Преподаватель который помогает студентам и школьникам в учёбе.

Состав и свойства вычислительных систем, информационное и математическое обеспечение вычислительных систем

Содержание:

Введение

Представленная работа посвящена теме «Состав и свойства вычислительных систем. Информационное и математическое обеспечение вычислительных систем».Проблема данного исследования носит актуальный характер в современных условиях. Об этом свидетельствует частое изучение поднятых вопросов.Вопросам исследования посвящено множество работ. В основном материал, изложенный в учебной литературе, носит общий характер, а в многочисленных монографиях по данной тематике рассмотрены более узкие вопросы проблемы «Состав и свойства вычислительных систем. Информационное и математическое обеспечение вычислительных систем». Однако, требуется учет современных условий при исследовании проблематики обозначенной темы.

Актуальность настоящей работы обусловлена, с одной стороны, большим интересом к теме «Состав и свойства вычислительных систем. Информационное и математическое обеспечение вычислительных систем» в современной науке, с другой стороны, ее недостаточной разработанностью. Рассмотрение вопросов связанных с данной тематикой носит как теоретическую, так и практическую значимость.

Объектом данного исследования является состав и свойства вычислительных систем. При этом предметом исследования является информационное и математическое обеспечение вычислительных систем.

Целью исследования является изучение состава и свойств вычислительных систем, информационного и математического обеспечения вычислительных систем.В рамках достижения поставленной цели автором были поставлены и решения следующие задачи:

Изучить состав и свойства вычислительных систем.
Представить информационное и математическое обеспечение вычислительных систем» в современных условиях.

Работа имеет традиционную структуру и включает в себя введение, основную часть, состоящую из 2 глав, заключение и список использованной литературы.

Глава 1. Состав и свойства вычислительных систем

1.1. Сущность, принципы и структура вычислительных систем

Под вычислительной системой (ВС) будем понимать совокупность взаимосвязанных и взаимодействующих процессоров или ЭВМ, периферийного оборудования и программного обеспечения, предназначенную для подготовки и решения задач пользователей. Отличительной особенностью вычислительных систем по отношению к ЭВМ является наличие в них нескольких вычислителей, реализующих параллельную обработку. Создание ВС преследует следующие основные цели: повышение производительности системы за счет ускорения процессов обработки данных, повышение надежности и достоверности вычислений, предоставление пользователям дополнительных сервисных услуг.

Параллелизм в вычислениях в значительной степени усложняет управление вычислительным процессом, использование технических и программных ресурсов. Эти функции выполняет операционная система ВС.

Наличие нескольких вычислителей в системе позволяет совершенно по-новому решать проблемы надежности, достоверности результатов обработки, резервирования, централизации хранения и обработки данных, децентрализации управления.

Основные принципы построения, закладываемые при создании вычислительных систем:

– возможность работы в разных режимах;

– модульность структуры технических и программных средств, что позволяет совершенствовать и модернизировать вычислительные системы без коренных их переделок;

– унификация и стандартизация технических и программных решений;

– иерархия в организации управления процессами;

– способность систем к адаптации, самонастройке и самоорганизации.

Структура вычислительных систем– это совокупность комплексируемыхэлементов и их связей. В качестве элементов вычислительной системы выступают отдельные ЭВМ и процессоры.

Базовые вычислительные системы предназначены для обработки данных, общего управления и являются основой создания функционально-завершенных изделий для систем и комплексов бортового оборудования объектов различного назначения.

Повышение степени автоматизации во всех отраслях жизни требует серьёзных вычислительных мощностей «на местах», вот почему сфера так называемых периферийных (edge) вычислений активно развивается в последние годы.

Ещё в конце 2017 года компания Intel заявляла, что использует производственные мощности сторонних подрядчиков почти два десятилетия подряд. До сих пор главным партнёром Intel в этой сфере выступала TSMC. Именно эта компания, в частности, выпускала для Intel модемные решения XMM предыдущих поколений, и только недавно современные продукты этой серии «переехали» на конвейер Intel. По сути, история отдаваемых «на аутсорсинг» продуктов Intel почти всегда связана с привлечением сторонних компаний к их разработке. Так, те же модемы разрабатывались силами бывших специалистов Infineon, профильный бизнес которой Intel купила в 2011 году.

