CC BY
16КОНЦЕПЦИЯ ФОРМИРОВАНИЯ GRID СИСТЕМЫ ДЛЯ УПРАВЛЕНИЯ ГЛОБАЛЬНО РАСПРЕДЕЛЕННОЙ ОРГАНИЗАЦИОННОЙ СИСТЕМОЙ
THE CONCEPT OF FORMING A GRID SYSTEM FOR MANAGING A GLOBALLY DISTRIBUTED ORGANIZATIONAL SYSTEM
УДК 519.816+519.876.5
Чуваков Александр Владимирович, Самарский государственный технический университет
Chuvakov Alexander Vladimirovich, Samara state technical Аннотация: В статье территориально-распределенные организации с глобальным пространственным характером, рассматриваются в качестве единой глобально распределенной организационной системы с учетом двух методов организационного управления: это централизованное и децентрализованное. Принятие решения о том, выбрать тот или иной метод управления координируется за счет системы поддержки принятия решений с применением единого информационного пространства знаний. Глобально распределенную организационную систему представляют в форме семантической Грид-системы, разделенной на три уровня: уровень исполнителей, уровни локальных узлов, уровень координирующего центра. Где на каждом из уровней учитывается возможность равномерного распределения работ между элементами системы с учетом их эффективности. Abstract: in the article, geographically distributed organizations with a global spatial character are considered as a single globally distributed organizational system, taking into account two methods of organizational management: centralized and decentralized. The decision to choose a particular management method is coordinated by a decision support system using a single information space of knowledge. A globally distributed organizational system is represented in the form of a semantic Grid system divided into three levels: the level of performers, the levels of local nodes, and the level of the coordinating center. Where each level takes into account the possibility of an even distribution of work between the elements of the system, taking into account their effectiveness.
Ключевые слова: глобально распределенная организационная система, системы поддержки принятия решений, единое пространство знаний,Grid технологии, бионические алгоритмы.
Keywords: globally distributed organizational system, decision support systems,unified knowledge space, Grid technologies, bionic algorithms.
Введение
Есть существенный класс территориально-распределенных организаций (ТРО) обладающих глобальным пространственным размахом (страна, регион) таких, как предприятия сферы нефтедобычи, электроэнергетические системы, системы управления железнодорожным транспортом, учреждения государственного и муниципального управления и т.д. Они, же, декомпозируются на более упрощенные организационные элементы (подсистемы), к примеру, отделы в промышленных предприятиях или департаменты в муниципалитете.
Совокупность структурных единиц ТРО, их функций, потоков между ними, бизнес процессов и их отношений, технологий можно рассматривать в качестве единой глобально распределенной организационной системы (ГРОС) (рис.1). В настоящее время у каждого элемента ГРОС главным образом есть централизованная организационная структура управления, что есть то «узкое звено», которое неоправданно повышает время реакции, обеспечивает лишнее вмешательство во внутренние дела подсистем и, в итоге, приводит к инертности организационной системы в общем.
Стремление ГРОС к централизации должно быть на минимуме, но обеспечивать достижение поставленных задач, но и у децентрализованного управления есть минус — большое время адаптации системы, что довольно важно для стремительно изменяющихся сред. То, что в централизованных системах можно сделать за короткий промежуток времени, в децентрализованной будет осуществляться медленнее. К тому же централизованный подход имеет минус - сложное управление вследствие большого потока данных, которые следует перерабатывать в старшей по иерархии системе управления [1].
В идеале в ТРО должны быть два способа организационного управления. Если изменение экономической ситуации осуществляется латентно, то децентрализованная часть ГРОС с успехом справляется с адаптацией к среде и с достижением глобальных задач за счет оперативного управления, а при резких изменениях среды пользуются централизованным управлением по быстрому переводу системы в новое состояние.
В тоже время централизованное управление плохо масштабируется, тогда как в децентрализованной структуре масштабирование реализуется с эффективностью [2].Соответственно, для максимума эффективности всей ГРОС в общем следует наладить взаимодействие между локальными центрами управления и элементами системы (рис. 2)и самое главное оперативное
Научно-образовательный журнал для студентов и преподавателей «StudNet» №4/2020
принятие решения об изменении организационного управления, учитывая изменения в среде, как локальные, так и глобальные.
Центр управления О
Уровень децентрализации
Рисунок 1. Общая структура системы организационного управления
ГРОС
Локальный центр управления элементом (Верхний уровень)
Нижний уровень
Рисунок 2. Общая структура элемента организационного управления ГРОСсистемы управления В работе [3] предложено для достижения данной задачи пользоваться территориально-распределенной вычислительной средой (ТРВС), призванной объединять удаленные вычислители в одно целое с согласованным параллельным взаимодействием вычислителей на относительно существенных расстояниях, обеспечивая обработку исходных и текущих данных по месту их возникновения, чтобы решать, к примеру, задачи управления и распределения ресурсов в глобальных проектах.
