуникационной глобализации достаточно четко проявляются и другие тенденции развития научно-образовательных сетей. В их числе:

  3. Развитие сервисов сети RUNNet и обеспечение их функционирования

Сеть RUNNet в своем текущем состоянии обеспечивает полномасштабную реализации различного рода сервисов, которые можно отнести к категории типовых [8]. Их перечень за последние годы был дополнен сервисами, необходимыми для реализации облачных технологий, включая их применение в учебном процессе и научных исследованиях, интеграцию вычислительных ресурсов и хранилищ данных. Исследованы

image

и реализованы в качестве тестовой платформы средства облачной обработки научных дан- ных с использованием модели SNaaS – “Science Notebook as a Service” [14]. Пополнение системы сервисов RUNNet осуществлялось также путем участия в международных проек- тах, реализующих пул современных сетевых сервисов. Это в первую очередь такие про- екты как eduGAIN (http://edugain.org) и eduroam (https://www.eduroam.org). Кроме того, ве- лись работы по созданию инфраструктуры, тестового и полнофункционального полигонов для удостоверяющей федерации национального уровня (проект RUNNetAAI - AAI, Iden- tity, Authentication and Authorisation) [15].

Особое внимание заслуживает вопрос развития сервисов, связанных с обеспече- нием комплексной информационной безопасности. В настоящее время, помимо узконаправленных атак, участились случаи сложно-детектируемых атак, для реагирования на которые недостаточно установки отдельных средств защиты. В целях повышения эффективности оперативного управления безопасностью рассматривается вопрос создания специализированного Центра, основная задача которого - осуществление операционной деятельности по управлению безопасностью и, в частности, реализация взаимодействия с пользователями сети RUNNet и внешними организациями.

В сервисной модели Центр управления безопасностью должен предоставлять пользователям следующие услуги:

image

созданы наиболее продвинутые технологии в изучении химических элементов, напри- мер, визуализированные сайты; программы, где модель можно построить и покрутить в 3D изображении.

image

Отсюда вывод намечается сам: интернет перенасыщен 3D мо- делями разных замысловатых вещей, предметов, элементов, но 3D моделирование конструктора по химии задействовано не было.

Стоит отметить, что практически у всех конструкторов, ко- торые можно приобрести, имеются существенные недостатки, такие как: у аналогов отсутствуют или недостаточно развиты со- единения между атомами; отсутствуют логические вещи, такие как валентность элемента; отсутствует должный окрас элемен- тов; и т.д.

Далее рассмотрим поэтапное создание требуемых элемен- тов: для создания куба 30*30мм, с отверстием 5*5мм (Углерод и Кислород)

Основа строится на плоской модели.

  1. Создадим квадрат размером 30*30мм, именно такого размера у нас будут атомы углерода и кислорода, в котором проделали отверстие размером 5*5мм, для того, чтобы соединять между собой атомы молекулы.

    image image

    Рис. 1. Рабочее окно программы с объемной моделью Рис. 2. Рабочее окно программы с конечной моделью

    На этом рисунке показан ход операции «Выдавливание» для того, чтобы наш квад- рат получился объемным, и операция «Вырезание», для того чтобы проделать отверстия у боковых гладких граней, как у атомов.

  2. Компоновка соединительных элементов 30*3мм, с шестью отверстиями 5*5мм (Углерод и Кислород)

    На рисунке 3 представлено рабочее окно программы, где были построены соеди- нительные элементы, размерами 30мм, 20мм, 10мм соответственно, d=4.9мм.

    image image

    Рис. 3. Рабочее окно программы с моделями соединительных элементов

    Рис. 4 Рабочее окно программы с моделями ато- мов

    image

  3. Создание куба 20*20мм, с 1 отверстием 5*5мм (Водород)

На рисунке 5 представлены 3D модели атомов Углерода, Кислорода и Водорода

  1. «Simplify3D»-программа для печати

    Разработав 3D модель конструктора в программе 3D-компас, перенесем макет с од- ной программы в другую, и тем самым, начнем подготовку к печати.

    Так как 3D принтер начинает печатать плоскость изначально, пришлось «Разре- зать» детали на 2 части, чтобы сначала печаталась плоская часть, а уже после печати склеивать части деталей. Остановимся на краткой характеристике возможности про- грамм для печати: Программа Simplify3D считается программой для профессионалов, чтобы подготовить STL-файлы для 3D-печати. Simplify3D — это не просто программа- слайсер, это настоящий швейцарский нож для 3D-печати. Гибкий алгоритм проверяет модель на наличие проблем, исправляет их, показывает сам процесс печати (идеально для выявления потенциальных проблем) и затем нарезает ее. Этот слайсер предлагает лучшие (среди конкурентов) варианты шаблонов заполнения. Для моделей, в которых требуются поддержки, Simplify3D создаст соответствующие структуры самостоятельно и предоставляет полный контроль их размещения. Для принтеров с двойным экструде- ром, при печати разными материалами, поможет мастер Dual Extrusion, в результате чего, например, будет легче удалить растворяемый филамент.

