Московский экономический журнал 2/2021

image_pdfimage_print

DOI 10.24411/2413-046Х-2021-10081

Технологии синтеза компьютерного учета с шахтным режимом работы

Technologies for the synthesis of computer accounting with a mine mode of operation

Патачаков Игорь Витальевич, ассистент, кандидат технических наук, Институт горного дела, геологии и геотехнологий ФГАОУ ВПО «Сибирский федеральный университет»

Руденко Екатерина Александровна, Институт горного дела, геологии и геотехнологий ФГАОУ ВПО «Сибирский федеральный университет»

Бархатов Денис Владимирович, Институт горного дела, геологии и геотехнологий ФГАОУ ВПО «Сибирский федеральный университет»

Абдуллаева Анна Анатольевна, Институт горного дела, геологии и геотехнологий ФГАОУ ВПО «Сибирский федеральный университет»

Разин Антон Игоревич, Институт горного дела, геологии и геотехнологий ФГАОУ ВПО «Сибирский федеральный университет»

Putchkov Igor V., assistant, candidate of technical Sciences, Institute of mining, Geology and Geotechnology of FSAEI of HPE «Siberian Federal University»

Rudenko Ekaterina Aleksandrovna, Institute of mining, Geology and Geotechnology of FSAEI of HPE «Siberian Federal University»

Barkhatov Denis Vladimirovich, Institute of mining, Geology and Geotechnology of FSAEI of HPE «Siberian Federal University»

Abdullayeva Anna Anatolyevna, Institute of mining, Geology and Geotechnology of FSAEI of HPE «Siberian Federal University»

Razin Anton Igorevich, Institute of mining, Geology and Geotechnology of FSAEI of HPE «Siberian Federal University»

Аннотация. Принятие проектных решений охватывает широкий круг задач и процедур – от выбора вариантов в конечных и обозримых множествах до задач творческого характера, не имеющих формальных способов решения. Соответственно в САПР применяют как средства формального синтеза проектных решений, выполняемого в автоматическом режиме, так и вспомогательные средства, способствующие выполнению синтеза проектных решений в интерактивном режиме. К вспомогательным средствам относятся базы типовых проектных решений, системы обучения проектированию, программно-методические комплексы верификации проектных решений, унифицированные языки описания ТЗ и результатов проектирования. Задачи синтеза структур проектируемых объектов относятся к наиболее трудно формализуемым. Существует ряд общих подходов к постановке этих задач, однако практическая реализация большинства из них неочевидна. Поэтому имеются лишь «островки» автоматического выполнения процедур синтеза среди «моря» проблем, ждущих автоматизации. Именно по этой причине структурный синтез, как правило, выполняют в интерактивном режиме при решающей роли инженера-разработчика, а ЭВМ играет вспомогательную роль: предоставление необходимых справочных данных, фиксация и оценка промежуточных и окончательных результатов. Структурный синтез заключается в преобразовании описаний проектируемого объекта: исходное описание содержит информацию о требованиях к свойствам объекта, об условиях его функционирования, ограничениях на элементный состав и т.п., а результирующее описание должно содержать сведения о структуре, т.е. о составе элементов и способах их соединения и взаимодействия.

Summary. Project decision-making covers a wide range of tasks and procedures-from the selection of options in finite and foreseeable sets to tasks of a creative nature that do not have formal solutions. Accordingly, CAD uses both the means of formal synthesis of design solutions, performed in automatic mode, and auxiliary tools that facilitate the implementation of the synthesis of design solutions in interactive mode. Auxiliary tools include databases of standard design solutions, design training systems, software and methodological complexes for verifying design solutions, unified languages for describing technical specifications and design results. The tasks of synthesizing the structures of projected objects are among the most difficult to formalize. There are a number of general approaches to setting these tasks, but the practical implementation of most of them is not obvious. Therefore, there are only » islands «of automatic execution of synthesis procedures among the» sea » of problems waiting for automation. It is for this reason that structural synthesis is usually performed interactively with the decisive role of the development engineer, and the computer plays a supporting role: providing the necessary reference data, recording and evaluating intermediate and final results. Structural synthesis consists in transforming the descriptions of the projected object: the initial description contains information about the requirements for the properties of the object, about the conditions of its functioning, restrictions on the element composition, etc., and the resulting description should contain information about the structure, i.e. about the composition of the elements and the ways of their connection and interaction.

Ключевые слова: система синтеза, исследования, параметры, варианты, модули.

Keywords: synthesis system, research, parameters, options, modules.

Для повышения эффективности работы системы синтеза была исследована динамика работы системы в зависимости от различных входных параметров. Основным параметром исследования является эффективность работы системы в зависимости от количества параметров синтеза.