На данный момент существенное распространение получили системы класса ERP (EnterpriseResourcePlanning, планирование ресурсов предприятия). В ходе их внедрения изменяется организационно-функциональная структура, корпоративная культура, общий уровень производительности. Происходит изменение функциональных обязанностей, систем мотивации и продуктивности работы определенных структурных единиц организации [4,5], позволяющих оперативно получать данные об экономической ситуации на
предприятии, проводить отдельную аналитику и принимать решения об изменениях в структуре управления организации.
Но даже применение ТРВС и ERPв совокупности не дает возможности решения задачи координирующего процесса и требует существенных расходов для внедрения, а также колоссальных вычислительных мощностей, чтобы использовать в ГРОС. Соответственно, лишь объединение данных средств под управлением систем поддержки принятия решений (СППР) [6, 7], базирующихся на знаниях, позволит проводить координацию взаимодействия составляющих элементов ГРОС, чтобы принимать решения в процессе перехода от централизованного к децентрализованному управлению и обратно. Применение GRID -технологий [8] поможет в управлении и структуризации элементов ГРОС, что поможет в равной степени распределить ресурсы организации и создаст возможность сокращение вычислительных мощностей для обработки данных.
Единое информационное пространство знаний ГРОС
Огромный объём информации, который поступает в органы управления ГРОС и напрямую к руководителям, усложняющиеся решаемые задачи, надобность в учете существенного числа взаимосвязанных факторов и стремительно изменяющаяся обстановка настоятельно требуют пользоваться вычислительной техникой в ходе принятия решений [9] и использовать такой класс вычислительных систем как СППР основанных на знаниях. В независимости от вида организационного управления, иерархия подчинённости ГРОС имеет отношение к несбалансированному типу. Она может обладать циклами с нечетким распределением знаний по вертикальным уровням и взаимодействием по горизонтали сквозь верхние уровни. В ходе принятия разных базисов знаний, сотрудниками разных служб (отделы, департаменты и т.д.) применяются разные информационные системы (ИС). Даже в одной ветви управления можно использовать ИС, не интегрированных в одну информационную среду корпоративных знаний. Это является основной сложностью взаимодействия всех видов пользователей для синтезированного анализа данных и последующего принятия рационального решения без использования СППР. Соответственно, создаваемая СППР должна обеспечить консолидацию знаний всех служб, ветвей, уровней иерархий ГРОС и организовать непрерывное информационное пространство знаний ГРОС, чтобы принять рациональные решения тактического, стратегического и оперативного уровней (рис. 3).
В едином информационном пространстве знаний должно быть наделено разными формальными явными описаниями терминов предметной области и
отношений между ними, то есть следует разработать соответствующую онтологию [10]. В настоящее время, нет комплексного общего подхода, который бы был способен унифицировать многочисленные способы решения локальных задач по использованию онтологических моделей в системах управления знаниями [11], но некоторая классификация онтологий все же есть, к примеру, по назначению: онтологии верхнего уровня, онтологии предметных областей, онтологии задач и онтологии приложения (рис. 4) [12].
Базис знаний подчиненного структурного элемента n+1
Базис знаний подчиненного ¿ДИИВ&^У Базис знаний подчиненного
структурного элемента n ^^^fffiffiffiTu^ структурног° элемента 2
Базис знаний подчиненного структурного элемента n-1
Рисунок 3. Единое информационное пространство знаний ГРОС
В нашем случае лучше разработать онтологию верхнего уровня, потому что осуществляется решение задач определения соответствий разных онтологий нижнего уровня и, соответственно, устраняется проблема взаимодействия систем и подсистем.
GRID концепция представления ГРОС
Распределенная система является кластером, если общее количество элементов не превышает несколько десятков. Распределенная система корпоративного уровня содержит в своем составе уже сотни, а в некоторых случаях, и тысячи элементов. Глобальной системой называется распределенная система с количеством элементов, входящим в ее состав, более 1000. При этом, зачастую, элементы таких систем также глобально распределены [13]. По типу предоставляемых ресурсов различают[14]: распределенные вычислительные системы (ComputationalGrid), распределенные информационные системы (DataGrid), семантический Грид (SemanticGrid).B ComputationalGrid в качестве основного ресурса предоставляется вычислительная мощность всей системы. Основное
направление развития систем подобного типа заключается в наращивании вычислительных мощностей системы, посредством увеличения числа вычислительных узлов. Распределенные информационные системы (DataGrid) предоставляют вычислительные ресурсы для обработки больших объемов данных для задач, не требующих больших вычислительных ресурсов. Семантический Грид предоставляет не только отдельные вычислительные мощности, но и совокупность вычислительных систем и информационных систем, для каждой конкретной предметной области [15]. В Грид-системах децентрализованной ГРОС часто используются матричные организационные структуры с Р2Р (peer-to-peer) взаимодействием [16].