    Программа Simplify3D поддерживает 90%, имеющихся в продаже современных настольных 3D-принтеров, и совместима с прошивками Marlin, Sprinter, Repetier, XYZprinting, FlashForge, Sailfish и MakerBot. Simplify3D можно использовать и для пря- мого управления принтером, но тогда принтер и компьютер должны быть соединены друг с другом.

    На рисунке 5 представлено главное окно программы

    image image

    Рис. 5. Рабочее окно программы Рис. 6. Изображение с распечатанными моде-

    лями

    3D принтер PRUSA MENDEL: Домашние 3D принтеры - это действительно нечто. Буквально в 2006 году таких принтеров вообще не существовало, а к 2011 году их уже насчитывалось около несколько десятков тысяч. Уверены, на сегодняшний день тысячи людей хотят начать разработку своего собственного 3D принтера.

    image

    3D принтеры работают следующим образом: деталь формируется с помощью постепенного, слой за слоем, добавления пластичного материала. 3D принтер имеет основание (раму) и три оси: Х (перемеще- ние влево-вправо), Y (перемещение вперед-

    Рис. 7. Изображение

    с молекулярными соединениями

    назад) и ось Z (перемещение вверх-вниз). Экструдер, через который подается рас-

    плавленный пластик, располагается на оси X. Самая нижняя часть экструдера называется

    image

    сопло. Ее диаметр меньше 1 мм. Для печати в 3D принтере предусмотрены три линейные координаты, управление которыми реализуется с помощью платы Arduino.

    Как правило, 3D принтеры управляются с персонального компьютера с помощью специального программного обеспечения. В это программное обеспечение загружается твердотельная модель будущего изделия (так называемые STL файлы), которые преоб- разовываются в G-код. Сформированный G-код подается на плату управления через USB-кабель и формирует будущую траекторию рабочего органа с соплом. После отра- ботки этого G-кода ваша твердотельная модель с персонального компьютера должна во- плотиться в реальность и напечататься. В качестве альтернативы тот же софт может кон- вертировать вашу модель в G-код и сохранить его на SD-карте. Если ваша электронная начинка 3D принтера имеет возможность считывания с D-карты, вы сможете печатать даже без подключения к персональному компьютеру.

    После того, как программа синхронизируется с 3D принтером (настроены все па- раметры), происходит печать, в результате мы получаем требуемую фигуру.

    На рисунке 6,7 представлены результаты работы; модели и молекулярные соедине-

    ния

    Полученные результаты подтверждают необходимость 3D разработки конструк-

    тора по химии. Среда 3D-компас имеет структуру, позволяющую легко создавать мо- дели.

    Литература

    1. Pikabu [Электронный ресурс] // URL:

https://pikabu.ru/story/prusa_mendel po_nastoyashchemu_narodnyiy_printer_tak_li_on_khorosh_41 95422

2.Техно-3D [Электронный ресурс] // URL: https://3dpt.ru/page/soft#Simplify3D

3.Arduino [Электронный ресурс] // URL: http://arduino-diy.com/arduino-3D-printer-RepRap- Prusa-Mendel


Development and printing of 3D model of «Chemical atoms Designer»

Kindyakova Darya Dmitrievna, bachelor

Galina Mikhailovna Rudakova, PhD, professor

Siberian state University of science and technology named after academician M. F. Reshetnev, De- partment of information management systems.

The presents result of the construction of a 3D designer for Chemistry, demonstrate the simplicity and relevance of such developments, as for example, the creation of own production of 3D models of vari- ous elements in the chemical industry

Keywords: 3D modeling, chemistry, constructor.


УДК 004.942

ФОРМАЛИЗАЦИЯ ЗАДАЧИ ПЛАНИРОВАНИЯ УЧЕБНОГО ПРОЦЕССА В ВИДЕ ДИНАМИЧЕСКОЙ СИСТЕМЫ

Георгий Алексеевич Доррер, д-р техн. наук, проф.

E-mail: [email protected]

Галина Михайловна Рудакова, канд. физ.-мат. наук, проф.

E-mail: [email protected]

Светлана Станиславовна Москалева, доц.

E-mail: [email protected]

Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнёва

https://www.sibsau.ru/

image

В работе предпринята попытка описать процесс приобретения компетенций в виде динамической системы, подверженной помехам. Управление процессом обучения формулируется как задача аналитического конструирования оптимального регулятора (АКОР) А.М. Летова, а оценка состояния в условиях помех осуществляется с помощью фильтра Р. Калмана.

Ключевые слова: математическое моделирование, динамические системы, учеб- ный процесс, компетенции

Введение

image

Одним из важнейших ресурсов, реализуемых непосредственно в ходе учебного процесса, является объем учебной и самостоятельной работы студента, выраженный в количестве академических часов или зачетных единиц (ЗЕ).

