Самостоятельная работа Тема: Исследование надежности сети беспроводных датчиков в интеллектуальных системных приложениях

Обзор работ по тематике диссертации
Сегодня телекоммуникационный ландшафт меняется с очень высокой скоростью. Каждые несколько месяцев разрабатываются новые сетевые технологии, внедряются новые продукты и создаются новые услуги, и эти изменения в реальном времени можно отразить только в журнальных статьях и докладах на конференциях.
В настоящее время исследования в области сенсорных сетей активно ведутся как зарубежом, так и в Узбекистане.
Среди отечественных исследователей особо известны работы:

1. 
   В статье О.В. Тужилкина и Н.С. Ульянина на тему: МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ РАБОТЫ БЕСПРОВОДНОЙ СЕНСОРНОЙ СЕТИ. [1] Рассмотрены методы оценки эффективности работы беспроводных сенсорных сетей. Приведены основные параметры, характеризующие беспроводные системы. Описаны критерии оценки работы сети: критерий суммарной средней задержки, критерий максимальной задержки, критерий средней задержки; описаны типы систем, для которых использование оценки по этим критериям наиболее предпочтительно. Приведены недостатки методик оценки эффективности, использующих единичные характеристики. Обоснована необходимость комплексной оценки работы беспроводной сети. Предложена методика многокритериальной оценки эффективности работы датчиковой сети. Описан способ тестирования системы по отдельным критериям, ориентированный на работу в неблагоприятных условиях. Приведены формула для расчёта эффективности работы сети и методика выбора весовых коэффициентов. Описаны преимущества предложенной методики.
   

Сложные системы характеризуются многими параметрами, причем зачастую у одних систем близки к оптимуму одни параметры, у других – другие. В таких условиях непросто оценить системы без специального формализованного правила – критерия. Предлагаемая методика предполагает проведение оценки эффективности по произвольному количеству параметров. Оценка эффективности проводится в два этапа. На первом этапе с системой проводятся различные тесты, с помощью специально разработанных моделей. Тесты позволяют определить значения отдельных параметров – критериев оценки. Тесты должны проводиться при максимально возможных неблагоприятных условиях функционирования системы: высокий уровень шума в радиоэфире, наличие препятствий, выход из строя части элементов сети и пр. Каждый из тестов позволяет оценить один параметр системы при заданных условиях работы. На втором этапе оценки работы системы предлагается использовать весовой критерии эффективности. Весовой критерий позволяет учесть значимость частных критериев, полученных на первом этапе оценки. Значение интегрального критерия эффективности определяется выражением:

где n – число частных критериев, ki – их значения для оцениваемой системы, а αi – их весовые коэффициенты (веса). Для устранения компенсации одного частного критерия другим их значения используются в приведенной к максимуму форме. Наилучшая система выбирается по максимальному значению критерия:

Весовые коэффициенты берутся положительными для максимизируемых и отрицательными для минимизируемых частных критериев. Для выбора величин весовых коэффициентов применяется два подхода: 1. В качестве коэффициентов используют дробные числа, сумма которых для каждой системы равна единице, 2. Используют целые коэффициенты, причем для наименее важного частного критерия берут единичный коэффициент, а для остальных берут коэффициенты, кратные единице. В любом случае более важному частному критерию соответствует больший по абсолютному значению коэффициент. В связи с огромным количеством алгоритмов, методов доступа к среде и готовых беспроводных решений, выбор системы и её основных параметров, а также оценка эффективности её работы, становится нетривиальной задачей. Существующая методика оценки по одному критерию выглядит просто, не позволяя в полной мере судить об эффективности работы одной системы по сравнению с другими. Предложенная методика многокритериальной оценки позволяет значительно облегчить выбор системы и её параметров для применения в конкретных услови- Известия ЮФУ. Технические науки Тематический выпуск 32 ях. Методика позволяет дать комплексную оценку работы системы.[2]

2. 
   В статье Б. Тургунов, А. Комилов, Д. Абдурасулова, С. Асророва на тему: ПРИМЕНЕНИЕ БЕСПРОВОДНЫХ СЕТЕВЫХ ТЕХНОЛОГИЙ В МЕДИЦИНСКИХ ИЗМЕРИТЕЛЬНЫХ СИСТЕМАХ. [3]
   

