CC BY
18
ANALYTICAL METHOD FOR STUDYING WORKING CONDITIONS AND COMPUTER SIMULATION
A.A. Shishkina
Computer modeling of the operation of the heating and air conditioning system using stationary heat sources, exhaust and supply ventilation systems is carried out to assess the working conditions in the office space.
Key words: comparative analysis, information processing, software, mathematical modeling, working conditions, labor protection.
Shishkina Anastasia Andreevna, student, shishkina5ap@yandex.ru, Russia, Tula, Tula State University
УДК 004.04
DOI: 10.24412/2071-6168-2021-9-290-295
УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ ОБ ИЗДЕЛИИ МАШИНОСТРОЕНИЯ
О.И. Борискин, С.Н. Ларин, Г.А. Нуждин, М.Г. Нуждин
Обсуждены вопросы управления и обработки информации в машиностроении с помощью информационных технологий и в соответствии с требованиями новых ГОСТР 58675 и ГОСТ Р 54089. Проведен анализ OLAP-технологий, концепции и структуры OLAP-систем. Подтверждены определенные преимущества применения различных типов этих систем и серьезные перспективы их развития в машиностроении. Даны рекомендации по их применению в моделировании технологических процессов в машиностроении.
Ключевые слова: автоматизированная система управления данными об изделии, информационные технологии, базы данных, реляционные системы управления, многомерная обработка информации.
Приказом Федерального агентства по техническому регулированию и метрологии от 21 ноября 2019 г. № 1212-ст утвержден и введен в действие ГОСТ Р 58675-2019. Он устанавливает общие требования к автоматизированной системе (АС) управления данными об изделии, используемой в течение жизненного цикла изделия и распространяется на изделия машиностроения, в том числе на составные части. В общем случае под управлением такой АС находятся: данные о разрабатываемом (изготавливаемом и/или эксплуатируемом) изделии, создаваемые в ходе стадий и этапов жизненного цикла; нормативно-справочная информация, используемая в организации при разработке, производстве и эксплуатации изделия; служебные данные, необходимые для выполнения работ по разработке, изготовлению и эксплуатации изделия. При этом данные об одном изделии могут находиться под управлением нескольких АС, эксплуатируемых в разных организациях. В целях обеспечения взаимодействия между несколькими АС должно быть обеспечено поддержание целостности и непротиворечивости данных, особенно -на этапе эксплуатации. Требования к передаче электронного дела изделия (ЭДИ) между организациями приведены в ГОСТ Р 54089-2018 [1, 2].
Любое развитие сети связано с резким увеличением объемов изучаемой и анализируемой специалистами и руководителями информации, и требует принципиально новых программных и технологических сред, например, OLAP-технологий. OLAP-технологии — новый класс информационных систем, обеспечивающий ведение процесса анализа в режиме реального времени. Создание и ввод в действие таких технологий являются перспективной задачей, которая создаст качественно новые возможности в управлении различными процессами [3], в том числе в моделировании технологических процессов в машиностроении, например, методом конечных элементов [4-6], и/или в производстве метаматериалов [7]. Известно, что в производстве бианизотропных метаматериалов (omega-shaped metamaterial) использование цифровых технологий в целях получения хорошо выровненных образцов и исправления ошибки выравнивания, вызванной на установке электронно-лучевой литографии (EBL machine), были сведены к минимуму [8].
Применяемые информационные технологии - интранет и средства для групповой работы, СУБД и хранилища данных, Big Data, Data Mining, системы «эксперт-текст», телеконференции и системы дистанционного обучения - гармонично прогрессируют по пути от «простых» вычислительных операций к аналитической обработке данных (OLAP), выявлению скрытых зависимостей и правил, что понимается под управлением знаниями [9].
OLAP (англ. online analytical processing, интерактивная аналитическая обработка) -технология обработки данных, заключающаяся в подготовке суммарной (агрегированной) информации на основе больших массивов данных, структурированных по многомерному принципу. Реализации технологии OLAP являются компонентами программных решений класса Business Intelligence.
