Research of Options for Constructing Information Management Systems Based on Network Models of Queuing Systems

Cover Page

Cite item

Full Text

Abstract

The use of information management systems (IMSs) for the management of technical facilities is currently one of the directions for further improvement and increase in the effectiveness of the use of technical facilities in solving their target tasks. The existing modern IMSs are a set of hardware and software tools designed for collecting, processing and storing information and management. In the presence of a large amount of information and contradictory factors affecting the quality of management, making informed and timely decisions in the management process is impossible without the use of IMSs. The IMSs currently being developed are, for the most part, specialized systems and are designed to solve specific tasks. In this regard, the development and design of IMSs should be carried out taking into account the relationship with the target indicators and features of the management facilities, the results of a comprehensive analysis of information about the IMS elements in the process of functioning, and structural and algorithmic parameters that affect performance indicators. The use of mathematical models for the study of options for the construction of an IMS is the basis for the design and development of devices and subsystems of an IMS. The IMS models currently being developed make it possible to conduct research for single-stage management processes with the presence of similar service facilities in the system. At the same time, modern technical facilities and control systems are complex complexes with cyclically repeating control processes of various types of means. As a rule, such complexes have a set of parallel operating devices (control channels) that provide control of different types of objects at various stages of information processing. In this case, the structure of the IMS must be represented as a multiphase multichannel technical system in which the process of simultaneous management of several objects of various types takes place. In this regard, the purpose of the article is to develop a mathematical model of an IMS with two phases of management and the presence of an arbitrary number of serviced different types of management facilities. The basis of the model is a multiphase CFR network model with a limited waiting time for an application in the service queue. The study on the model allows choosing an option for building an IMS, in particular, choosing the optimal number of control channels for various types of objects according to the criterion of optimality and restrictions on the cost and time of management. An algorithm for selecting an option for building an IMS has been developed, and an example of calculating the number of control channels for managing three types of objects is given.

