Учебное пособие 2125

Рис. 3. Дендрограмма по измерениям

Исходя из визуального представления результатов, можно сделать предположение, что измерения образуют три естественных кластера. Сопоставив дендрограмму с исходными значениями можно предположить, что кластеры сформировались по году измерения: в первое объединение попали все измерения с 1984 по 1993 года, во второе - значения с 1994 по 2010, а в третьем остались значения с 2011 по 2016. Данное деление можно связать с модернизацией производства и закупкой нового оборудования в 1993 и 2011 годах.

Проверим предположение о разбиении на три кластера и значимость различия между полученными группами, применим метод К-средних на исходные данные. Для этого в STATISTICA 8 выберем метод К-средних, установим число кластеров равное трем и рассчитаем дисперсионную таблицу, по которой можно четко определитьзначимостьмеждукластерами (рис. 4).

Рис. 4. Дисперсионная таблица

Итак, в дисперсионной таблице видно, что все показатели имеют р - значение меньше чем 0,05, что говорит о значимом различии между параметрами.

120

По параметрам. Для кластерного анализа по параметрам были проведены: иерархическая классификация методом полной связи с мерой близости Евклидово расстояние.

Рис. 5. Дендрограмма по параметрам

На рис. 5 видно четкое разбиение на три кластера: в первый вошли глубина замера, глубина замера вертикальная, глубина верхних дыр перфорации и Рпл на глубине замера, во второй - градиент Рпл на глубине замера и градиента Рпл на глубине ВДП и Рпл на ВДП и в третий вошли время остановки и удельный вес жидкости. Из этого следует, что количество показателей, влияющих на пластовое давление можно уменьшить с девяти до семи, что облегчит исследования в определении показателей, влияющих на изменение значения пластового давления при нефтедобыче.

Итак, после корреляционного анализа получается, что пластовое давление зависит от изменения значений параметров Рпл на ВДП, градиента Рпл на глубине ВДП, градиента Рпл на глубине замера и время остановки. Далее соединив два анализа, корреляционный и кластерный, можно заметить, что три (Рпл на ВДП, градиента Рпл на глубине ВДП, градиента Рпл на глубине замера) из четырех показателей объединились в один кластер и поэтому из них можно оставить только один. Также после проведения корреляционного анализа получили, что параметры глубина замера и глубина замера вертикальная имеют коэффициент корреляции равный единице и это свидетельствует о том, что из двух показателей можно оставить один.

В ходе исследований выявлено, что девять показателей можно представить пятью параметрами от которых зависит изменение пластового давления. Таким образом, произведено снижение размерности показателей.

121

Литература

1.Халяфян А.А. STATISTIKA 6. Статистический анализ данных: учебник

/А.А. Халяфян. - 3-е изд. – М.: 000 «Бином-Пресс», 2007. – 512 с.

2. Абдулин Ф.С. Добыча нефти и газа / Ф.С. Абдулин. - М.: Недра, 1983. - С. 256.

УО «Гомельский государственный университет им. Ф. Скорины», Республика Беларусь

УДК 004.4

Ю.С. Скворцов, А.В. Шматова, А.К. Амоа

ОПТИМИЗАЦИЯ ВЫБОРА КУЛЬТУР-ПРЕДШЕСТВЕННИКОВ В СЕВООБОРОТАХ

Сельскохозяйственное производство характеризуется как открытая сложная динамическая система, сельское хозяйство имеет ряд отличительных особенностей, главная из которых то, что оно является биологическим производством и связано с почвой, растениями и живыми организмами. Структура посевных площадей определяет систему севооборотов. Следует отметить, что в современном земледелии особая функция севооборота состоит в регулировании режима органического вещества за счет биогенных ресурсов, создаваемых в агроэкосистемах. Возрастает роль севооборота в оптимизации фитосанитарного состояния посевов. Севооборот является аналогом сукцессии – последовательной смены фитоценозов в агроландшафтных экосистемах.[1]. Целью данной работы явилось определение методологии по оптимизации подбора предшественников для озимой пшеницы как ведущей зерновой культуры для условий лесостепи. Многолетние исследования в стационарных опытах позволяют всецело использовать процесс моделирования. Нами для построения модели использовались данные, полученные в экспериментальных севооборотах по озимой пшенице, которая размещалась после чистого и занятых паров. Наблюдения, учеты и анализы в опыте проводились общепринятыми методиками [2]. Математическая обработка полученных данных проводилась методом линейного программирования [3] корреляционно регрессионного анализов.

