Библиографическое описание:

Кузнецова А. С., Сенюшкин Н. С., Султанов Р. Ф., Клементьева Н. В. Анализ возможности реализации систем поддержки принятия решений с применением облачных технологий // Молодой ученый. — 2015. — №15. — С. 93-96.

Разработка любого сложного объекта, по своей сути, является постоянным выбором определенных решений, которые тянут за собой определенные последствия, причем стоимость ошибочного выбора с каждым этапом проектирования растет лавинообразно. Если вы занимаетесь проектированием авиационного двигателя для конкретного летательного аппарата исходя из условий его работы, то выбор наиболее подходящей конструкции двигателя потребует значительных временных и денежных затрат, а при использовании экспертных систем большого массива денных.

Таким образом, потребность принятия решений быстро и качественно привела к созданию систем поддержки принятия решений (англ. Decision Support System) — компьютерных автоматизированных систем, предназначенных для помощи людям, принимающих решения в сложных условиях. В таких системах решения принимаются с учетом не одного показателя (критерия), а совокупности сразу нескольких критериев одновременно. Причем система должна анализировать очень большой объем данных, настолько большой, что его невозможно будет проанализировать без использования современной вычислительной техники. В таких условиях число вариантов возможных решений будет слишком велико и, следовательно, принятие решений без проведения тщательных расчетов и анализа недопустимо. А разработка и учет «весовых» коэффициентов каждого параметра превращается в нетривиальную задачу.

Для анализа информации и выборки возможных альтернатив СППР используют различные методы обработки информации, например, поиск знаний в базах данных, имитационное моделирование, нейронные сети, интеллектуальный анализ данных, ситуационный анализ и многие другие.

По своей структуре в СППР выделяют ряд основных компонентов: внешние и внутренние источники информации (фактической и расчетной), многомерное и мультиформатное информационное хранилище данных, методы извлечения/загрузки/обработки данных (ETL), средства анализа данных (OLAP) или система интеллектуальной обработки данных (СИОД), средства интеллектуального анализа данных (Data Mining), средства формирования отчетов и представления информации, информационная среда взаимодействия с конечными пользователями.

рис1.jpg

Рис. 1. Структура связей компонентов СППР

 

В области авиационного машиностроения на данный момент современные авиационные двигатели в своем развитии достигли крайне высокого уровня сложности. Общее количество параметров и признаков, учитываемых при проектировании, сильно возросло. Задачи по моделированию и согласованию моделей между собой все усложняются и увеличиваются в объеме. Используемая технология проектирования в связи с этим практически достигла своего предела. При этом требования к эффективности рабочего процесса, к его экологичности, надежности и используемому ресурсу все сильнее ужесточаются. А проблема безопасности в авиации актуальна для всего мира. Любые аварии в области авиации причиняют значительный материальный ущерб авиакомпаниям, а также способны отрицательно повлиять на репутацию авиалинии. В свою очередь большинство из этих вопросов зависят от правильного выбора типа и размерности двигателя для летательного аппарата исходя из его зоны применения, что подталкивает разработчиков доверить часть функций выбора СППР, как одному из путей развития компьютерных технологий проектирования.

Однако за последние годы объем обрабатываемых данных системами поддержки принятия решений сильно увеличился. Этот информационный объем продолжает непрерывно расти и в настоящее время. При этом было выявлено, что большое количество данных, принадлежащее, например, одной компании, может храниться в различных хранилищах. Часто также эти же данные хранят не совсем в удобном формате баз данных. А если еще отметить, что вся имеющаяся информация часто и регулярно обновляется, то очевидной становится проблема хранения и структурирования обрабатываемых данных. Кстати сказать, такие крупные и разнородные данные, которые хранятся в разных источниках, плохо структурированы и часто подлежат обновлению, назвали большими данными (англ. Big data).

Сейчас наиболее эффективно решать вышеописанные проблемы способны недавно появившиеся на рынке IT облачные технологии, обладающие рядом преимуществ. Использование облачных вычислений выгодно потому, что позволяет сэкономить на лицензии, интеграции со сторонними системами принятия решений, стоимости IT-оборудования и обслуживании. Компаниям, пользователям не нужно тратиться на дорогостоящее программное обеспечение, при использовании облачных технологий оно предоставляется в аренду, как услуга. При использовании того или иного облачного сервиса нет необходимости беспокоиться о его обслуживании. Поскольку сервис предоставляется как услуга, провайдер сам заботится о целостности данных, работоспособности оборудования, эффективности работы, а также гарантирует минимальное время обработки данных. В этом плане использование облачных технологий очень выгодно компаниям и крупным государственным учреждениям, для которых важно, чтобы управление процессами принятия решений осуществлялся надежно, быстро и безопасно.

Что означает сам термин «облако»? Вообще облако (сloud) или облачные вычисления (cloud computing) можно назвать моделью, предоставляющий повсеместный дистанционный доступ к территориально распределенным вычислительным информационным ресурсам таким, как сервера, сети, сервисы, устройства хранения и другие.

Облачные вычисления обладают следующими видами характеристик, которые отличают их от всех других видов вычислений:

-                   Самообслуживание по требованию. Пользователь по своему усмотрению может самостоятельно определять вычислительные мощности и изменять их. Например, потребитель может сам задавать объем хранилища, в котором содержатся данные.