В последнее время интерес к беспроводным системам для медицинских применений стремительно растет. Имея ряд преимуществ по сравнению с проводными альтернативами, в том числе: простота использования, снижение риска заражения, снижение риска отказа, снижение дискомфорта пациента, повышение мобильности и низкая стоимость предоставления медицинской помощи, беспроводные приложения создают захватывающие возможности для новых приложений на медицинском рынке.
В настоящее время доступен непрерывный и повсеместный медицинский мониторинг с использованием беспроводных систем здравоохранения и телемедицинских услуг. В чрезвычайных ситуациях параметр здоровья в реальном времени имеет решающее значение. По данным Американской ассоциации сердца, лечение пациента с фибрилляцией желудочков в течение первых 12 минут остановки сердца приводит к выживанию 48% -75%. Показатель выживаемости снижается до 2% -4% через 12 минут [4]. С помощью беспроводных систем непрерывного медицинского мониторинга информация пациентов, такая как кровяное давление, частота сердечных сокращений и электрокардиограмма, может быть немедленно отправлена в специализированные медицинские центры для надлежащего хранения и обработки. Медицинские чрезвычайные ситуации могут быть обнаружены раньше, и надлежащее лечение может быть применено своевременно. Эффективность медико-санитарной помощи в нескольких ситуациях значительно улучшается с использованием технологий беспроводной связи.
Беспроводная технология может быть лучшим решением для массовых чрезвычайных ситуаций, таких как стихийные бедствия или человеческие бедствия и военные конфликты, в которых необходимы записи пациентов, такие как предыдущая история лечения, идентификация и другая важная информация.
В этом статье они вкратце обсудим базовые беспроводные технологии, которые используют текущие приложения. Основные беспроводные сетевые технологии медицинского применения: Быстрый рост технологий расширяет возможности для использования рынка беспроводных медицинских приложений. В настоящее время благодаря крупномасштабной беспроводной сети и мобильным вычислительным решениям, таким как сотовая 3G и за ее пределами, сеть Wi-Fi и Wi-MAX, лица, осуществляющие уход, могут получить доступ к важной информации в любом месте и в любое время в сетях здравоохранения. Настоящее широко распространенное вычисление, состоящее из RFID, Bluetooth, ZigBee и беспроводной сенсорной сети, дает инновационную среду для передачи данных для медицинских приложений. В этом разделе статьи мы остановимся на текущем использовании различных беспроводных коммуникаций в области здравоохранения.

Рисунок 1 – Поток данных в компьютерной физической реабилитационной системе
Хотя беспроводные медицинские приложения были успешно реализованы не только в исследованиях, но и на практике, все еще есть много проблем для разработчиков и исследователей. Потенциал беспроводной технологии в медицинской области не может быть полностью использован, если указанные проблемы не решены, что потребовало долгосрочных усилий исследователей и инвесторов.

3. 
   В статье У.Б. Амирсаидова на тему: ФОРМАЛИЗАЦИЯ ЗАДАЧИ МЕЖУРОВНЕВОГО ИССЛЕДОВАНИЯ СЕТЕЙ ТЕЛЕКОММУНИКАЦИЙ. [5]
   

Основным преимуществом многоуровневых моделей сетевого взаимодействия, таких как эталонная модель взаимодействия открытых систем и модель TCP/IP, является то, что каждый уровень может разрабатываться независимо, может быть изменен, или расширен без влияния на компоненты других уровней [6]. Однако из-за изолированности уровней взаимодействие между уровнями ограничиваются. Постановка задачи межуровневого исследования сетей телекоммуникации, формулируется в терминах теории множеств [7]. Модель сетевого взаимодействия представляется как система , определяемая отношением
(1)
где -множество параметров (входов) системы; – множество характеристик (выходов) системы и - символ декартова произведения. Для межуровневого описания системы служить предположение о том, что множество параметров и множество характеристик представимы в виде декартовых произведений ,
(2)
Каждая пара , , приписывается к определенному уровню. - уровень систем – это подсистема , определяемая отношением .
(3)
Область определения отношения :
(4)
Отношение называется всегда определенным, если
(5)
Отношение называется функциональным или однозначным, если
(6)
Отношение со свойствами (5) и (6) называется функцией или отображением из в и обозначается как:
(7)
Взаимосвязь смежных уровней сети показана на рисунке 1.

