Помощь в написании студенческих работ
Антистрессовый сервис

Комплекс программных средств поддержки принятия решений при сетевой обработке информации на промышленном предприятии

Диссертация: Комплекс программных средств поддержки принятия решений при сетевой обработке информации на промышленном предприятии
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Системы обработки информации и информационные сети на сегодня сосредоточили в себе огромное количество разнообразных вычислительных устройств, призванных обеспечить эффективный коллективный доступ к различным программным и информационным ресурсам. Они также обеспечивают разграничение доступа различных категорий пользователей к информации и, вследствие этого, могут оказаться мишенью для атаки, как… Читать ещё >

Комплекс программных средств поддержки принятия решений при сетевой обработке информации на промышленном предприятии (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Анализ проблемной области и постановка задач исследования
    • 1. 1. Анализ технологий построения кампусных компьютерных сетей на основе технологий Fast, Gigabit, 10 Gigabit Ethernet
    • 1. 2. Методы представления знаний.'
    • 1. 3. Средства моделирования систем обработки информации
    • 1. 4. Задачи повышения эффективности систем обработки информации
      • 1. 4. 1. Время реакции
      • 1. 4. 2. Пропускная способность
      • 1. 4. 3. Показатели надежности и отказоустойчивости
    • 1. 5. Постановка задач исследования
    • 1. 6. Выводы по главе 1
  • 2. Системы поддержки принятия решений и экспертные системы
    • 2. 1. Методы и алгоритмы принятия решений
    • 2. 2. Типы и структура систем поддержки принятия решений
      • 2. 2. 1. Основные подходы к построению интеллектуальной системы поддержки принятия решений
      • 2. 2. 2. Типы задач принятия решений
      • 2. 2. 3. Архитектура современных СППР и требования к OLAP-системам
    • 2. 3. Экспертные системы как системы поддержки принятия решений
      • 2. 3. 1. Структура экспертных систем
      • 2. 3. 2. Этапы создания экспертных систем
      • 2. 3. 3. Прототипы и жизненный цикл экспертной системы
    • 2. 4. Инструментальные средства для разработки экспертных систем
    • 2. 5. Выводы по главе 2
  • 3. Реализация экспертной системы для принятия решений по повышению производительности кампусных сетей предприятий
    • 3. 1. Реализация СППР для анализа функционирования АСОИ на базе кампусных сетей
    • 3. 2. Взаимодействие базы знаний и системы принятия решений
    • 3. 3. Организация базы знаний в виде семантической сети фреймов
    • 3. 4. Реализация модели принятия решений средствами экспертной системы
    • 3. 5. Организация процесса принятия решений средствами экспертной системы
    • 3. 6. Выводы по главе 3
  • 4. Внедрение компоненты СППР имитационного моделирования кампусных сетей предприятий
    • 4. 1. Использование моделирования для анализа функционирования кампусных сетей предприятий
    • 4. 2. Виды моделирования задач анализа функционирования АСОИ
      • 4. 2. 1. Аналитическое моделирование
      • 4. 2. 2. Имитационное (статистическое) моделирование
    • 4. 3. Выбор средств имитационного моделирования для решения задач анализа функционирования кампусных систем обработки информации
      • 4. 3. 1. Виды моделей в среде AnyLogic
      • 4. 3. 2. Средства AnyLogic для разработки дискретно-событийных моделей
    • 4. 4. Использование пакета AnyLogic для решения задач анализа функционирования вычислительных сетей
    • 4. 5. Использование пакета AnyLogic для моделирования управления трафиком локальной сети
    • 4. 6. Выводы по главе 4

Производительность является одним из важнейших критериев оценки автоматизированных систем обработки информации (АСОИ). Зачастую производительность определяет возможность применения АСОИ и непосредственным образом влияет на ее эффективность. Особое значение этот вопрос приобретает для целого ряда специализированных АСОИ, построенных на основе крупных компьютерных сетей, отличающихся высокой интенсивностью информационных потоков, значительными объемами обрабатываемой и передаваемой информации, сложностью аппаратных средств, общего и специального программного обеспечения и повышенными требованиями по производительности. К таким АСОИ можно отнести системы реального времени, тренажерные системы, системы автоматизации деятельности предприятий, служб и подразделений, имитационного моделирования разного рода военных конфликтов, боевых действий, операций и т. д.

