Содержание к диссертации
Введение
1. Анализ распределенных систем управления опережающими логистическими потоками 13
1.1. Особенности построения логистических систем 13
1.2. Классификация информационных логистических потоков 20
1.3. Модели управления опережающими логистическими потоками 23
1.4. Алгоритмы управления опережающими логистическими потоками 24
1.5. Анализ архитектуры и функциональных возможностей распределенных логистических информационных систем 31
1.6. Постановка задачи диссертационных исследований 46
Выводы 49
2. Разработка моделей и алгоритма динамического управления параметрами опережающих логистических потоков 50
2.1. Формализация описания системы управления опережающими логистическими потоками 50
2.2. Математическое моделирование опережающих логистических потоков заявок 51
2.3. Разработка алгоритма динамического управления опережающими логистическими потоками 55
2.4. Разработка математической модели для обоснованного автоматизированного выбора пополняющего алгоритма 63
Выводы 68
3. Анализ и разработка алгоритма оперативного прогнозирования вычислительной нагрузки для распределенной системы управления опережающими логистическими потоками 69
3.1. Разработка общей структуры механизма прогнозирования для распределенной системы управления опережающими логистическими потоками 69
3.2. Выбор типа нейронной сети для реализации механизма оперативного прогнозирования вычислительной нагрузки 79
3.3. Разработка общей методики прогнозирования вычислительной нагрузки на основе нейронных сетей 85
3.4. Разработка алгоритма прогнозирования вычислительной нагрузки на основе многослойного перцептрона 92
3.5. Реализация механизма мониторинга загруженности сервера на базе алгоритма оперативного прогнозирования вычислительной нагрузки 99
Выводы 103
4. Имитационное моделирование и результаты экспериментальных исследований алгоритмов прогнозирования и управления опережающими логистическими потоками 104
4.1. Разработка имитационной модели динамического алгоритма управления логистическими потоками на базе имитационного я зыка GPSS 104
4.2. Анализ результатов имитационного моделирования динамического алгоритма управления опережающими логистическими потоками 107
4.3. Разработка имитационной модели механизма оперативного прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками 112
4.4. Результаты эксперимента по прогнозированию вычислительной нагрузки 115
Выводы 133
Заключение 134
Литература
- Особенности построения логистических систем
- Классификация информационных логистических потоков
- Математическое моделирование опережающих логистических потоков заявок
- Разработка общей структуры механизма прогнозирования для распределенной системы управления опережающими логистическими потоками
Введение к работе
В современных условиях управление материальными потоками предприятий, как правило, осуществляется с использованием компьютерной техники и программного обеспечения, позволяющих значительно улучшить скорость и качество управления и обработки таких потоков. Современное состояние логистики и её развитие во многом сформировалось благодаря бурному развитию и внедрению во все сферы бизнеса информационно-компьютерных технологий.
На современном уровне развития общественного производства стало очевидно, что информация является самостоятельным производственным фактором, потенциальные возможности которого открывают широкие перспективы для укрепления конкурентоспособности.
В настоящее время достаточно актуальной является проблема обеспечения эффективного управления опережающими логистическими потоками, в частности обеспечивающими процесс пополнения запасов материальных или иных ресурсов, а в общем позволяющего оптимизировать складские и транспортные затраты в различных сферах производственной деятельности.
Функционирование используемых для этого систем управления опережающими логистическими потоками основываются, как правило, на применении известных алгоритмов, либо их улучшенных модификаций. Однако подобные алгоритмы, например, "r,Q", EOQ, "с фиксированным размером заказа" и др., не являются в полной мере универсальным средством управления и распределения логистических ресурсов, адаптированным к различным условиям производственной деятельности.
Исследованиям в этой области посвящен ряд работ зарубежных специалистов таких как: Вилсон Р.Х.[38], Бауэрсокс Д.Дж., Клосс Д.Дж.[4б], Баллоу Р.Х.[2], Джонсон Дж.С, Вуд Д.Ф, Вордлоу Д.Л, Мерфи-мл. П.Р.[69], а также отечественных ученых: Гордон М.П. [65], Плоткин Б.К. [92, 93], Новиков О.А., Семененко А.И. [89, 102], Сергеев В.И. [104-106], Родников А.Н. [98] и др.
