CC BY
13
Электротехнические и информационные комплексы и системы. 2023. Т. 19, № 2. С. 159-169. ISSN 1999-5458 (print) Electrical and Data Processing Facilities and Systems. 2023. Vol. 19. No. 2. P. 159-169. ISSN 1999-5458 (print)
Научная статья УДК 004.383.3
doi: 10.17122/1999-5458-2023-19-2-159-169
КЛАССИФИКАЦИЯ СПЕЦИАЛИЗИРОВАННЫХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ НА ТРАНСПОРТЕ
Александр Сергеевич Филипченко Alexander S. Filipchenko
аспирант отраслевого центра подготовки научно-педагогических кадров высшей квалификации, кафедра «Вычислительные системы, сети и информационная безопасность»,
Российский университет транспорта, Москва, Россия
Актуальность
На сегодняшний день достаточно остро стоит проблема увеличения быстродействия вычислительных систем. До недавнего времени рост производительности вычислительных систем достигался за счёт увеличения количества транзисторов на кристалле по закону Мура. Однако в настоящее время уже изобретены логические вентили, размеры которых сопоставимы с отдельными атомами и молекулами. Так уже различные типы фундаментальных логических вентилей были построены с использованием молекул, которые основаны на химических входах и спектроскопических выходах. Это обстоятельство накладывает физическое ограничение на дальнейшее увеличение числа транзисторов на кристалле. Таким образом, увеличение быстродействия вычислительных систем в современных условиях возможно только за счёт распараллеливания. Для эффективной организации параллельного вычислительного процесса необходимо иметь представление о функциональных возможностях конкретных вычислительных систем.
Цель исследования
В данной статье ставится цель рассмотреть ряд специализированных вычислительных систем на транспорте и попытаться классифицировать их по ряду оснований. Классификация позволит структурировать ряд наработок в области специализированных вычислительных систем на транспорте, объединив их в единую централизованную и связанную систему. Ставится цель выяснить, какими отличительными свойствами обладают существующие специализированные вычислительные системы на транспорте, и определить, какие из этих свойств преобладают, а какие являются более редкими. По результатам классификации ставится цель подготовить обобщённые выводы об особенностях исследуемых вычислительных системах.
Методы исследования
В статье рассматривается ряд специализированных вычислительных систем на транспорте. В процессе анализа выделяются их отличительные свойства и характеристики. По полученным свойствам разрабатываются основания классификации. Цель данной классификации
© Филипченко А. С., 2023
-159
Электротехнические и информационные комплексы и системы. № 2, т. 19, 2023
Ключевые слова
классификация, специализированные вычислительные системы, транспорт, анализ патентов, отличительные свойства,
распараллеливание
Data processíng facílítíes and systems
детерминирована практическими и теоретическими потребностями, связанными с моделированием параллельных специализированных вычислительных систем. В качестве базы знаний для анализа примеров специализированных вычислительных систем на транспорте будет использоваться Российский индекс научного цитирования.
Результаты
В статье представлен обзор специализированных вычислительных систем, использующихся в транспортной отрасли, отмечаются характерные свойства, определяющие их специализацию и функциональное назначение, отражаются ключевые характеристики данных специализированных вычислительных систем, отличающие их друг от друга. На основе полученного массива характеристик определяются основания для классификации специализированных вычислительных систем на транспорте. В заключении строится таблица, отражающая зависимости между выделенными основаниями, классами и рассмотренными объектами. В выводах представлены обоснования и интерпретация обнаруженных зависимостей.
Для цитирования: Филипченко А. С. Классификация специализированных вычислительных систем на транспорте // Электротехнические и информационные комплексы и системы. 2023. № 2. Т. 19. С. 159-169. http://dx.doi.org/10.17122/1999-5458-2023-19-2-159-169.
Original article
CLASSIFICATION OF SPECIALIZED COMPUTING SYSTEMS IN TRANSPORT
Relevance
Today, the problem of increasing the speed of computing systems is quite acute. Until recently, the increase in the performance of computing systems was achieved by increasing the number of transistors on a chip according to Moore's law. However, at present, logic gates have already been invented, the dimensions of which are comparable to individual atoms and molecules. So already various types of fundamental logic gates have been built using molecules that are based on chemical inputs and spectroscopic outputs. This circumstance imposes a physical limitation on a further increase in the number of transistors on a chip. Thus, an increase in the speed of computing systems in modern conditions is possible only through parallelization. For the effective organization of a parallel computing process, it is necessary to have an idea of the functionality of specific computing systems.