Задача вуза при планировании учебного процесса состоит в формировании необходимого набора учебных дисциплин и практик (или набора учебных модулей, что допускается стандар- тами), рациональном распределении между ними количества за- четных единиц и установлении порядка изучения этих дисци- плин по времени (по семестрам).

image

Эта задача традиционно решается вузами экспертным пу- тем на основе нормативных документов

и имеющегося опыта разработки учебных планов по открытым в вузе направлениям подготовки. При этом количественно не оце- нивается ни эффективность составленных рабочих учебных пла- нов в целом, ни влияние отдельных решений и помех на эту эф- фективность.

Следующей задачей является оценка эффективности реа- лизации рабочего учебного плана, т.е. управление ходом образо- вательного процесса с учетом непредвиденных и случайных факторов. Традиционно это задача решается путем осуществле- ния контроля текущей успеваемости студентов, однако степень

image

достижения требуемого уровня компетенций при этом обычно не оценивается. Поэтому задача оперативной оценки фактического уровня требуемых компетенций и проведения необходимых кор- ректирующих воздействий также является актуальной.

В настоящей работе предпринята попытка формализовать указанные выше задачи и описать процесс приобретения компе- тенций в виде динамической системы, управление этим процес- сом сформулировать как задачу аналитического конструирова- нии оптимального регулятора (АКОР) Калмана-Летова, а оценку состояния – в виде фильтра Калмана [2, 3].

Предлагаемая теория позволяет определить структуру реше- ний, оценить приоритеты и возникающие при этом ограничения.

Принятые гипотезы

  1. Качество подготовки обучаемых оценивается уровнем приобретенных ими ком- петенций, который выражается безразмерной величиной, принимающей, например, зна- чения от 0 до 100.

  2. Связь между показателями оценивается экспертным путем на основе методов когнитивного моделирования.

  3. В процессе обучения уровень конкретной компетенции повышается пропорцио- нально количеству зачетных единиц дисциплин и практик, запланированных для приоб- ретения студентами данной компетенции (что отображается числом ссылок на соответ-

    image

    ствующие компетенции в рабочих программах дисциплин). Эти показатели могут рас- сматриваться как управляющие воздействия.

  4. Возможно взаимное влияние уровней различных компетенций друг на друга, возрастание уровня компетенций благодаря активности и самостоятельной внеучебной работе студента, а также общей атмосфере учебного заведения.

  5. Фактический уровень приобретенных обучаемым компетенций определяется оценочными средствами при прохождении дисциплин и практик, нацеленных на данную компетенцию, например, средними баллами, полученными студентами при изучении со- ответствующих дисциплин.

  6. Образовательный процесс подвержен неконтролируемым случайным воздей- ствиям как при приобретении компетенций, так и при их оценке.

  7. При планировании и реализации процесса обучения учитываются следующие показатели:

C Принятые обозначения

N

c1,...,cN

yl (t) наблюдаемые оценки

уровня компетенций в момент t;

A [aij ] N N -матрица, определяющая скорость повышения компетенций за счет уровня подготовки и заинтересованности обучаемого и влияния других компетен- ций; aij степень влияния компетенций ki на k j ;

B [bij ] N M - матрица, определяющая повышение уровня компетенции при

управлении учебным процессом;

bij степень влияния управляющего воздействия

ui (t) на уровень

j й компетенции

  1. j (t);

    H [hij ] K N - матрица наблюдений, позволяющая получить оценку уровня

    компетенций

    y j (t) по фактическому уровню

  2. (t).

Кроме того, на систему действуют помехи. Вектор помех в образовательном процессе

v(t) [v1(t),...,vN (t)]T ,


vi (t) по-

меха, действующая на

xi (t).

Предполагается, что это случайный процесс типа белого

шума с нулевым средним значением и дисперсией V (t) :

image

M [v (t)] 0, cov[v(t) vT (t)] V (t).

Вектор помех при наблюдении образовательного процесса

w(t) [w1(t),..., wK

(t)]T ,

wi (t) помеха, действующая на

yi (t). Также предполага-

ется, что это случайный процесс типа белого шума с нулевым средним значением и дис- персией W (t) : M [w (t)] 0,cov[w(t) wT (t)] W (t).

Процессы v(t) и w(t)

статистически не связаны: cov[v(t) wT (t)] 0.

Модель процесса приобретения компетенций в детерминированной постановке

Процесс приобретения компетенций мы рассмотрим вначале в детерминированной постановке, т.е. предполагая отсутствие случайных помех и полную наблюдаемость про- цесса, когда y(t) x(t) . В этом случае процесс обучения может быть представлен в виде

линейной динамической системы

x(t) Ax(t) Bu(t)

при начальном условии

x(0) x0.