В связи с этим задача повышения производительности АСОИ является актуальной. Разработка и последующая эксплуатация АСОИ сопровождается решением проблем, тесно связанных с оценкой производительности, например, конфигурация системы, учет и оценка ее стоимости, администрирование, краткосрочное и долгосрочное планирование обслуживания, развития и модернизации. Как показывает практика, для большинства разработчиков и пользователей, занятых эксплуатацией и развитием АСОИ возникает задача совершенствования (развития, модернизации), решение которой позволило бы обеспечить максимальный рост производительности при минимальных затратах.

Подходы к оценке производительности АСОИ отражены в работах Д. Феррари, Л. И. Абросимова, П. Н. Шкатова и др. [1−5]. В этих работах в большей степени рассмотрены общие методы оценки производительности вычислительных сетей и систем как таковых, которые, применительно к АСОИ требуют дополнительной проработки и детализации.

Системы обработки информации и информационные сети на сегодня сосредоточили в себе огромное количество разнообразных вычислительных устройств, призванных обеспечить эффективный коллективный доступ к различным программным и информационным ресурсам. Они также обеспечивают разграничение доступа различных категорий пользователей к информации и, вследствие этого, могут оказаться мишенью для атаки, как со стороны человека, так и со стороны компьютерных вирусов.

Сложность используемого в современных информационно-вычислительных сетях технического и программного обеспечения, а также растущий круг пользователей этих сетей повышает вероятность вмешательства человека в функционирование программного и аппаратного обеспечения, что делает сеть уязвимой к возникновению различного рода нарушений как из-за внутренних, так и из-за внешних причин.

Таким образом, одним из приоритетных направлений научных исследований в области повышения эффективности функционирования систем обработки информации становится разработка интеллектуальных систем поддержки принятия решений в ситуациях, связанных с различными нарушениями в работе оборудования или программного обеспечения.

Характерной особенностью проводимых исследований является применение системного подхода к рассматриваемой проблеме, при котором исследуется весь цикл обработки информации, начиная с получения информации о состоянии сети и заканчивая принятием решений.

Анализ содержания задач принятия решений в ситуациях, связанных с нарушениями в работе сети, позволяет отметить особую важность использования технологии интеллектуальных систем. Информация о состоянии сети, сохраненная в виде фактов в базе знаний системы принятия решений, оказывает существенную помощь при анализе типовых ситуаций, а также при преодолении отрицательных последствий, связанных с выходом из строя той или иной части вычислительной сети.

4.6. Выводы по главе 4.

1. Для анализа результатов принимаемых решений целесообразно использовать технологию имитационного моделирования, поскольку построение и анализ аналитической модели такой сложной человеко-машинной системы, какой является АСОИ, не представляется возможным.

2. Задача реализация имитационной модели вычислительной сети АСОИ может быть решена путем использования специализированных или универсальных программных средств моделирования. В данной работе предлагается использовать систему AnyLogic, позволяющую сочетать при построении имитационной модели средства моделирования различных типов и поддерживающую технологию объектно-ориентированного программирования.

3. Для построения модели вычислительной сети средствами AnyLogic разработаны классы, реализующие основные элементы вычислительной сети, а также средства графического отображения результатов моделирования.

4. Для реализации дискретно-событийной модели вычислительной сети разработан и использован стейтчарт процесса доступа протокола CSMA CD.

5. Для решения задачи для моделирования управления трафиком локальной сети средствами AnyLogic реализован алгоритм динамического назначения приоритета рабочим станциям.

Заключение

.