Он 10Л01 нн верхнего уровни
Онтологии приложений
Рисунок 4. Классификация онтологий по назначению Для ГРОС наиболее подходящим по типу является семантический Grid, который объединяет разнородные вычислительные ресурсы: персональные компьютеры, рабочие станции, кластеры и суперкомпьютеры, находящиеся на различных уровнях децентрализованной системы (рис. 5). Тогда, в общем виде GRID-система для ГРОС строится по следующей схеме: уровень исполнителей, уровни локальных узлов, уровень координирующего центра и уровень СППР (рис 6.).
Уровень исполнителей - программно-аппаратные средства, используемые для решения поставленных задачв GRID. Организационно сюда могут входить как один пользователь с персональным устройством, так и отдел, выполняющий одну функцию.
Уровень локальных узлов - программно-аппаратные средства, обеспечивающие функционирование каждого из GRID системы. Данные узлы
являются диспетчерами каждого из GRID отдельно и назначаются координирующим центром.
Уровень координирующего центра- программно-аппаратные средства, обеспечивающие функционирование локальных узлов GRID системы. В зависимости от поставленной на данный момент задачи происходит децентрализация системы на Гриды нижних уровней, назначение локальных центров и их координация.
Уровень СППР - программно-аппаратные средства, на которых формируются задачи для GRID, заполняется (изменяется) база знаний резолюциями, выданными GRID, и подготавливается информация об вариантах решений для лица, принимающего решений (JiliP).
Несмотря на то, что уже сейчас предлагаются стандартные средства создания GRID -инфраструктур, существует ряд важных научных задач, в том числе и теоретических, без решения которых полномасштабное использования возможностей GRID технологий невозможно. Одной из актуальных задач в настоящее время является эффективное управление уровнем исполнителей или задача о равномерномраспределении работ между элементами данного уровня. С ростом числа равноправных исполнителей, входящих в распределенную инфраструктуру, отсутствие хорошего планировщика, обеспечивающего равномерное распределение нагрузки, не только значительно снижает эффективность использования всей Grid-инфраструктуры, но может сделать бессмысленным ее создание. При этом следует отметить, что для таких распределенных систем характерным является динамичное развитие, что делает невозможным решение задачи эффективного управления "в статике" - один раз и навсегда [17].
А
z
Рисунок 5. Гриды децентрализованной ГРОС
Задача о равномерном (наилучшем) распределении некоторого числа работ между таким же числом исполнителей при условии взаимно однозначного соответствия между множествами работ и исполнителей сводится к поиску оптимального назначения из условия максимума общей производительности, равной сумме производительности исполнителей. Производительность каждого исполнителя при выполнении каждой из имеющихся работ задается заранее. В математической модели задача представляется в виде двудольного графа, разбитого на два подмножества вершин Ъ и V одинаковой мощности п и множеством ребер Я, соединяющих вершины из разных подмножеств.
Информация о графе хранится в матрице чисел Dij, где je 1, 2,..., п, представляющих собой эффективность выполнения j-й работы ьм исполнителем. Требуется найти перестановку ф из элементов множества Ъ , такую, что:
На данный момент в IT-инфраструктуре широко используется инженерный подход к решению такого рода задач, но имеется и множество других — в частности, построенных на принципах бионики сочетая инженерию и биологию.
В бионических алгоритмах, основанных на наблюдениях за живой природой NIA(NatureInspiredAlgorithms,), на уровне искусственного интеллекта репродуцируют поведение колоний насекомых, птиц или рыб. Данные алгоритмы нашли применение в различных оптимизационных приложениях и все чаще распространяются и на задачи управления. А учитывая, что природные процессы обладают естественным параллелизмом, то выполнение NIA может быть ускорено при использовании больших пулов данных [1].