(1)

(2)

Рассмотрим задачу оптимального управления системой (1), (2) как задачу миними- зации критерия качества

J x(T)T x(T )T

T Q x(t) u(t)T R u(t)]dt,

(3)

[x(t) 0

где симметричная отрицательно определенная матрица ,Q симметричная неотри-

цательно определенная матрица, R симметричная положительно определенная матрица.

Поясним смысл этих матриц.

Матрица определяет значимость конечного результата обучения – вектора ком-

петенций x(T ) . Поскольку ставится задача минимизации критерия (3), но при этом тре-

буется достижение максимального уровня компетенций в момент T, то матрица должна быть отрицательно определенной.

Матрица Q определяет «цену» затрат обучаемого на приобретение компетенций в

течение всего периода обучения.

image

Матрица R определяет «цену» затрат на управление процессом обучения в течение всего периода обучения.

Как известно [2], оптимальное управление

u (t)

системой (1), (2) при квадратич-

ном критерии качества (3) определяется формулой

image

u (t) K (t)x(t),

где коэффициент усиления – матрица размерностью


(4)

N M , вычисляемая по формуле

K (t) R1BT P(t) , (5)

P(t) решение матричного уравнения Риккати

P(t) AT P(t) P(t) A P(t)BR1BT P(t) Q

при условии

(6)

P(T ) . (7)


Задача (1) – (7) называется задачей аналитического конструирования регулятора (АКОР).

Алгоритм решения задачи (1) – (7)

На практике задача (1) – (7) решается численно в дискретном времени.

image

При этом все переменные задачи становятся зависящими от k – номера времен-

ного шага, которые изменяются от 1 до величины k max T / t , где t шаг по вре- мени.

Дифференциальные уравнения превращаются в разностные. Так, например, про- исходит преобразование x(t) x(kt) x(k), а уравнение (1) с начальным условием (2)

принимает вид

x(k 1) x(k ) ( Ax(k ) Bu(k ))t, k 1,..., k max

x(1) x0 .

Аналогично преобразуются все остальные уравнения. Интеграл в критерии (3) преобразуется в сумму k max слагаемых.

После формирования всех исходных данных выполняются следующие действия.

  1. Численно решается уравнение Риккати (6), (7) в обратном времени на интер-

    вале k [k max,1] по формуле

    P (k 1) P (k ) ( AT P (k ) P (k ) A P (k ) BR 1BT P (k ) Q )t , (8)

    P (k max) ,

    где k k max,...,1, .

    Результат запоминается.

  2. Вычисляется оптимальное коэффициенты усиления

    K (k) R1BT P(k),

    image

    на интервале k 1,...,k max


    K (k)


    по формулам


    (9)

  3. Рассчитываются управляющие воздействия

    u (k)

    и оптимальная траектория

    x(k)

    по формулам

    image

    u (k) K (k)x(k),

    image

    x(k 1) x(k) ( Ax(k) Bu (k))t


    (10)

    (11)

    на интервале k 1,...,k max при начальном условии

    x(1) x0.

    image

  4. Одновременно рассчитывается значение критерия оптимальности (12) по фор- муле

J x(k max )T

x(k max ) k max [ x(k )T

k 1

Q x(k ) u (k )T


image

В каждой лабораторной работе имеется одно или несколько заданий. Для каждого из них имеется общая формулировка задачи, а затем приведены варианты заданий для выбора. Пример приведен ниже. [4. с. 18].

Написать программу для вычисления частичной суммы ряда, с точностью до | a[i] | . Сравнить полученную частичную сумму с ее точным значением.

image


image image

Для выполнения заданий лабораторного практикума студент использует одно- значно определенный алгоритм выбора набора номеров заданий. Номер каждого задания выбирается по формуле:

номер задания = (Nвар mod к) + 1 (4)

где mod – операция вычисления остатка от деления, Nвар- номер варианта, K-количество заданий.

Количество вариантов для выбора различно для каждой задачи. Таким образом, каждый студент получает для решения собственный набор заданий. При этом в группе наборы заданий не повторяются. При неверном (случайном или умышленном) выборе наборов заданий студенту необходимо выбрать верный набор и выполнить его. Для предотвращения списывания прошлогодних работ порядок заданий в наборе можно пе- риодически изменять.

Для оценивания результатов выполнения лабораторного практикума имеется спе- циальная таблица с критериями оценивания отдельных частей задания (табл. 1).

Таблица.1.

Таблица оценивания для лабораторных работ


Раздел

Максимальная оценка

Полученная оценка

Постановка задачи

0,5


Метод решения задачи

1


Внешняя спецификация

0,5


Алгоритм

1,5


Работа программы

1


Оформление кода программы

0,5


Тесты

1


Вопросы по отчету

2


Дополнительное задание

2


Итоговая оценка



За выполнение каждого раздела программы преподаватель или учебный ассистент ставит оценку (не выше максимального балла). Итоговая оценка представляет собой сумму оценок по разделам и округляется по правилам арифметики. При таком формали- зованном подходе студент чётко осознаёт, за что именно ему поставлена оценка. Иными словами - «моя программа работает» предполагает оценку в 1 балл.