На пике популярности планшетных компьютеров Intel пыталась предлагать широкий ассортимент компонентов для этого вида продукции, а потому скооперировалась с китайскими разработчиками процессоров, предложив платформу SoFIA, которая интегрировала центральные процессоры мобильного класса и модемы для работы в сетях 3G. Особого распространения за пределами Китая такие продукты не получили, но их выпуском по заказу Intel тоже занималась TSMC.

Не так давно Intel поглотила израильскую компанию Mobileye, которая разрабатывает процессоры для систем автоматизации управления транспортом. Её продукты тоже выпускаются компанией TSMC, и одна из перспективных разработок даже перейдёт на 7-нм техпроцесс раньше, чем его освоит сама Intel. Аналогичным образом, выпускать продукцию недавно присоединённых к Intel компаний тоже могла TSMC, если говорить о программируемых матрицах и ускорителях нейронных сетей. Правда, в этой сфере интеграция с производственными возможностями Intel уже почти завершена, поскольку та же Altera долгое время была клиентом Intel, и последняя сама выступала в роли контрактного производителя программируемых матриц.

Наконец, Intel и ранее не боялась доверить TSMC выпуск отдельных чипсетов. Таким образом, сотрудничество с Samsung в этой сфере выглядит вполне логичным. Собственные мощности Intel может загрузить чем-то более приоритетным, а партнёр сможет выпускать менее сложные изделия за разумные деньги. Осталось выяснить, что это будут за продукты, и по какой технологии они будут выпускаться.

В 2019 году Intel объявила о приобретении у канадской компании PivotTechnologySolutions бизнеса по выпуску платформ для периферийных вычислений. Благодаря этой сделке покупатель расширит спектр технологий, предназначенных для развития 5G-сетей. Финансовые условия соглашения не раскрываются.

Intel получает технологию PivotSmartEdge, которая поможет чипмейкеру удовлетворить растущий спрос на вычисления, осуществляемые в сети или на её границе (edge) — объём рынка соответствующих микросхем в корпорации оценивают в $65 млрд к 2023 году.

Эта сделка расширяет наши возможности по трансформации сетей 5G благодаря лидирующий позиции в области периферийных вычислений.

По его словам, благодаря объединению технологий и специалистов Intel и PivotTechnologySolutions планируется «ускорить развитие рынка периферийных вычислений и создать привлекательное решение для клиентов».

SmartEdge позиционирует как облачная, масштабируемая и безопасная платформа для периферийных вычислений с множественным доступом. Решение, как отмечают в Intel, используется предприятиями и операторами связи для предоставления облачных услуг из среды, которая находится максимально близко к клиенту.

Компания Atos, нынешний владелец торговых марок Bull и BullSequana, активно развивает данную отрасль. Представлена она в ассортименте производителя семейством Edge, которое на днях было официально представлено и в России.

Следует отметить, что речь идёт не о серверах, как обычных аппаратных компонентах — Atos предлагает целую инфраструктуру, проектируемую с учётом интересов и целей заказчика. При этом компания активно сотрудничает с партнерами, такими, как IVATechnologies или группой компаний «Цифра». В качестве примеров можно привести создание единой системы биллинга для компании «Ростелеком» или первый в мире ввод в эксплуатацию сервера с 16 процессорами CascadeLake для Министерства Финансов РФ. Atos также предлагает уникальный сервис Try&Buy, позволяющий будущему клиенту проверить систему в работе; если верить опубликованным компанией данным, в её распоряжении находится самый крупный фонд демонстрационных серверов на рынке. Возвращаясь к периферийным вычислениям: по данным, представленным Atos, объём этого рынка, составивший $2,9 миллиарда в 2019 году к 2025 году обещает вырасти до $16,5 миллиардов. Аналитики полагают, что уже к 2022 году большая часть данных будет генерироваться и обрабатываться уже «на границе», вне сферы ЦОД или крупных облачных систем. А генерировать данные уже сейчас есть кому: в список источников данных для пограничных вычислений входят транспортные компании, производители различных товаров, стремительно «умнеющие» города, автоматизированные торговые центры, нефте- и газодобывающие компании и многие другие.

