Состав и свойства вычислительных систем. Информационное и математическое обеспечение вычислительных систем (Состав и свойства вычислительной системы)

Содержание:

ВВЕДЕНИЕ

Электронные вычислительные машины, или компьютеры, - одно из самых значимых творений человека. Сейчас влияние на человеческое общество и масштабы применения компьютеров достигло высокой точки. Достижение высоких экономических и социальных результатов в любой стране зависит от и темпов масштабов информатизации общества, использования информационных технологий во всех сферах человеческой деятельности: в том числе информационное и математическое обеспечение вычислительных систем. Этим объясняется актуальность выбранной темы.

Цель курсовой работы – определить состав и свойства вычислительных систем, определить принципы работы информационного и математического обеспечения вычислительных систем.

Задачи для решения поставленной цели:

1. определить состав и свойства вычислительных систем: аппаратное и программное обеспечение;
2. определить принципы работы информационного обеспечения вычислительных систем;
3. определить принципы работы математического обеспечения вычислительных систем.

Предмет курсовой работы – электронные вычислительные системы.

Большая часть источников – учебные пособия, одобренные министерством образования и науки, для студентов высших учебных заведений последних пяти лет, а также научные статьи государственных университетов за последние семь лет, толковые словари информационных терминов за последние двадцать лет. Данные источники использовались в связи с тем, что они являются одобренными, а также достаточно свежими.

1. Состав и свойства вычислительной системы

Композиция вычислительной системы называется конфигурацией [5], а конфигурация вычислительной системы представляет собой комбинацию функциональных частей вычислительной системы и взаимосвязей между долями, что обусловлено основными характеристиками этих функциональных частей, а также свойства задач обработки данных.

Программные и аппаратные средства компьютерной техники рассматриваются отдельно [35]. Это очень важно, часто решение тех же проблем может быть обеспечено как аппаратным, так и программным обеспечением. Основными критериями выбора аппаратного или программного решения являются производительность, эффективность и стоимость. Зачастую аппаратные решения стоят дороже, а для реализации программных решений требуется более высококвалифицированный персонал.

Наиболее важные свойства архитектуры вычислительной системы. Не все свойства могут быть полностью проявлены в той или иной реализации вычислительной системы.

Основные свойства архитектуры вычислительной системы:

Масштабируемость электронных вычислительных систем - метод вычислительной системы, который может эффективно справляется с увеличением производительности или количества пользователей без потери производительности и без увеличения нагрузки на его административный контроль [48]. Эта система может быть увеличена, если она сможет увеличить свою производительность, добавив новое оборудование в информационную среду. Таким образом, в условиях масштабируемости и снижения нагрузки на систему. Масштабируемость является одним из важных свойств вычислительных систем, если они должны работать при большой нагрузке, поскольку это означает, что не нужно начинать с нуля и разрабатывать совершенно новую информационную систему. Если информационная система имеет масштабируемую систему, это означает, что можно будет сохранить то же программное обеспечение, увеличив аппаратное обеспечение.

Для распределенных информационных систем указываются только значения, характеризующие их масштаб [22]: количество пользователей и количество компонентов, составляющих информационную систему, степень удаленности компьютеров территориально друг от друга и количество административных организации, обслуживающие распределенную систему. Поэтому масштабируемость распределенных систем также определяется в соответствующих областях:

1. Масштабируемость нагрузки. Возможность повышения производительности при одновременном увеличении нагрузки на замену существующих компонентов оборудования на более мощные или добавление нового оборудования. Система для повышения производительности каждого компонента системы вертикальное масштабирование, второе, выражается в увеличении количества сетевых компьютеров (серверов) распределенная система - горизонтальное масштабирование.
2. Административная масштабируемость [3]. Она характеризует простую систему управления с увеличением числа административно независимых организаций, обслуживающих части одной распределенной системы.
3. Сложность масштабирования. Создание масштабируемых систем подразумевает решение широкого круга задач и часто сталкивается с ограничениями компьютерных систем [29].

Свойство наращиваемости производительности дает потенциальную вероятность решения проблемы любой априори заданной сложности [2]. Почти все эти проблемы могут быть решены, и проблемы удовлетворяются состоянием локальных данных, а также межмодульной передачей данных. Этого можно добиться за счет масштабного распределения трудовых задач и (или) аппаратного обеспечения, позволяющего объединить все возможности обмена данными.

Универсальность - вычислительные системы являются алгоритмически и структурно универсальными [8]. Общепринято, что компьютеры (на основе моделей вычисления) являются алгоритмически универсальными, если у них есть возможность (без изменения их структурного) алгоритма для решения любых проблем. С другой стороны, все вычислительные системы представляют собой набор вычисляемых элементов, каждый из которых обладает алгоритмической универсальностью и, следовательно, системой универсальности (в общепринятом смысле).

В вычислительных системах могут быть реализованы не только любые алгоритмы, доступные ЭВМ, но и параллельные алгоритмы решения сложных задач. Последнее следует из определений модели коллектива вычислителей и, в частности, алгоритма функционирования вычислительной системы.

Структурная универсальность вычислительной системы – следствие воплощения архитектурных принципов коллектива вычислителей, в частности, принципа программируемости структуры [8]. Суть этого принципа – возможность автоматически порождать специализированные (проблемно-ориентированные) виртуальные конфигурации, которые адекватны структурам и параметрам решаемых задач.

Таким образом, вычислительные системы сочетают в себе достоинства цифровой техники, где процесс вычислений в основном задаётся алгоритмически (точнее: программно) и аналоговой техники, где процесс вычислений предопределяется структурными схемами [5].

Структурная универсальность позволяет говорить и о специализированности вычислительной системы: для каждой задачи допустима автоматическая настройка такой конфигурации из ресурсов вычислительной системы, которая наиболее адекватна алгоритму решения задачи. Итак, вычислительная система – это средство, в котором диалектически сочетаются противоположные свойства универсальности и специализированности.

Данные два понятия семантически близки, оба призваны характеризовать архитектурные способности вычислительной системы по выполнению возглавляемых на них функций. Однако каждое из них отражает специфические особенности вычислительной системы по использованию исправных ресурсов при переработке информации.