Сегодня термин OLAP - это понятие для различных технологий, включая системы поддержки принятия решений, Business Intelligence иуправленческие информационные системы [10]. Термин определяет категорию технологий, которые обеспечивают сбор, хранение, анализ многомерных данных и манипулирование. Анализируемая информация представляется в виде многомерных кубов, где измерениями служат показатели исследуемого процесса, а в ячейках находятся агрегированные данные. В основе концепции OLAP лежит принцип многомерного представления данных. Например, по измерениям в многомерной модели оценки сил выдавливания цилиндрических заготовок в квадратную матрицу в основном выделяют те факторы, которые влияют на результаты и формируют гиперкуб, который заполняется показателями, проанализированными статистически результатами и полученными регрессионными зависимостями [4, 5]. Заполнение может осуществляться как реальными данными оперативных систем, так и прогнозируемыми, то есть накопленными за определённый период времени.
Хорошо работают двенадцать предложенных основоположником термина OLAP (Эдгар Кодд, 1993) правил аналитической обработки в реальном времени:
Концептуальное многомерное представление (Multi-Dimensional Conceptual View).
Многомерная концептуальная схема или пользовательское представление облегчают моделирование, анализ и вычисления. Концептуальное представление модели данных позволяет выполнять интуитивные операции анализа «вдоль и поперек» (slice and dice), вращения (rotate) и размещения (pivot) направлений консолидации.
Прозрачность (Transparency).
Вне зависимости от того, является OLAP-продукт частью средств пользователя или нет, факт, как данные организованы и откуда берутся должен быть прозрачен пользователю.
Доступность (Accessibility).
Пользователь OLAP должен иметь возможность выполнять анализ, базирующийся на общей концептуальной схеме, содержащей данные всего предприятия в реляционной базе данных (БД), также как и данные из старых наследуемых БД, на общих методах доступа и на общей аналитической модели. Это значит, что OLAP должен предоставлять свою собственную логическую схему для доступа в гетерогенной среде БД и выполнять соответствующие преобразования, требующиеся для обеспечения единого, согласованного и целостного взгляда пользователя на информацию.
Постоянная производительность при разработке отчетов (Consistent Reporting Performance).
Производительность формирования отчетов не должна существенно падать с ростом количества измерений и размеров БД.
Клиент-серверная архитектура (Client-Server Architecture).
OLAP-продукты должны работать в среде клиент-сервер. Поэтому представляется необходимым, чтобы серверный компонент аналитического инструмента был «интеллектуальным» и обладал способностью строить общую концептуальную схему на основе обобщения и консолидации различных логических и физических схем корпоративных БД для обеспечения эффекта прозрачности. Также необходимо чтобы различные клиенты могли присоединяться к серверу с минимальными затруднениями и интеграционным программированием.
Общая многомерность (General multidimensionality)
Каждое измерение должно применяться безотносительно своей структуры и операционных способностей. Дополнительные операционные способности могут предоставляться выбранным измерениям, и отдельно взятая функция может быть предоставлена любому измерению. Базовые структуры данных, формулы и форматы отчетов не должны смещаться в сторону какого-либо измерения.
Динамическое управление разреженными матрицами (Dynamic Sparse Matrix Handling).
Физическая схема OLAP-инструмента должна полностью адаптироваться к специфической аналитической модели для оптимального управления разреженными матрицами. Для любой взятой разреженной матрицы существует одна и только одна оптимальная физическая схема. Эта схема предоставляет максимальную эффективность по памяти и операбельность матрицы, если, конечно, весь набор данных помещается в памяти.
Многопользовательская поддержка (Multi-User Support).
OLAP-инструмент должен предоставлять возможности совместного доступа (запроса и дополнения), целостности и безопасности [1, 2].
Неограниченные перекрестные операции (Unrestricted Cross-dimensional Operations).
Вычисления и манипуляция данными по любому числу измерений не должны запрещать или ограничивать любые отношения между ячейками данных.
Интуитивная манипуляция данными (Intuitive Data Manipulation).
Манипулирование данными осуществляется посредством прямых действий над ячейками в режиме просмотра без использования меню и множественных операций.
Гибкие возможности генерации отчетов (Flexible Reporting).
Измерения должны быть размещены в отчете так, как это нужно пользователю.
Неограниченная размерность и число уровней агрегации (Unlimited Dimensions and Aggregation Levels).
Исследование о возможном числе необходимых измерений, требующихся в аналитической модели, показало, что одновременно может использоваться до N измерений. Отсюда вытекает предпочтительная рекомендация, чтобы аналитический инструмент был способен одновременно предоставить N+1 измерений. Более того, каждое из общих измерений не должно быть ограничено по числу определяемых уровней агрегации и путей консолидации [11].