Atos имеет ответы на брошенные вызовы. Это, как уже было сказано, не просто серверы, а целая инфраструктура: от серверов видеоаналитики и систем машинного принятия решений до полноценных контейнерных «периферийных микро-ЦОД», стандартизированных и безопасных в информационном плане.

Базовая единица инфраструктуры AtosEdge — специализированный сервер. Его основой является процессор IntelXeon D-2187NT (16C/32T, 2,0 ‒ 3,0 ГГц, 22 Мбайт кеша, QuickAssist). В максимальной конфигурации ему сопутствует 512 Гбайт оперативной памяти, два SSD-накопителя объёмом по 960 Гбайт и два ускорителя NvidiaTeslaT4. Стандартно имеется два порта 10GbE, возможно подключение посредством Wi-Fi, Bluetooth, LoRaWAN или 4G. Стоимость начинается от примерно €6000.

AtosEdge занимает промежуточное место между шлюзом, отвечающим за сбор «сырых» данных с видеокамер и датчиков IoT, и мощными системами, расположенными в ЦОД или облаке. Поскольку серверы Edge устанавливаются локально, компания позаботилась о различных вариантах установки и методах защиты, как программных, так и аппаратных. Вместе с тем, обслуживание Edge предельно упрощено и все компоненты легко заменяются.

Серверы AtosEdge уже доступны для заказа как в виде отдельных систем, так и в составе программных платформ AtosEdgeComputerVision и EdgeDataAnalytics. Доступны также комплексы AtosEdgeDataContainer.

VentureBeat собрал 10 технологических тенденций, которые сильнее всего повлияют на нашу жизнь в наступающем году.

1. Искусственный интеллект прочно обоснуется в производстве

ИИ уже занял своё место в повседневной жизни в виде «умных» ассистентов Alexa, Siri и GoogleAssistant. В 2020 году на новый уровень выйдут распознавание эмоций и машинное зрение, а искусственный интеллект «захватит» производство.

2. Действительно начнётся развёртывание интернета вещей

С развитием 5G-сетей в 2020 году всё больше распространятся подключённые устройства и базовые IoT-приложения.

3. Увеличится потребность в граничных вычислительных мощностях

Более мощные датчики и ИИ-модели в основе новых продвинутых приложений потребуют большей производительности от граничных устройств для обработки поступающих данных и принятия решений на периферии, без отправки в облако.

4. Массовая коммерциализация квантовых вычислений

2020 станет годом квантовых вычислений, уверен VB. Объёмы обрабатываемой информации увеличиваются бешеным темпом, и на помощь таким отраслям, как здравоохранение и энергетика, придут квантовые технологии: в лечении рака, анализе генома, управлении ядерной энергией.

5. Эволюция аэрокосмических технологий и космические путешествия

Благодаря SpaceX, BlueOrigin и успехам других частных компаний человечество сможет начать более активную космическую экспансию.

6. Новая веха в истории интернета: 5G и спутники Starlink

Конкуренция между странами и компаниями будет стимулировать развитие 5G и повсеместное внедрение нового поколения связи. Более доступный интернет обеспечит проект Starlink — SpaceX к 2023 году планирует запустить 12 тысяч своих интернет-спутников.

7. Эволюция медицинских технологий и анализ генома

Медицинские компании предлагают анализировать ДНК человека, чтобы изучать болезни и искать способы предотвратить их. Улучшить качество лечения поможет ИИ: например, он будет шире применяться в обработке снимков МРТ, КТ, рентгеновских снимков.

8. Технологии в сельском хозяйстве

Машинное зрение, ИИ, большие данные, роботы — в 2020 году всё это увеличит эффективность сельского хозяйства и повысит урожайность.