Под надёжностью вычислительной системы понимается ее способность к автоматической (программной) настройке и организации функционирования таких структурных схем, которые при отказах и восстановлении вычислителей обеспечивают заданный уровень производительности или, говоря иначе, возможность использовать фиксированное число исправных вычислителей (при реализации параллельных программ решения сложных задач) [44]. Это понятие характеризует возможности вычислительных систем по переработке информации при наличии фиксированной структурной избыточности (представленной частью вычислителей) и при использовании параллельных программ с заданным числом ветвей.

Под живучестью вычислительной системы понимается свойство программной настройки и организации функционирования таких структурных схем, которые в условиях отказов и восстановления вычислителей гарантируют при выполнении параллельной программы производительность в заданных пределах или возможность использования всех исправных вычислителей [8]. Понятие живучести вычислительных систем характеризует их способности по организации отказоустойчивых вычислений или, говоря иначе, по реализации параллельных программ, допускающих варьирование числа ветвей в известных пределах.

Если рассматривать живучесть электронной вычислительной системы разделяют частичный и полный отказы. Под термином «полный отказ вычислительной системы» понимается событие, состоящее в том, что система теряет способность выполнять параллельную программу с переменным числом ветвей [5]. Частичным же отказом считают событие, при котором бывают отказы вычислителей, однако существует возможность реализации на вычислительной системе параллельной программы с переменным числом ветвей. Полный отказ делает производительность системы равной нулю, а частичный отказ приводит лишь к некоторому снижению производительности, т.е. к увеличению времени реализации параллельной программы с переменным числом ветвей. Понятия полного и частичного восстановления вычислительной системы очевидны.

В живучих вычислительных системах допустимо использование аппаратурной избыточности на уровне отдельных функциональных устройств и узлов вычислителей, однако эта избыточность играет лишь вспомогательную роль [16].

Следует выделить, что в живучей вычислительной системе в любой момент функционирования используется суммарная производительность всех исправных вычислителей [8]. Из последнего следует, что программы решения задач должны обладать свойством адаптируемости (под число исправных вычислителей) и иметь информационную избыточность.

Технико-экономическая эффективность вычислительных систем [48]: конструктивная однородность позволяет резко сократить сроки разработки и изготовления систем, приводит к высокой технологичности производства, упрощает и статическую, и динамическую реконфигурации вычислительной системы, облегчает их техническую эксплуатацию. Она существенно упрощает процесс организации взаимодействий между вычислителями вычислительной системы и облегчает создание программного обеспечения. Полнота воплощения трёх основных принципов модели коллектива вычислителей позволяет заметно ослабить зависимость между ростом производительности вычислительной системы и увеличением трудоёмкости их проектирования и изготовления, а также создания системного программного обеспечения. Они открывают возможность построения высокопроизводительных экономически приемлемых вычислительных систем при существующей физико-технологической базе. Более того, возможность неограниченно наращивать производительность позволяет применить для построения вычислительной системы микроэлектронные элементы с быстродействием, далеким от предельного, и, следовательно, обладающие более высокой надежностью и меньшим энергопотреблением [48]. В свою очередь, последнее приводит к снижению расходов на установку искусственного климата и содержание эксплуатационного персонала вычислительной системы.

1.1. Аппаратное обеспечение

Аппаратное обеспечение – это набор технических средств (электронных и механических устройств), которые обеспечивают нормальное функционирование любых электронных систем – компьютеров, сетей передачи данных и расширение их основных функций [2].

Аппаратное обеспечение вычислительных систем включает в себя приборы и устройства. Современные компьютеры и компьютерные комплексы имеют блочно-модульную аппаратную конфигурацию, ориентированную на выполнение конкретных видов работ, и собираются из готовых узлов и блоков.

Разнообразие современных компьютеров очень велико, но все они представляют собой реализацию так называемой архитектуры фон Неймана (Принстона), введенной Джорджем фон Нейманом в 1945 году [36]. Рассмотрим классическую архитектуру компьютера на примере архитектуры Фон Неймана.

Принцип работы компьютера состоит из выполнения программ - последовательных арифметических, логических и других операций, описывающих решение задач.

Программа (для компьютеров) - это упорядоченная последовательность команд для обработки [13].

Команда - это описание операции, которую должен выполнить компьютер.

Результат команды генерируется в этой команде. Электронные схемы каждого компьютера могут распознавать и выполнять ограниченный набор простых команд.

На рис.1 показана схема вычислительной машины фон Неймана, на основе которой современные компьютеры создавались более полувека [47].

Рис. 1. Схема фон-неймановской вычислительной машины

Архитектура фон Неймана состоит из следующих основных устройств [28]:

- память, включающая 4096 машинных слов емкостью 40 бит;

- арифметико-логический блок (АЛУ), внутри которого имеется специальный внутренний регистр емкостью 40 бит, так называемая батарея;

- управляющие устройства (КУ), выполняющие функции управления устройством;

- устройства ввода информации;

- устройства вывода информации.

Эти устройства связаны каналами связи [9], по которым передается информация.

В современных компьютерах арифметико-логическое устройство и устройство управления объединены в одну микросхему [49], которая называется центральным процессором (CPU).

Функции процессора [48]:

1) обработка данных для заданной программы путем выполнения арифметических и логических операций

2) программное управление компьютером.

Машинная команда считывает слово из памяти в аккумулятор или сохраняет содержимое аккумулятора в памяти. Машина фон Неймана выполняла арифметические операции только с фиксированной точкой, поскольку Фон Нейман был превосходным математиком и считал, что мы можем держать плавающую точку в своей голове. В основу построения современных вычислительных машин были положены следующие принципы фон Неймана [31]:

1) Принцип однородности памяти. Команды и данные хранятся в одной и той же памяти и внешне неразличимы в памяти. Они могут быть распознаны только методом использования, т. Е. Одно и то же значение в ячейке памяти может использоваться как данные, как команда и как адрес, в зависимости только от способа доступа к нему. Это позволяет выполнять те же операции над командами, что и над числами, и, соответственно, открывает ряд возможностей. Итак, циклически изменяя адресную часть команды, вы можете предоставить доступ к последовательным элементам массива данных. Эта техника называется модификацией команд и не приветствуется с точки зрения современного программирования. Более полезным является другое следствие принципа однородности, когда команды одной программы могут быть получены в результате выполнения другой программы. Эта функция является основой перевода - перевод программного текста с языка высокого уровня на язык конкретного компьютера.