Результаты исследований. При сопоставлении урожайных данных по занятым и чистым парам с метеорологическими данными В.М. Бейлис [4] получил биометрические связи, позволяющие установить агроклиматический показатель целесообразности введения чистых паров, представляющий собой величину увлажненности почвы, который может быть вычислен по формуле

Где P – осадки по месяцам, мм

122

Наши расчеты показали, что урожайность озимой пшеницы в занятом пару (после гороха) имела прямую среднюю зависимость от количества осадков в период июль август предшествующего года (R=0,58), что представлено на рис. 1.

Рис. 1. Количество осадков за июль-сентябрь

Постановка задачи сводилась к определению оптимального звена севооборота (с чистым и занятым паром) - доли чистого пара в качестве предшественника озимой пшеницы, которая бы обеспечивала получение максимальной денежной выручки от произведенной зерновой продукции в звене севооборота. Для решения данной проблемы была разработана экономико-математическая модель. Искомыми величинами в ней являлись площади посевов озимой пшеницы в звеньях с чистым и занятым парами (х1 , х2 ). х1 – площадь посева чистый пар - озимая пшеница; х2 – площадь посева горох - озимая пшеница; Ограничения задачи были составлены из условий, описывающих структуру посевных площадей зерновых культур, условий, отражающих условия возделывания, а также по расчету техникоэкономических показателей. Общий размер задачи составил две переменные и наиболее значимые условия-ограничения. За целевую функцию был принят показатель - получение выручки от реализации получаемой продукции в звеньях севооборотов, за ограничивающие факторы, такие показатели, как производственные затраты, урожайность озимой пшеницы и выход зерна в звене севооборота, потери гумуса, накопление влаги перед посевом, проективное покрытие почвы. Цель задачи сводилась к определению такой доли чистого и занятого паров в качестве предшественников для озимой пшеницы, которая обеспечивала бы максимальное значение функции:

решений, т.е. решена графически система неравенств. Для этого построены прямые и определены полуплоскости, заданные неравенствами. В результате построения прямой, отвечающей значению функции F = 0: F = 23,6 +40,8 = 0 и построения вектора-градиента, составленного из коэффициентов целевой функции, указывается направление максимизации F(X). Прямая F(x) = const

123

пересекает область в точке A. Так как точка A получена в результате пересечения прямых (1) и (3), то ее координаты удовлетворяют уравнениям этих прямых (рис. 2): x1 +x2 =1 2,00x1 +3,02x2 ≥2,6.

Рис. 2. Количество осадков за июль-сентябрь

Решив систему уравнений, получены значения: x1 = 0,4, x2 = 0,6, откуда найдено максимальное значение целевой функции:

F(X) = 23,6*0,4 + 40,8*0,6 = 33,9. (3) Сумма планируемой денежной выручки от реализации зерновой продукции может составить 33,9 тыс. руб. с 1 га. Таким образом, решение задачи линейного программирования показывает, что оптимальное соотношение чистого и занятого пара в качестве предшественников озимой пшеницы, по данным многолетних полевых исследований, в условиях

лесостепи составляет соответственно 0,4:0,6.

Чистые пары в севооборотах имеют преимущества и недостатки, поэтому их доля определяется, прежде всего, уровнем интенсификации и почвенноклиматическими условиями. Актуальным является определение оптимального соотношения доли чистого и занятого паров-предшественников для озимой пшеницы. Нами предлагается метод линейного программирования с включением в модель показателей производственных затрат и продуктивности звеньев по выходу зерна с целью получения максимальной выручки от реализации получаемой продукции. Решение задачи линейного программирования показывает, что оптимальное соотношение предшественников для озимой пшеницы чистый пар: занятый пар, по нашим многолетним данным, в условиях лесостепи Поволжья составляет соответственно 0,4:0,6.