9. Беспилотное вождение

В 2020 году системы автономного вождения наконец достигнут 5 уровня, считает VB.

10. Практическое применение блокчейна США и Китаем

В новом году влиятельные структуры начнут использовать блокчейн для пресечения крупных утечек данных и мошенничества в интернете, а также в финансовых услугах и других сферах.

1.2 Классификация вычислительных систем

Существует большое количество признаков, по которым классифицируют вычислительные системы:

– по целевому назначению и выполняемым функциям,

– по типам и числу ЭВМ или процессоров,

– по архитектуре системы,

– режимам работы,

– методам управления элементами системы,

– степени разобщенности элементов вычислительной системы и др.

Однако основными из них являются признаки структурной и функциональной организации вычислительной системы.

По назначению вычислительные системы делят на: универсальные и специализированные.

Универсальные ВС предназначаются для решения самых различных задач.

Специализированные системы ориентированы на решение узкого класса задач.

Специализация ВС может устанавливаться различными средствами:

– во-первых, сама структура системы может быть ориентирована на определенные виды обработки информации;

– во-вторых, специализация ВС может закладываться включением в их состав специального оборудования и специальных пакетов обслуживания техники.

По типу вычислительные системы различаются на многомашинные и многопроцессорные вычислительные системы.Многомашинныевычислительныесистемы (ММС) появились исторически первыми.

На рис. 1 представлена принципиальная схема классификации вычислительных систем.

Каждая ЭВМ, входящая в систему, сохраняет возможность автономной работы и управляется собственной ОС. Любая другая подключаемая ЭВМ комплекса рассматривается как специальное периферийное оборудование. В зависимости от территориальной разобщенности ЭВМ и используемых средств сопряжения обеспечивается различная оперативность их информационного взаимодействия.

Рис. 1. Принципиальная схема классификации вычислительных систем

Многопроцессорные вычислительные системы (МПС) строятся при комплексировании нескольких процессоров. В качестве общего ресурса они имеют общую оперативную память (ООП). Параллельная работа процессоров и использование ООП обеспечиваются под управлением единой общей операционной системы. По сравнению с ММС здесь достигается наивысшая оперативность взаимодействия вычислителей-процессоров.

Однако МПС имеют и существенные недостатки. Они в первую очередь связаны с использованием ресурсов общей оперативной памяти. При большом количестве общих процессоров возможно возникновение конфликтных ситуаций, когда несколько процессоров обращаются с операциями типа «чтение» и «запись» к одним и тем же областям памяти.

Помимо процессоров к ООП подключаются все каналы (процессоры ввода-вывода), средства измерения времени. Поэтому вторым серьезным недостатком МПС является проблема коммутации абонентов и доступа их к ООП. От того, насколько удачно решаются эти проблемы, и зависит эффективность применения МПС. Это решение обеспечивается аппаратурно-программными средствами.

По типу ЭВМ или процессоров, используемых для построения ВС, различают однородные и неоднородные системы. Однородные системы предполагают комплексирование однотипных ЭВМ (процессоров), неоднородные — разнотипных.

В однородных системах значительно упрощаются разработка и обслуживание технических и программных (в основном ОС) средств. В них обеспечивается возможность стандартизации и унификации соединений и процедур взаимодействия элементов системы. Упрощается обслуживание систем, облегчаются модернизация и их развитие. Вместе с тем существуют и неоднородные вычислительные системы, в которых комплексируемые элементы очень сильно отличаются по своим техническим и функциональным характеристикам. Обычно это связано с необходимостью параллельного выполнения многофункциональной обработки.

По степени территориальной разобщенности вычислительных модулей вычислительные системы делятся на системы совмещенного(сосредоточенного)и распределенного (разобщенного) типов. Обычно такое деление касается только ММС. Многопроцессорные системы относятся к системам совмещенного типа.