2) Принцип таргетирования. Конструктивно основная память состоит из пронумерованных ячеек, и любая ячейка доступна для процессора в любое время. Двоичные коды команд и данных делятся на единицы информации, называемые словами, и хранятся в ячейках памяти, а номера соответствующих ячеек - адресов - используются для доступа к ним [42].

3) Принцип управления программой. Все расчеты, предусмотренные алгоритмом решения задачи, должны быть представлены в виде программы, состоящей из последовательности управляющих слов - команд. Каждая команда предписывает конкретную операцию из набора операций, выполняемых компьютером. Программные инструкции хранятся в последовательных ячейках памяти компьютера и выполняются в естественной последовательности, то есть в том порядке, в котором они расположены в программе. При необходимости, используя специальные команды, эту последовательность можно изменить. Решение об изменении порядка выполнения программных инструкций принимается либо на основе анализа результатов предыдущих расчетов, либо безоговорочно [42].

4) Принцип двоичного кодирования [31]. Согласно этому принципу вся информация (как данные, так и команды) кодируется двоичными цифрами 0 и 1. Каждый тип информации представлен двоичной последовательностью и имеет свой собственный формат. Последовательность битов в формате, который имеет смысл, называется полем. В числовой информации обычно различают поле знака и поле значащих цифр. В формате команды можно различить два поля: поле кода операции и поле адреса.

Большим преимуществом архитектуры Фон Неймана является ее простота, поэтому эта концепция легла в основу большинства компьютеров общего назначения. Однако совместное использование шины для памяти программ и данных приводит к так называемому узкому месту архитектуры фон Неймана. Термин «узкое место архитектуры фон Неймана» был введен Джоном Бакусом в 1977 году в его лекции «Может ли программирование быть свободным от стиля фон Неймана?», Который он прочитал, вручая ему премию Тьюринга [33].

Архитектура Фон Неймана - не единственный вариант построения компьютеров; Есть другие, которые не соответствуют этим принципам (например, потоковые машины). Однако подавляющее большинство современных компьютеров основано на этих принципах, включая сложные многопроцессорные системы, которые можно рассматривать как комбинацию машин фон Неймана.

1.2. Программное обеспечение

Программа – это упорядоченная последовательность команд [7]. Конечная цель любой компьютерной программы - управление оборудованием.

Программное и аппаратное обеспечение работают в непрерывной коммуникации и в постоянном взаимодействии [35]. Состав программного обеспечения вычислительной системы называется конфигурацией программного обеспечения. Существует связь между программами, а также между физическими узлами и блоками - многие программы работают на основе других программ более низкого уровня, то есть мы можем говорить о межпрограммном интерфейсе. Такой интерфейс основан на соответствующих технических спецификациях и протоколах взаимодействия. На практике это обеспечивается распределением программного обеспечения на несколько взаимодействующих уровней.

Существует 4 уровня компьютерного программного обеспечения [45]: базовый, системный, сервисный и прикладной, которые образуют пирамидальную конструкцию.

Базовый уровень. Это самый низкий уровень программного обеспечения. Этот уровень обеспечивает совместимость с базовым оборудованием.

Как правило, базовые программные средства являются частью базового оборудования и хранятся в специальных микросхемах, называемых ПЗУ только для чтения или ПЗУ (ReadOnlyMemory). Соответствующие программы и данные записываются («вспыхивают») в микросхемы ПЗУ на этапе производства и не могут быть изменены во время работы.

В тех случаях, когда изменение базового программного обеспечения во время работы технически осуществимо, вместо микросхем ПЗУ используются перепрограммируемые запоминающие устройства только для чтения EPROM (EPROM - ErasableandProgrammableReadOnlyMemory). В этом случае изменение содержимого может быть выполнено непосредственно как часть компьютерной системы (технология флэш-памяти) или снаружи на специальных устройствах (программистах).

Уровень системы является переходным [40]. Программы, работающие на этом уровне, выполняют «посреднические» функции, обеспечивая взаимодействие программ других компьютерных систем с базовыми программами и непосредственно с аппаратным обеспечением.

Эксплуатационные характеристики вычислительной системы зависят от программного обеспечения на этом уровне [35]. Так, например, при подключении нового оборудования на системном уровне должна быть установлена ​​программа, которая обеспечивает связь с этим оборудованием для других программ. Программы, которые взаимодействуют с конкретными устройствами, называются драйверами устройств.

Другие программы системного уровня отвечают за взаимодействие с пользователем. Благодаря им он получает возможность вводить данные в компьютерную систему, управлять ее работой и получать результат в удобной форме. Эти программные инструменты называются инструментами пользовательского интерфейса. От них напрямую зависит удобство работы с компьютером и производительность труда на рабочем месте.

Комбинация программного обеспечения системного уровня формирует ядро ​​операционной системы [46]. Если компьютер оснащен программным обеспечением системного уровня, то он подготовлен для установки программ более высокого уровня, для взаимодействия программного обеспечения с оборудованием и для взаимодействия с пользователем. Наличие ядра операционной системы является обязательным условием возможности практической работы человека с компьютерной системой.

Уровень обслуживания [35]. Программы этого уровня взаимодействуют с программами базового и системного уровня. Утилитами называются служебные программы, их основное назначение - автоматизировать работу по проверке и настройке компьютерной системы. Часто они используются для расширения или улучшения функций утилит.

Операционные утилиты делятся на две области: интеграция с операционной системой и автономное функционирование. В первом случае служебные программы включаются в операционную систему для изменения потребительских свойств системных программ [35], что делает их более удобными для практической работы. Во втором случае они слабо связаны с системным программным обеспечением, но предоставляют пользователю больше возможностей для персонализации взаимодействия с аппаратным и программным обеспечением. Примерами утилит являются архиваторы, файловые менеджеры, средства диагностики, мониторинга, средства связи [4].

Прикладной уровень. Программное обеспечение прикладного уровня – это набор прикладных программ, с помощью которых пользователь выполняет широкий спектр конкретных задач - от производства до творчества и развлечений [39]. Огромный функциональный спектр возможных приложений компьютерной техники обусловлен наличием прикладных программ для различных видов деятельности. Примерами прикладных программных средств являются текстовые и графические редакторы, системы управления базами данных, системы публикации, электронные таблицы, системы автоматизированного проектирования и многие другие.

