Файл: Состав и свойства вычислительных систем, информационное и математическое обеспечение вычислительных систем.pdf

Информационные языки автоматизированных систем обработки данных служат для записи информации в специализированных массивах информационных систем, ориентированных на решение определенных комплексов задач в автоматизированном режиме.

Информационно-логические языки АСУ позволяют выполнять отдельные операции типа логических выводов и связаны с автоматическим принятием отобранных несложных решений с использованием таблиц решений.

Разработка информационного языка системы управления осуществляется с ориентировкой на основную единицу экономической информации — показатель. Для записи показателей обычно применяются простые информационные языки с позиционным синтаксисом. Различаются информационные языки без грамматики, с неполной грамматикой и языки с развитой грамматикой.

2.3 Системы кодирования экономической информации

Порядковая система кодирования применяется для кодирования однопризначных, устойчивых и простых номенклатур. Она предусматривает присвоение признакам цифр натурального ряда чисел без пропуска номеров. По этой системе кодируются категории работников, виды действующих норм времени и расценок, принадлежность деталей, узлов и т. п. Порядковая система рациональна для применения к простым и стабильным номенклатурам. Достоинство системы — ее малая значность, плотность записи, простота построения. С присвоение шифра по этой, системе новым однородным позициям номенклатуры происходит нарушение принятой классификации, что является недостатком данной системы и ограничивает ее применение рамками устойчивых номенклатур. Кроме того, в данной системе не выделяются группы однородных признаков и нет возможности автоматически получать итоговые данные более одной степени при обработке информации на СПМ.

Серийная система служит для кодирования двухпризначных номенклатур и предполагает присвоение каждой группе однородных номенклатур серии номеров. В пределах этой серии производится шифровка каждой позиции номенклатуры порядковыми номерами. При этом в серию номеров обязательно включаются и резервные шифры, которые присваиваются затем новым позициям номенклатуры. Серийная система наиболее экономична по количеству разрядов и одновременно содержит необходимый резерв номеров для новых позиций номенклатуры. По этой системе кодируются, например, структурные подразделения предприятия, виды оплат, удержаний.

Разрядная (десятичная) система применяется для кодирования сложных номенклатур. При этой системе каждому классификационному признаку отводится определенное число разрядов, которое зависит от количества предметов кодируемого множества. Построение кода по разрядной системе обеспечивает четкое выделение каждого классификационного признака, стройность и логичность, удобство машинной обработки информации. К недостаткам разрядной системы относится то, что при незначительном превышении емкости разряда приходится увеличивать значность кода. Разрядная система используется для кодирования больших многопризначных номенклатур: материальных ценностей, готовой продукции, направлений производственных затрат и др.

Шахматная (матричная) система — разновидность десятичной системы. Она применяется к номенклатурам, характеризующимся двумя признаками, из которых один располагается по вертикали, а другой — по горизонтали. Пересечение граф и строк в таблице образует нужный шифр. Эта система применяется при шифровке единиц измерения, типоразмеров кабеля, причин и виновников брака, простоев.

Система повторения использует цифровые и буквенные обозначения, непосредственно характеризующие данный объект (размер, вес объекта) и применяемые в практике учета и планирования обозначения понятий.

Комбинированная система используется для кодирования многопризначных номенклатур. Эта система является наиболее гибкой, поскольку в ней применяются комбинации рациональных систем, например разрядной и системы повторения, разрядной и серийной и др. В качестве примера можно привести обозначения инструментов в инструментальном производстве, построенные на использовании комбинированной системы.