По методам управления элементами ВС различают централизованные, децентрализованные и со смешанным управлением. Помимо параллельных вычислений, производимых элементами системы, необходимо выделять ресурсы на обеспечение управления этими вычислениями. В централизованных вычислительных системах за это отвечает главная, или диспетчерская, ЭВМ (процессор). Ее задачей являются распределение нагрузки между элементами, выделение ресурсов, контроль состояния ресурсов, координация взаимодействия. Централизованный орган управления в системе может быть жестко фиксирован или эти функции могут передаваться другой ЭВМ (процессору), что способствует повышению надежности системы. Централизованные системы имеют более простые операционные системы. В децентрализованных системах функции управления распределены между ее элементами. Каждая ЭВМ (процессор) системы сохраняет известную автономию, а необходимое взаимодействие между элементами устанавливается по специальным наборам сигналов. С развитием вычислительных систем и, в частности, сетей ЭВМ интерес к децентрализованным системам постоянно растет.

В системах со смешанным управлением совмещаются процедуры централизованного и децентрализованного управления. Перераспределение функций осуществляется в ходе вычислительного процесса исходя из сложившейся ситуации.

По принципу закрепления вычислительных функций за отдельными ЭВМ (процессорами) различают системы с жестким и плавающим закреплением функций. В зависимости от типа вычислительных сетей следует решать задачи статического или динамического размещения программных модулей и массивов данных, обеспечивая необходимую гибкость системы и надежность ее функционирования.По режиму работы вычислительных систем различают системы, работающие в оперативном и неоперативном временных режимах. Первые, как правило, используют режим реального масштаба времени. Этот режим характеризуется жесткими ограничениями на время решения задач в системе и предполагает высокую степень автоматизации процедур ввода-вывода и обработки данных.

Глава 2. Информационное и математическое обеспечение вычислительных систем

2.1 Информационное обеспечение вычислительных систем

Информационное обеспечение — совокупность системы классификации и кодирования, системы показателей, языков записи данных, унифицированных систем документации и массивов информации, используемых в автоматизированных системах управления.

Информационное обеспечение вычислительных систем включает:

состав информации, то есть перечень информационных единиц или информационных совокупностей (показателей, констант, переменных, документов, других сообщений, необходимых для решения комплекса задач системы);
структуру информации и закономерности ее преобразования, то есть правила построения показателей, документов, агрегации и декомпозиции информационных единиц, преобразования информационных единиц в цепочке «вход — система — выход»;
характеристики движения информации, то есть количественные оценки потоков информации (объем, интенсивность), определение маршрутов движения документов, построение схем документооборота, временные характеристики функционирования источников информации, получения первичных данных, использования исходных данных, продолжительности хранения, старения и обновления данных;
характеристики качества информации, то есть систему количественных оценок полезности, значимости, полноты, своевременности, достоверности и других качеств информации;
способы преобразования информации, то есть методы отбора, доставки, распределения информации, методики расчета показателей, схемы обеспечения информацией подразделений системы управления, подготовки рабочих массивов для решения задач.

Основные организационно-методические принципы разработки информационного обеспечения вычислительных систем могут быть сведены кследующим:

методическое единство информационного обеспечения, то есть разработка различных подсистем на основе единых принципов, и обеспечение взаимосвязи
различных знаковых подсистем, входящих в состав информационного обеспечения (классификаторы, номенклатуры, показатели, формы документов);
системность и информационная совместимость подсистем и элементов информационного обеспечения;
реализация этого принципа означает создание во всей информационной системе взаимоувязанной совокупности форм обмена информацией, классификаторов, кодов и шифров, обеспечивающей обмен информацией в звеньях АСУП;
типизация и блочность структуры, в соответствии с которыми аналогичные в функциональном и содержательном отношении блоки информационной системы строятся по единым типовым правилам и описываются на одном языке;
унификация и структуризация форм обмена информацией, включая унификацию, упорядочение языка, сокращение числа форм документов;
учет требовании машинной обработки, то есть выбор машиночитаемых носителей, придание документам табличной формы, удобной для ввода в ЭВМ, параллельное изготовление машинных носителей;
интеграция обработки, то есть достижение однократности ввода информации при многократном многофункциональном ее использовании.