Aim of research
The main aim of the research is to consider a number of specialized computing systems in transport and try to classify them on a number of grounds. The classification will allow structuring a number of developments in the field of specialized computing systems in transport, combining them into a single centralized and connected system. The goal is to find out what distinctive properties the existing specialized computing systems in transport have and to determine which of these properties prevail and which are rarer. Based on the results of the classification, the goal is to prepare generalized conclusions about the features of the computer systems under study.
Keywords
classification, specialized computing systems, transport, patent analysis, distinctive properties, parallelization
Research methods
The article considers a number of specialized computing systems in transport. In the process of consideration, their distinctive properties and characteristics are highlighted. Based on the properties obtained, the basis for the classification is developed. The purpose of this classification is determined by the practical and theoretical needs associated with the simulation of parallel specialized computing systems. The Russian Science Citation Index will be used as a knowledge base for analyzing examples of specialized computing systems in transport.
Results
The article provides an overview of specialized computing systems used in the transport industry. In the process of review, characteristic properties are noted that determine their specialization and functional purpose. The key characteristics of these specialized computing systems that distinguish them from each other are reflected. On the basis of the obtained array of characteristics, the grounds for the classification of specialized computing systems in transport are determined. In conclusion, a table is constructed that reflects the dependencies between the selected bases, classes and the considered objects. The conclusions present the rationale and interpretation of the discovered dependencies.
For citation: Filipchenko A. S. Klassifikatsiya spetsializirovannykh vychislitel'nykh sistem na transporte [Classification of Specialized Computing Systems in Transport]. Elektrotekhnicheskie i informatsionnye kompleksy i sistemy - Electrical and Data Processing Facilities and Systems, 2023, No. 2, Vol. 19, pp. 159-169. [in Russian]. http://dx.doi.org/10.17122/1999-5458-2023-19-2-159-169.
Введение
Под специализированными вычислительными системами понимаются вычислительные системы, спроектированные и разработанные для решения узкого спектра определённых прикладных задач. Таким образом, специализация вычислительной системы определяется классом решаемых ею задач. Цель разработки и изучения такого рода вычислительных систем заключается в повышении эффективности использования автоматизации путём использования особой аппаратной архитектуры, набора периферийных устройств, программистской модели и других особенностей.
Наряду с углублением специализации вычислительных машин, которое обусловлено рядом специфических для транспорта задач, остро стоит и вопрос увеличения производительности вычислений. При этом увеличение быстродействия в условиях, когда размеры отдельных логических вентилей сопоставимы с размерами отдельных атомов и моле-
кул, возможно только за счёт распараллеливания вычислительного процесса.
До недавнего времени рост производительности вычислительных систем достигался за счёт увеличения количества транзисторов на кристалле по закону Мура. Однако в настоящее время уже изобретены логические вентили, размеры которых сопоставимы с отдельными атомами и молекулами. Так уже различные типы фундаментальных логических вентилей были построены с использованием молекул, которые основаны на химических входах и спектроскопических выходах [1]. Это обстоятельство накладывает физическое ограничение на дальнейшее увеличение числа транзисторов на кристалле.
В связи с этим возникает потребность проанализировать характеристики существующих специализированных вычислительных систем на транспорте с целью их классификации по ряду оснований. В частности, это — классификация по степени распараллеливания, по типам сете-
вого взаимодействия для организации распределённых вычислений, по степени модульности и по другим основаниям, которые имеют значение для выбора про-тотипной вычислительной системы для дальнейших исследований в данной области знания.
Характеристика существующих специализированных вычислительных систем на транспорте
Рассмотрим электронные вычислительные машины (ЭВМ), использующиеся в диспетчерской централизованной системе оперативного управления объектами инфраструктуры железной дороги [2]. В данной системе присутствуют две специализированные вычислительные системы, расположенные в верхнем иерархическом уровне: ЭВМ «Связь-ФЛ» и ЭВМ «Связь-ОВС». Обе вычислительные машины работают под управлением дисковой операционной системы фирмы Microsoft «MS DOS». Компоненты вычислительных систем конструктивно объединены в один корпус, то есть представляют собой монолит. Обе специализированные вычислительные системы
используют «Ethernet» для передачи данных в локальную вычислительную сеть (ЛВС). ЭВМ связываются на нижнем иерархическом уровне с блоками контролируемого пункта модернизированными (БКПМ).