2.4 Математическое обеспечение вычислительных систем

Математическое (алгоритмическое и программное) обеспечение как системное, так и специальное базируется на модульном принципе, предусматривающем такое построение математического обеспечения, при котором алгоритмическое и программное, обеспечение можно разложить на отдельные автономные части — модули, выполняющие логически законченные функции или вычислительные операции, обеспечивающие решение конкретных задач. При этом модули ориентированы на многократное использование для реализации соответствующих задач в различных условиях. Совокупность алгоритмических модулей, связанных функционально, информационно и математически (или логически), предназначенная для решения задач.
Сложность отдельного круга задач или одной задачи (возможность создания математической модели и ее решения, число переменных и условий) зависит от степени детальности, которая связана с масштабностью рассматриваемого водохозяйственного объекта. Размеры объекта малой крупности часто позволяют осуществить детальную постановку и решение проблемной задачи, сразу получая проектные параметры. Подобные результаты в такой же детальной постановке для крупных водных объектов зачастую получить невозможно[1].

Это объясняется не только чрезмерно большой размерностью задачи по сравнению с такой же задачей для малого объекта, но и увеличением значимости факторов, которыми можно было пренебречь на малом объекте. Кроме того, для крупных территорий появляются новые факторы, в том числе неформальные. Следовательно, для крупного водного объекта необходимо осуществить агрегирование задачи той же проблемной направленности (по ее постановке, информационному обеспечению, описанию математической модели).

Таким образом, с увеличением крупности рассматриваемых водных объектов должна увеличиваться степень агрегирования постановок задач, математических моделей и получаемых решений. В результате этого сложность задач (вычислительная трудоемкость и информационное разнообразие) остается на приемлемом уровне, что позволяетполучить практические решения для объектов любого масштаба.

Текущее десятилетие характеризуется небывалой скоростью производства и совершенствования электронно-вычислительной техники, средств обеспечения диалога человек-ЭВМ, средств ввода, передачи и отображения информации. Резко возросли быстродействие, объемы внешней и оперативной памяти ЭВМ. Разработаны, продолжают совершенствоваться и создаваться универсальные и специализированные алгоритмические языки и операционные системы. Термин информатизация стал, пожалуй, наиболее употребительным и актуальным, по существу, применительно к любой области науки и техники. Иными словами, в настоящее время происходит то, что можно назвать компьютерной революцией. Огромные ресурсы финансовые, производственных мощностей, квалифицированных специалистов и т. п. — затрачиваются на создание и производство электронно-вычислительных систем, средств телекоммуникаций, информационных сетей и разработку математического и программного обеспечения к ним. 

Остановимся кратко на подсистемах общего назначения. Функции сбора, первичной обработки, хранения и передачи разнообразной информации выполняет информационная подсистема. Подсистема технического обеспечения предназначена для обслуживания различных средств вычислительной техники, используемой в ОАСУ. В состав подсистемы математического обеспечения входят алгоритмы и программырешения перечисленных выше задач. 

Модули выделяются по функциональному назначению и обеспечивают автономную работу либо работу в составе АСНИ с замыканием на центральный информационно-вычислительный комплекс. ИВКпредназначен для организации

1) баз данных (БД);

2) систем управления ими (СУБД);

3) библиотеки научно-технических программ АСНИ (БНТПр);

4) поддержания математического обеспечения сети ЭВМ;

5) предоставления удаленным пользователям всех модулей и доступа к операционным системам общего назначения и библиотеке научно-технических программ;

6) комплекса программ имитационного моделированиябиотехнологическихпроцессов. 

На этапах собственно технического проектирования детально разрабатываются все алгоритмы математического и информационного обеспечения АСУ (автоматизированной системы управления), на одном из алгоритмических языков составляются и отлаживаются на универсальных цифровых вычислительных машин (ЦВМ) программы решения задач в АСУ.Создается общий алгоритм функционирования всей системы в реальном времени, осуществляющий координацию и соподчинение частных алгоритмов контроля, регулирования. Наконец, на этом же этапе проводитсяэкспериментальнаяпроверка основных алгоритмов управления(оптимизации)путемматематического моделированияна цифровых ианалоговыхвычислительныхмашинахвсегоавтоматизированного комплексаили отдельных его частей. Результаты математического моделированияпозволяют количественно оценить экономическую выгодность решения задач оптимизациии выбрать наиболее обоснованный вариант системы управления с учетом надежности и ремонтопригодности используемых в ней технических устройств, то есть получить оценку эффективности АСУ. 