Причина использования OLAP для обработки запросов — скорость. Реляционные базы данных хранят сущности в отдельных таблицах, которые обычно хорошо нормализованы. Эта структура удобна для операционных баз данных (системы OLTP), но сложные многотабличные запросы в ней выполняются относительно медленно.
OLAP-структура, созданная из рабочих данных, называется OLAP-куб. Куб создаётся из соединения таблиц с применением схемы звезды или снежинки. В центре схемы звезды находится таблица фактов, которая содержит ключевые факты, по которым делаются запросы. Множественные таблицы с измерениями присоединены к таблице фактов. Эти таблицы показывают, как могут анализироваться агрегированные реляционные данные. Число возможных агрегирований определяется количеством способов, которыми первоначальные данные могут быть иерархически отображены.
Измерения гиперкуба могут иметь сложный характер, быть иерархическими, между ними может быть налажена связь. В ходе анализа пользователь имеет возможность менять точку зрения на данные, тем самым, рассматривая данные в различных разделах и решая конкретные задачи. Над кубами могут быть выполнены операции разного вида, такие как прогнозирование и условное планирование. Оперативные данные сливаются в куб из различных источников, внедряются и складываются в реляционное хранилище. При этом к ним уже имеется доступ для анализа с помощью разных средств выстраивания отчетов. Затем данные подготавливаются для OLAP-анализа. Они могут быть загружены в специальную БД OLAP или оставлены в реляционном хранилище. Важным элементом являются метаданные, т.е. информация о структуре, трансформации данных и размещении. С помощью метаданных обеспечивается эффективное взаимодействие различных компонентов хранилища [12].
OLAP-куб содержит базовые данные и информацию об измерениях (агрегаты). Куб потенциально содержит всю информацию, которая может потребоваться для ответов на любые запросы. При огромном числе агрегатов зачастую полный расчёт происходит только для некоторых измерений, для остальных же производится «по требованию».
Концепция OLAP-систем основана на следующих понятиях.
Многомерный куб (n - число измерений многомерного куба) - это многомерная структура, состоящая из множества ячеек и хранящая взаимосвязанные данные, описывающие предметную область или её составляющую. Ячейка - атомарная структура куба, при отображении располагается внутри него. Многомерный куб может создаваться и храниться как на физическом уровне представления данных (многомерные OLAP-системы), так и на концептуальном уровне (виртуально) с помощью схем звезда или снежинка (реляционные OLAP-системы).
Показатель qj (j = 1...p,p - число показателей) - типизированная величина, которая является предметом анализа (например, показателями являются закупки, продажи, посещаемость сайта и т.д.). Один многомерный куб может содержать несколько показателей, причём каждому конкретному значению показателя соответствует единственная ячейка многомерного куба.
Измерение Di (i = 1...и) - множество объектов (члены или значения измерения) одного или нескольких типов, организованных в виде иерархической структуры и обеспечивающих информационный контекст типизированного показателя. Например, измерение «стойкость режущей сменной многогранной пластины» может состоять из следующих значений: «глубина резания», «скорость резания», «подача» и т.д. [6]. Значения, связанные с измерением, характеризуют какое-либо классификационное свойство сущностей предметной области. Совокупность измерений образует множество измерений D = {Di, D2, ..., D„}. Измерение принято отображать в виде ребра многомерного куба, а члены измерения - в виде точек или участков, откладываемых на ребре. Множество всех измерений куба образует систему координат представляемого пространства данных. Значения измерений играют роль индексов, находящихся в ячейках куба.
Существуют три типа OLAP:
многомерная OLAP (Multidimensional OLAP — MOLAP);
реляционная OLAP (Relational OLAP — ROLAP);
гибридная OLAP (Hybrid OLAP — HOLAP).
MOLAP (многомерный OLAP) - классическая форма OLAP. Она использует суммирующую базу данных и создаёт требуемую многомерную схему данных с сохранением как БД, так и агрегатов. Обеспечивает максимальную производительность, так как структура и интерфейс MOLAP наилучшим образом соответствуют структуре аналитических запросов.
ROLAP (реляционный OLAP) - системы, в которых многомерность эмулируется с помощью реляционной СУБД - работает напрямую с реляционной базой данных, факты и таблицы с измерениями хранятся в реляционных таблицах, и для хранения агрегатов создаются дополнительные реляционные таблицы.
HOLAP (гибридный OLAP) - использует реляционные таблицы для хранения базовых данных и многомерные таблицы для агрегатов. Определяет многомерные инструменты анализа, которые прозрачным для пользователя способом сохраняют данные в реляционной, или в многомерной БД (комбинации ROLAP и MOLAP).