Рис.1. Взаимосвязь смежных уровней сети
Характеристиками транспортного уровня являются реальная скорость передачи, вероятности повторной передачи и правильного приема сегментов данных. Элементами множества внутренних параметров являются параметры протоколов транспортного уровня, а внешними параметрами являются параметры сообщения, поступающие с прикладного уровня, а также характеристики сетевого уровня.

4. 
   В статье В.Е. Пряничников1-3 , С.В. Кувшинов2 , Р.В. Хелемендик1 , К.В. Харин2 на тему: Интеллектуальная роботроника: научно-образовательная технология и построение сети роботариумов. [8]
   

При разработке перспективных интеллектуальных робототехнических систем можно выделить ряд основных направлений.
1) Первое направление связано с постоянным расширением и увеличением количества типов новых роботов, сфер их применения, видов управления и взаимодействия, что можно охарактеризовать как «рост в ширину». Возникающая при этом проблема – необходимость унификации программно-аппаратных средств и мехатронных устройств, развитие интеграционного программного обеспечения. Унификация позволяет существенно сократить неизбежные большие затраты на выстраивание Проектирование будущего 58 низкоуровневых решений для реализации сенсорных и управляющих систем, быстрее перейти к задачам интеллектуализации и выстраивания поведенческих алгоритмов сервисных и других роботов.
2) Второе направление, называемое «ростом в глубину» – повышение точности, автоматизации, специализации, создание узкоспециализированных роботов, а также автоматизированное формирование целей применения роботов, стратегий управления и достижения этих целей. Основная проблема на этом пути – представление знаний и реализация дедуктивных механизмов для выстраивания интеллектуального поведения.
3) Третье направление – подготовка специалистов, способных к креативным решениям, а не только к использованию готовых программных пакетов. Фактически это новая специализация, которая может быть названа «инженер по знаниям», она требует создания альтернативной (по отношению к сегодняшним подходам вузов и средних школ) технологии обучения и разработки учебных программ в сенсорике, мехатронике и информатике.
Интеллектуализация алгоритмов и относительность строгих доказательств Конструирование экспертных схем, встраиваемых в систему управления, является существенным инструментом для описания поведения мобильных технологических роботов, однако не достаточным. Необходима алгоритмическая надстройка, связывающая противоречивые экспертные схемы в единый алгоритм, устойчиво реализующая неоднозначные решения и знания от экспертов-составителей программ поведения роботов, осуществляющая переключения управляющих синергий. Отмечается относительность строгих доказательств и анализируются существующие традиции. На примере решения одной из типичных задач интеллектуальной роботроники  поиска пути, была рассмотрена иллюстрация четырех подходов к доказательствам, которые классифицированы как IGEC. Как уже отмечалось, эта новая технология представляет собой сплав так называемых «древних индогреко-египетско-китайских» подходов к обучению, исследованию, изложению и презентации результатов. Следует отметить, что в настоящее время в задачах робототехники особенно важно выработать системный подход. Необходимо наведение порядка в разработке экспертных схем на основе использования понятия жизненного цикла робототехнического устройства – по аналогии с жизненным циклом программ. Структурирование софта, стандартизация могут проводиться на основе оригинального метода, предложенного для решения математических задач, при котором задача записывается логической формулой, являющейся конъюнкцией трех компонент: начальные условия (Init), правила (Rules), цель (Aim). Применительно к робототехнике эти компоненты выглядят следующим образом. Под компонентой Init в широком смысле понимаются исходные данные при проектировании робота, начальное состояние обучающегося студента, начальное состояние некоторой области робототехники. В нашем случае это может, в частности, означать описание роботариумов – стартовых площадок для занятий робототехникой в вузах, школах, базовые характеристики как созданных уникальных, так и массовых роботов. Под формулой Rules мы понимаем правила изменения текущей ситуации после действий (ходов) проектируемого робота или обучаемого студента или изменений в развивающейся области (роботариуме) при взаимодействии с окружающей средой. В случае роботариумов это может означать предоставление правил и протоколов для массового и безопасного как очного, так и дистанционного бесконтактного управления роботами в режиме реального времени, в том числе с применением 2. Новые возможности и перспективы 63 симуляторов и тренажеров. Обучение работе с роботами по «правилам» уменьшает риски «катастроф» – поломок роботов, уничтожения софта, выхода режимов управления за границы допустимого. Согласно В.В. Иванову [9], «применение технологий, не соответствующих уровню культурного развития, приводит к катастрофам». Формирование целей – ключ к решению проблем и творческая компонента формулы Aim. Грамотная постановка цели позволяет находить решения задачи, стратегию действий (продукции) либо получать доказательства невозможности решения задачи при данных начальных условиях и правилах, что поможет переключиться на решаемые задачи и не решать (не вкладывать ресурсы в) нерешаемые задачи. Компонента Aim близка по классификации к системе образования EDU, ориентированной на воспитание творческого человека, человека инновационного – генератора, производителя и потребителя, инвестора инноваций (в нашем случае положим инновация = продукция, решающее правило). В некотором смысле выписывание формальных условия Init, Rules, Aim для классификации областей работы студентов и роботариумов очень похоже на классификацию стран: страны, формирующие цели – технологические лидеры; страны, обеспечивающие «соблюдение правил» (Rules), а также функционирование, – промышленные доноры; дающие начальные условия, ресурсные доноры (Init). Построенные базовые элементы логической платформы для реализации сети роботариумов, алгоритмов информационно измерительных, управляющих систем и технологических циклов нового поколения нашли применение не только в научно-образовательных приложениях, но и в промышленных управляющих системах.