1. Задача описания состава вычислительной сети АСОИ и взаимодействия ее отдельных элементов решается за счет использования методов инженерии знаний. Результатом такого описания является база знаний, которая может быть использована для хранения фактов, отражающих состояние вычислительной сети, и для выработки рациональных решений посредством логического вывода на основе правил, отражающих основные взаимосвязи в работе объединенных в сеть устройств.

2. В качестве основной технологии, используемой для разработки СППР рассматриваемого типа, принята технология экспертных систем, обладающих базой знаний, хранящей в формализованном виде как факты, необходимые для принятия решений, так и правила, по которым эти решения принимаются.

3. Для ускорения разработки СППР на основе технологии экспертных систем принят способ использования готовых оболочек экспертных систем. Поскольку не существует свободно распространяемых проблемноили предметно-ориентированных оболочек, рассчитанных на решение задач принятия решений в системах обработки информации, целесообразно ориентироваться на оболочки ЭС общего назначения.

4. Для реализации процесса принятия решений по поиску неисправностей и повышения производительности вычислительной сети определен источник актуальной информации о состоянии сети. В качестве источника такой информации предлагается использовать анализаторы сетевых протоколов.

5. При использовании метода аналогий для принятия типовых решений в качестве модели принятия решений использована семантическая сеть фреймов, в качестве которых выступают объекты базовых классов базы знаний.

6. Для уменьшения трудоемкости разработки классов базы знаний принят способ реализации сетевой фреймовой модели средствами существующих оболочек для разработки экспертных систем, обладающих встроенным языком программирования высокого уровня.

7. Определено множество задач, в которых администратор вычислительной сети выступает в роли ЛПР и состав фактов базы знаний, необходимых для решения этих задач. Для выбранного множества фактов разработана иерархия базовых классов для описания структуры ЛВС и составляющих ее сетевых устройств. Для выбранных задач принятия решений определен состав базы правил и реализовано необходимое множество правил вывода средствами оболочки КАРРА.

8. Для анализа результатов принимаемых решений использована технологию имитационного моделирования, поскольку построение и анализ аналитической модели такой сложной человеко-машинной системы, какой является АСОИ, не представляется возможным. Задача реализация имитационной модели решена путем использования системы AnyLogic, позволяющую сочетать при построении имитационной модели средства моделирования различных типов и поддерживающую технологию объектно-ориентированного программирования.

9. Для построения модели вычислительной сети средствами AnyLogic разработаны классы, реализующие основные элементы вычислительной сети, а также средства графического отображения результатов моделирования. Для реализации дискретно-событийной модели вычислительной сети разработан и использован стейтчарт процесса доступа протокола CSMA CD.

10. Для решения задачи для моделирования управления трафиком локальной сети средствами AnyLogic реализован алгоритм динамического назначения приоритета рабочим станциям.