Выводы к главе 1:

Электронно-вычислительная машина (сокращенно ЭВМ) - совокупность программного и аппаратного обеспечения, предназначенного для автоматической обработки информации, расчетов, автоматического управления. При этом основные функциональные элементы (логика, память, индикация и т.д.) выполнены на электронных элементах.

2. Информационное обеспечение

Информационное обеспечение является частью системы управления, которая представляет собой сбор данных о фактическом и возможном состоянии элементов производства и внешних условий для функционирования производственного процесса, а также о логике изменения и преобразования элементов производства [18].

При характеристике информации в системе управления различают две части:

1) Основные элементы информации (данных), которые могут быть присущи всем объектам определенного класса и различаются только в количественном отношении;

2) Схемы классификации ссылок, которые отражают логику изменений в производственном процессе и обосновывают направление преобразования информации (информационная модель) [18].

Они больше связаны со спецификой объекта. Это позволяет выделить два уровня характеристик информационной поддержки:

- элементал, т. е. совокупность данных, признаков, признаков [32];

- системный, то есть воспроизводящий взаимосвязи и зависимости между группами классификации информации, реализованные в виде информационных моделей.

Изучаются элементарные характеристики информации, состав информации, форма и виды носителей, их номенклатура. При характеристике информационной системы исследуются движение информационных потоков, их интенсивность и устойчивость, алгоритмы преобразования информации и схема рабочего процесса, соответствующие этим объективным условиям.

Совокупность информации, регистрируемой, передающейся и перерабатывающейся в системе управления, должна отражать все разнообразие фактических и возможных состояний, наблюдаемых и регулируемых системой управления.

Характеризуя информацию как предмет труда в процессе управления, необходимо учитывать ряд ее особенностей. Прежде всего, информация является предметом длительного труда. При использовании он не теряет своих потребительских свойств, хотя является частью готового продукта (управленческого решения), составляющего его сущность. Эта особенность информации предлагает определенную специфику ее формирования. Наибольший объем работ и затрат связан с первоначальным созданием информационных массивов - банков данных [6]. Впоследствии данные этих банков периодически обновляются, корректируются, но продолжают использоваться.

Поскольку содержимое банков данных может использоваться для разных подсистем и даже для различных объектов управления, они могут быть в значительной степени централизованы.

Информация относится к объектам особого вида еще и потому, что она способна к саморазвитию. Количественное накопление информации позволяет более четко установить тенденцию развития управляемого объекта и выявить новые взаимосвязи между отдельными классификационными группами информации. Это позволило в качестве одного из важнейших принципов построения информационной системы сформулировать получение максимальной производной с минимумом исходной информации.

Устаревание информации в некоторых случаях связано с потерей ее ценности для конкретных условий и целей, но ее можно омолодить и обрести ценность при изменении условий [15]. Даже ретроспективная информация как основа для анализа динамики сохраняет некоторую полезность.

Информация должна быть подготовлена ​​к использованию. В зависимости от степени его готовности можно выделить следующие:

- первичная информация в виде набора данных, показателей, описывающих отдельные аспекты процесса и его элементы;

- вторичная информация, прошедшая определенный заказ и классификацию для получения соответствующей производственной информации [24];

- информационные модели отдельных элементов и локальных процессов, описывающие статическое состояние объекта;

- информационные модели динамики, характеризующие изменение отдельных элементов и процессов;

- интегрированные информационные модели, которые описывают конкретные решения и имеют активную направленность.

Первые две степени являются прерогативой информационной службы [12]; третий и четвертый связаны с деятельностью определенных функциональных подразделений; последняя группа моделей используется лидером.

Решения являются идеальным описанием желаемого состояния объекта и методов достижения этого состояния. Они являются продуктом ограниченного использования, так как они нацелены на конкретный объект в четко описанных условиях. Качество раствора как готового продукта косвенно проявляется в деятельности объекта, на который направлено решение.

Для анализа информационного обеспечения наибольшее значение имеет выделение следующих разновидностей информации [39]:

- в зависимости от описанных процессов - производственная, техническая, технологическая, организационная, социальная, информация о внешнеэкономических связях;

- по отношению к управляемому объекту - внешнее и внутреннее производство;

- по их роли в процессе управления - директивным, нормативным, плановым, аналитическим;

- по степени обновления и порядку поступления - постоянное и переменное, долговременное хранение, оперативное, циклическое, периодическое;

- по степени агрегации - простой, интегрированный, усредненный и т. д.

- по степени конверсии - первичная, производная, обобщенная;

- по степени обработки - бухгалтерский, статистический, оперативно-производственный и т. д.

При организации информационной поддержки принципиальное значение имеет распределение информации по прямой, то есть по команде, исходящей из системы управления, и по обратной, отражающей реакцию управляемого объекта на изменения и внедряемые решения [11].

Следует отметить, что основным видом информации, циркулирующей на предприятиях (объединениях), является информация, которая организует производственно-технологические процессы и реализует методы управления этими процессами. Разработка конструкторской и технологической документации, создание и поддержание нормативной базы, планирование, учет и оперативное управление производственными процессами создают мощный поток производственно-экономической информации на предприятиях (объединениях). Это может быть директивный или административный, производственно-экономический или социально-образовательный и т.д.

При создании информационного обеспечения они руководствуются средним, согласованным спросом на информацию руководителей и специалистов. Особое место здесь занимает информация об управлении, которая отражает прогрессивные приемы и методы организации управления.

В процессе организации информации принципиально важно разделить ее на условно-постоянную, которая играет роль ссылки и переменной [20]. На основе анализа классификационных отношений оба эти типа информации организованы во взаимосвязанные блоки (модели), которые могут описывать, то есть характеризовать процесс в статике или динамике, компоненты, которые отражают определенную типичную ситуацию.