Источниками возникновения (и одновременно приемниками) информации являются конкретные структурные производственные и управленческие подразделения предприятия или органа управления (рабочие места, склады, участки, цехи, различные службы, отделы и т. д.) и различные внешние связанные с ними организации.

По направлению информация подразделяется на исходную и управляющую. Исходная информация направлена всегда от объекта управления к системе управления, от системы управления низшего к системе управления более высокого уровня; управляющая информация направлена в противоположную сторону.

Периодичность возникновения и передачи информации установлена для значительной части систематизированных видов информации. Периодичность возникновения и передачи информации о состоянии производства должна обеспечивать возможность оперативного вмешательства управляющего персонала для устранения возникающих отклонений от запланированного хода производства. Сокращение периодичности информации резко увеличивает объемы возникающей информации и работ по ее приему, передаче и переработке.

Многие виды информации, вызванные внутренними или внешними возмущениями (брак, срыв поставок материала и т. п.), имеют вероятностный характер возникновения и передачи.

Частота образования и передачи информации является величиной, обратно пропорциональной периодичности, и измеряется количеством сообщений, переданных в единицу времени.

Степень взаимосвязи характеризуется количеством видов информации, взаимосвязанных с данным видом информации. Взаимосвязанными видами являются, например, исходная и производная информация.

Степень постоянства характеризуется временем, в течение которого информация сохраняет свое значение. По указанному признаку информация подразделяется на постоянную, условно-постоянную, переменную. Постоянная информация не изменяет своего значения в течение длительного периода времени (наименование предприятия или учреждения, наименование и шифр изделий, деталей, документов).Условно-постоянная информациясохраняет свое значение на определенный период времени (цены, нормативы). Переменная информация характеризуется случайностью своего возникновения во времени (количество изготовленной продукции, количество отпущенных материальных ценностей).

Соотношение объемов указанных видов информации имеет большое значение для выбора технических средств автоматизации информационных процессов, особенно таких, как хранение и поиск.

По структуре информация подразделяется на признанную (основную и вспомогательную) и количественную.

Основная признанная информация указывает время и место события, источник и направление информации, отличительные особенности объекта управления.

Вспомогательная признанная информация служит для облегчения использования и обработки информации (номера документов или макета перфокарт, порядковые номера строк, граф).

Соотношение объемов количественной и призначной информации используется при выборе методов и технических средств автоматизации вычислительных работ.

Передача и прием информации осуществляются с помощью носителей памяти человека, документа, перфорационной карты или ленты, магнитной ленты, барабана или диска, комбинации электрических импульсов.

2.2 Информационные языки

Информационный язык АСУП — совокупность правил записи сообщений, отображающих определенный набор объектов и ситуаций, позволяющих на основе формальных процедур использовать в процессе обработки их смысл. Разработка информационного языка системы управления преследует следующие основные цели: перепоручение машине большого числа логических операций, связанных с переработкой смысла сообщений; упрощение общения с машиной за счет приближения языка программирования к естественному; унификация языка системы управления для реализации принципа интеграции обработки информации; объединение подсистем и устройств системы управления и достижение согласованности их функционирования посредством утверждения единой смысловой базы в языке их взаимного общения; упрощение планово-управленческой документации за счет внутримашинного хранения информации, в частности всех промежуточных показателей.

Язык АСУП можно представить как комплекс следующих компонентов: естественный язык системы управления; универсальные алгоритмические языки; конкретные машинные языки; языки описания и организации данных; специальные языки формирования запросов и общения потребителей с памятью системы; внутримашинные информационные языки.

Информационные языки с простыми функциями обеспечивают ввод текстовой информации в ЭВМ, ее хранение и вывод.

Информационно-поисковые языки обеспечивают эффективный поиск, выборку и обновление хранимой в памяти информации.

Информационно-справочные языки позволяют осуществить поиск, выборку, обновление хранимой в памяти ЭВМ информации, несложные операции группировки, сортировки, агрегации, дезагрегации показателей для обеспечения выдачи ответов по стандартным запросам. Эти языки применяются обычно в сочетании с операторными языками формулирования запросов к системе.