Показать весь текст

Список литературы

  1. Д. Оценка производительности вычислительных систем — М.: Мир, 1981.-576с.
  2. Л.И. Основные положения теории производительности вычислительных сетей. // Вестник МЭИ -2001 № 4 — с. 70 — 75
  3. В.М. Вишневский. Теоретические основы проектирования компьютерных сетей. М.: Техносфера, 2003. 512 с.
  4. Л.И. Методика формирования матричной записи структуры вычислительной сети // Вычислительные сети. Теория и практика — 2007, № 2 http://network-joumal.mpei.ac.ru/cgi-bin/main.pl?l=ru&n=l 1
  5. Л.И. Абросимов, А. А. Лебедь. Методика исследования производительности сетевых узлов // Вычислительные сети. Теория и практика — 2007, № 2 http://network-joumal.mpei.ac.m/cgi-bin/main.pl?l==ru&n=ll
  6. М.Р. Перспективные технологии информационных систем. Москва ИТ-Экономика, 2003. 288 с.
  7. В. Современные компьютерные сети. 2-е изд. М.: Питер. -2003.-783 с.
  8. Проектирование отказоустойчивых локальных сетей http://www.nag.ru/goodies/lanrse/index.html
  9. Кодирование информации в локальных сетях http ://www.books. everonit. m/ZZLoca^lava%202/Index6 .htm
  10. П.Джексон. Введение в экспертные системы. — М., СпБ., Киев: «Вильяме», 2001.
  11. Т.А. Гаврилова, В. Ф. Хорошевский. Базы знаний интеллектуальных систем. — СпБ: Питер, 2000.
  12. Hewitt С. Description and Theoretical Analysis (Using Schemata) of PLANNER, a Language for Proving Theorems and Manipulating Models in a Robot. Report No. TR-258, AI Laboratory, MIT. 1972.
  13. Т.А. Принципы построения структурных описаний множеств формальных теорий // Смирновские чтения. 4 Международная конференция. М., 2003. С. 185−187.
  14. И.Гладцын В. А., Яновский В. В. Средства моделирования вычислительных сетей: Учеб. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2001. 128 с.
  15. Средства анализа и оптимизации локальных сетей http://www.dlink.ru/technology/locnop01 .php
  16. Д. Локальные сети ЭВМ: архитектура, принципы построения, реализация: Пер. с англ. М.: Финансы и статистика, 1986.- 359 с.
  17. Л.И. Абросимов. Концепция теории производительности вычислительных сетей / Вычислительные сети. Теория и практика — 2001, № 1 -http://network-journal.mpei.ac.ru/cgi-bin/main.pl?l==ru&n=l 1&ра=11&аг=7
  18. Искусственный интеллект. Справочник в 3-х томах. -М.: Радио и связь, 1990.
  19. Э.А. Возможности и реализация компьютерных систем поддержки принятия решений. // Известия РАН. Теория и системы управления, № 3, 2001, стр. 86−114.
  20. Д.И.Султанова, А. М. Недужко, А. Н. Целых. Структуризация цели проектирования распределенных информационно-управляющих систем // «Вычислительные сети. Теория и практика» — 2008, № 1 -http.V/network-joumal.mpei.ac.m/cgi-bin/main.pl?l=ru&n=12&pa=13
  21. Г. Г., Зарвигоров Д. А. Построение корпоративной сети на основе взаимодействия иерархических моделей. // «Вычислительные сети. Теория и практика» — 2006, № 2 http://network-journal.mpei.ac.ru/-cgi-bin/main.pl?l=ru&n=9&pa=9&ar=3
  22. Справочник по телекоммуникационным технологиям: Пер. с англ. М.: Издательский дом «Вильяме», 2004. 640 с.
  23. Л.И. Концепция разработки интеллектуальной платформы администрирования гетерогенных вычислительных сетей на базе моделей с тензорными преобразованиями, Международная Академия Информатизации. -М.: МЭИ, 1997. Том 1- 60−67 с.
  24. В.В. и др. Телекоммуникационные системы и сети: Т. 3. — Мультисервисные сети.? М.: Горячая линия-Телеком, 2005.
  25. В.К., Левченко Ф. А. Некоторые вопросы оптимизации структур и методов управления сетью. Межв. научн, сбор. «Машинная обработка информации». Киев КГЭУ, 1995.
  26. Дж., Вычислительные сети и распределенная обработка данных М.: Финансы и статистика. 1985.