5. 
   В статье В.П. Куприяновский, Д.Е. Намиот, В.И.Дрожжинов, Ю.В.Куприяновская, Иванов М.О на тему: Интернет Вещей на промышленных предприятиях. [10]
   

Производственные единицы сегодня находятся под огромным давлением со стороны руководства и клиентов, чтобы обеспечить высокое качество продукции и услуг по низким ценам в минимальное количество времени. Любая компания, которая инвестирует время и деньги в Интернет Вещей (IoT), будет ожидать благоприятной отдачи от своих инвестиций. Сегодняшние лидеры рынка справедливо считают, что возврат инвестиций (ROI) является многомерным и, следовательно, они ориентированы на удовлетворение потребностей клиентов, сбор точных данных и превращения их в нужную информацию и дифференциации бренда - все это может привести их к увеличению дохода. IoT создает новые возможности для компаний по расширению спектра своих услуг, усиления их бизнесидей от точных и своевременных данных, улучшения бизнес-процессов и дифференциации их предложений на рынке. На самом деле, соединенные этим IoT. производственные единицы приводят производственные компании ближе к своим клиентам, обеспечивая при этом режим реального возврата инвестиций и окупаемость. Исследование, проведенное Markets&Markets показывает, что IoT на производственном рынке находится на подъеме и, в конечном итоге, увеличивается с $ 4,11 млрд. в 2015 году до $ 13,490 млрд. к 2020 году [1]. Совокупные ежегодные темпы роста (CAGR), по оценкам, составят около 26,9%. Сегодня об Интернете Вещей пишут и говорят очень много. Рыночный шум оглушает тех, кому это нужно для повышения своей конкурентно способности на рынке – производственникам, и мы решили попробовать написать простым языком для них и всех интересующихся темой эту статью.
ОСНОВНЫЕ КОМПОНЕНТЫ ДЛЯ СИСТЕМ IOT В ПРОИЗВОДСТВЕ: В этой части мы попробуем изложить то, из чего, собственно, строятся решения на базе технологий IoT, предшественниками которыми были технологии M2M, которые сегодня стали составной частью этих технологий. Коммуникации машины-машины (M2M) были популярными некоторое время назад, и ряд производственников уже активно использовал их. IoT системы - это новая концепция из-за компонентов, которые они используют. С продвижением в технологии, их использование в промышленности растет в геометрической прогрессии, предлагая основные компоненты по относительно низкой стоимости, что делает их легкими для применения у всех типов производителей. В первую очередь, это связано с прогрессом в области датчиков. Датчики - это основная движущая сила экосистемы технологий Интернета вещей в производстве. Они консолидируют данные в режиме реального времени и имеют возможность прямой интеграции с системами баз данных, системами ERP или хранилищами данных. Подключенность датчиков IoT к сетям связи и, в первую очередь, беспроводным - это второе важное новшество. В отличии от того, что было несколько лет назад, Интернет-соединения являются надежными и доступными, позволяя производителям развернуть их в своих подразделениях. Существующие стандарты, такие как Bluetooth, Wi-Fi, BLE, RFID, ZigBee и семейство IPv6 в настоящее время широко используются в поддерживающих IoT технологиях на заводах. Другие развивающиеся стандарты - 6LoWPAN и 802.11ah, которые продвигаются некоторыми производителями устройств, создают необходимую конкуренцию и приводят к удешевлению решений и повышению качества связи. У компаний, заинтересованных в реализации технологий IoT на своих фабриках есть возможность выбрать из целого ряда продуктов, производимых на базе сетевых стандартов и решить, какие из них подходят для конкретных производственных компаний. Этот выбор зависит от нескольких факторов, таких как существующая инфраструктура, опыт ИТ-команды по работе с указанными выше стандартами и совместимость устройств. Вместе с другими компонентами так формируется конкретная промышленная платформа решений Интернета Вещей, которая может уже называться промышленным Интернетом Вещей. Платформа IoT решений является наиболее важной частью умного (смарт) завода. Перед тем как непосредственно приступать к реализации технологий на базе IoT, очень важно, убедиться, что у вас есть благоприятная, открытая архитектура. Для промышленного предприятия, нарушение правил безопасности и отсутствие связи могут быть критическими недостатками, которые могут быть предотвращены пониманием что необходим стратегический подход к инициативам по технологиям IoT на производстве. Выше мы привели аргументы в пользу именно такого подхода.