Однако они пригодны в основном для решения частных задач логистики и, как правило, не рассматривают логистистический процесс в качестве компонента единого динамического комплекса.
Выходом из создавшейся ситуации является создание универсального селективного механизма, обеспечивающего обоснованный выбор оптимального в каждый момент времени алгоритма управления опережающими логистическими потоками.
Применение такого механизма позволит значительно улучшить качество работы системы управления логистическими потоками, а именно повысить эффективность пополнения и распределения производственных ресурсов, запасов и материалов.
Если говорить об архитектуре подобных систем, то проведенный анализ показал, что значительная часть используемых на сегодняшний момент систем управления логистическими потоками носит распределенный характер. Характерной проблемой для систем с такой архитектурой является неравномерная загрузка распределенных центров обработки информации (ЦОИ), соответствующих их узлам. С одной стороны это приводит к очередям на обработку, а с другой к нерациональному использованию вычислительных ресурсов системы.
Возможным решением данной проблемы является создание механизма балансировки. Такой механизм на основе оперативного планирования и прогнозирования интенсивности вычислительной нагрузки позволит изменять параметры и конфигурацию системы управления логистическими потоками, равномерно распределяя нагрузку между ее узлами. Это позволит уменьшить время обработки логистических заявок, сократить очереди в центрах обработки информации и более рационально использовать их вычислительные ресурсы.
Таким образом, представляется ценным и актуальным разработка моделей и алгоритмов управления опережающими логистическими потоками, а так же механизма оперативного прогнозирования вычислительной нагрузки для распределенной системы управления опережающими логистическими потоками. Что позволит повысить эффективность и надежность планирования, обработки и управлеріия ресурсами и запасами во многих отраслях промышленности, науки и техники.
Целью диссертации является разработка моделей и алгоритмов управления опережающими логистическими потоками, обеспечивающих повышение эффективности и надежности планирования, обработки и управления ресурсами и запасами предприятий во многих отраслях промышленности, науки и техники.
В соответствии с указанной целью в работе решаются следующие задачи:
• анализ архитектуры и функциональных возможностей распределенных логистических систем;
• математическая формализация систем управления опережающими логистическими потоками;
• разработка математической модели обработки опережающих логистических потоков;
• разработка математического аппарата для реализации алгоритма прогнозирования вычислительной нагрузки;
• разработка алгоритма динамического управления опережающими логистическими потоками;
• разработка методики и алгоритма прогнозирования вычислительной нагрузки распределенной системы управления опережающими логистическими потоками на основе аппарата нейронных сетей;
• разработка имитационных моделей алгоритмов динамического управления и прогнозирования;
• экспериментальное исследование предложенных теоретических положений, моделей и алгоритмов.
Методы исследования. Теоретическую и методологическую базу исследования составили системный подход к моделированию сложных систем, ключевые положения кибернетики, общей теории систем. При решении конкретных задач использовались математический аппарат теории графов, теория массового обслуживания, теория нейронных сетей, предикатная алгебра, а также методы имитационного моделирования сложных систем.
Научная новизна работы состоит в создании новых моделей и алгоритмов, обеспечивающих повышенную эффективность управления опережающими логистическими потоками. При этом получены следующие научные результаты:
• исследованы и разработаны новые модели и алгоритмы управления опережающими логистическими потоками, позволяющие уменьшить затраты на обработку логистических потоков;
• предложено решение математической задачи формализованного описания опережающих логистических потоков, основанного на их декомпозиции;
• разработан алгоритм динамического управления опережающими логистическими потоками, обеспечивающий автоматизацию выбора обрабатывающего алгоритма в зависимости от вида логистического ресурса;
• предложена методика прогнозирования вычислительной нагрузки на базе многослойного перцептрона, учитывающая специфику логистических потоков заявок и распределенный характер системы управления логистическими потоками;
• разработан алгоритм прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками, обеспечивающий оперативное распределение потоков между центрами обработки информации системы и возможность управления их производительностью;
• предложены экспериментальные методики проверки и анализа эффективности алгоритмов динамического управления и прогнозирования вычислительной нагрузки логистической системы;
• предложены и верифицированы имитационные модели алгоритмов; в ходе экспериментальных исследований показаны преимущества их использования в распределенных системах управления опережающими логистическими потоками.