F(<Р) = Х ) ^ min
СППР
Исполнитель
Исполнитель
Рисунок 6. Схема GRID системы для ГРОС
В большинстве своем NIA осуществляет имитацию свойства сообществ, которые состоят из простых особей, в первую очередь, способность децентрализированно принимать решения. Сообщества простых организмов -есть пример синергетического эффекта, когда суммарная способность сообщества превышает сумму способностей разных элементов — мелкие составляющие образуют коллективный интеллект, или интеллект роя SI (SwarmIntelligence,), благодаря чему, рой способен демонстрировать поведение и принятие решений, которые заранее являются недоступными одной отдельно взятой особи. За время применения SI в оптимизационных задачах удалось создать много разных подходов, и из их разнообразия выделяются три главных разновидности алгоритмов: муравьиный алгоритм (AntColonyOptimization, ACO), метод оптимизации роем частиц (ParticleSwarmOptimization, PSO) и пчелиный алгоритм (BeeColonyOptimization, BCO)[18].
Результаты
Предложенорассматривать территориально-распределенные организации, имеющие глобальный пространственный характер, как единую глобально распределенную организационную систему. В ней должны реализовываться два способа организационного управления: централизованное и децентрализованное. При этом переходыиз одного способа управления в другой должены координироваться СППР в зависимости от ситуации, наступившей в тот или иной момент времени.Работа СППР основывается на едином информационном пространстве знаний, описываемом с помощью онтологий верхнего уровня.
Саму глобально распределенную организационную систему предложено представлять в виде семантического Грида, разделенного на несколько уровней: уровень исполнителей, уровни локальных узлов, уровень координирующего центра и уровень СППР. Это обеспечивает возможность равномерного распределения работ между элементами системы с помощью бионических алгоритмов с учетом их эффективности.
Литература:
1. 1.Черняк Л.Л.Интеллект роя для ИТ// Открытые системы. СУБД. - 2014. - №2. - С. 68 - 75.ISSN 1028-7493
2. 2. Иерархические модели в анализе и управлении режимами электроэнергетических систем / О.А. Суханов, Ю.В.Шаров- Москва: Издательский дом МЭИ, 2007. - 312 с.
3. 3.Дзегеленок И.И., Кузнецов А.Ю. Параллельные мультикомпьютерные сети как направление развития распределенных суперЭВМ // Системы
управления и силовая электроника. - М.: Издательство ВЭИ, 2011, - C. 2632.
4. Менеджмент процессов/ Й. Бэккер, Л.Л. Вилков, В.Л. Таратухин и др. -Москва.: Эксмо, 2007 - 384 с.
5. 5.Esteves., J. A Framework Proposal for Monitoring and Evaluating Training in ERP Implementation Projects/ J. Esteves, J. Pastor, J. Casanovas // Technical Research Report. - 2012.
6. Орлов С.П., Чуваков А.В., Нечаев Д.А. Разработка экспертной системы в составе интеллектуальной системы поддержки принятия решений в области водоподготовки и водоочистки природных вод//Современные наукоемкие технологии. - 2010. - №5.- С. 44-52.
7. Орлов С.П., Нечаев Д.А. Модели анализа и принятия решений при управлении региональными программами//Системы управления и информационные технологии. - 2013. - № 2(52). -С. 35-38.
8. Дзегеленок И.И., Абдулрадх О.А., Оцоков Ш.А., Ильин П.Е. Декомпозиционный подход к осуществлению GRID- технологий // Информационная математика. - 2005. - №1(5). - C. 139-148.
9. Кириллов М.И. Территориально-распределённая система поддержки принятия проектных решений при проектировании и производстве высокотехнологичных изделий: дис. ...канд. тех. наук. - Москва.Мос. гос. инст. Электроники и математики, 2006г. - 185 с.
10. Онтологии в компьютерных системах / В.А. Лапшин - Москва: Научный мир, 2010. -224 с. ISBN 978-5-91522-193-1
11. Базы знаний интеллектуальных систем / Т.А. Гаврилова, Ф.В. Хорошевский - СПб.: Питер, 2010. -384с.
12. Тузовский А.Ф. Онтолого-семантические модели в корпоративных системах управления знаниями: дис. .Док. тех. наук. - Томск.ТГПУ, 2007г. - 381 с.
13. Rodin A.V., Burtsev V.L. Parallel'nyeiliraspredelennyevychislitel'nyesistemy? // Trudy Nauchnoisessii MIFI-2006. T. 12 Informatikaiprotsessyupravleniia. Komp'iuternyesistemyitekhnologii [Parallel or distributed computing system? // Proceedings of the Scientific session MEPhI-2006. V. 2. Informatics and management processes. Computer systems and technology]. pp. 149-151.