Процесс формирования информационного обеспечения включает в себя несколько этапов [19]:

1) Описание состояния объекта, то есть физическая фотография. Это подразумевает набор технико-экономических показателей и параметров, характеризующих контролирующую и управляемую системы, с соответствующей классификацией этих показателей;

2) Моделирование классификационных связей в информационных массивах с выделением причинно-следственных связей, т. Е. Формирование частных статических моделей;

3) Отражение в информационных моделях динамики отдельных элементов и процессов, то есть обоснование тенденций количественных и качественных изменений в производстве [27]. В этом случае количественное изменение предполагает корректировку информации, а качественное изменение предполагает ее частичную или полную реструктуризацию;

4) Интегрированная информационная модель производственного процесса, отражающая взаимосвязь и динамику локальных процессов и всего производства [27].

Порядок формирования определяет подход к анализу состава информации. Организация информации во многом определяет порядок ее хранения, регистрации, обновления, передачи и использования [14]. Четкая организация банков данных позволяет более полно обосновать направление движения, интенсивность потоков, законы его трансформации, методологию запросов и получения.

Выводы к главе 2:

Информационное обеспечение предполагает: распространение информации, то есть представление пользователям информации, необходимой для решения управленческих, научно-производственных и других вопросов, возникающих в процессе деятельности; создание наиболее благоприятных условий для эффективного распространения информации.

Система информационной поддержки представляет собой совокупность данных о целях, состоянии и направлениях развития объекта и его среды, организованных в виде взаимосвязанных потоков информации. Эта система включает в себя методы получения, хранения, поиска, обработки данных и выдачи их пользователю.

3. Математическое обеспечение

Математическое обеспечение (МО) – это совокупность математических методов, математических моделей (ММ), проектируемых объектов, и алгоритмов выполнения проектных процедур [23].

Применение тех или иных методов зависит от уровня развития программного обеспечения, свойств объектов программы и характера решаемых задач.

Разработка МО является наиболее сложным этапом в создании программного обеспечения, от которого в наибольшей степени зависит производительность и эффективность программного обеспечения в целом. На основе математического обеспечения решаются все проблемы в программном обеспечении: постановка задачи, организация вычислительного процесса и общение человека - компьютера, анализ, синтез, техническое проектирование и т.д.

МО любых программ по назначению и способам реализации делится на две части: специальную часть и инвариантную часть [23]. Первую составляют математические методы и построенные на их основе математические модели, описывающие объекты проектирования или их части или вычисляющие необходимые свойства и параметры объектов.

Вторую часть составляет формализованное описание технологии автоматизированного проектирования. В составе любой программы эти части МО должны органично взаимодействовать.

Способы и средства реализации первой части МО наиболее специфичны в различных программах и зависят от особенностей процесса проектирования [26].

Развитие и совершенствование методов в данной части - процесс постоянный.

Сложнее обстоит дело с разработкой второй части МО. К примеру в САПР, формализация процессов автоматизированного проектирования в комплексе оказалась более сложной задачей, чем алгоритмизация и программирование отдельных проектных задач. При решении задач данной части должна быть формализована вся логика технологии проектирования, в том числе логика взаимодействия проектировщиков друг с другом с использованием средств автоматизации. Указанные проблемы решались и решаются в настоящее время эмпирическим путем, главным образом - методом проб и ошибок.

Следовательно, МО программ должно описывать во взаимосвязи объект, процесс и средства автоматизации [27]. Для совершенствования МО выделяют два направления работ:

1) развитие методов получения оптимальных проектных решений, в том числе ориентированных на автоматизированное решение задач;

2) совершенствование и типизацию самих процессов автоматизированного решения.

Требования к математическому обеспечению.

При выборке и разработке моделей, методов и алгоритмов необходимо учитывать требования, предъявляемые к МО в программном обеспечении [1].

Универсальность

Под универсальностью МО понимается его применимость к широкому классу решаемых объектов [37]. Одно из отличий расчетных методов в программном обеспечении от ручных расчетных методов - высокая степень универсальности. Например, в подсистеме структурного проектирования САПР ЭВМ используются модели и алгоритмы, позволяющие исследовать стационарные и нестационарные процессы переработки информации при произвольных входных потоках.

К примеру, высокая степень универсальности МО нужна для того, чтобы САПР была применима к любым или большинству объектов, проектируемых на предприятии.

Алгоритмическая надежность

Методы и алгоритмы, не имеющие строгого обоснования, называют эвристическими [49]. Отсутствие четко сформулированных условий применимости приводит к тому, что эвристические методы могут использоваться некорректно. В результате либо вообще не будет получено решение (например, из-за отсутствия сходимости), либо оно будет далеким от истинного.

Главная неприятность заключается в том, что в распоряжении инженера может не оказаться данных, позволяющих определить, корректны или нет полученные результаты. Следовательно, возможна ситуация, когда неверное решение будет использоваться в дальнейшем как правильное.

Свойство компонента МО давать при его применении в этих условиях правильные результаты называется алгоритмической надежностью [49]. Степень универсальности характеризуется заранее оговоренными ограничениями, а алгоритмическая надежность – ограничениями, заранее не выявленными и, следовательно, не оговоренными.

Количественной оценкой алгоритмической надежности служит вероятность получения правильных результатов при соблюдении оговоренных ограничений на применение метода [1]. Если эта вероятность равна единице или близка к ней, то говорят, что метод алгоритмически надежен.

Применение алгоритмичности ненадежных методов в программном обеспечении нежелательно, хотя и допустимо в случаях, когда неправильные результаты легко распознаются [51].

С проблемой алгоритмической надежности тесно связана проблема обусловленности математических моделей и задач. О плохой обусловленности говорят в тех случаях, когда малые погрешности исходных данных приводят к большим погрешностям результатов. На каждом этапе вычислений имеются свои промежуточные исходные данные и результаты, свои источники погрешностей. При плохой обусловленности погрешности могут резко возрасти, что может привести как к снижению точности, так и к росту затрат машинного времени.

Точность

Для большинства компонентов МО важным свойством является точность, определяемая по степени совпадения расчетных и истинных результатов [1]. Алгоритмически надежные методы могут давать различную точность. И лишь в тех случаях, когда точность оказывается хуже предельно допустимых значений или решение вообще невозможно получить, говорят не о точности, а об алгоритмической надежности.

В большинстве случаев решение проектных задач характеризуется [25]:

1) совместным использованием многих компонентов МО, что затрудняет определение вклада в общую погрешность каждого из компонентов;

2) векторным характером результатов (например, при анализе находят вектор выходных параметров, при оптимизации - координаты экстремальной точки), т.е. результатом решения является значение не отдельного параметра, а многих параметров.