Результаты работы подтверждены свидетельствами об официальной регистрации программы для ЭВМ: № 2007613913 "Программа учета сведений о научно-исследовательских и опытно-конструкторских работах", зарегистрировано в РОСПАТЕНТ 12 сентября 2007 г., заявка № 2007612984.
Практическая ценность работы заключается в создании реальных основ для реализации эффективных механизмов автоматизированного управления опереяшющими логистическими потоками. Их практическое применение позволит повысить эффективность обработки логистической информации и управления ресурсами, прежде всего выражающуюся в снижении связанных со срочностью поставки расходов без значительного опережающего роста запасов материалов, и рациональной загрузке центров обработки информации распределенной системы управления опережающими логистическими потоками.
Гибкость и универсальность предложенных в работе решений делает возможным их применение в самых различных технологических процессах и производствах, особенно в приборостроении, предприятиях электронной промышленности, торговой и дистрибьюторской деятельности и т.д.
Экспериментальные исследования автора показали, что при использовании алгоритма динамического управления процент обслуженных с минимальными затратами заявок повысился в 1,1-1,3 раза; при применении механизма оперативного прогнозирования вычислительной нагрузки количество незадействованных центров обработки уменьшилось до половины, очередь ожидающих заявок сократилась, более чем в 5,2 раза, время обработки заявок уменьшилось более чем в 2,2 раза.
Достоверность полученных результатов подтверждается результатами имитационного моделирования, доказавшими преимущества предложенных в работе алгоритмов динамического управления опережающими логистическими потоками и прогнозирования вычислительной нагрузки, выразившиеся в снижении затрат на обработку заявок, сокращении очередей заявок в центрах обработки информации и уменьшением времени на их обработку.
Личный вклад автора. Все основные результаты диссертационной работы получены автором лично.
1. Исследование основных возможностей распределенных систем управления опережающими логистическими потоками и подходов к построению таких систем;
2. Разработка математической модели опережающих логистических потоков заявок;
3. Разработка алгоритма динамического управления опережающими логистическими потоками;
4. Разработка алгоритма оперативного прогнозирования вычислительной нагрузки системы управления опережающими логистическими потоками;
5. Создание имитационных моделей разработанных алгоритмов. Реализация и внедрение полученных результатов. Результаты диссертационных исследований используются в:
• учебном процессе МИЭТ кафедры "Информатика и программное обеспечение вычислительных сетей";
• производственной практике ГУП НПЦ "ЭЛВИС" (что позволило увеличить скорость обработки логистических заявок предприятия в 2,3 раза, и дало экономию при их обработке 134000 руб./мес).
На защиту выносятся следующие основные научные результаты:
1. Анализ состояния проблемы управления логистическими потоками;
2. Формализованное математическое описание системы управления опережающими логистическими потоками.
3. Алгоритм динамического управления опережающими логистическими потоками.
4. Математическая модель обоснованного выбора пополняющих алгоритмов как часть алгоритма динамического управления опережающими логистическими потоками.
5. Методика и алгоритм прогнозирования вычислительной нагрузки центров обработки информации для распределенной системы управления опережающими логистическими потоками.
6. Имитационные модели алгоритмов динамического управления и прогнозирования для распределенной системы управления опережающими логистическими потоками.
7. Результаты экспериментальных исследований эффективности алгоритмов управления опережающими логистическими потоками.
Апробация работы и публикации. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях:
• XIII международная студенческая школа семинар "Новые информационные технологии 2005" (Судак, Московский государственный институт электроники и математики, 2005);
• XII всероссийская межвузовская научно-техническая конференция студентов и аспирантов "Микроэлектроника и информатика" (Зеленоград, 2005-2008);
• Всероссийская межвузовская научно-практическая конференция "Актуальные проблемы информатизации. Развитие информационной инфраструктуры, технологий и систем" (Зеленоград, 2007).
По результатам исследований опубликовано 16 печатных работ.
Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы и приложений. Общий объем диссертационной работы 174 страницы, включая 7 таблиц и 35 рисунков.
Особенности построения логистических систем
Значимым элементом любой логистической системы является подсистема, обеспечивающая прохождение и обработку циркулирующей в этой системе информации [48, 67, 79, 87]. По сути, такая подсистема в свою очередь также является весьма сложной информационной системой, состоящей из различных подсистем. Так с точки зрения наиболее часто употребляемого подхода к декомпозиции информационных систем она может быть разделена на две подсистемы функциональную и обеспечивающую (рис. 1.1).
Функциональная подсистема состоит из совокупности решаемых задач, сгруппированных по признаку общности цели. Обеспечивающая подсистема, в свою очередь, включает в себя следующие элементы: техническое обеспечение, т.е. совокупность технических средств, обеспечивающих обработку и передачу информационных потоков; информационное обеспечение, которое включает в себя различные справочники, классификаторы, кодификаторы, средства формализованного описания данных; математическое обеспечение, т.е. совокупность методов решения функциональных задач.
Логистические информационные системы, как правило, представляют собой автоматизированные системы управления логистическими процессами. Поэтому математическое обеспечение в логистических информационных системах - это комплекс программ и совокупность средств программирования, обеспечивающих решение задач управления материальными потоками, обработку текстов, получение справочных данных и функционирование технических средств.
Организация связей между элементами в информационных системах логистики может существенно отличаться от организации традиционных информационных систем. Это обусловлено тем, что в логистике информационные системы должны обеспечивать всестороннюю интеграцию всех элементов управления материальным потоком, их оперативное и надежное взаимодействие. "Информационно-техническое обеспечение логистических систем отличается не характером информации и набором технических средств, используемых для их обработки, а методами и принципами, используемыми для их построения" [96].
Информационные системы в логистике могут создаваться с целью управления материальными потоками на уровне отдельного предприятия, а, могут способствовать организации логистических процессов на территории регионов, стран и даже группы стран (рис. 1.2).
На уровне отдельного предприятия информационные системы, в свою очередь, подразделяют на три группы: плановые; диспозитивные (или диспетчерские); исполнительные (или оперативные).
Логистические информационные системы, входящие в разные группы, отличаются как своими функциональными, так и обеспечивающими подсистемами. Функциональные подсистемы отличаются составом решаемых задач. Обеспечивающие подсистемы могут отличаться всеми своими элементами, т.е. техническим, информационным и математическим обеспечением.
Плановые информационные системы создаются на административном уровне управления и служат для принятия долгосрочных решений стратегического характера. Среди решаемых ими задач могут быть следующие: создание и оптимизация звеньев логистической цепи; управление условно-постоянными, т.е. малоизменяющимися, данными; планирование производства; общее управление запасами; управление резервами и другие задачи.
Диспозитивные информационные системы создаются на уровне управления складом или цехом и служат для обеспечения отлаженной работы логистических систем. Здесь могут решаться следующие задачи: детальное управление запасами (местами складирования); распоряжение внутрискладским (или внутризаводским) транспортом; отбор грузов по заказам и их комплектование, учет отправляемых грузов и другие задачи.
Исполнительные информационные системы создаются на уровне административного или оперативного управления. Обработка информации в этих системах производится в темпе, определяемом скоростью ее поступления в ЭВМ. Это так называемый режим работы в реальном масштабе времени, который позволяет получать необходимую информацию о движении грузов в текущий момент времени и своевременно выдавать соответствующие административные и управляющие воздействия на объект управления. Этими системами могут решаться разнообразные задачи, связанные с контролем материальных потоков, оперативным управлением обслуживания производства, управлением перемещениями и т.п.
Выше рассмотрены особенности информационных систем различных видов в разрезе их функциональных подсистем. Но, как уже отмечалось, различия имеются и в обеспечивающих подсистемах.
Классификация информационных логистических потоков
Под логистической системой понимают распределенную материально-информационную систему, образуемую множеством взаимосвязанных активностей, которые координировано реализуют логистические задачи с использованием материальных и информационных объектов, перемещающихся в транспортных и коммуникационных сетях, связывающих структурные компоненты основной логистической цепи.