Периферийные вычисления — принцип построения иерархической ИТ-инфраструктуры, при котором вычислительные ресурсы частично перемещаются из ядра – центрального дата-центра на периферию и располагаются в непосредственной близости от места создания первичных «сырых» данных для их первичной обработки перед передачей вышестоящему вычислительному узлу. Таким образом сбор и анализ данных проводится не в централизованной вычислительной среде (ЦОД), а там, где происходит генерация потоков данных.

Схема реализации граничных вычислений представлена на рисунке 2.

Рис. 2. Схема реализации граничных вычислений (EdgeComputing), 2019

Рынок промышленной автоматизации лидирует в освоении ряда новых технологий, которые включают в себя дополненную реальность (AR), 3D-печать, робототехнику, искусственный интеллект (AI), облачные системы диспетчерского управления и сбора данных (SCADA) и программируемые контроллеры систем автоматизации (PAC). Если говорить о технологиях автоматизации, то начиная с производственных цехов и заканчивая логистической цепочкой и самим сердцем предприятия, Интернет вещей уже соединяет различные точки с интеллектуальными датчиками. Промышленный Интернет вещей (IndustrialIoT) предоставляет информацию для проведения технического обслуживания, инвентаризации и транспортировки продукции.

Однако простого наращивания возможностей сетевого подключения и организации потоков данных недостаточно, чтобы по-настоящему использовать потенциал цифровой трансформации. Чтобы получить конкурентные преимущества, производственным предприятиям необходимо полностью интегрировать промышленную автоматизацию. Только в этом случае они получат возможность преобразовывать данные, собранные в среде IoT, в ценную аналитическую информацию, чтобы обеспечить более быстрое, точное и экономичное принятие решений. И для этого они должны перенести вычислительные мощности на границу сети — на ее периферию.

Периферийные вычисления — своего рода «ракетное топливо» для IoT. Они характеризуются целым рядом преимуществ и потенциальных возможностей:

- периферийные вычисления позволяют анализировать и фильтровать данные ближе к датчикам. Более того, в облако отправляются только релевантные данные;

- задержка в производственном процессе может быть критически важной, например, если случается сбой на производственной линии. Малое время отклика, измеряемое в миллисекундах, критично для обеспечения безопасности ответственных и точных операций. В таких случаях ждать результата от облачной платформы IoT — это слишком долго;

- периферийные вычисления означают, что, если это необходимо, конфиденциальные данные можно обрабатывать на месте, где они защищены от прямых сетевых подключений. Это обеспечивает более высокий уровень контроля над безопасностью и конфиденциальностью информации;

- наконец, уменьшаются требования к емкости облачных хранилищ данных и пропускной способности сети, сокращаются соответствующие затраты, поскольку вместо отправки в ​​облако большой объем данных с датчиков можно обрабатывать непосредственно на периферии.

Архитектура периферийных вычислений стала центром, вокруг которого концентрируется множество вычислительных задач. Среди ее преимуществ можно выделить минимальные сетевые задержки при обработке данных и возможности для работы с большими объемами данных, но в то же время у нее имеются и слабые стороны — недостаточная интероперабельность протокольного стека и отсутствие стандартизации. Как следствие, на сегодняшний день устройства и приложения, которые работают на границе сети, представляют из себя набор автономных Edge-экосистем.

Архитектура Edge приближает вычислительные ресурсы к данным и устройствам. Многие рыночные эксперты рассматривают ее как ключевую парадигму за пределами облачных вычислений. Имеются некоторые цифровые сценарии, которым требуются крайне низкие задержки, и это как раз тот случай, где она проявляет себя лучше облачных сервисов. Однако имеющееся разнообразие интерфейсов и отсутствие промышленных стандартов сильно замедляют прогресс, потому что лишают устройства и приложения возможности взаимодействовать друг с другом.