14. Цветков В.Я., Алпатов А.Н. Проблемы распределенных систем // Перспективы Науки и Образования. -2014. - №6(12). -С. 31 -36
15. Бабич А.В., Берсенев Г.Б. Алгоритмы динамической балансировки нагрузки в распределенной системе активного мониторинга // Известия ТулГУ. Технические науки. 2011. №. 3. С. 251-261.
16. Орлов С.П., Леднев А.М., Иващенко А.В. Применение Р2Р аутсорсинга в задачах управления проектами на предприятиях нефтегазовой отрасли//Вестник Волжскогоуниверситета им. Татищева. - 2013. - № 5(21). - С.5-10.
17. Шокин Ю.И. и др. Распределенная информационно-аналитическая система для поиска, обработки и анализа пространственных данных // Вычислительные технологии. 2007. Т. 12. №. 3. С. 108-115.
18. 18.Штовба С.Д. Муравьиные алгоритмы // ExponentaPro. Математика в приложениях. -2003. - №4.-С.70-75.
Literature:
1. Chernyak L. L. swarm Intelligence for it// Open system. DBMS. - 2014. - no. 2. - Pp. 68-75. ISSN 1028-7493
2. Hierarchical models in the analysis and management of modes of electric power systems / O. A. Sukhanov, Yu. V. Sharov - Moscow: Publishing house of MEI, 2007. - 312 p.
3. Dzegelenok I. I., Kuznetsov A. Yu. Parallel multicomputer networks as a direction of development of distributed supercomputers / / control Systems and power electronics. - Moscow: VEI Publishing house, 2011, - p. 26-32.
4. Management of processes/ J. Bakker, L. L. Vilkov, V. L. Taratukhin, etc. -Moscow.: Eksmo, 2007 - 384 p.
5. Esteves., J. a Framework Proposal for Monitoring and Evaluating Training in ERP Implementation Projects/ J. Esteves, J. Pastor, J. Casanovas / / Technical Research Report. - 2012.
6. Orlov S. P., Chuvakov A.V., Nechaev D. A. Development of an expert system as part of an intelligent decision support system in the field of water treatment and natural water treatment//Modern science-intensive technologies. - 2010. -№5. - P. 44-52.
7. Orlov S. P., Nechaev D. A. Models of analysis and decision-making in the management of regional programs//Management systems and information technologies. - 2013. - № 2(52). -Pp. 35-38.
8. Dzegelenok I. I., Abdulradh O. A., Otsokov sh. a., Ilyin P. E. Decompositional approach to the implementation of GRID technologies / / Information mathematics. - 2005. - №1(5). - C. 139-148.
9. Kirillov M. I. Territorially distributed system of support for making design decisions in the design and production of high-tech products: dis. ... candidate of technical Sciences. - Moscow.Mos. state. inst. Electronics and mathematics, 2006, 185 p.
10. Ontologies in computer systems / V. A. Lapshin-Moscow: Scientific world,
2010. -224 p. ISBN 978-5-91522-193-1
11. knowledge Bases of intelligent systems / T. A. Gavrilova, F. V. Khoroshevsky-Saint Petersburg: Peter, 2010. - 384s.
12. Tuzovsky A. F. Ontological and semantic models in corporate knowledge management systems: dis. ... Doctor of technical Sciences. - Tomsk.Tomsk state pedagogical University, 2007. - 381 S.
13. Rodin A.V., Burtsev V.L. Parallel'nyeiliraspredelennyevychislitel'nyesistemy? // Trudy Nauchnoisessii MIFI-2006. T. 12 Informatikaiprotsessyupravleniia. Komp'iuternyesistemyitekhnologii [Parallel or distributed computing system? // Proceedings of the Scientific session MEPhI-2006. V. 2. Informatics and management processes. Computer systems and technology]. pp. 149-151.
14. Tsvetkov V. Ya., Alpatov A. N. Problems of distributed systems // Perspectives of Science and Education. -2014. - №6(12). -Pp. 31 -36
15. Babich A.V., Bersenev G. B. Algorithms for dynamic load balancing in a distributed active monitoring system // News Of Tulsu. Technical science.
2011. no. 3. Pp. 251-261.
16. Orlov S. P., Lednev a.m., Ivashchenko A.V. Application of P2P outsourcing in project management tasks at oil and gas industry enterprises//Bulletin of the Volga state University. Tatishcheva. - 2013. - № 5(21). - P. 5-10.
17. Shokin Yu. I. and others. Distributed information and analytical system for searching, processing and analyzing spatial data // Computing technology. 2007. Vol. 12, No. 3, Pp. 108-115.
18. Shtovba S. D. Ant algorithms / / ExponentaPro. Mathematics in applications. -2003. - №4. - P. 70-75.