Выше приведен пример таблицы для лабораторной работы, состоящей из одного задания. При наличии нескольких заданий для каждого из них имеется отдельный стол- бец для полученных оценок.

Отдельно следует остановиться на дополнительном задании. Поскольку выполне- ние заданий лабораторного практикума предполагает работу студента дома, преподава- тель не всегда может точно оценить степень самостоятельности работы студента над за- данием. Без дополнительного задания студент может получить максимальный балл 8 (это самая низкая отличная оценка по десятибалльной шкале). Дополнительное задание вы- дается только после того, как студент сдал все остальные разделы. Это задание студент решает в классе, на глазах у преподавателя и за ограниченное время. Иными словами, для получения высших отличных баллов студенту нужно продемонстрировать умение самостоятельно и оперативно решать задачи.

image

Проверочные работы проводятся на семинарских и лекционных занятиях. Они предназначены для оперативной проверки усвоения текущего материала. На лекции все студенты потока получают одинаковое задание. На семинаре для каждой группы исполь- зуется собственное задание (один-два варианта). Время на выполнение этих заданий – от 5 до 20 минут. При проведении проверочных работ студенты могут использовать любые материалы, в том числе свои конспекты лекций и семинаров, а также презентации по курсу. Презентации выложены на яндекс-диск и доступны студентам.

Для контрольной работы используется 8-12 различных вариантов. Для предотвра- щения списывания в разных группах номера вариантов не совпадают. На решение кон- трольной работы отводится 1 час 20 минут (т.е. одна «пара»). При проведении контроль- ных работ студентам запрещено использовать дополнительные материалы.

При этом при проведении работ необходимо отследить, чтобы студенты не списы- вали друг у друга. Если при проверке работ обнаруживаются одинаковые ошибки у раз- ных студентов, то такие работы оцениваются нулевым баллом [2]. При решении, как са- мостоятельных, так и контрольных работ студенты не имеют возможности использовать компьютер для отладки программ. Это связано с тем, что преподаватель должен прове- рить знание синтаксиса языка программирования и умение применять алгоритмы, а не владение навыком отладки программ.

Для упрощения сортировки работ следует дать студентам единый образец для под- писывания работ. Мы требуем указать ФИО студента, группу, вид занятия (лекция или семинар) и дату проведения занятия. При таком способе упрощается заполнение жур- нала, указанная информация позволяет однозначно определить место, куда следует вы- ставить оценку.

Одна из самых сложных задач в курсе – организовать единообразную проверку ра- бот разными учебными ассистентами и преподавателями. Задания проверочных и кон- трольных работ можно классифицировать следующим образом:

  1. проверка знания синтаксиса изучаемого языка программирования;

  2. трассировка готовых алгоритмов;

  3. разработка собственных алгоритмов на основе стандартных.


При формулировании заданий важно учитывать некоторые особенности восприя- тия студентами излагаемого материала. Задания должны быть сформулированы пре- дельно однозначно. Например, рассмотрим две формулировки задания:

  1. «Найти сумму элементов массива, расположенных между минимумом и макси- мумом»

  2. «Найти сумму элементов массива, расположенных между первым минимальным и последним максимальным элементом этого массива, не включая сами эти элементы».

Первая формулировка хуже воспринимается студентами и вызывает больше допол- нительных вопросов, чем вторая. Для упрощения проверки решений (чтобы не рассмат- ривать варианты «первый минимум и последний максимум», «последний минимум и первый максимум» и т.п.), для проверочной работы проще однозначно задать правило для того, какие именно номера элементов следует искать. Однако, при проведении кон- трольной работы в некоторых случаях уместно в формулировке задачи сознательно про- пустить некоторые подробности, чтобы студент продемонстрировал понимание ключе- вых понятий изучаемого материала. Так, формулировка задачи «Поменять местами пер- вый чётный и последний нечётный элемент в каждой строке матрицы» (без уточнения типа данных) позволяет проверить, знает ли студент, что чётность определена только для целого типа.

Для единообразной проверки заданий разными преподавателями необходимо точно сформулировать критерии проверки работ. Для проверочных работ на проверку знания синтаксиса изучаемого языка достаточно дать оценивающему работы преподава- телю или учебному ассистенту верное решение задачи. Как правило, подобные задания

image

включают несколько подзадач. Вес каждой задачи может быть разным. Для каждого типа ошибок (например, пропущенной или лишней точки с запятой, неверной записи присва- ивания и т.п.) необходимо указать, на сколько долей балла снизить оценку за такую ошибку.

Для проверки умения проводит трассировку готовых алгоритмов проверка работ наиболее простая из всех разновидностей таких работ. За каждый ошибочный шаг оценка снижается пропорционально числу шагов.

