Управління даними при діагностиці і прогнозуванні стану складних технічних систем

Анотація

Проведено аналіз методів управління Big Data. З метою отримання своєчасних результатів аналізу стану складних технічних систем на основі встановленого згідно з нормативною документацією переліку параметрів, що мають першорядне (для критично важливих компонентів) і другорядне значення при діагностуванні стану компонентів, що забезпечують функціонування складних технічних систем необхідно розробити метод управління даними, що дозволяє з високою швидкодією і без втрат розділяти і передавати Big Data від ІВС в реляційні і нереляційні бази даних. Запропоновано метод, що забезпечує розподіл даних, що надходять з інформаційно-вимірювальних систем в реляційні і нереляційні бази даних при діагностиці та прогнозуванні стану складних технічних систем. Обґрунтовано доцільність використання концепції Data Mining в SCADA системах для управління Big Data. Розроблено алгоритми передачі, розподілу та аналізу даних в інформаційно-вимірювальної системи при діагностиці та прогнозуванні стану складних технічних систем. Розроблено схему передачі даних в пристроях, що використовують шину CAN. В основу запропонованого методу управління Big Data при діагностиці та прогнозуванні стану складних технічних систем покладено забезпечення динамічного розподілу даних в інформаційно-вимірювальної системи з урахуванням вимог, що пред'являються до використовуваної структурі локально-обчислювальної мережі. Метод ґрунтується на застосуванні принципів побудови програмно-конфігуруються мереж, що дозволяють управляти мережею за рахунок використання результатів аналізу потоків даних, що проходять через вузлові мережеві пристрої. Розроблена програмна реалізації системи розподілу даних в локальній мережі з використанням принципу аналізу мережевих пакетів при їх надходженні на комутаційні вузли інформаційно-вимірювальної системи. Розроблено систему програмної логіки розподілу даних з інформаційно-вимірювальних систем, що передаються по локальних мережах або по комутаційної шині CAN. З проведених досліджень випливає, що найбільша продуктивність процесу поділу даних по розробленим методом досягається при розподіленому виконанні обчислювальних процесів розробленої програми в чотирьох потоковому режимі, причому процес поділу даних в нереляційні бази для всіх проведених експериментів виконується швидше, ніж для даних в реляційні бази. Застосування розробленого методу управління Big Data з розподілом даних в реляційні і нереляційні бази даних забезпечує підвищення швидкодії інформаційно-вимірювальної системи при діагностиці та прогнозуванні стану складних технічних систем. Дозволяє прогнозувати технічний стан критично-вразливих компонентів систем при їх короткочасному знаходженні в аварійному стані, а також здійснювати довгостроковий прогноз оцінки технічного стану всієї складної технічної системи. Використання програмних розподільників переданої інформації забезпечує підвищення швидкодії інформаційно-вимірювальної системи при діагностиці та прогнозуванні стану складних технічних систем, тим самим забезпечуючи своєчасну оцінку стану критично важливих компонентів складних технічних систем, вихід з ладу яких впливає на працездатність систем.