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.

Заключение

Под вычислительной системой (ВС) понимают совокупность взаимосвязанных и взаимодействующих процессоров или ЭВМ, периферийного оборудования и программного обеспечения, предназначенную для сбора, хранения, обработки и распределения информации.Отличительной особенностью ВС по отношению к ЭВМ является наличие в них нескольких вычислителей, реализующих параллельную обработку. Создание ВС преследует следующие основные цели: повышение производительности системы за счет ускорения процессов обработки данных, повышение надежности и достоверности вычислений, предоставление пользователям дополнительных сервисных услуг.

Существует большое количество признаков, по которым классифицируют вычислительные системы.

По назначению вычислительные системы делят на:универсальные, специализированные.Специализированные системы ориентированы на решение узкого класса задач, в отличие от универсальных, предназначенных для широкого спектра задач.По типу построения вычислительные системы разделяются на:многомашинные, многопроцессорные.Это значит, что вычислительные системы могут строиться на базе нескольких компьютеров или на базе нескольких процессоров. В первом случая ВС будет многомашинной, во втором — многопроцессорной.

Наряду с аппаратным и программным обеспечением средств вычислительной техники в некоторых случаях целесообразно рассматривать информационное обеспечение, под которым понимают совокупность программ и предварительно подготовленных данных, необходимых для работы данных программ.

В специализированных компьютерных системах совокупность программного и информационного обеспечения называют математическим обеспечением. Как правило, оно «жестко» записывается в микросхемы ПЗУ и может быть изменено только путем замены ПЗУ или его перепрограммирования на специальном оборудовании.

Список использованной литературы

Гусева, А.И. Вычислительные системы, сети и телекоммуникации: Учебник / А.И. Гусева. - М.: Академия, 2016. - 336 c.
Дибров, М. В. Сети и телекоммуникации. Маршрутизация в ip-сетях в 2 ч. Часть 1 : учебник и практикум для академического бакалавриата / М. В. Дибров. — М. : Издательство Юрайт, 2018. — 333 с.
Дибров, М. В. Компьютерные сети и телекоммуникации. Маршрутизация в ip-сетях в 2 ч. Часть 2 : учебник и практикум для СПО / М. В. Дибров. — М. : Издательство Юрайт, 2019. — 351 с.
Емельянов, С.В. Информационные технологии и вычислительные системы / С.В. Емельянов. - М.: Ленанд, 2015. - 96 c.
Замятина, О.М. Вычислительные системы, сети и телекоммуникации. моделирование сетей.: Учебное пособие для магистратуры / О.М. Замятина. - Люберцы: Юрайт, 2016. - 159 c.
Замятина, О. М. Инфокоммуникационные системы и сети. Основы моделирования : учеб.пособие для СПО / О. М. Замятина. — М. : Издательство Юрайт, 2019. — 159 с.
Информационные технологии и вычислительные системы. Вычислительные системы. Компьютерная графика. Распознавание образов. Математическое моделирование / Под ред. С.В. Емельянова. - М.: Ленанд, 2015. - 100 c.
Мелехин, В.Ф. Вычислительные машины, системы и сети / В.Ф. Мелехин. - М.: Academia, 2017. - 304 c.
Митропольский, Ю.И. Мультиархитектурные вычислительные суперсистемы. Перспективы развития / Ю.И. Митропольский. - М.: Техносфера, 2016. - 146 c.
Сенкевич, А.В. Архитектура ЭВМ и вычислительные системы: Учебник / А.В. Сенкевич. - М.: Academia, 2018. - 320 c.
Сети и телекоммуникации : учебник и практикум для СПО / К. Е. Самуйлов [и др.] ; под ред. К. Е. Самуйлова, И. А. Шалимова, Д. С. Кулябова. — М. : Издательство Юрайт, 2018. — 363 с.
Чугунов, А. В. Социальная информатика : учебник и практикум для академического бакалавриата / А. В. Чугунов. — 2-е изд., перераб. и доп. — М. : Издательство Юрайт, 2018. — 256 с.