CC BY
17
3. Акиншин Р.Н., Ушаков В.А., Морозов Д.В. Методика оценки эффективности автоматизированных радиолокационных систем контроля в зоне ответственности // Научный вестник МГТУ гражданской авиации. №16 8(6). -2011. Стр.66-76.
4. Затучный Д.А. Оценка вероятности безотказной работы при передаче информации. - Научный вестник Московского государственного технического университета гражданской авиации, 2013, №198, с.88-90.
5. Затучный Д.А., Колодий П.П. Метод оценки достоверности передаваемой информации при помощи видеосистем в гражданской авиации. - Труды международного симпозиума Надёжность и качество, 2008, Т.1, с. 309-312.
УДК 007.51
Иващенко А.В., Минаев А.А., Купер Д.В., Сподобаев М.Ю.
Филиал ФГУП НИИР - СОНИИР, Самара, Россия
РЕАЛИЗАЦИЯ ПОСРЕДНИЧЕСКОЙ ФУНКЦИИ В РАСПРЕДЕЛЕННОЙ СЕТИ АВТОНОМНЫХ УСТРОЙСТВ СБОРА И ОБРАБОТКИ ДАННЫХ
В статье предлагается мультиагентная архитектура программного обеспечения распределенной сети автономных диагностических устройств. По результатам обзора существующих исследований в области Интернета вещей предлагается новая научно-техническая задача реализации балансировки загрузки автономных устройств, реализующих сбор, обработку и передачу данных в диагностической сети, имеющей распределенную архитектуру. При построении программного обеспечения такой сети предлагается в соответствии с концепцией принципами мультиагентных технологий реализовать функциональность автономного посредника, которая включает возможности балансировки загрузки в соответствии с интенсивностью потока текущих задач устройства. Такая архитектура позволяет наделить систему сбора и обработки данных функционалом, который определяет возможность начального диагностического анализа на уровне данной системы в реальном масштабе времени. Описываются результаты имитационного моделирования, подтверждающие преимущества предложенных решений. Ключевые слова:
диагностика, Интернет вещей, мультиагентные технологии, интеллектуальная обработка данных.
Реализация распределенных систем сбора и обработки данных для задач технической или медицинской диагностики является одной из актуальных задач в области Интернета вещей (the Internet of things, IoT) [1, 2]. Современные системы сбора и обработки данных часто имеют распределенную архитектуру и строятся в виде сетей автономных устройств связи, способных взаимодействовать между собой в режиме реального времени [3, 4] . Такие сети могут изменять свою конфигурацию в ответ на события внешней среды, представлять открытые интерфейсы для подключения новых устройств и производить балансировку собственной загрузки в соответствии с возникающими потребностями.
Например, при решении задач медицинской диагностики в настоящее время широко применяются автономные диагностические устройства [5], способные к взаимодействию в беспроводной сети связи. В отличие от медицинских мониторов, они не ограничивают свободу передвижения пациента и могут быть использованы в домашних условиях. В то же время, существует проблема их комплексного применения для одновременного отслеживания параметров и жизнедеятельности пациента в режиме реального времени и проведения персональной диагностики.
Взаимодействие автономных устройств разного типа в гетерогенной открытой информационной среде может быть описано с помощью последовательности событий подключения, обмена сообщениями, идентификации и т.п. В современной распределенной диагностической системе таких событий много (большой физический объем данных), они достаточно многообразны и требуют высокоскоростной обработки. В связи с этим, задачу управления сбором и обработкой информации в системе сбора и обработки данных с распределенной архитектуры следует отнести к проблеме BIG DATA (больших данных).
При построении программного обеспечения такой сети предлагается в соответствии с концепцией принципами мультиагентных технологий реализовать функциональность автономного посредника, которая включает возможности балансировки загрузки в соответствии с интенсивностью потока текущих задач устройства.
Распределенная архитектура современной интегрированной информационной среды с учетом концепции Интернета вещей и требований интеропера-бельности часто представляется в виде сети или графа, узлами которого являются программные или аппаратно-программные компоненты, способные взаимодействовать между собой путем обмена информацией в виде сообщений и обладающие автоном-
ным поведением. Для моделирования такой архитектуры используются предлагаются Р2Р (реег^о-реег, равный с равным) модели взаимодействия [6, 7]. Среди ключевых свойств Р2Р сетей отмечается децентрализация (т.е. отсутствие единственного контролирующего органа управления), заимствование ресурсов и автономность. Р2Р сеть формируется и изменяется динамически, она может перестраиваться, сохраняя при этом свои способности по передаче информации в режиме реального времени.
