Моделирование сетевого взаимодействия астрономических роботизированных комплексов

Содержание

Слайд 2

Задачи:

Учебно-эстетические
Астрофотография
Учебно-научные
Мониторинг ИСЗ
Поиск новых и сверхновых звезд

Задачи: Учебно-эстетические Астрофотография Учебно-научные Мониторинг ИСЗ Поиск новых и сверхновых звезд Изучение
Изучение атмосферных явлений
Обнаружение и расчет траекторий астероидов, сближающихся с Землей и объектов «косм. мусора»
Научные
Поиск оптических ореолов GRB
Поиск экзопланет
Фотометрия и спектроскопия

Слайд 3

Сеть малых телескопов – сеть массового обслуживания

Обслуживающие аппараты - телескопы малого и

Сеть малых телескопов – сеть массового обслуживания Обслуживающие аппараты - телескопы малого
среднего диаметра.
Транзакты (обслуживаемые заявки)
- Заявки на активные виртуальные наблюдения:
удаленный доступ
роботизированный мониторинг
браузерное наблюдение с указанием параметров
- Заявки на пассивные виртуальные наблюдения:
мониторинг текущих задач, без возможности контроля
получение астрофизических данных ранее прошедших наблюдений
Каналы связи – общедоступные сети и Internet

Слайд 4

Географическая распределенность

Географическая распределенность

Слайд 5

Этапы разработки и внедрения

Поиск потенциальных участников (университетские центры и научные организации)
Разработка, либо

Этапы разработки и внедрения Поиск потенциальных участников (университетские центры и научные организации)
приобретение телескопов, имеющих базовые средства автоматизации, стандартизация
Единоначальное либо иерархическое управление сетью из центра, отвечающего за прием заявок и принятие решений (контролируется оператором)
Автоматизация процесса принятия решений
Делегирование ряда функций центра конечным узлам сети (стратегия коллективного управления)
Ведение раздельных очередей заявок

Слайд 6

Модель сети с runtime-потерями

λi ≤ βi (все входящие заявки обслуживаются)
Runtime-потери – неудовлетворительный

Модель сети с runtime-потерями λi ≤ βi (все входящие заявки обслуживаются) Runtime-потери
результат, получившийся вследствие аппаратного сбоя, ошибок в процессе наблюдений либо из-за изменившихся погодных условий
Взаимодействие узлов сети целесообразно рассматривать как марковский процесс с непрерывным временем
Входящий поток заявок - простейший

Слайд 7

Граф состояний сети (N=2)

P0(t) – вероятность перехода в состояние 0 (обслуженная заявка

Граф состояний сети (N=2) P0(t) – вероятность перехода в состояние 0 (обслуженная
поступила в центр, или заявок нет). Считаем, что в случае поступления в центр новой заявки, она немедленно отправляется на один из узлов
P1(t), P2(t) – вероятности переходов в состояния 1 или 2 (заявка обслуживается на телескопе 1 или 2)
P3(t) – поглощающее состояние (неудачное обслуживание)

Слайд 8

Решение, полученное для N=2

Решение получено с использованием уравнения Колмогорова, преобразований Лапласа, методов

Решение, полученное для N=2 Решение получено с использованием уравнения Колмогорова, преобразований Лапласа, методов матричной алгебры
матричной алгебры

Слайд 9

Решение, полученное для N-узлов

Параметры F* можно будет оценить, исходя из статистических данных

Решение, полученное для N-узлов Параметры F* можно будет оценить, исходя из статистических
о погоде, а также путем накопления и анализа данных об аппаратных сбоях

Слайд 10

Модель сети с явными потерями
В реальных условиях возникают ситуации, когда заявка

Модель сети с явными потерями В реальных условиях возникают ситуации, когда заявка
не может быть исполнена, ввиду того, что все узлы сети заняты
Астрономический прибор может выполнять в определенный момент времени только одну заявку (телескоп может осуществлять мониторинг только одной области неба)
Далеко не каждую заявку можно поставить в очередь
(мониторинг скоротечного, быстропеременного события и тд)

Слайд 11

Имитационная модель сети типа M/G/m/L

M – время прихода заявки распределено экспоненциально
G –

Имитационная модель сети типа M/G/m/L M – время прихода заявки распределено экспоненциально
длительность обслуживания произвольная (для расчета промежутков длительности обслуживания используется гиперэкспоненциальное распределение)
m – сеть с кол-вом узлов, равным m
L – дисциплина обслуживания с явными потерями
Разработана программная реализация модели:
Входные данные: число телескопов, продолжительность этапа наблюдений, параметр, характеризующий входящий поток и ряд параметров, характеризующий длительность обслуживания, число итераций.
Выходные данные: файл с информацией, необходимой для статистической обработки. Особенно важной является информация, характеризующая качество обслуживания (потери по числу заявок, длительность интервалов простоя).

Слайд 12

Численные эксперименты с моделью

Входящая нагрузка (представлена на графиках далее)
Длительность этапа обслуживания –

Численные эксперименты с моделью Входящая нагрузка (представлена на графиках далее) Длительность этапа
600мин (10 ч)
Продолжительность обслуживания 1 заявки – от 10 до 70 мин. При заданных параметрах, коэффициент вариации составил 113%
Число телескопов – 20
Каждая точка графика усреднена по 10 итерациям

Слайд 13

Потери по числу заявок

Расхождения обусловлены тем, что формула Эрланга не учитывает потери,

Потери по числу заявок Расхождения обусловлены тем, что формула Эрланга не учитывает
вызванные остановкой системы вследствие окончания периода обслуживания (в данном случае – восхода Солнца и прекращения наблюдений)
Целесообразно использовать имитационное моделирование

Слайд 14

Оптимизация времен простоя

При простое телескопы сети целесообразно занять неприоритетными задачами.

Оптимизация времен простоя При простое телескопы сети целесообразно занять неприоритетными задачами.