-                   Универсальный сетевой доступ. Доступ к необходимым данным может осуществляться практически повсеместно с использованием привычных механизмов и устройств.

-                   Объединение ресурсов. Все вычислительные ресурсы, предоставляемые поставщиком, объединяют в единый так называемый пул для совместного использования многими пользователями.

-                   Мгновенная масштабируемость. Вычислительные возможности по требованию потребителя могут мгновенно предоставляться в любом количестве, резервироваться, а также расширяться.

-                   Измеримая услуга. Использование облачных ресурсов автоматически измеряется, контролируется и оптимизируется посредством учета некоторых абстрактных параметров. В качестве такого параметра может, к примеру, выступать размер хранилища или же вычислительная мощность, а также другие параметры.

Если концепция предоставления распределенных вычислительных ресурсов соответствует вышеперечисленным характеристикам, то это будет модель облачных вычислений.

Различают также три сервисных модели облачных вычислений:

1.                  Software as a Service (SaaS) — программное обеспечение как услуга. Это означает, что пользователь имеет возможность использовать приложение от поставщика на облачной инфраструктуре. Доступ к приложению будет осуществляться через различные клиентские устройства, например, через веб-браузер. При этом потребитель не сможет изменять саму инфраструктуру облака, исключение лишь составляют различные пользовательские настройки, имеющиеся в приложении.

2.                  Platform as a Service (PaaS) — платформа как услуга. В этой модели потребитель получает в использование программную платформу. В нее входят операционные системы, прикладное программное обеспечение, средства разработки и тестирования программного обеспечения, а также СУБД. Пользователь также не может управлять основной облачной инфраструктурой, но у него есть возможность управлять приложениями.

3.                  Infrastructure as a Service (IaaS) — инфраструктура как услуга. На этом уровне потребитель может управлять фундаментальными вычислительными мощностями, такими как виртуальные сервера, сетевая инфраструктура и другие. Он может устанавливать на них операционные системы, прикладные программы. Однако, потребитель все равно не управляет основной инфраструктурой облака.

Помимо сервисных моделей облачные вычисления разграничивают также и на модели развертывания: частное облако (Private cloud), облако сообщества (Community cloud), публичное облако (Public cloud), гибридное облако (Hybrid cloud).

При построении систем на основе облачных вычислений реализуются два основных принципа: во время взаимодействия пользователя с системой информация должна храниться в сессиях в минимальном количестве и при необходимости удаляться оттуда, иначе говоря, серверы не должны хранить состояния, также система должна иметь наименьшее количество общих потенциальных точек отказа. Последний принцип реализуют с помощью сервисно-ориентированной архитектуры информационной системы. В данном типе архитектуры сервисы являются неотъемлемой частью информационной системы, и каждый из них выполняет свою конкретную бизнес-функцию, являющуюся составной частью бизнес-процесса. При этом сервисы могут быть реализованы независимо друг от друга, то есть имеют низкую связанность между собой. При использовании сервисно-ориентированной архитектуры наряду с умеренным горизонтальным масштабированием и использованием возможности отложенного выполнения задач можно достичь максимальной производительности работы системы. Горизонтальное масштабирование здесь предполагает увеличение общей производительности системы за счет параллельного обслуживания с нескольких узлов, процессоров, серверов.

Говоря об архитектуре промышленных распределенных систем поддержки принятия решений, размещаемых на облачных серверах, то чаще всего она является трехзвенной. Первое звено — это клиентское приложение, с помощью которого пользователь работает с системой. Как правило, в качестве такого приложения выступает обычный интернет-браузер или мобильное приложение, что не требует устанвки специального ресурсотребовательного ПО. Вторым звеном является так называемый «Front-end» сервер, занимающийся обработкой огромного потока заявок и ставящий их в очередь к третьему звену архитектуры — «Back-end» серверу. Он хранит данные промышленной системы и реализует ее логику.

Перейдем снова к теме авиационных двигателей. Как уже было выявлено выше, использование СППР в управлении процессом проектирования авиационных двигателей заметно улучшит эффективность работ, а также повысит надежность производственного процесса. Особенно этот эффект будет заметен при использовании СППР наряду с облачными технологиями. Объем обрабатываемых данных в процессе проектирования слишком велик, чтобы с ним могла справиться система сама по себе. Зато при использовании вычислительных возможностей облака проблема нехватки ресурсов решается достаточно легко. При этом возрастает и скорость обработки данных. Таким образом, система поддержки принятия решений и облачные вычисления отлично взаимодействуют друг с другом, одновременно устраняя недостатки самой СППР. Использование таких систем — хорошая возможность повысить эффективность и надежность производства, путем надежного и оперативного анализа предыдущего опыта проектирования и эксплуатации самолетов с учетом действующих норм летной годности, рекомендаций, предложений и возможностей производства. Например, система в автоматическом режиме сможет исходя из рекомендаций и требований предложить основные потребные параметры силовой установки и предложить вариант из находящихся в производстве двигателей и движителей.

Работа выполнена при финансовой поддержки гранта МК 4746.2014.8.

 

Литература:

 

1.      Проектирование авиационных газотурбинных двигателей // Учебник под ред. Ахмедзянова А. М. М.: Машиностроение, 2000. 454с.

Обсуждение

Социальные комментарии Cackle