Рис. 4 Принципиальная архитектура экосистемы IoT
Выбор подходящей платформы IoT является необходимым и неотъемлемым шагом в этой стратегии IoT, поскольку это будет способствовать мониторингу, а также контролю различных данных с помощью различных датчиков. Это также важно для создания приложений машина-машина (M2M) для удовлетворения цифровых бизнес-требований, как части этой стратегии. Платформа IoT должна соединить точки доступа и сети передачи данных для приложений конечного пользователя в новую экосистему Интернета Вещей, что позволяет компаниям автоматизировать свои процессы и анализировать данные. Другими словами, платформы IoT действуют как промежуточные программные решения, которые соединяют данные, собранные на местах, и пользовательские приложения (APP) на мобильных устройствах или в SaaS приложениях. Решение IoT будут объединять множество функций, которые включают в себя: датчики и контроллеры, устройства шлюзов для сбора данных и отправки их на сервер, сеть связи для передачи данных, средства анализа данных и программного обеспечения для визуализации данных. Типичные функции и возможности IoT приложений: Управление несколькими подключенными устройствами, Настройка подключения устройств, Отчеты по визуализации данных, Выполнение инициализации удаленных устройств и их конфигурирование, Проведение мониторинга устройств в режиме реального времени, Распределение по беспроводным каналам обновлений встроенного программного обеспечения, Создание облачных сервисов для смарт-продуктов, Сбора и анализа данных датчиков, Средства для анализа поведения пользователей и доставка целевых уведомлений, Аналитика данных. Аналитика данных является наукой анализа больших объемов данных или больших данных, которые были собраны для того, чтобы раскрыть шаблоны и другие идеи, которые пропускаются людьми. Концепция анализа больших данных не нова, но наличие облачных систем хранения и аналитических инструментов, таких как Microsoft Azure и Amazon Web Services среди прочего означает, что даже производители средних размеров теперь могут воспользоваться преимуществами анализа данных. Применение облачных технологий в текущей российской действительности может иметь, вместе с тем, свои особенности. Человек воспринимает мир в основном через органы зрения, поэтому очень существенной частью новой экосистемы производств является визуализации данных Данные, которые были собраны должны быть преобразованы в легко понятные человеку производства графики и отчеты, принятые в промышленности. Эта визуализация данных также входит в экосистему решений с использованием IoT. Есть много инструментов визуализации данных, доступных на рынок сегодня, такие как Tableau, D3.js, Power BI, R и Python , которые используются компаниями для выявления новых шаблонов (patterns) и для четкого разъяснения понятий явлений. С помощью интерактивных визуализаций можно осмыслять будущие бизнес-стратегии путем просмотра связанных диаграмм и графиков.


Вывод:
Стоит отметить, что анализ рассматриваемых работ показал, что такие параметры БСС, как связность и вероятностно-временные характеристики для неравномерного распределения узлов не рассматривались.
Разработанные исследователями модели сетей с равномерным распределением могут быть использованы для анализа результатов исследований в данной диссертационной работе и оценки возможных девиаций основных параметров функционирования БСС.