Для контрольных работ процесс проверки наиболее сложен и требует очень по- дробного описания критериев проверки. Для начала следует определить число баллов, которыми оценивается правильное решение каждого пункта задачи. Получаем результат, аналогичный таблице для оценивания результатов лабораторных работ, пример приве- ден ниже.

Задача 1. Дана целочисленная матрица A[1:n, 1:m] и целочисленный массив B[1:k]. Найти максимальный элемент среди элементов матрицы A, не встречающихся в массиве

  1. Написать программу с использованием отдельных процедур для ввода данных, вы- числений и вывода результатов.

    Пример критерия оценивания для контрольных работ:

Затем сформулируем общие критерии для снижения баллов. При этом важно, что оценка за каждый пункт в решении задачи не может быть отрицательной.

Таблица 2.

Общие критерии для снижения баллов


Баллы

Причины

-0,05

За неверный синтаксис («;», «:», «,» и подобное), а также за возможное двусмысленное ис- толкование строки (пример: студент то ли перечеркнул строку, то ли нет), а также за мел-

кие ошибки в тестах

-0,2

За каждое неверное условие

-0,25

За каждую переменную, которая не была объявлена, но использовалась, или была объяв- лена с неверным типом

-0,1

За каждый пропуск инициализации переменной, если она необходима

-0,3

За каждую глобальную переменную

-0,3

За использование транслита в сообщениях, ошибки в русском или английском языке (за каждую ошибку)

Далее приводится верное решение задачи и более подробное описание того, как снижаются баллы за каждый вид допущенной ошибки.

Методические материалы для проверки работ следует передать всем преподавате- лям и учебным ассистентам. При обнаружении в работах студентов ошибок, не учтенных в этих материалах, необходимо добавить соответствующие сведения и оперативно сооб- щить их всем проверяющим.

Экзаменационные задания оцениваются аналогично заданиям лабораторного прак- тикума. Для этих заданий используется таблица, в которой указано, во сколько баллов оценивается каждая часть задачи. Дополнительное задание для экзаменационной задачи не предусмотрено.

Авторы считают, что в данной работе новыми являются следующие положения и результаты:

image

  1. разработана программа курса «Алгоритмизация вычислений» с учетом всех тре- бований положения об оценивании знаний НИУ ВШЭ;

  2. сформулированы критерии оценивания разных видов работ: заданий лаборатор- ного практикума, самостоятельных и контрольных работ, а также экзаменацион- ных работ;

  3. применение данных критериев позволяет объективно оценивать работы в усло- виях больших потоков студентов;

  4. данные критерии позволяют улучшить обратную связь преподавателя со студен- тами и способствуют лучшему усвоению знаний за счёт проведения постоянного контроля умения применять изученный материал на практике.

    Литература

    1. [Электронный ресурс] Режим доступа: https://www.hse.ru/ba/isct/courses/205505456.html - Программа курса Алгоритмизация Вычисле- ний

    2. [Электронный ресурс] Режим доступа: https://www.hse.ru/docs/206891006.html Поло- жение об организации промежуточной аттестации и текущего контроля успеваемости студен- тов Национального исследовательского университета «Высшая школа экономики»

    3. [Электронный ресурс] Режим доступа: https://www.hse.ru/data/2016/06/21/1117386165/185554019%5B1%5D.html - Положение о реали- зации проекта «учебный ассистент» НИУ ВШЭ

    4. Методические указания к лабораторному практикуму по дисциплине Программирова- ние (язык Паскаль) / Сост. Е.А. Ерохина, Д.В. Хруслова, Ю. В. Журин , Д.О.Карчевский; / Мос- ковский Институт Электроники и Математики НИУ ВШЭ. – М. : МИЭМ, 2014 .


      The system of estimation of knowledge for the big flows of students

      Erokhina Elena, Higher School of Economics

      Khruslova Diana, Higher School of Economics

      In article the system of estimation of knowledge of students in case of the big number of a stream (more than two groups or 60 people) is described. Criteria of estimation of works and also ways of ob- taining uniform results of check of control and independent works in that case when several teachers work with a stream are discussed.

      Key words: criteria of estimation of works, big number of students, examination, independent work, laboratory work.


      ПРИЛОЖЕНИЕ ДЛЯ АВТОМАТИЗИРОВАННОГО ПОДСЧЕТА СКОРОСТИ ЧТЕНИЯ ПОЛЬЗОВАТЕЛЯ

      Елена Альфредовна Ерохина, ст. препод.

      E-mail: [email protected]

      Никита Денисович Шаимов, студент 2 курса, E-mail: [email protected]

      Владислав Трофимович Пересадов, студент 2 курса, E-mail: [email protected]

      Департамент Компьютерной Инженерии Московского Института Электроники и Математики им. А.Н. Тихонова

      Национальный Исследовательский Университет «Высшая Школа Экономики» http://www.hse.ru

      image


      В статье рассказывается о приложении для автоматизированного подсчета ско- рости чтения. Описан интерфейс приложения, работа основных алгоритмов Приве- дены критерии оценивания результатов работы пользователя.