Специализация данных вычислительных систем выражается в типах связи с БКПМ:
— ЭВМ «Связь-ФЛ» передаёт сигналы по Физической Линии связи через модем ТСМ-У;
— ЭВМ «Связь-ОВС» передаёт сигналы по ОптоВолоконной Связи через адаптер G.703.1.
Обе специализированные вычислительные системы работают в автономном режиме, не требуя участия оперативного персонала. В системе эти ЭВМ выполняют функцию передачи команд телеуправления и приёма ответных импульсов телесигнализации. Архитектурные особенности данных специализированных вычислительных систем в патенте не детализируются. На рисунке 1 показаны связи рассматриваемых ЭВМ с ЛВС и БКПМ.
В данных специализированных вычислительных системах параллелизм может применяться для параллельной
ЛВС
Контролируемые линейные пункты
Ethernet
ЭВМ "С0язь-ФЛ" ос ms оос
Модем ТСМ-У
Рисунок 1. Связи ЭВМ «Связь-ФЛ» и ЭВМ «Связь-ОВС» с ЛВС и БКПМ
Figure 1. Communications of the computer «Svyaz-FL» and the computer «Svyaz-OVS» with the LAN and blocks of the controlled point modernized
обработки импульсов телесигнализации, а также для формирования конвейера команд управления для нескольких БКПМ.
Следующей специализированной вычислительной системы, патент на которую удалось найти в свободном доступе, является универсальная информационно-обучающая и контролирующая система «ТОРВЕСТ-ИОКС» [3]. Фотография данной специализированной вычислительной системы приведена на рисунке 2.
Эта специализированная вычислительная система предназначена для обучения оператора управления тяговым подвижным составом железных дорог. Ядро данной специализированной вычислительной системы построено на базе персонального компьютера (ПК) общего назначения. Специализация указанной вычислительной системы заключается в обилие разного рода периферийных устройств (ПУ). В частности, к таким ПУ относятся несколько сенсорных мониторов, устройства визуализации, модуль питания, а также различные джойстики, имитирующие органы управления.
В связи с тем, что в ядре данной специализированной вычислительной системы используется штатный ПК,
задача распараллеливания в данном случае сужается до увеличения быстродействия системы в целом и до уменьшения времени отклика от ПУ в частности. Также легко предположить, что поскольку система основывается на обычном ПК, её можно отнести как к системам высокого уровня, так и к системам, способным на сетевое взаимодействие с другими вычислительными системами.
Далее рассмотрим радиочастотный безопасный логический элемент «не», который может быть использован для построения контроллеров с целью создания критичных систем управления железнодорожным транспортом [4]. Данный логический вентиль можно рассматривать как примитивную низкоуровневую вычислительную систему, выполняющую «вычисление» инвертированного варианта входного сигнала.
Отличительной чертой данного монолитного логического элемента является обеспечение надёжности выполнения указанной булевой функции путём обработки попадания на вход смеси сигналов при коротком замыкании. В данном случае происходит переход элемента в так называемое «безопасное состояние». Принципиальная схема элемента представлена на рисунке 3.
Рисунок 2. Фотография «ТОРВЕСТ-ИОКС»
Figure 2. Photo of «TORVEST-ЮKS»
Рисунок 3. Принципиальная схема радиочастотного безопасного логического элемента «не» Figure 3. Schematic diagram of an RF safe gate «not»
Очевидно, что настолько низкоуровневое и простое вычислительное устройство не обладает возможностью и потребностью выхода в сеть. Оператор данному элементу не требуется, так как весь процесс вычисления протекает автоматически путём заранее определённого преобразования электрических сигналов.
Цифрами на рисунке обозначаются:
1 — смеситель;
2, 3 — полосовые фильтры;
4, 5 — вычислители огибающей сигнала;
6, 15 — сумматоры;
7, 8, 9 — пороговые элементы;
10 — сумматор по модулю 2;
11, 12 — конъюнкторы;
13, 14 — аналоговые ключи.
Тот же набор характеристик можно дать радиочастотному безопасному логическому элементу «и» [5]. Выполнять распараллеливание таких элементарных операций не имеет смысла. Более того, оно может нарушить логику принципиальной схемы, значительно усложнить её, а также привести к снижению уровня надёжности.