В связи с этим оценка точности производится с помощью специальных вычислительных экспериментов [17]. В этих экспериментах используются специальные задачи, называемые тестовыми. Количественная оценка погрешности результата решения тестовой задачи есть одна из норм вектора относительных погрешностей: m-норма или l-норма, где l - относительная погрешность определения j-го элемента вектора результатов; m - размерность этого вектора.

Экономичность

1) Затраты машинного времени

Универсальные модели и методы характеризуются сравнительно большим объемом вычислений, растущим с увеличением размерности задач. Поэтому при решении большинства задач в программном обеспечении затраты машинного времени (Tм) значительны. Обычно именно Tм являются главным ограничивающим фактором при попытках повысить сложность проектируемых на ЭВМ объектов и тщательность их исследования. Поэтому требование экономичности по Tм - одно из основных требований к МО.

При использовании в программах многопроцессорных вычислительных систем уменьшить время счета можно с помощью параллельных вычислений [10]. В связи с этим один из показателей экономичности МО - его приспособленность к распараллеливанию вычислительного процесса.

К примеру, в САПР целесообразно иметь библиотеки с наборами моделей и методов, перекрывающими потребности всех пользователей САПР [1].

2) Используемая память

Затраты памяти являются вторым после затрат машинного времени показателем экономичности МО [50]. Они определяются длиной программы и объемом используемых массивов данных. Несмотря на значительное увеличение емкости оперативной памяти в современных ЭВМ, требование экономичности по затратам памяти остается актуальным. Это связано с тем, что в мультипрограммном режиме функционирования ЭВМ задача с запросом большого объема памяти получает более низкий приоритет и в результате время ее пребывания в системе увеличивается.

Улучшить экономичность по затратам оперативной памяти можно путем использования внешней памяти. Однако частые обмены данными между оперативной памятью и внешней могут привести к недопустимому росту Tм. Поэтому при больших объемах программ и массивов обрабатываемой информации целесообразно использовать МО, допускающее построение оверлейных программных структур и реализующее принципы диакоптической обработки информации.

Математическое моделирование объектов и устройств автоматизации

Моделирование – это исследование объекта путем создания его модели и оперирования ею с целью получения полезной информации об объекте [30]. При математическом моделировании исследуется математическая модель (ММ) объекта.

Математической моделью (ММ) технического объекта называется совокупность математических объектов (чисел, скалярных переменных, векторов, матриц, графов и т. п.) и связывающих их отношений, отражающая свойства моделируемого технического объекта, интересующие инженера - проектировщика [34].

Классификация математических моделей [41]:

1) По характеру отображаемых свойств объекта ММ делятся на структурные и функциональные.

Структурные ММ предназначены для отображения структурных свойств объекта. Различают структурные ММ топологические и геометрические.

- В топологических ММ отображаются состав и взаимосвязи элементов. Их чаще всего применяют для описания объектов, состоящих из большого числа элементов, при решении задач привязки конструктивных элементов к определенным пространственным позициям (например, задачи компоновки оборудования, размещения деталей, трассировки соединений) или к относительным моментам времени (например, при разработке расписаний, технологических процессов). Топологические модели могут иметь форму графов, таблиц (матриц), списков и т.п.

- В геометрических ММ отображаются свойства объектов, в них дополнительно к сведениям о взаимном расположении элементов содержатся сведения о форме деталей [21]. Геометрические ММ могут выражаться совокупностью уравнений линий и поверхностей; совокупностью алгебраических соотношений, описывающих области, составляющие тело объекта; графами и списками, отображающими конструкции из типовых конструктивных элементов, и т.п. Геометрические ММ применяют при решении задач конструирования в машиностроении, приборостроении, радиоэлектронике, для оформления конструкторской документации, при задании исходных данных на разработку технологических процессов изготовления деталей.

Функциональные ММ предназначены для отображения физических или информационных процессов, протекающих в объекте при его функционировании или изготовлении [38]. Обычно функциональные ММ представляют собой системы уравнений, связывающих фазовые переменные, внутренние, внешние и выходные параметры.

2) По степени детализации описания в пределах каждого иерархического уровня выделяют полные ММ и макромодели [1].

Полная модель - эта модель, в которой фигурируют фазовые переменные, характеризующие состояния всех имеющихся межэлементных связей (т.е. состояние всех элементов проектируемого объекта) [36].

Макромодель - ММ, которая отображает состояние значительно меньшего числа межэлементных связей, что соответствует описанию объекта с расширенным выбором элементов.

3) По способу представления свойств объекта функциональные ММ делятся на аналитические и алгоритмические.

Аналитические ММ - это явные выражения выходных параметров как функции входных и внутренних параметров. Алгоритмические ММ выражают связи выходных параметров с параметрами внутренними и внешними в форме алгоритма.

Методика получения математических моделей элементов и устройств автоматизации. Использование принципов блочно-иерархического подхода к проектированию структур математических моделей проектируемых объектов позволяет формализовать процесс их написания [1]. Количество иерархических уровней при моделировании определяется сложностью проектируемых объектов и возможностью разработки инструментов. Однако иерархические уровни большинства предметных областей можно отнести к одному из трех обобщенных уровней: микро-, макро- и метауровни. На каждом уровне иерархического проектирования различаются понятия математических моделей системы (MMS) и элемента (MME) системы.

В общем случае процедура получения математических моделей элементов и устройств включает в себя следующие операции:

Выбор свойств объекта, которые должны быть отражены в модели [21]. Этот выбор основан на анализе возможных применений модели и определяет степень универсальности ММ.

Сбор исходной информации о выбранных свойствах объекта [34]. Источниками информации могут быть опыт и знания инженера, разрабатывающего модели, научно-техническая литература, в первую очередь справочники, описания прототипов - доступные ММ для элементов, схожих по свойствам с предметом, результаты экспериментальных измерений параметров и т.д.

Синтез структуры ММ. Структура ММ - общий вид математических соотношений модели без конкретизации числовых значений фигурирующих в них параметров [21]. Структура модели может быть представлена также в графической форме, например в виде эквивалентной схемы или графа. Синтез структуры - наиболее ответственная и с наибольшим трудом подлежащая формализации операция.