      Ключевые слова: скорость чтения, коэффициент понимания текста, количество слов в минуту, символов в минуту.


      image

      image

      Федеральный государственный образовательный стандарт начального общего образования (ФГОС НОО) осо- бое внимание уделяет сформированно- сти хорошей техники чтения: от уча- щихся требуется овладение навыками смыслового чтения текстов различных стилей и жанров в соответствии с це- лями и задачами [1, С. 6].

      Нашей целью была разработка программного обеспечения, которое

      позволяет проанализировать скорость чтения пользователя (им может быть как уча- щийся, так и взрослый человек), способность к запоминанию и точному воспроизведе- нию прочтенного. Приложение позволяет отслеживать прогресс пользователя, так как результаты представлены в числовой и графической форме. Приложение позволяет поль- зователю улучшать свои навыки чтения путем нескольких тренировок.

      image

      Для разработки была выбрана среда разработки QtCreator

      5.6.2 под компилятором MinGW 4.9.2. Среда разработки QtCrea- tor предоставляет обширные библиотеки для работы с различ- ными типами данных, а также имеет удобный встроенный дизай- нер пользовательского графического интерфейса. Для созда- ния графиков была задействована библиотека QCustomPlot, кото- рая предоставляет широкий набор инструментов для построения графиков и визуализации данных. Необходимо отметить, что данная библиотека распространяется по лицензии GNU General Public License, которая распространяется бесплатно для неком- мерческих целей. Пользовательский интерфейс представляет со-

      бой главное окно (рис.1).


      image

      Рис.1. Главное окно программы

      На нем можно видеть два поля 1 и 2: 1 – поле, в котором отображается читаемый текст; 2 – поле выбора текста.

      В процессе чтения на экране отображается фрагмент текста для чтения, таймер и кнопки для отметки начала и окончания процесса чтения (рис.2).


      image

      Рис.2. Процесс чтения


      image

      Рис.3. Процесс тестирования


      image

      Рис.4. Окно статистики

      image

      Если пользователь прекращает чтение на нулевой секунде, то эта попытка не за- считывается программой и не записывается в статистику.

      После прочтения текста пользователю будут предложены тестовые вопросы по тек- сту. Для определения коэффициента понимания необходимо оценить ответы на эти во- просы. Пример вопросов приведен на рис.3.

      Данные об ответах пользователя будут доступны при нажатии кнопки Профиль -> Статистика (рис. 4).

      На основании данных об ответах пользователя строится один из графиков:

      • числа символов в минуту;

      • количества слов в минуту;

      • коэффициента понимания текста.

На рис.5 изображен график числа символов в минуту.


image

Рис.5. Окно выбора графика

Приложение имеет следующий набор рабочих файлов:

image

Рис. 6. Рабочие файлы приложения

Приложение широко использует возможности объектно-ориентированного про- граммирования (классы, разнообразные виды наследования, шаблоны, перегрузку опе- раторов и полиморфизм). Например, от базового шаблонного класса-контейнера basedata наследуются классы userdata и textdata:


image

Рис.7. Пример структуры наследованного класса textdata и userdata

База данных (далее БД) представляет собой набор текстовых файлов, разделенных по сложности текста. Вот как выглядит структура отдельно взятого текстового файла (рис. 8).

image

Рис.8. Структура файла

В программе реализован автоматизированный подсчет количества слов и символов в текстах. Приведем фрагмента кода для решения этой подзадачи (рис. 9).


image

Рис.9. Подсчет слов и символов в тексте

Подсчет слов осуществляется с помощью встроенного метода Qt QString::count(), который считает количество пробелов в тексте. Подсчет числа прочитанных символов осуществляется без учета пробелов.

Расчет скорости чтения слов и символов производится по формуле (1) [2].

V = K ∗ 60 (1)

t

где V – скорость чтения в минуту, K – количество слов или символов в тексте, t – время чтения пользователя.

image

Коэффициент понимания вычисляется как соотношение количества верных отве- тов к общему количеству вопросов. Если тест был завершен досрочно посредством за- крытия окна тестирования, то коэффициент понимания приравнивается к нулю. На ос- нове коэффициента понимания производится коррекция скорости чтения.

Коррекция производится путем умножения коэффициента понимания на скорость чтения (2).

S = k ∗ V (2)

где S – скорость чтения после коррекции, k – коэффициент понимания, V – скорость чтения до коррекции.

Приложение может успешно применяться в учебных заведениях для проведения тестирования и развития навыков скорочтения учащихся. Использование данного про- дукта в начальных классах школ может способствовать повышению общего уровня гра- мотности. При этом происходит увеличение объема понятого материала и сокращение времени для его изучения. Но сфера использования этого приложения не ограничена только учебными заведениями. Его могут использовать все, кто осознает недостатки в своих навыках чтения и анализа информации. Приложение открыто для добавления но- вых материалов, и удобно для оценивания роста скорости осознанного чтения.