Для опыта генерировались различные варианты средств сбора и обработки данных с разным количеством элементов от 2-х до 12-ти базовых элементов. Во время каждой из симуляций работы разрабатываемой системы синтеза выбирался один микроконтроллер, который был основным элементом системы. Вспомогательные элементы выбирались из перечня датчиков, актюаторов и модулей расширения [6]. В частности для одного из вариантов синтеза были выбраны датчики температуры, освещения, дыма; актюаторы освещения и обогрева, а также модули Bluetooth коммуникации и LCD экраны.

Во время каждой из генераций синтеза исчисляется общее количество вариантов сочетания элементов, количество вариантов, которые фильтруются по совместимости между интерфейсами и замеряется время работы системы синтеза. Симуляцию проводили на компьютере macbook Pro 2015 с процессором Core i7 и 16 Гб оперативной памяти. Пример полученных данных представлен в таблице 1.

Одним из важных параметров работы системы синтеза является зависимость количества вариантов сочетания базовых элементов от количества параметров поиска. Система синтеза содержит дополнительный фильтр, который позволяет отсеивать те варианты, которые не являются совместимыми по количеству доступных интерфейсов. Поэтому, в работе, акцент был поставлен на исследование эффективности работы именно данного метода [4].

Согласно полученным результатам видно, что метод фильтрации элементов по совместимости по интерфейсами начинает действовать тогда, когда возрастает количество параметров синтеза системы. Соответственно, чем из большего количества элементов должна состоять система, тем больше портов микроконтроллера привлекается. Как следствие во многих вариантах отсутствуют свободные порты и систему нельзя подключить к единому микроконтроллера. Соответственно с ростом количества элементов возрастает процент отсеиваемых вариантов.

Одним из важных параметров работы системы синтеза является сложность вычислений во время ее работы. Важным параметром в данном случае является времени работы системы в зависимости от количества вариантов сочетания элементов. Для этого была проведена серия вычислительных экспериментов и учтено общее время работы [2]. Из полученных данных можно сделать вывод, что время работы системы линейно зависит от количества вариантов сочетания компонент. Соответственно, сложность работы системы является O(n), где n — количество вариантов сочетания элементов.

Поскольку, время работы системы возрастает по экспоненте, то важным вопросом является возможность уменьшить общее количество вычислений за счет отсечения вариантов с худшими параметрами (согласно значению целевой функции).

Для достижения данной цели можно использовать элитарную стратегию, когда основные позиции во время синтеза занимают элементы, которые были лучшими во время работы системы, выбора элементов [7].

Для исследования этой гипотезы была проведена серия вичислювальних экспериментов, когда сравнивались результаты работы системы синтеза на полном наборе входных данных и на уменьшенном наборе данных, когда использовать элементы выборки, которые имеют лучшие значения целевой функции.

Для оценки фактора сжатия выборки подбирались разные значения сжатия, которые показывали сколько % от начальной выборки будет использовано.

Метод фильтрации вариантов синтеза через совместимость по интерфейсам в сочетании с подходами метода Парето может повысить эффективности работы системы синтеза. Поскольку общий (значение целевой функции) вычисляется за счет использования аддитивной и мультипликативной функции, то элементы с лучшими параметрами генерируют варианты с большим значением обобщенной целевой функции [5].

Если отсекать параметры согласно совместимости по интерфейсам, то можно получить хорошие варианты с использованием малого количества вычислений. Соответственно данный подход позволяет использовать меньшее количество вычислений и увеличить количество параметров из который должна состоять синтезированная система.

Разработана структура и алгоритм функционирования системы синтеза элементов системы управления энергоэффективностью технологического процесса на предприятии, которая основывается на модульном принципе и включает следующие составляющие: подпрограмму для выбора элементной базы в соответствии с техникоэкономическим показателя; подпрограмму для синтеза структуры компонентов для системы управления энергоэффективностью предприятия, которая основывается на модульном принципе и включает следующие составляющие: подпрограмму для выбора элементной базизгідно с технико-экономическими показателями, подпрограмму для синтеза структуры компонентов для БСУЭП.

Разработано программное и информационное обеспечения системы синтеза элементов системы управления энергоэффективностью предприятия, которая базируется на базе данных SQLite и написана на языке Java. Данная программа является кроссплатформенной и может работать на различных операционных системах [3].

Разработаны структура, сценарии работы нейроконтролера для управления интеллектуальной теплицей.

Разработано программное и техническое обеспечение нейроконтролера, которое базируется на микроконтроллере STM32F103 и используется в качестве центрального модуля нейроконтролера. Описана структура нейроконтроллера и алгоритмы его работы. Программное обеспечение реализовано на языке С.