  27. Е.Р. Ретроспективный анализ моделей работоспособности УВК // Тез. докл. Всероссийской научной конференции «Новые информационные технологии, информационное, программное и аппаратное обеспечение». — Таганрог: ТРТУ, 1995. С. 40−41.
  28. К.А. Надежность, контроль и диагностика вычислительных машин и систем. М.: Высшая школа, 1989. 216 с.
  29. JI. И. Абросимов, А. Н. Мухин. Анализ сетевых характеристик протокола CSMA/CD // «Вычислительные сети. Теория и практика» 2008, № 1 -http://network-journal.mpei.ac.ru/cgi-bin/main.pl?l=ru&n=l 1 &ра=5&аг=1
  30. Г. А. Калинина, Ю. Е. Мороховец. Об одном методе анализа временныххарактеристик систем иерархической обработки данных // «Вычислительные сети. Теория и практика» — 2008, № 1 31. http://network-journal.mpei.ac.ru/cgi-bin/main.pl?l=ru&n=l 1 &ра=3&аг=3
  31. B.JI. Разработка моделей и методов для оценки и выбора параметров мультисервисных систем обмена информацией. Автореферат диссертации на соискание ученой степени к.т.н. — М.: МЭИ (ТУ), 2006.
  32. А.В. Кинетическая модель TCP-сеансов передачи данных // Электросвязь. 2005. № 2. С. 26−30.
  33. Д.Б. Вычислительные методы теории принятия решений. — М.: «Наука», 1989−321 с.
  34. В.П. Гладун. Планирование решений. — Киев, Наукова думка, 1987.
  35. E.F. Codd, S.B. Codd, С.Т. Salley, Providing OLAP to User-Analysts: An IT Mandate, Arbor Software Corp. Papers, 1996
  36. P.A. Алиев, H.M. Абдикеев, M.M. Шахназаров. Производственные системы с искусственным интеллектом. — М.: Радио и связь, 1990.
  37. А.Н. Горбань, Д. А. Россиев. Нейронные сети на персональном компьютере. — Новосибирск: Наука, 1996.
  38. Д.Дюбуа, А.Прад. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990.
  39. В.Е. Кузнецов. Представление в ЭВМ неформальных процедур. — М.: Наука, 1989.
  40. Логический подход к искусственному интеллекту. — М.: Мир, 1990.
  41. Ж.-Л. Лорьер. Системы искусственного интеллекта. -М: Мир, 1991.
  42. Н.Г. Малышев, Л. С. Берштейн, А. В. Боженюк. Нечеткие модели для экспертных систем в САПР. -М.: Энергоатомиздат, 1991.
  43. А.Н. Мелихов, Л. С. Бернштейн, С. Я. Коровин. Ситуационные советующие системы с нечеткой логикой. — М.: Наука, 1990.
  44. Нейроинформатика / А. Н. Горбань, В.Л. Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.
  45. Обработка знаний. М: Мир, 1990.
  46. Обработка нечеткой информации в системах принятия решений. — М.: Радио и связь, 1989.
  47. Э.В. Попов. Экспертные системы. -М.: Наука, 1987.
  48. Д.А. Поспелов. Моделирование рассуждений. М.: Радио и связь, 1989.
  49. Представление и использование знаний. — М.: Мир, 1989.
  50. К. Таунсенд, Д. Фохт. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.
  51. Д. Уотерман. Руководство по экспертным системам. — М.: Мир, 1989. 53. Экспертные системы. Принципы работы и примеры. Под ред. Р.
  52. Форсайта. М.: Радио и связь, 1987. 54. Дж. Элти, М. Кумбс. Экспертные системы. Концепции и примеры. — М.:
  53. Финансы и статистика, 1987. 55.Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. Статические и динамические экспертные системы. Москва, Финансы и статистика,-1996.
  54. А.И. Башмаков, И. А. Башмаков. Интеллектуальные информационные технологии. М.:МГТУ им. Н. Э. Баумана.- 2005.
  55. М. Эддоус, Р. Стэнсфилд, Методы принятия решений, М.: ИНФРА-М 1999 г.
  56. Базы знаний интеллектуальных систем/ Т. А. Гаврилова, В. Ф. Хорошевский СПб: Питер, 2000.
  57. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. Пер. с англ. М.: Издательский дом «Вильяме», 2003.
  58. Искусственный интеллект: в 3-х кн. Кн.1. Системы общения и экспертные системы. Справочник/ Под ред. Э. В. Попова М.: Радио и связь, 1990.