Теперь рассмотрим патент на систему определения координат вагонов в парке станции [6]. Специализация данной вычислительной системы заключается в наличии ряда нестандартных аппаратных модулей, использующихся для
управления и взаимодеиствия с лазерным устройством. По наличию в системе программного комплекса можно судить о высокоуровневом характере специализированной вычислительной системы. Связи типа «Ethernet» свидетельствуют о распределённом характере системы и возможности её сетевого взаимодействия. Структурная схема системы показана на рисунке 4.
Цифрами и буквой на рисунке обозначаются:
1, N — сканирующие лазерные модули;
2 — блок управления;
3 — электродвигатель с кодирующим устройством;
4 — лазерный приёмопередатчик;
5, 5-N — вагоны;
6 — программно-аппаратный вычислительный комплекс;
7 — комплексная система автоматизированного управления сортировочным процессом.
Специализированная вычислительная система применяется в системах автоматики, так что наличие оператора не требуется. В данной системе распараллеливание может быть применено для одновременной обработки ряда информационных потоков от лазеров. Такой подход обеспечит получение данных по нескольким вагонам за один такт синхронизации.
г
г
S-N 1 4
* 1 1 .
Г!
2 1 Ethernet
1
Рисунок 4. Структурная схема системы определения координат вагонов в парке станции
Figure 4. Structural diagram of the system for determining the coordinates of cars in the station park
Помимо физических специализированных вычислительных систем на железнодорожном транспорте получили распространение логические специализированные вычислительные системы. Одна из таких систем — система программной роботизации RPA Robin, которая вместо классического скриптового подхода к автоматизации использует имитационную автоматизацию RPA [7]. Идея такого рода автоматизации заключается не в программном взаимодействии с API информационных систем, а путём описания и повторения логики работы системного администратора. Такого рода логические специализированные системы имеют определённый потенциал для распараллеливания [8, 9].
Далее познакомимся с программно-аппаратной системой планирования маневровой работы на промышлен-
ном железнодорожном транспорте [10]. В статье описывается некая абстрактная специализированная вычислительная система, которая позволит в автоматическом режиме решать математическую задачу планирования маневровой работы на железнодорожном транспорте. Аппаратная платформа данной специализированной вычислительной системы, а также её физические компоненты в статье не рассматриваются. Однако по критерию Фишера была доказана адекватность решения данной задачи путём использования нейронных сетей.
На основании этой информации можно сделать вывод, что центральным компонентом указанной специализированной вычислительной системы будет являться многослойный персептрон, в ядре которого используются сумматоры. Графическая модель персептрона, кото-
рый предлагается использовать в данной специализированной вычислительной системе, представлен на рисунке 5.
Информация для работы системы добывается из табличного файла стандартного офисного пакета. Из этого можно сделать вывод, что рассматриваемая специализированная вычислительная система находится на верхнем иерархическом уровне. Возможность связи с другими вычислительными системами в статье не описывается. Нейросетевые алгоритмы поддаются распараллеливанию, так что в данном случае такой подход поможет ускорить решение задачи.
Рисунок 5. Многослойный персептрон для задачи планирования маневровой работы
Figure 5. Multilayer perceptron for the task of planning shunting work
В данном случае использование нейронных сетей обусловлено тем, что данный математический аппарат является важнейшим инструментом для формирования прогнозных значений. Такого рода технологический базис позволяет эффективно принимать управленческие решения [11], в том числе в транспортной области.
Рассмотрим последнюю специализированную вычислительную систему в
нашем списке на примере программно-аппаратных средств бортовой системы автоматизированного ведения поезда [12]. В ядре данной специализированной вычислительной системы лежит центральное микропроцессорное вычислительное устройство. Особенность этого микропроцессора заключается в том, что помимо бортовой базы данных он оборудован двумя нестандартными блоками, а именно:
— блоком управления (БУ) движением локомотива, формирующим команды управления тяговой и тормозной системами;
— блоком вычисления (БВ) траектории движения, рассчитывающим оптимальную программу ведения поезда.