Информационные объекты логистической системы представляют собой идентифицируемые сообщения, такие как требования, запросы, заявки, уведомления и т.д. Материальные объекты - сырые материалы, компоненты изделий, производимые товары, подвижные средства транспортных систем, ячейки складов, тара и т.д. Информационные и материальные объекты образуют дискретные потоки, с определенными операциями на этих объектах.
В основе процесса управления материальными потоками лежит обработка информации, циркулирующей в логистических системах. В связи с этим одним из ключевых понятий логистики является понятие информационного потока.
Под информационным потоком понимают совокупность циркулирующих в логистической системе, между логистической системой и внешней средой сообщений, необходимых для управления и контроля производимых логистических операций. Информационный поток может существовать в виде бумажных и электронных документов.
В логистике выделяют [68, 73, 81, 103] следующие виды информационных потоков (рис. 1.4): в зависимости от вида связываемых потоком систем: горизонтальный и вертикальный; в зависимости от места прохождения: внешний и внутренний; в зависимости от направления по отношению к логистической системе: входной и выходной.
Информационный поток может опережать материальный, следовать одновременно с ним или после него. При этом информационный поток может быть направлен как в одну сторону с материальным, так и в противоположную: опережающий информационный поток во встречном направлении содержит, как правило, сведения о заказе; опережающий информационный поток в прямом направлении - это предварительные сообщения о предстоящем прибытии груза; одновременно с материальным потоком идет информация в прямом направлении о количественных и качественных параметрах материального потока; вслед за материальным потоком во встречном направлении может проходить информация о результатах приемки груза по количеству или по качеству, разнообразные претензии, подтверждения.
Путь, по которому движется информационный поток, в общем случае, может не совпадать с маршрутом движения материального потока. Информационный поток характеризуется следующими показателями: источник возникновения; направление движения потока; скорость передачи и приема; интенсивность потока и др.
Помимо общих принципиальных проблем, управление информационными потоками включает в себя и ряд частных задач. Среди них особо нужно отметить задачу рационального пополнения запасов различного вида ресурсов.
Управление запасами заключается в решении двух основных задач: определение размера необходимого запаса, то есть нормы запаса; создание системы контроля за фактическим размером запаса и своевременным его пополнением в соответствии с установленной нормой.
Нормой запаса называется расчетное минимальное количество предметов труда, которое должно находиться у производственных или торговых предприятий для обеспечения бесперебойного снабжения производства продукции или реализации товаров.
При определении норм товарных запасов используют три группы моделей: эвристические, технико-экономические расчетные модели и экономико-математические модели.
Эвристические модели предполагают использование опыта специалистов, которые изучают отчетность за предыдущий период, анализируют рынок и принимают решения о минимально необходимых запасах, основанные, в значительной степени, на субъективном понимании тенденций развития спроса. В качестве специалиста - может выступать работник предприятия, постоянно решающий задачу нормирования запасов.
Используемая в этом случае модель решения задачи (из группы эвристических) называется опытно-статистической.
В том числе, если поставленная задача в области управления запасами достаточно сложна, может использоваться опыт не одного, а нескольких специалистов. Анализируя затем по специальному алгоритму их субъективные оценки ситуации и предлагаемые решения, можно получить достаточно хорошее решение, близкое к оптимальному. Эта модель также относится к группе эвристических и основывается на методе экспертных оценок.
Сущность модели технико-экономических расчетов заключается в разделении совокупного запаса в зависимости от целевого назначения на отдельные группы, например, номенклатурные позиции (или ассортиментные позиции - в торговле). Далее для выделенных групп отдельно рассчитывается страховой, текущий и сезонный запасы, каждый из которых, в свою очередь, может быть разделен на некоторые элементы. Например, страховой запас на случай повышения спроса или нарушения сроков завоза материалов (товаров) от поставщиков. Модель технико-экономических расчетов позволяет достаточно точно определять необходимый размер запасов, однако трудоемкость его велика.