Технологии программирования, позволяющие реализовать управление передачей информации в Р2Р сети, должны реализовывать принципы сетецентри-ческого управления. Этому требованию соответствуют мультиагентные технологии [8]. С одной стороны, эти технологии позволяют реализовать взаимодействие в открытой среде по аналогии с природными механизмами самоорганизации, но с другой стороны, требуют дополнительных усилий по обеспечению упомянутых выше требований надежности и высокой производительности.
Для решения этих вопросов предлагается дополнить мультиагентную архитектуру программного обеспечения пиринговой сети, реализовав функциональность посреднической деятельности по передаче информации. Вообще, понятие посредника достаточно широко используется в теории мультиа-гентных систем. При этом обычно понимают специфический тип агента, предназначение которого состоит в координации гетерогенных интеллектуальных агентов [9], представлении объектов предметной области [10] и реализации протоколов и механизмов передачи сообщений между агентами с целью обеспечения их взаимодействия [11]. В данной работе предлагается выделить функцию посредника [12] и передать ее всем агентам, имеющим различное назначение и участвующим во взаимодействии.
Для решения поставленной задачи предлагается построить программную архитектуру распределенной сети сбора и обработки данных, реализующую автономную посредническую деятельность диагностических устройств. В рамках такого подхода предлагается повысить автономность каждого датчика за счет реализации специализированного программного обеспечения, функциональность которого включает предобработку информации на стороне датчика и реализацию Р2Р взаимодействия между датчиками в процессе передачи данных. В ходе такого взаимодействия устройства сбора информации реализуют не только свое непосредственное назначение, но и участвуют в передаче информации между сторонними устройствами.
Одно из основных отличий предлагаемой архитектуры заключается в реализации предварительной
обработки данных посредством вычислительных возможностей интеллектуальных датчиков. Также предлагается использовать интерфейс «Медиатор» для информационного взаимодействия между датчиками,
необходимый для реализации комплексной обработки информации в рамках измерительной подсистемы (см. рис. 1).
Рисунок 1 - Архитектура автономного посредника
Предлагаемая систему сбора и
архитектура позволяет наделить обработки данных функционалом, который определяет возможность начального диагностического анализа на уровне данной системы в реальном масштабе времени. Данные преимущества улучшают качество и своевременность диагностики. Каждый датчик работает под контролем системы управления модулем датчика. Модуль датчика представляет собой законченное устройство, имеющее беспроводной интерфейс, преобразователь физической величины в оцифрованные данные и систему управления. Для минимизации количества первичных данных, которые необходимо обработать, система управления модулем датчика управляет частотой дискретизации производимых измерений. Частота дискретизации измеряемых параметров является важным фактором, влияющим на эффективность работы не только отдельного модуля датчика, но и всей системы в целом.
Преимущества предлагаемого решения включают адаптивность за счет перераспределения соединений узлов сети связи в зависимости от текущей
нагрузки,
интероперабельность,
связи конфигурируется и развивается по принципам самоорганизации и новые узлы могут самостоятельно входить в сеть и устойчивость к сбоям: при выходе элемента сети остальные узлы выстраивают новые связи.
Для анализа целесообразности предложенного решения было проведено имитационное моделирование работы распределенной диагностической сети сбора и обработки данных. На рис. 2 - 3 приведены результаты моделирования, оценивалось время жизни событий, возникающих в процессе диагностики, от момента возникновения до получения информации в централизованном центре обработки данных. Без реализации посреднической функции среднее время достижения измерительных данных составило 9.8 сек (в пике данное значение достигает 25 сек). Максимальное время достижения данных с использованием предложенного подхода составляет не более 420мс. Также следует отметить, что с введением адаптации потери сократились примерно на 4 0%
Рисунок 2 - Пример загрузки распределенной диагностической сети без посредников
Рисунок 3 - Пример загрузки распределенной диагностической сети при реализации предложенного подхода
Описанное решение было использовано на практике при реализации устройств контроля процессов внутривенной инфузии, обеспечивающее распознавание момента завершения процедуры и передачи сообщения на мобильное устройство медицинской сестры. Автономная система оптического контроля внутривенной инфузии представляет собой систему для улучшения эффективности работы медицинского персонала, своевременного оповещения об изменениях уровня жидкости в капельнице и улучшения качества сервиса в медицинских учреждениях.