Структура связей в микропроцессоре показана на рисунке 6. Данное микропроцессорное ядро работает непосредственно с физическими сигналами, а, следовательно, данную специализированную вычислительную систему можно отнести к вычислительным системам низкого уровня. Центральное микропроцессорное устройство в данной системе является монолитным и не подразделяется на микроядра. В системе присутствуют коммуникационный модуль и терминал управления для оператора, однако они находятся за пределами специализированного ядра и не относятся к нему непосредственно, то есть само специализированное ядро можно считать автономным и несетевыми.
Рассмотренное центральное микропроцессорное вычислительное устройство специализируется на нестандартных БМП. Функционально оно играет роль управления ведением поезда. Задачу распараллеливания на данной специализированной вычислительной системе имеет смысл разбить по блокам:
— для БУ распараллеливание вычислительного процесса нецелесообразно, так как команды к тяговым и тормозным
Блок управления движением локомотива
Блок вычисления энергорациональной траектории движения
Бортовая база данных
- расписание движения поездов
- данные о профиле пути
- ограничения скорости
- координаты светофоров
- элементы путевой структуры
ЦЕНТРАЛЬНОЕ МИКРОПРОЦЕССОРНОЕ ВЫЧИСЛИТЕЛЬНОЕ УСТРОЙСТВО
Рисунок 6. Связи между блоками микропроцессора (БМП) Figure 6. Communications between microprocessor units (MPU)
системам должны поступать строго последовательно, для обеспечения максимальной надёжности и безопасности;
— для БВ параллельное вычисление имеет смысл и может пригодиться для увеличения производительности и точности получаемой траектории.
Классификация специализированных вычислительных систем на транспорте
В заключении, объединив все полученные характеристики конкретных специализированных вычислительных
систем на транспорте, мы получаем набор оснований для классификации:
— по иерархическому уровню;
— по степени централизованности;
— по возможности сетевого взаимодействия;
— по автономности;
— по применимости распараллеливания.
В таблице 1 обозначим определённые классы по указанным основаниям и сопоставим их с примерами конкретных объектов, в роли которых будут выступать рассмотренные специализированные вычислительные системы на транспорте.
Таблица 1. Классификация специализированных вычислительных систем на транспорте Table 1. Classification of specialized aircraft in transport
Основания классификации Классы Объекты
По иерархическому уровню Высокоуровневые [2], [3], [6], [10]
Низкоуровневые [4], [5], [12]
По степени централизованности Монолитные [2], [3], [4], [5], [10], [12]
Распределённые [6]
По возможности сетевого взаимодействия Сетевые [2], [3], [6]
Несетевые [4], [5], [12]
По автономности Автономные [2], [4], [5], [6], [12]
Операторные [3]
По распараллеливанию Полностью распараллеливаемые [2], [3], [6], [12]
Частично распараллеливаемые [12]
Нераспараллеливаемые [4], [5]
-167
Электротехнические и информационные комплексы и системы. № 2, т. 19, 2023
Data processíng facílítíes and systems
Выводы
В выводах отметим, что объекты в классе «Высокоуровневые» соответствуют объектам класса «Сетевые», а объекты класса «Низкоуровневые» соответствуют объектам класса «Несетевые». Объяснение этому явлению можно найти в сетевой модели OSI. Согласно этой модели для сетевого взаимодействия двух систем требуются не только низкие уровни, такие как, например, физический или канальный, но и высокие, такие как прикладной, представительский и сеансовый [13].
Также произошло совпадение объектов в классах «Высокоуровневые» и «Полностью распараллеливаемые». Это связано с тем, что в высокоуровневые системы зачастую комплексны, благодаря чему общий функционал системы
Список источников
1. Erbas-Cakmak S., Kolemen S., Sedgwick, Adam C., Gunnlaugsson T., James T.D., Yoon J., Akkaya E.U. Molecular Logic Gates: the Past, Present and Future // Chemical Society Reviews. 2018. P. 2228-2248.
2. Пат. на полезную модель 103790 U1 РФ, МПК B 61 L 27/00. Диспетчерская централизованная система оперативного управления объектами инфраструктуры железной дороги / А.А. Кочетков, М.В. Романенков, А.И. Каменев [и др.]. 2010132710/11, Заявлено 04.08.2010; Опубл. 27.04.2011.
3. Пат. на полезную модель 137410 U1 РФ, МПК G 09 B 9/02. Универсальная информационно-обучающая и контролирующая система «ТОРВЕСТ-ИОКС» / В.Е. Попов, А.Ю. Брылин. 2013130054/11, Заявлено 01.07.2013; опубл. 10.02.2014.