В зависимости от места в иерархии описания математические модели делятся на ММ, относящиеся к микро-, макро- и метауровням [41].

Особенностью ММ на микроуровне является отражение физических процессов, происходящих в непрерывном пространстве и времени. Типичные ММ на микроуровне являются уравнениями в частных производных (PDE). В них независимыми переменными являются пространственные координаты и время. Используя эти уравнения, вычисляются поля механических напряжений и деформаций, электрических потенциалов и напряжений, давлений и температур и т. Д. Возможности использования MM в PDE ограничены отдельными деталями; попытки проанализировать процессы в многокомпонентных средах, сборочных единицах и электронных схемах не могут быть успешными из-за чрезмерного увеличения стоимости компьютерного времени и памяти.

На макроуровне используют укрупненную дискретизацию пространства по функциональному признаку, что приводит к представлению ММ на этом уровне в виде систем обыкновенных дифференциальных уравнений

В этих уравнениях независимой переменной является время t, а вектор зависимых переменных состоит из фазовых переменных, характеризующих состояние увеличенных элементов дискретизированного пространства. Такими переменными являются силы и скорости в механических системах, напряжения и токи в электрических системах, давление и расход жидкостей и газов в гидравлических и пневматических системах и т.д.

Системы ODE - это универсальные модели на макроуровне, подходящие для анализа как динамических, так и стационарных объектов. Модели для стационарных состояний также могут быть представлены в виде систем алгебраических уравнений [21]. Порядок системы уравнений зависит от количества выбранных элементов объекта. Если порядок системы приближается к 10000, то работа с моделью становится затруднительной, и поэтому необходимо перейти к представлениям на метауровне.

На мета-уровне довольно сложные наборы частей взяты как элементы. Метауровень характеризуется широким разнообразием типов используемых ММ. Для многих объектов MM на метауровне по-прежнему представлены системами ODE. Однако, поскольку элементы внутренней фазовой переменной не описаны в моделях, и появляются только фазовые переменные, которые относятся к взаимосвязям элементов, расширенное представление элементов на метауровне означает, что MM имеет приемлемый размер для значительно более сложных объектов, чем измерение ММ на макроуровне.

Одним из наиболее распространенных подходов к анализу объектов на метауровне является функциональное моделирование, разработанное для анализа систем автоматического управления. Другим достаточно общего подхода к анализу объектов на метауровне являясь их представлением моделями систем массового обслуживания (QS) [11].

Модели СМО применимы во всех тех случаях, когда исследуемый объект предназначен для обслуживания многих заявок, поступающих в СМО в нерегулярные моменты времени [38]. Особенностью моделей СМО является наличие в них элементов двух различных типов: обслуживающих аппаратов, иначе называемых ресурсами, и заявок, называемых также транзактами.

Выводы к главе 3:

Разработка математического обеспечения – это этап в создании программного обеспечения, от которого в наибольшей степени зависит работоспособность и эффективность программного обеспечения в целом. На его основе решаются все проблемы в программном обеспечении: постановка задачи, организация вычислительного процесса и общение человека - компьютера, анализ, синтез, техническое проектирование и т.д.

ЗАКЛЮЧЕНИЕ

В курсовой работе рассмотрены вычислительные системы, информационное и математическое обеспечение.

Вычислительные системы являются совокупностью компонентов. К компонентам относится аппаратная и программная части. Эти части взаимодействуют между собой на различных уровнях. Аппаратная часть выполнена на электронных элементах, программная часть управляет аппаратной через последовательность команд.

Основные свойства вычислительных систем: масштабируемость, универсальность, надежность, живучесть, эффективность.

Информационное обеспечение служит для представления и эффективного распространения информации. Процесс создания информационного обеспечения состоит из нескольких этапов. Для эффективной работы необходимо учитывать методы получения, хранения, поиска, обработки данных и выдачи их пользователю.

Математическое обеспечение – это методы, модели, проектируемые объекты и алгоритмы в совокупности. Оно является важным этапом в создании программного обеспечения. Математическое обеспечение должно соответствовать требованиям: универсальность, алгоритмическая надежность, точность, экономичность.