DOLAP (настольный OLAP) - продукты для локального многомерного анализа, которые не могут использовать многопользовательский режим.
Особым случаем ROLAP является «ROLAP реального времени» (Real-time ROLAP — R-ROLAP). В отличие от ROLAP в R-ROLAP для хранения агрегатов не создаются дополнительные реляционные таблицы, а агрегаты рассчитываются в момент запроса. При этом многомерный запрос к OLAP-системе автоматически преобразуется в SQL-запрос (англ. structured query language — «язык структурированных запросов») к реляционным данным.
Каждый тип хранения имеет определённые преимущества. MOLAP лучше всего подходит для небольших наборов данных, он быстро рассчитывает агрегаты и возвращает ответы, но при этом генерируются огромные объёмы данных. ROLAP считается более масштабируемым решением, притом более экономичным к пространству хранения, но с ограничениями по возможностям аналитической обработки. HOLAP находится между этих двух подходов, он достаточно хорошо масштабируется и позволяет преодолеть ряд ограничений. Архитектура R-ROLAP позволяет проводить многомерный анализ OLTP-данных (англ. Online Transaction Processing, транзакционная система — обработка транзакций в реальном времени) в режиме реального времени.
Сложность в применении OLAP состоит в создании запросов, выборе базовых данных и разработке схемы, в результате чего большинство продуктов OLAP поставляются вместе с огромным количеством предварительно настроенных запросов. Другая проблема — в базовых данных, они должны быть полными и непротиворечивыми.
Исторически первой многомерной системой управления базами данных, по существу являющейся OLAP-реализацией, считается система Express, разработанная в 1970-м году компанией IRI. Позднее права на продукт были приобретены корпорацией Oracle, и он превращён в OLAP-опцию для Oracle Database).
С точки зрения реализации существует деление на физическую OLAP и виртуальную ROLAP. Физическая, в свою очередь, в зависимости от реализации подразделяется на многомерную MOLAP и гибридную HOLAP.
В первом случае наличествует программа, выполняющая на этапе предварительной загрузки данных в OLAP предварительный расчёт агрегатов (вычислений по нескольким исходным значениям, например «итог по разным углам конусности матрицы», или «итог по разным коэффициентам утонения» [5]), которые затем сохраняются в специальную многомерную БД, обеспечивающую быстрое извлечение и экономичное хранение.
Гибридная реализация является комбинацией: сами данные хранятся в реляционной базе данных, а агрегаты — в многомерной.
В ROLAP-реализациях все данные хранятся и обрабатываются в реляционных системах управления БД, а агрегаты могут не существовать вообще или создаваться по первому запросу к БД или кэше аналитического программного обеспечения.
С точки зрения пользователя, все варианты выглядят похожими по возможностям. Наибольшее применение OLAP находит в продуктах для финансового планирования, хранилищах данных, решениях класса Business Intelligence.
Среди коммерческих продуктов выделяют: Microsoft SQL Server Analysis Services, Essbase, PowerPlay, BusinessObjects[en], MicroStrategy, QlikView, SAP BW, Cartesis Magnitude, Oracle Database OLAP Option, IBM Cognos TM1, Tableau. Среди российских решений можно отметить Corplan, Optimacros. Существует несколько свободных решений, среди них отмечаются Mondrian и Palo, Pentaho BI.
Заключение. Анализ современного состояния OLAP-технологий позволяет говорить о серьезных перспективах их развития в машиностроении. Многомерная обработка информации становится необходимым компонентом любого хранилища данных. В то же время, широкое разнообразие подходов к реализации таких систем и отсутствие должной унификации форматов хранения и алгоритмов обработки данных в методиках проектирования и моделирования технологических процессов машиностроения [4-6] заставляет искать новые подходы к описанию и разработке OLAP-систем. Эти подходы должны использовать в своей основе математический формализм, достаточный для описания и анализа большинства существующих систем. Новые исследования должны привести не только к выделению базовых принципов структурного OLAP-проектирования, но и дать возможность конструктивной оптимизации, а также автоматизированного проектирования систем многомерной обработки данных, обеспечивающего надежную и оперативную работу информационных хранилищ [13].
Список литературы
1. ГОСТ Р 58675-2019. Автоматизированная система управления данными об изделии. Общие требования. М.: Стандартинформ, 2019. 16 с.