Построение распределенной системы сбора и обработки данных в медицинской палате позволяет обеспечить индивидуальную конфигурацию группы устройств диагностики (датчиков) для конкретного пациента. Эти датчики, оборудованные средствами беспроводной связи с координатором, способны функционировать в автономном режиме, без ограничения мобильности пациента. Данные, собираемые с этих устройств в режиме реального времени частично обрабатываются на стороне самих автоном-
ных устройств, а при возникновении рисков передаются для централизованной обработки. В случае необходимости комплексного анализа устройства могут взаимодействовать, обмениваясь сообщениями и согласовывая частоту и точность проведения измерений. Преимущества предлагаемого подхода включают гибкость, адаптивность к внешним событиям, возможность функционирования в режиме реального времени и поддержки принятия решений по диагностике пациентов, а также возможность обработки сверхбольших массивов данных.
Предложенное решение по организации автономное посреднической деятельности в распределенной сети сбора и обработки данных позволяет реализовать балансировку загрузки автономных диагностических устройств в условиях работы с большими данными (Big Data). Успешная реализация предложенного решения в автономной системе оптического контроля внутривенной инфузии, а также ее результаты ее внедрения на практике подтверждают практическую полезность описанных в статье результатов.
ЛИТЕРАТУРА
1. Сарьян, В.К. Прошлое, настоящее и будущее стандартизации Интернета вещей / В.К. Сарьян, Н.А. Сущенко, И.А. Дубнов, Ю.А. Дубнов, С.В. Сахно, А.С. Лутохин // Труды НИИР. - 2014. - № 1. - с. 2 -7
2. Jara, A.J. Determining human dynamics through the Internet of Things / A.J. Jara, Y. Bocchi, D. Genoud // Proceedigs of the 2013 IEEE/WIC/ACM International Conferences on Web Intelligence (WI) and Intelligent Agent Technology (IAT), Atlanta, Georgia, USA, 2013. - pp. 109 - 113
3. Кузьмин, В.В. Система прогнозирования отказов оборудования промышленных предприятий / В.В. Кузьмин, Д.С. Косов, А.Л. Новиков, А.В. Иващенко // Надежность и качество сложных систем,. - 2015.
- № 3(11). - с. 87 - 90
4. Кузьмин, В.В. Интеллектуальные технологии диагностики оборудования промышленных предприятий / В.В. Кузьмин, Д.С. Косов, А.Л. Новиков, А.В. Иващенко // Труды Международного симпозиума «Надежность и качество». - 2015. - Т. 2. - с. 28 - 29
5. Минаев, А.А. Мультиагентные технологии сбора и обработки информации в задачах медицинской диагностики / А.А. Минаев, А.В. Иващенко // Труды Международного симпозиума «Надежность и качество».
- 2014. - Т. 1. - с. 49 - 51
6. Schoder, D. Peer-to-peer prospects / D. Schoder, K. Fischbach. - Communications of the ACM, 2003. - vol. 46, no. 2. - pp. 27 - 29
7. Ivaschenko, A. Auction model of P2P interaction in multi-agent software / A. Ivaschenko, A. Lednev // Proceedings of the 5th International Conference on Agents and Artificial Intelligence ICAART 2013, Barcelona, Spain. - Volume 1. - p. 431 - 434
8. Городецкий, В.И. Самоорганизация и многоагентные системы. I. Модели многоагентной самоорганизации // Известия РАН. Теория и системы управления. - 2012. - № 2. - с. 92 - 120
9. Maturana, F.P. A generic mediator for multi-agent coordination in a distributed manufacturing system/ F.P. Maturana, D.H. Norrie // Systems, Man and Cybernetics, IEEE International Conference.
- 1995. - Vol. 1. - pp. 952 - 957
10. Lin, H. Architectural design of multi-agent systems: technologies and techniques / ed. Hong Lin, Idea Group Inc (IGI) Global, 2007. - 421 p.
11. Pinninck, A.P. A multiagent network for peer norm enforcement / A.P. Pinninck, C. Sierra, W.M. Schorlemmer // Autonomous Agents and Multi-Agent Systems. - 2010. - № 21(3). - pp. 397 - 424
12. Ivaschenko, A. Multi-agent solution for a self mediator sensor network / A. Ivaschenko, A. Minaev // Proceedings of the European Simulation and Modeling Conference 2014 (ESM 2014), FEUP, Porto, Portugal, EUROSIS-ETI. - pp. 209 - 212