  59. П. Введение в экспертные системы.: Пер. с англ.: Уч. Пос. -М. :. Изд. дом «Вильяме», 2001.62.0суга С. Обработка знаний: Пер. с япон. М.: Мир, 1989.
  60. Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл. ред. физ.-мат. лит., 1987.
  61. Представление и использование знаний: Пер. с япон./ Под ред. X. Уэно, М. Исидзука. М.: Мир, 1989.
  62. Статические и динамические экспертные системы. Учеб. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. М.: Финансы и статистика, 1996.
  63. К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. М.: Финансы и статистика, 1990.
  64. Д. Руководство по экспертным системам: Пер. с англ. М.: Мир., 1989.68. http://www.gpss.ru/people/zolotarevw.html Золотарев Всеволод Васильевич — персональная страница.
  65. АнинБ. Защита компьютерной информации. БХВ-Перербург, 2003. -384с.
  66. Т.А. Состояние и перспективы разработки баз знаний интеллектуальных систем Новости ИИ — М., Ассоциация ИИ, 1996, № 1.
  67. Д.А. Логико-лингвистические модели в системах управления -М., Энергоиздат, 1981.72.3агоруйко Н. Г. Прикладные методы анализа данных и знаний -Новосибирск, Изд-во института математики, 1999.
  68. Winston Р.Н. The Psychology of Computer Vision. McGraw — Hill, 1975
  69. Ю.Н., Борисов H.A. Разработка экспертных систем в среде MS Windows. Тверь, ТГТУ, 1997. — 32 с.
  70. Ю. П. Пытьев. Методы математического моделирования измерительно-вычислительных систем, Издательство: ФИЗМАТЛИТ, 2004 г.
  71. .Я., Яковлев С. А. Моделирование систем. М.: Высшая школа, 1999.
  72. А.А. Моделирование информационных вычислительных процессов. М.: Издательство МГТУ им. Баумана, 1999.
  73. М. Лоу, В. Дэвид Кельтон. Имитационное моделирование. -СПб.: Питер, Издательская группа BHV. 2004. 848 стр.
  74. Ю.И. Имитационное моделирование: Теория и технологии. СПб.: КОРОНА принт, 2004. 384 с.
  75. М. О., Яковлев С. А. Модели и методы оценки характеристик обработки информации в интеллектуальных сетях связи (монография). — СПб.: Издательство СПбГУ. 2002.-230 с.
  76. В. А., Яновский В. В. Средства моделирования вычислительных сетей: Учеб. пособие. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2001. 128 с.
  77. И. Черных. Simulink. Среда создания инженерных приложений. М.: Диалог-МИФИ, 2004.
  78. Дж. Дэбни, Т. Харман. Simulink 4. Секреты мастерства. М.: Бином. Лаборатория базовых знаний, 2003.
  79. Sheldon М. Ross. Simulation. Academic Press, 3-d edition, 2002. — 274 p.
  80. Лоу A. M, Кельтон В. Д. Имитационное моделирование. 3-е издание. — СПб BHV, 2004. — 847 с.
  81. Ю.И. Имитационное моделирование. Теория и технология. — СПб.: КОРОНА принт, 2004. 384 с.
  82. Р. Имитационное моделирование систем — искусство и наука. — М.: Мир, 1971.
  83. S.S.Lam: «A Carrier Sense Multiple Access Protocol for Local Networks,» Computer Networks, vol. 4, n. 1, pp. 21−32, January 1980)
  84. Кучерявый E.A. NS-2 как универсальное средство имитационного моделирования сетей связи. // Труды VII международной конференции: Информационные сети, системы и технологии. Минск, 2001.
  85. Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ — Санкт-Петербург, 2005. — 400 с.
  86. Pnueli A., Maler O., Manna Z., From Timed to Hybrid systems. Real-Time: Theory in Practice, Lecture Notes in Comp. Sc 600, p.447−484. Springer-Verlag, 1992.
  87. Harel D. Statecharts: a Visual Formalism for Complex Systems. Sci. Comput. Prog. 8, p.231−274, 1987.
  88. Кендалл Скотт. UML. Основные концепции. — M.: Вильяме, 2002. — 144 с.
  89. Р. Математическое моделирование и исследование стохастических временных характеристик процессов комгпотерной обработки данных // Информационные технологии. Москва, Россия, 2001, No 2,-С. 51 -55.
Заполнить форму текущей работой

Сессия? Спокойно!