2. ГОСТ Р 54089-2018. Интегрированная логистическая поддержка. Электронное дело изделия. Основные положения и общие требования. М.: Стандартинформ, 2018. 15 с.
3. Кавешников Д.В. Основы применения информационных технологий в муниципальном управлении // Вестник воронежского института экономики и социального управления. 2018. №2. С.76-78.
4. Ларин С.Н., Пасынков А.А., Нуждин Г.А. Оценка сил обратного выдавливания прутковой заготовки в матрицу квадратного сечения // Заготовительные производства в машиностроении. 2020. Т. 18. № 10. С. 462-465.
5. Митин О.Н., Нуждин Г.А., Нгуен К.Х.. Моделирование операции обжима с утонением толстостенных трубных заготовок // Известия Тульского государственного университета. Технические науки. 2014. Вып.5. С. 57-65.
6. Борискин О.И., Зябрев С.В., Нуждин Г.А., Хлудов С.Я. К вопросу о проектировании прогрессивных конструкций многофункциональных режущих пластин // Фундаментальные и прикладные проблемы техники и технологии. 2012. №2-4. С. 13-19.
7. Fabrication of planar nanomechanical photonic metamaterials. / Valente J. / Journal of Optics. 2018. Т. 20. № 9. P. 093501.
8. Wang Y.H., Jin R.C., Li J.Q., Dong Z.G., Kim I., Jeong H., Rho J. Experimental verification of asymmetric transmission in continious omega-shaped metamaterials. // RSC Advances. 2018. Т. 8. № 67. P. 38556-38561.
9. Каптерев А.И. Представление знаний в информационных системах. М.: ООО "Book-expert". 2021. 268 c.
10. Codd E.F., Codd S.B., Salley C.T. Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate. Codd & Date, 1993.
294
11. Тотиков А.З. Архитектура OLAP в системе ALPHA-BI МЗ РСО-А // Научный альманах. 2018. №5-2(43). С. 73-74.
12. Демченко А.А. OLAP-технология анализа данных // Актуальные проблемы авиации и космонавтики. Секция «Информационно-управляющие системы». 2014. С. 332-333.
13. Каширин И.Ю., Семченков С.Ю. Интерактивная аналитическая обработка данных в современных OLAP-системах// Бизнес-информатика. 2009. №2(08). С. 12-19.
Борискин Олег Игоревич, д-р техн. наук, профессор, директор ПТИ, заведующий кафедрой, polyteh2010@maiLru Россия, Тула, Тульский государственный университет.
Ларин Сергей Николаевич, д-р техн. наук, доцент, заместитель директора ПТИ, заведующий кафедрой, larin_1@rambler.ru, Россия, Тула, Тульский государственный университет,
Нуждин Георгий Анатольевич, канд. техн. наук, доцент, заместитель генерального директора, nuzhdin. 65@mail.ru, Россия, Москва, ООО НПФ «Техполиком»,
Нуждин Михаил Георгиевич, студент, mishanuzhdin1@mail.ru, Россия, Москва, Национальный исследовательский технологический университет «МИСиС»
MACHINE BUILDING PRODUCT INFORMATION MANAGEMENT AND PROCESSING O.I. Boriskin, S.N. Larin, G.A. Nuzhdin, M. G. Nuzhdin
The issues of information management and processing in mechanical engineering using information technologies and in accordance with the requirements of the new GOST R 58675 and GOST R 54089 were discussed. The OLAP-technologies analysis, the OLAP-systems concept and structure was carried out. Certain advantages of using various types of these systems and serious prospects for their development in mechanical engineering have been confirmed. Recommendations are given for their application in modeling technological processes in mechanical engineering.
Key words: automated product data management system, information technology, databases, relational control systems, multidimensional information processing.
Boriskin Oleg Igorevich, doctor of technical sciences, professor, director of polytechnical institute, head of chair, polyteh2010@mail. ru, Russia, Tula, Tula State University,
Larin Sergey Nikolaevich, doctor of technical sciences, docent, deputy director of polytechnical institute, head of chair, larin_1@rambler.ru, Russia, Tula, Tula State University,
Nuzhdin Georgy Anatolyevich, candidate of technical sciences, docent, deputy general director, nuzhdin. 65@mail.ru, Russia, Moscow, Techpolicom Scientific and production company,
Nuzhdin Mikhail Georgievich, student, mishanuzhdin1@mail.ru, Russia, Moscow, National University of Science and Technology MISiS