About the authors

S. Z Kurakin

The Military Space Academy named after A.F. Mozhaisky

Email: vka@mil.ru
Zhdanovskaya St. 13

A. Yu Onufrey

The Military Space Academy named after A.F. Mozhaisky

Email: vka@mil.ru
Zhdanovskaya St. 13

A. V Razumov

The Military Space Academy named after A.F. Mozhaisky

Email: vka@mil.ru
Zhdanovskaya St. 13

References

  1. Лясковский В.Л. Система поддержки принятия решений по созданию (развитию) распределенных информационно-управляющих систем организационного типа // Наукоемкие технологии в космических исследованиях Земли. 2017. Т. 9. № 6. С. 61–72.
  2. Лясковский В.Л., Бреслер И.Б., Алашеев М.А. Методические и программные средства выбора решений по созданию (развитию) автоматизированных систем управления // Наукоемкие технологии в космических исследованиях Земли. 2021. Т. 13. № 3. С. 48–59.
  3. Байсеитов М.Н., Ескибаев Е.Т., Избасов А.Г., Мельничук А.И., Юрков Н.К. К проблеме синтеза информационно-управляющей системы сложных технических объектов // Известия высших учебных заведений. Поволжский регион. Технические науки. 2022. № 4(64). С. 57–76.
  4. Иванов С.А. Элементы информационной поддержки принятия решений при управлении лесным хозяйством // Актуальные вопросы лесного хозяйства. Материалы V международной молодежной научно-практической конференции. Санкт-Петербург: Санкт-Петербургский государственный лесотехнический университет имени С.М. Кирова, 2021. С. 138–141.
  5. Фрейман В.И. К вопросу о проектировании и реализации элементов и устройств распределенных информационно-управляющих систем // Вестник ПНИПУ. Электротехника, информационные технологии, системы управления. 2019. № 30. С. 28–49.
  6. Ашарина И.В., Гришин В.Ю., Сиренко В.Г. Отказоустойчивые системы управления перспективными группировками космических аппаратов как основа построения сетецентрических систем. Вопросы электромеханики. Труды ВНИИЭМ. 2023. Т. 194. № 3. С. 17–23.
  7. Шумилина Н.А. Информационно-управляющая система для решения управленческих задач проектов промышленных предприятий с учетом риска отказа оборудования // Известия высших учебных заведений. Поволжский регион. Технические науки. 2018. № 2(46). С. 48–63.
  8. Воеводин В.А. Модель оценки функциональной устойчивости элементов информационной инфраструктуры для условий воздействия множества компьютерных атак // Информатика и автоматизация. 2023. Т. 22. № 3. С. 691–715.
  9. Козлов В.В., Лагун А.В., Харченко В.А., Коноплев М.Д. Применение иерархической системы оценивания целенаправленных процессов синтеза сложных технических систем // Известия ТулГУ. Технические науки. 2023. № 8. С. 364–374.
  10. Мустафаев М.Г. Анализ эффективности функционирования и управления производственной системой предприятия // Автоматизация. Современные технологии. 2018. Т. 72. № 11. С. 499–501.
  11. Онуфрей А.Ю., Разумов А.В., Какаев В.В. Метод оптимизации структуры в иерархических распределенных системах управления // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 1. С. 44–53.
  12. Кротов К.В. Математическое моделирование процессов выполнения пакетов заданий в конвейерных системах с промежуточными буферами ограниченных размеров // Информатика и автоматизация. 2023. Т. 22. № 6. С. 1415–1450.
  13. Клеванский Н.Н., Перетятько А.В., Леонтьев А.А., Мавзовин В.С., Воронкова И.В. Функциональная модель интегрированной системы управления учебным процессом вуза // Современные наукоемкие технологии. 2023. № 6. С. 48–55.
  14. Mayr H.C., Thalheim B. The triptych of conceptual modeling // Software and Systems Modeling. 2021. vol. 20. pp. 7–24.
  15. Заяц О.И., Кореневская М.М., Ильяшенко А.С., Мулюха В.А. Система массового обслуживания с абсолютным приоритетом, вероятностным выталкивающим механизмом и повторными заявками // Информатика и автоматизация. 2024. Т. 23. № 2. С. 325–351.
  16. Choi B.D., Shin Y.W., Ahn W.C. Retrial queues with collision arising from unslotted CMSA/CD protocols // Queueing systems. 1992. vol. 11. pp. 335–356.
  17. Кротов К.В. Математическая модель и алгоритм метода ветвей и границ для оптимизации решений по составам пакетов в многостадийных системах // Информатика и автоматизация. 2022. Т. 21. № 1. С. 5–40.
  18. Андреев С.Ю., Трегубов Р.Б., Миронов А.Е. Задача выбора пропускных способностей каналов связи транспортной сети, учитывающая разбалансировку трафика различного приоритета // Труды СПИИРАН. 2020. Т. 19. № 2. С. 412–442.
  19. Courtois P.J. Decomposability, instabilities, saturation in multiprogramming systems // Communications of the ACM. 1975. vol. 18. no. 7. pp. 371–377.
  20. Kuhn P. Analysis of complex queuing networks by decomposition // 8th International Teletraffic Congress. 1976. pp. 236-1.
  21. Qu L., Assi C., Shaban K. Network function virtualization scheduling with transmission delay optimization // IEEE/IFIP Network Operations and Management Symposium. 2016. pp. 638–644.
  22. Divakaran D.M., Gurusamy M. Towards flexible guarantees in clouds: Adaptive bandwidth allocation and pricing // IEEE Transactions on Parallel and Distributed Systems. 2014. vol. 26. no. 6. pp. 1754–1764.
  23. Draxler S., Karl H., Mann Z.A. Jasper: Joint optimization of scaling, placement, and routing of virtual network services // IEEE Transactions on Network and Service Management. 2018. vol. 15. no. 3. pp. 946–960.
  24. Luizelli M.C., da Costa Cordeiro W.L., Buriol L.S., Gaspary L.P. A fix-and-optimize approach for efficient and large scale virtual network function placement and chaining // Computer Communications. 2017. vol. 102. pp. 67–77.
  25. Андреев А.А., Шабаев А.И. Модели и методы выявления структуры локальной вычислительной сети при неполных данных // Информатика и автоматизация. 2021. Т. 20. № 1. С. 160–180.
  26. Hussain T.H., Habib S.J. Capacity planning of network redesign – A case study. Proceedings of the International Symposium on Performance Evaluation of Computer and Telecommunication Systems (SPECTS’10). 2010. pp. 52–57.
  27. Zhu Z. et al. Data flow monitoring and control of LAN based on strategy. International Conference on Networking and Digital Society. 2010. vol. 2. pp. 225–228.
  28. Sivakumar L, Balabaskaran J., Thulasiraman K., Arumugam S. Virtual topologies for abstraction service for IP-VPNs. 17thInternational Telecommunications Network Strategy and Planning Symposium (Networks). 2016. pp. 213–220.
  29. Wang C., Huang N., Bai Y., Zhang S. A method of network topology optimization design considering application process characteristic. Modern Physics Letters B. 2018. vol. 32. no. 07. doi: 10.1142/S0217984918500914.
  30. Zhou S., Cui L., Fang C., Chai S. Research on Network Topology Discovery Algorithm for Internet of Things Based on Multi-Protocol. 10th International Conference on Modelling, Identification and Control (ICMIC). 2018. pp. 1–6. doi: 10.1109/ICMIC.2018.8529955.
  31. Пименов В.И., Пименов И.В. Анализ и визуализация данных в задачах многокритериальной оптимизации проектных решений. Информатика и автоматизация. 2022. Т. 21. № 3. С. 543–571.
  32. Плескунов М.А. Теория массового обслуживания: Учебное пособие. Екатеринбург: Изд-во Урал. ун-та, 2022. 264 с.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».