Таким образом, выполнены все задачи, поставленные в данной курсовой работы: определен состав и свойства вычислительных систем, рассмотрено и аппаратное, и программное обеспечение; определены принципы работы информационного и математического обеспечения.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Автоматизация проектирования систем и средств управления: Учеб. пособие / А.Ф. Иванько, М.А. Иванько, В.Г. Сидоренко, Г.Б. Фалк. – М.: МГУП, 2001. – с.68-148.
2. Аппаратное обеспечение вычислительных систем: Учеб. пособие / Цай Д., Файзрахманова Р.– М.: Фолиант, 2019. – с.55-60.
3. Архитектура вычислительных систем: Учеб. пособие. 2-e изд., перераб. и доп. – M.: МГТУ им. H.Э. Баумана, 2008. – с.49-55, 500-510.
4. Белокопытов А. Компьютерные технологии обработки информации. –М.: Альянс, 2017. – с.100-117.
5. Бройдо В.Л. Вычислительные системы, сети и телекоммуникации. – СПб.: Питер, 2012. – с.340-344.
6. Волкова В. Информационная система: к вопросу определения понятия. – М.: Глобус, 2017. – с.15-18.
7. Воройский Ф.С. Систематизированный толковый словарь по информатике. – М.: Либерия, 1998. – с.190-204.
8. Вычислительные методы, алгоритмы и аппаратурно-программный инструментарий параллельного моделирования природных процессов под ред. Хорошевского В.Г./ Курносов М.Г., Хорошевский В.Г., Мамойленко С.Н. – Новосибирск: Сибирское отделение РАН, 2012. – с.40-42.
9. Вычислительные системы, сети и телекоммуникации: Учеб. пособие / Пятибратов А.П., Гудыно Л.П., Кириченко А.А. – М.: БЭК, 2019. – с.65-66.
10. Гергель В.П. Высокопроизводительные вычисления для многоядерных многопроцессорных систем. / Н. Новгород.: Издательство Нижегородского госуниверситета, 2010. – с.148-155.
11. Гереева Т.Р. Системный подход к формированию информационного обеспечения стратегического управления предприятием АПК // Экономика и бизнес. – 2009. – №7. – с.20.
12. Гладких А.А. Базовые принципы информационной безопасности вычислительных систем. – М.: КноРУС, 2009. – с.130-136.
13. ГОСТ 33707-2016 (ISO/IEC 2382:2015) Информационные технологии (ИТ). Словарь // Федеральное агентство по техническому регулированию и метрологии – 2017 г. - №1189. – 42с.
14. Гузаиров Р.М., Кладов В.Е., Сенцова А.Ю. Использование методов системного анализа для решения проблемы обеспечения безопасности современных информационных систем // Известия Южного федерального университета. Технические науки. – 2011. – №5. – с.8.
15. Деревяшко В.В. Влияние фактора старения информации на ее ценность для организации. – Ростов: РИНХ, 2010. – с.28-50.
16. Дмитриев Ю.К. Самодиагностика модульных вычислительных систем. – СПб.: Питер, 1993. – с.20-22.
17. Житников В.П., Заико Н.А. Комплексный подход к оценке погрешностей в задаче численного анализа данных // Вестник Уфимского государственного авиационного технического университета. – 2009. – №5. – с.13-17.
18. Информационные системы / Логвинова Е. И., Персианов В. В. – М.: Альянс, 2016. – с.10-24.
19. Информационные технологии в юридической деятельности / Волков Ю., Ниесов В., Стрельцов А. – М.: КноРУС, 2019. – с.15.
20. Казиев В.М. Введение в системный анализ и моделирование. – М.: Альянс, 2011. – с.40-41.
21. Компьютерное моделирование / Паничев В., Соловьев Н. – М.: Technology & Engineering, 2017. – с.12-18.
22. Косяков М.С. Введение в распределенные вычисления. – СПб.: Санкт-Петербургский национальный исследовательский университет инфор-мационных технологий, механики и оптики, 2014. – с.10-18.
23. Кузнецов С. Информационные технологии – М.: Альянс, 2018. – с.50-55.
24. Куняев Н.Н. Конфиденциальное делопроизводство и защищенный электронный документооборот. – М.: Академия, 2016. – с.15-33.
25. Липаев В.В. Тестирование компонентов и комплексов программ. – М.: Альянс, 2015. – с.60-71.
26. Матяш С. А. Информационные технологии управления – М.: Аспект Пресс, 2015. – с.260-270.
27. Минченко Л.В., Яковлева Н.П. Проблема коммуникаций при обработке информационных // НИУ ИТМО. – 2015. – №1. – с.10-12.
28. Могилев А.В. Средства информатизации. Телекоммуникационные технологии. – М.: Дело, 2009. – с.86-90.
29. Надежность и безотказность как в Google / Бейер Б., Джоунс К., Петофф Д., Мерфи Р. – М.: ДМК Пресс, 2020. – с.115.
30. Основы автоматизированного проектирования: Учеб. пособие / А. Н. Болдин А.Н., Задиранов А.Н. – М.: Московский государственный индустриальный университет, 2009. – с.11-16.
31. Основы информационных технологий: Учеб. пособие / Мосягин А., Нечаев Д., Чекмарев Ю. – М.: Фолиант, 2017. – с.69-78.
32. Основы распределенной обработки информации / Никифоров А., Прокопенко А., Царев Р., М.: Парабеллум, 2019. – с.100-150.
33. Петцольд Ч. Код: тайный язык информатики. – М.: Фолиант, 2018. – с.277-289.
34. Построение математических моделей и систем автоматизированного проектирования подъемно-транспортных и строительно-дорожных машин: Учеб. пособие / Евтюков С.А., Замараев И.В., Овчаров А.А. – СПб.: Санкт-Петербургский государственный архитектурно-строительный университет, 2011. – с.12.
35. Программные и аппаратные средства информатики / Князьков А., Прокопенко А., Царев Р. – М.: Парабеллум, 2019. – с.40-48.
36. Рябошапко Б. Архитектура ЭВМ с элементами моделирования в LabVIEW. – Ростов н/Д.: Южный Федеральный Университет, 2019. – с.60-63.
37. Сабаева Т.А. Разработка алгоритмов для решения задач на ЭВМ. – Н. Новгород.: Нижегородский государственный университет им. Н.И. Лобачевского, 2015. – с.16.
38. Саликаев Ю.Р. Математические модели и САПР электронных приборов и устройств. – Томск: ТУСУР, 2018. – с.15-20.
39. Салмин С. Информационное обеспечение процессов управления. – М.: Дело, 2017. – с.55-62, с.190-199.
40. Симкин А. Подход к комплексному применению методологий систематизации требований. – М.: Дело, 2017. – с.50-61.
41. Синчуков А.В. Современная классификация математических моделей // Инновационная наука. – 2016. – №4. – с.8-9.
42. Системное и прикладное программное обеспечение / Иванова Н., Маняхина В. – М.: ДМК Пресс, 2017. – с.10-15.
43. Скрипкин К. Экономическая эффективность информационных систем в России. – М.: Фолиант, 2017. – с.41-48.
44. Современная компьютерная безопасность: теорет. основы, практ. аспекты: Учеб. пособие / Щербаков А.Ю. – М.: Книжный Мир, 2009. – с.19-20.
45. Современные операционные системы. 4-е изд. / Таненбаум Э.С., Бос Х. – М.: Парабеллум, 2018., с.350-400.
46. Старовойтов А.А. Настройка аппаратных средств в Linux. – М.: Парабеллум, 2006. – с.22-30.
47. Харрис Д.М., Харрис С.Л. Цифровая схемотехника и архитектура компьютера. – М.: ДМК Пресс, 2017. – с.700-735.
48. Чекмарев Ю. Вычислительные системы, сети и телекоммуникации. – М.: Фолиант, 2015. – с.54-80.
49. Черкесов Г.Н. Надежность аппаратно-программных комплексов: Учеб. пособие. – СПб.: Питер, 2005. – с.100-109.
50. Ческидов В.В. Обоснование сети инженерно-геологических исследований с распределенной плотностью как математическое обеспечение САПР // Горный информационно-аналитический бюллетень (научно-технический журнал). – 2012. – №1. – с.27-28.
51. Шубинский И.Б. Функциональная надежность информационных систем. // Журнал «Надежность. – 2012. – №3. – с.80-89.