Спрос на товары или продукцию чаще всего представляет собой случайный процесс, который может быть описан методами математической статистики. Одним из наиболее простых экономико-математических методов определения размера запаса является метод экстраполяции (сглаживания), который позволяет перенести темпы, сложившиеся в образовании запасов в прошлом, на будущее.
Математическое моделирование опережающих логистических потоков заявок
В теории вероятностей и в теории массового обслуживания, теории процессов и потоков, заявка представляет собой абстрактный неделимый объект, структура которого специально не оговаривается, и на неё не накладывается никаких ограничений [52, 54, 55, 57, 61, 76, 77, 94, 101, 115].
"Вне зависимости от ... характера природы ... объектов, поступающих в систему ... их называют заявками" [57] и "Работа любой системы массового обслуживания состоит в выполнении поступающего на неё потока требований или заявок" [55].
Тем не менее, информационные потоки не являются элементарным и неделимым объектом, а представляют собой довольно сложную систему. Поэтому логистический поток заявок должен рассматриваться с различных позиций, например, в зависимости от целей создания заявки, запрашиваемых ресурсов, систем и людей, участвующих в обработке заявки.
Таким образом, необходимо определить внутреннее содержание логистической заявки, её свойства и возможные действия с нею. После определения состава заявки, её в дальнейшем можно будет рассматривать как абстрактный неделимый объект, используя всю доступную теорию (процессов, потоков, вероятностей), возвращаясь, при необходимости, к раскрытому внутреннему содержанию. А также к выявлению взаимосвязи заявки и других объектов, её окружающих. Формализуем понятие "заявка". Заявка г - это упорядоченная пара: г = (хД), элементами которой являются описания условий, налагаемых на свойства того ресурса, на который сделана заявка г, и на сам этот ресурс.
Пусть в рассматриваемой конкретной задаче у востребованного ресурса может быть счётное количество принимаемых к рассмотрению свойств: xj,..., х„. Множество значений для некоторого свойства х, обозначим как р(х). Тогда, по определению, декартово произведение множеств всех возможных значений для каждого х, образует множество Х- множество всех возможных типов ресурсов для данной задачи: Х = ПФ Л) Тогда подмножество %, % с X, характеризует тот конкретный ресурс, на который сделана заявка.
Кроме того, пусть на ресурс также может накладываться любое число любых ограничений-условий //, ..., 1т из списка L, одинакового для всех ресурсов. Совокупность всех условий L есть, по определению:
Соответственно, подмножество Я, X cz L характеризует тот конкретный список ограничений-условий, который был отобран для заявки на данный ресурс из полного списка условий L.
Подмножество х характеризует сам ресурс, определяет отличительные особенности, выделяющие его среди других ресурсов, говоря простыми словами, задает тип ресурса. Подмножество Я задает те условия, которые хотя и связаны с ресурсом, могут так же использоваться без изменения и для других ресурсов различных типов.
Каждому условию /; є L соответствует некоторый набор ограничиваемых им параметровр\, ...,ркц. Декартово произведение множеств возможных значений каждого параметра pj для всех /,- обозначим как С: C=Y[ p(Pi):pj -lieL.
Каждый параметр pj при наложении условия /г- даёт определенный диапазон значений, в котором условие будет выполнено. Обозначим его как ФСР,-)//. Тогда, то подмножество в С, на котором будет выполнена совокупность условий Я, обозначим как: С Я. Информационный поток Iin (см. рис. 2.1) служит для оповещения системы S о состоянии размещённых ею заявок Fmt = (%F,XF) и, по сути, представляет собой поток "ответов".
Ответ щ на заявку г,- - это упорядоченная пара: где Хк тип ресурса, определенный в заявке г{, а элемент ск - конкретный сложившийся результат, подмножество в С. Тогда условием выполнения заявки будет одновременное выполнение двух положений: 1) вид, тип, свойства предоставленного ресурса должны быть не хуже свойств запрошенного ресурса; 2) результат выполнения удовлетворяет указанным в заявке условиям.
Разработка общей структуры механизма прогнозирования для распределенной системы управления опережающими логистическими потоками
Средством повышения эффективности функционирования распределенной системы управления опережающими логистическими потоками является механизм оперативного прогнозирования вычислительной нагрузки, который позволит на основе прогнозов интенсивности нагрузки изменять параметры и конфигурацию системы [120].