Разработана имитационная модель системы автоматизированного синтеза элементов системы управления энергоэффективностью региона, которая использует вільновживане среда Octave и дает возможность исследовать и проверить функционирование метода выбора элементной базы и синтеза компонентов управления энергоэффективностью технологического процесса на предприятии [1].

Приведены результаты синтеза базового элемента, который состоит из микроконтроллера, давача температуры, обогревателя и модуля связи. Было сгенерировано 284 альтернативы, из которых был выбран вариант с большим значение целевой функции. Кроме того, приведены результаты синтеза составляющих системы управления энергоэффективностью предприятия с учетом интерфейсов базовых элементов и результаты эффективности решения задачи структурного синтеза.

Литература

  1. Chen, C., & Xu, W. (2020). Innovation and Application of College Students’ Education and Management Based on Big Data. In ACM International Conference Proceeding Series (pp. 5–9). https://doi.org/10.1145/3396452.3396464
  2. Ge, X. (2020). Some applications of big data mining technology on education system in big data era. Advances in Intelligent Systems and Computing, 1117 AISC, 368–374. https://doi.org/10.1007/978-981-15-2568-1_51
  3. Li, C., & Niu, B. (2020). Design of smart agriculture based on big data and Internet of things. International Journal of Distributed Sensor Networks, 16(5). https://doi.org/10.1177/1550147720917065
  4. Li, D., Gong, Y., Tang, G., & Huang, Q. (2020). Research and Design of Mineral Resource Management System Based on Big Data and GIS Technology. In 2020 5th IEEE International Conference on Big Data Analytics, ICBDA 2020 (pp. 52–56). https://doi.org/10.1109/ICBDA49040.2020.9101268
  5. Li, G., Zhang, Q., Zheng, R., & Wang, C. (2020). A fault analysis method based on text clustering. In 2020 5th International Conference on Computer and Communication Systems, ICCCS 2020 (pp. 93–98). https://doi.org/10.1109/ICCCS49078.2020.9118528
  6. Li, Y. (2020). Information data in geological informatization based on cloud computing. In IOP Conference Series: Materials Science and Engineering (Vol. 750). https://doi.org/10.1088/1757-899X/750/1/012158
  7. Luo, W. (2020). Application of the Data Mining Technology in the Economic Management in the Age of Big Data. Advances in Intelligent Systems and Computing, 928, 9–14. https://doi.org/10.1007/978-3-030-15235-2_2
  8. Pereira, S., Silva, L., Machado, J., & Cabral, A. (2020). The clinical informatization in Portugal an approach to the national health service certification. International Journal of Reliable and Quality E-Healthcare, 9(2), 34–47. https://doi.org/10.4018/IJRQEH.2020040103
  9. Shao, Z., Sun, H., Wang, X., & Sun, Z. (2020). An Optimized Mining Algorithm for Analyzing Students’ Learning Degree Based on Dynamic Data. IEEE Access, 8, 113543–113556. https://doi.org/10.1109/ACCESS.2020.3001749
  10. Shi, S. (2020). Engineering Cost Management Strategy Based on Data Mining. Advances in Intelligent Systems and Computing, 1146 AISC, 273–282. https://doi.org/10.1007/978-3-030-43306-2_39
  11. Timonin, A. Y., Bershadsky, A. M., & Bozhday, A. S. (2020). Conceptual Modeling of the Social Environment for Information Support in Management Processes. Communications in Computer and Information Science, 1135 CCIS, 138–151. https://doi.org/10.1007/978-3-030-39296-3_11
  12. Wang, Z., Li, Q., Liu, Q., Liu, B., Zhang, J., Yang, T., & Liu, Q. (2020). DICOM-Fuzzer: Research on DICOM Vulnerability Mining Based on Fuzzing Technology. Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST, 312 LNICST, 509–524. https://doi.org/10.1007/978-3-030-41114-5_38
  13. Wen, Y., Li, M., & Ye, Y. (2020). MapReduce-based BP neural network classification of aquaculture water quality. In Proceedings — 2020 International Conference on Computer Information and Big Data Applications, CIBDA 2020 (pp. 132–135). https://doi.org/10.1109/CIBDA50819.2020.00038
  14. Zhang, H., & Fang, M. (2020). Research on the integration of heterogeneous information resources in university management informatization based on data mining algorithms. Computational Intelligence. https://doi.org/10.1111/coin.12365
  15. Zhang, Q., Mi, S., & Liu, X. (2020). Research and development of B/S-based data mining system for petroleum information. Springer Series in Geomechanics and Geoengineering, 736–744. https://doi.org/10.1007/978-981-13-7127-1_68