4. Пат. 2533447 C1 РФ, МПК H 03 K 19/20. Радиочастотный безопасный логический элемент «не» / И.Д. Долгий, А.Г. Кулькин, С.А. Кулькин и др. 2013129725/08, Заявлено 28.06.2013; Опубл. 20.11.2014.
5. Пат. 2533449 C1 РФ, МПК H 03 K 19/20. Радиочастотный безопасный логический элемент «и» / И.Д. Долгий, А.Г. Кулькин, С.А. Кулькин и др. 2013145417/08, Заявлено 10.10.2013; Опубл. 20.11.2014.
6. Пат. 2578703 C1 РФ, МПК B 61 L 25/02. Система определения координат вагонов в парке
легко подвергается декомпозиции на подзадачи, которые могут быть выполнены независимо друг от друга.
По построенной классификации можно сделать вывод, что практически все специализированные вычислительные системы на транспорте являются монолитными и автономными. Данная особенность вытекает из предназначения этих вычислительных систем: разработчикам требуется, чтобы они были достаточно простые, компактные и работали без участия человека. Исключения составляют обучающие вычислительные системы, где без оператора обойтись невозможно, а также вычислительные системы, решающие задачи в пространствах большого масштаба, которые устанавливают требование распределённого сбора информации.
станции / В.Я. Носков, Л.Г. Аверьянов, К.А. Иг-натков. 2014151848/11, Заявлено 22.12.2014; Опубл. 27.03.2016.
7. Hofmann P., Samp C., Urbach N. Robotic Process Automation // Electron Markets. 2020. P. 99-106.
8. Larina T.B., Filipchenko A.S. Experiments with Multi-Threaded Processing in RPA Robin // Information Innovative Technologies: Intern. Scient.-Pract. Conf., Prague, 25-29 April 2022. Moscow: Association of Graduates and Employees of AFEA Named after prof. Zhukovsky, 2022. P. 245-252.
9. Larina T.B., Filipchenko A.S. Features of Operations Parallelization in RPA Systems // Information Innovative Technologies: Intern. Scient.-Pract. Conf., Prague, 25-29 April 2022. Moscow: Association of Graduates and Employees of AFEA Named after prof. Zhukovsky, 2022. P. 239-245.
10. Нечай Т.А., Короп Г.В., Роганова Э.В. и др. Программно-аппаратная система планирования маневровой работы на промышленном железнодорожном транспорте // XXI век: итоги прошлого и проблемы настоящего плюс. 2019. Т. 8. № 1(45). С. 12-16. EDN: CQXPXV.
11. Pen T.V. Solving Economic Problems of Time Series Forecasting Using Neural Networks // Актуальные научные исследования: сб. ст. VI Междунар. науч.-практ. конф.: в 4 ч., Пенза, 05 июня 2022 года. Ч. 3. Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.), 2022. P. 57-58.
12. Юренко К.И., Фандеев Е.И. Компьютерная модель и программно-аппаратные средства бортовой системы автоматизированного ведения поезда // Известия ЮФУ. Технические науки. 2012. № 5 (130). С. 51-56. EDN: OYDWAV.
13. Litvinyuk S., Petukhov A., Pilyugin P. Managing Security Policies at Various Levels of the ISO\OSI Model in SDN (Methods of Formal Calculation for Network Level Security Policies) // Modern Network Technologies (MoNeTec-2022): тр. 4-й Междунар. конф. (короткие и стендовые доклады), Москва, 27-29 октября 2022 года. М.: Изд-во Московского государственного университета им. М.В. Ломоносова, 2022. P. 38-42.
References
1. Erbas-Cakmak S., Kolemen S., Sedgwick, Adam C., Gunnlaugsson T., James T.D., Yoon J., Akkaya E.U. Molecular Logic Gates: the Past, Present and Future. Chemical Society Reviews, 2018, pp.2228-2248.
2. Kochetkov A.A., Romanenkov M.V., Kamenev A.I. e.a. Dispetcherskaya tsentralizovan-naya sistema operativnogo upravleniya ob"ektami infrastruktury zheleznoi dorogi [Molecular Logic Gates: the Past, Present and Future]. Patent na poleznuyu model No. 103790, 2011. [in Russian].