Авторы считают, что в данной работе новыми являются следующие положения и результаты:

  1. свободная, гибкая и простая система хранения материалов, при использовании которой пользователь может свободно изменять и добавлять тексты с тестами под свои индивидуальные нужды.

  2. алгоритм коррекции вычисленного значения скорости чтения пользователя с учетом досрочного закрытия тестового примера и коэффициента понимания текста.

Литература

  1. [Электронный ресурс] Режим доступа: http://минобрнауки.рф/документы/ 922/файл/748/ФГОС_НОО.pdf - ссылка на документы ФГОС сайта Минобрнауки.

  2. [Электронный ресурс] Режим доступа: http://www.skorochteni.ru/glavy/lesson- 1/standards-of-speed-reading/


Application for automated calculation of speed of user’s reading

Erokhina Elena, Higher School of Economics Shaimov Nikita, Higher School of Economics Peresadov Vladislav, Higher School of Economics

In article it is told about the application for the automated calculation of reading speed. The applica- tion interface is described, work of the main algorithms criteria of estimation of results of work of the user are given.

Key words: reading speed, coefficient of understanding of the text, the number of words in a minute, symbols in a minute.


УДК: 004.023

ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ЯЗЫКА ЖЕСТОВ И МЕТОДЫ ИХ РЕШЕНИЯ

Алексей Валерьевич Завьялов, студент магистерской программы «Компью-

терные системы и сети»

E-mail: [email protected]

Московский институт электроники и математики им. А.Н. Тихонова

https://miem.hse.ru/

Статья рассматривает использование методов распознавания образов для со- здания системы распознавания языка жестов. В статье предлагаются методы реше- ния ряда проблем возникающих при распознавании жестов, таких как дикторонезави- симость и работа с потоком изображений.

Ключевые слова: Распознавание образов, распознавание ключевых кадров, язык жестов, обработка изображений, дактильная азбука (Pattern recognition, keyframe recognition, sign language, image processing).

В настоящее время, время глобализации и быстрого развития методов коммуника- ции между людьми, невозможно оставить в стороне проблему коммуникации с внешним миром и социальной интеграции людей с ограниченными возможностями. Создание так называемой безбарьерной среды не должно ограничиваться физической доступностью объектов инфраструктуры. Необходимо также ломать барьеры на пути общения между людьми, в том числе в с людьми имеющими проблемы со слухом.

Для решения проблем коммуникации глухонемых людей возможно использование современных технологий по распознаванию образов.

Одной из таких технологий является использование киберперчаток, позволяющих компьютеру отслеживать движения человека и переводить их на разговорный или пись- менный язык. Несмотря на высокую точность данные технологии накладывают опреде- ленные ограничения для пользователей: необходимость использования специальных технических устройств, отсутствие возможности учитывать артикуляцию.

Другое направление по оцифровке жестов заключается в использовании систем ма- шинного зрения - компьютеров и камер для захвата движений рук.

Способ распознавания жестов посредством обработки изображения является более перспективным поскольку нет необходимости в использовании сложных систем из дат- чиков и он не требует от пользователя сложных действий по настройке. Кроме того, тех- нологии обработки изображений могут быть интегрированы с постоянно развивающи- мися технологиями, такими как карманные компьютеры, смартфоны, видеотелефоны, высокотехнологичные киоски и т.д.

Таким образом, создание системы распознавания языка жестов, позволяющей с ис- пользованием современных, мобильных средств коммуникации осуществлять синхронный перевод с языка жестов в письменную или разговорную речь является весьма актуальным.

В связи с тем, что использование сложного оборудования машинного зрения не пред- полагается, одной из основных задач является поиск и совершенствование методов распо- знавания, позволяющих решить проблемы, возникающие при распознавании жестов.

При цифровой обработке изображений, существуют стандартные этапы. Они могут быть объединены в две большие категории: этапы, в результате которых осуществляется обработка поступившего изображения, результатом данных этапов является обработан- ное изображение, готовое для распознавания и этапы, осуществляющие обработку изоб- ражения с целью выделения, описания и классификации объектов распознавания. Ре- зультатом этих этапов являются атрибуты изображения.

Именно этапы, относящиеся ко второй категории, являются наиболее сложными и в то же время наиболее значимыми для цели успешного распознавания. Рассмотрим не- которые из этих этапов, применительно к задаче распознавания языка жестов.

При распознавании языка жестов необходимо решить две последовательные за-

дачи:



Problems of recognition of sign language and methods for their solution

Zavyalov Alexey Valeryevich, Student of the Master’s Programme 'Computer Systems and Networks, HSE Tikhonov Moscow Institute of Electronics and Mathematics

The article outlines the use of image recognition methods to create a sign language recognition system. The article proposes methods for solving a number of problems, such as speaker independence and working with a image stream.

Keywords: Pattern recognition, keyframe recognition, sign language, image processing.