В обычном режиме работы системы время обработки запроса Т (рис. 3.1) складывается из следующих временных составляющих: времени пересылки запроса от клиента на сервер асп,; времени обработки поступившего запроса в центральном узле системы и передаче его на обработку компоненте /даириб.; времени, необходимого для создания и запуска ЦОИ ск; времени выполнения запроса компонентом Ґ06раб.; времени, затраченном на отправку ответа /-м компонентом ton.\ времени ожидания в очереди в случае нехватки ЦОИ /оч.. -» трасп. дистриб. "" пуск " обраб. "" отв. " оч. Очевидно, что уменьшение значений любого из слагаемых приведет к уменьшению времени обработки запроса.
Проведение упреждающего прогнозирования и планирования вычислительной нагрузки позволяет сократить время обработки запроса Т за счет минимизации очереди входящих заявок (рис. 3.2), что уменьшает время обработки заявки, сокращает количество незадействованных центров обработки информации и позволяет избежать перегрузки системы и, как следствие, значительной части кризисных ситуаций.
С учетом указанного механизма время обработки запроса Т можно определить следующим образом: -і трасп. " обраб. " отв.
По мере увеличения нагрузки на систему центральным узлом создаются и инициализируются дополнительные компоненты для обработки запросов.
С уменьшением количества поступающих запросов система может снизить количество вычислительных ресурсов с целью высвобождения мощностей под выполнение других задач.
Для этого необходимо определение требуемого на каждый момент времени количества центров обработки информации, выполняющих обработку поступающих в систему заявок.
Таким образом, для осуществления оперативного прогнозирования вычислительной нагрузки на систему необходимо разработать соответствующий метод, позволяющий во время работы системы получать значение функции для состояния системы, соответствующего моменту времени (/ + 1) на основе состояния в момент времени t.
На основе статистических данных о работе системы за предыдущие периоды времени, и в зависимости от текущей нагрузки, механизм прогнозирования так же должен инициализировать дополнительные ЦОИ, либо осуществлять освобождение простаивающих. Такой подход позволит высвободить максимально возможное количество ресурсов без ущерба для общей производительности системы.
Таким образом, блок прогнозирования помимо модуля, отвечающего за собственно прогнозирование, должен быть так же снабжен модулем сбора статистики и модулем настройки (рис. 3.3).
Модуль прогнозирования производит изменение количества активных центров обработки информации на основе прогноза нагрузки на систему. Основной задачей модуля сбора статистики является фиксирование изменения нагрузки на протяжении всего периода работы системы с тем, чтобы при помощи модуля настройки администратор системы мог выявить зависимости нагрузки от внешних параметров и задать эффективный способ работы модуля прогнозирования.
В настоящее время существует большое количество методик прогнозирования серверной нагрузки. По характеру анализа они подразделяются на статистические, технические методы и аппарат нейронных сетей.
К статистическим методам прогнозирования относятся: экспоненциальное сглаживание; авторегрессионное проинтегрированное скользящее среднее (АРПСС); множественная линейная регрессия; спектральный анализ.
Метод экспоненциального сглаживания применяется в основном для прогнозирования временных рядов. Метод был разработан для процессов с постоянным трендом, с линейным трендом и для рядов с сезонной составляющей [88, 97]. Метод выделяет постоянную составляющую временных рядов скользящим средним. Формула простого экспоненциального сглаживания имеет вид: St=aXt+{l-0)St_x » где S, - сглаженное значение, Xt - текущее наблюдение, а параметр.
Применяя рекурсивно эту формулу, можно получить значение прогноза как взвешенного среднего текущего наблюдения и сглаженного ряда. Применение этого метода дает достаточно хорошие результаты на практике.
Очень часто возникает необходимость разработки прогноза в условиях полной неопределенности, нет данных ни о математической модели процесса, отсутствие явно выраженных регулярных величин в данных и т.д. В таких случаях применяется методология АРПСС, разработанная Боксом и Дженкинсом [50]. Метод заключается в использовании двух моделей временного ряда: процесса авторегрессии и процесса скользящего среднего.