3. Popov V.E., Brylin A.Yu. Universal'naya informatsionno-obuchayushchaya i kontroliruyush-chaya sistema «TORVEST-IOKS» [Universal Information-Training and Control System «TORVEST-IOKS»]. Patent na poleznuyu model No. 137410, 2014. [in Russian].
4. Dolgii I D., Kul'kin A.G., Kul'kin S.A. e.a. Radiochastotnyi bezopasnyi logicheskii element «ne» [Radio Frequency Safe Logic «Not»]. Patent No. 2533447, 2014. [in Russian].
5. Dolgii I D., Kul'kin A.G., Kul'kin S.A. e.a. Radiochastotnyi bezopasnyi logicheskii element «i» [Safe Logic Element «And»]. Patent No. 2533449, 2014. [in Russian].
6. Noskov V.Ya., Aver'yanov L.G., Ignat-kov K.A. Sistema opredeleniya koordinat vagonov v parke stantsii [System for Determining the Coordinates of Wagons in the Station Fleet]. Patent No. 2578703, 2016. [in Russian].
7. Hofmann P., Samp C., Urbach N. Robotic Process Automation. Electron Markets, 2020, pp. 99-106.
8. Larina T.B., Filipchenko A.S. Experiments with Multi-Threaded Processing in RPA Robin.
International Scientific-Practical Conference
«Information Innovative Technologies», Prague, 25-29 April 2022. Moscow, Association of Graduates and Employees of AFEA Named after prof. Zhukovsky, 2022, pp. 245-252.
9. Larina T.B., Filipchenko A.S. Features of Operations Parallelization in RPA Systems. International Scientific-Practical Conference «Information Innovative Technologies», Prague, 25-29 April 2022. Moscow, Association of Graduates and Employees of AFEA Named after prof. Zhukovsky, 2022, pp. 239-245.
10. Nechai T.A., Korop G.V., Roganova E.V. e.a. Programmno-apparatnaya sistema planirovaniya manevrovoi raboty na promyshlennom zheleznodorozhnom transporte [Software-Hardware System Planning Maneuval Work of Industrial Railway Transport]. XXI vek: itogi proshlogo i problemy nastoyashchego plyus — XXI Century: Resumes of the Past and Challenges of the Present Plus, 2019, Vol. 8, No. 1 (45), pp. 12-16. EDN: CQXPXV. [in Russian].
11. Pen T.V. Solving Economic Problems of Time Series Forecasting Using Neural Networks. Sbornik statei VI Mezhdunarodnoi nauchno-prakticheskoi konferentsii «Aktual>nye nauchnye issledovaniya»: v 4 ch., Penza, 05 iyunya 2022 goda [Collection of Articles of the VI International Scientific and Practical Conference «Actual Scientific Research»: in 4 Ch., Penza, June 05, 2022]. Penza, Nauka i Prosveshchenie (IP Gulyaev G.Yu.), 2022, Ch. 3, pp. 57-58.
12. Yurenko K.I., Fandeev E.I. Komp'yuternaya model' i programmno-apparatnye sredstva bortovoi sistemy avtomatizirovannogo vedeniya poezda [Computer Model and Hardware-Software On-Board Systems of Automated Driving of the Train]. Izvestiya YuFU. Tekhnicheskie nauki — Izvestiya SFEDU. Engineering Sciences, 2012, No. 5 (130), pp. 51-56. EDN: OYDWAV. [in Russian].
13. Litvinyuk S., Petukhov A., Pilyugin P. Managing Security Policies at Various Levels of the ISO\OSI Model in SDN (Methods of Formal Calculation for Network Level Security Policies). Trudy 4-i Mezhdunarodnoi konferentsii «Modern Network Technologies (MoNeTec-2022)» (korotkie i stendovye doklady), Moskva, 27-29 oktyabrya 2022 goda [Proceedings of the 4th International Conference «Modern Network Technologies (MoNeTec-2022)» (short and poster presentations), Moscow, October 27-29, 2022.]. Mocow, Izd-vo Moskovskogo gosudarstvennogo universiteta im. M.V. Lomonosova, 2022, pp. 38-42. [in Russian].
Статья поступила в редакцию 12.04.2023; одобрена после рецензирования 11.05.2023; принята к публикации 18.05.2023. The article was submitted 12.04.2023; approved after reviewing 11.05.2023; accepted for publication 18.05.2023.