Литература

1.Лошаков В.Г. Севооборот и плодородие почвы / В.Г. Лошаков. - М.: Изд-во ВНИИА, 2012. - 512 с.

2.Адаптивно-ландшафтная система земледелия Ульяновской области. – Ульяновск: ООО Колор-Принт, 2013. - 354 с.

3.Плескачев Ю.Н. О севооборотах в Нижнем Поволжье / Ю.Н. Плескачев, А.Н. Сухов // Земледелие. – 2013. - № 2. - С. 3-5.

124

4. Шульмейстер К.Г. Избранные труды / К.Г. Шульмейстер. - Волгоград, 1995. – Т. 2. - 480 с.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 004.4

А.В. Шматова, Ю.С. Скворцов, К.А. Амоа

МОДЕЛИРОВАНИЕ И АНАЛИЗ ЦЕМЕНТНОГО ПРОИЗВОДСТВА КАК СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ С ИСПОЛЬЗОВАНИЕМ

ЯЗЫКА GPSS

В среде разработки GPSS World Student на языке GPSS были созданы три функциональные программы, представляющие собой работу цементного производства за 2011, 2012 и 2013 годы.

Данные программы осуществляют расч т очередей, возникающих на различных участках цементного производства, а также показывают время работы печей, мельниц и рассчитывают объ м выпуска цемента.

Главная цель разработки программы заключается в нахождении максимальных объ мов складских помещений цементного производства. Склады реализованы как одноканальные устройства с очередями, в которых накапливаются транзакты. Каждое многоканальное устройство содержит несколько одноканальных устройств. В каждом устройстве учтена своя производительность.

Если транзакт не может быть обслужен занятым устройством, то он перенаправляется на предыдущий склад, ожидая свою очередь, либо переходит на другое устройство, находящееся в данном многоканальном устройстве. Заявки, которые не были обработаны в текущую сессию, отправляются на предыдущий склад [14].

Транзакты перемещаются по двум направлениям со склада сырья С1, где они генерируются (см. рис.1). Далее они распределяются по многоканальным устройствам. Если все устройства заняты, то заявки остаются на складе С1, пока устройства не освободятся. Для того чтобы не было зацикливания между складом и устройством, заявке, встающей в очередь, повышается приоритет. Таким образом, заявка с повышенным приоритетом является первой в очереди и после освобождения устройства должна входить в него первой. После выхода из данного устройства приоритет заявки понижается до общего уровня, и транзакт переходит на следующее устройство.

125

Сравним данные, полученные в процессе моделирования производства, с исходными данными за три года. Результаты представлены в таблице 1.

Относительная погрешность найденной производительности каждого агрегата вычисляется по следующей формуле

P | P Pˆ | 100%,

P

где P – исходные данные,

Pˆ – модельные данные.

Возьм м для примера расч т ошибки МКУ3 2011 года:

P(МКУ3) |494048 483040| 100% 2,2%. 494048

Средняя ошибка по результатам тр х лет составляет

P 2,2 2,7 4,5 1,1 2,4 2,6 3,4 2 1,52%. 15

127

Таким образом, разработанная модель является достаточно эффективной для моделирования цементного производства.

Литература

1.Седых И. А. Моделирование цементного производства на основе систем массового обслуживания с использованием GPSS [Текст] / И.А. Седых, Н.В. Стеганцев // Вестник Липецкого государственного технического университета. – 2016. – № 3 (29). – С. 28-33.

2.Дешко Ю.И. Дробление и помол в цементной промышленности [Текст] / Ю.И. Дешко, М.Б. Креймер. – М.: Стройиздат, 1966. – 270 с.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 681.3

Е.Н. Королев, С.И. Короткевич, М.И. Петриков

ИСПОЛЬЗОВАНИЕ МИКРОСЕРВИСНОЙ АРХИТЕКТУРЫ ДЛЯ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ

Очень часто возникает вопрос какую архитектуру использовать для оптимизации того или иного процесса, а также стоит ли переходить со старого монолитного сервиса на что-то другое. В данной научно – исследовательской статье рассматривается микросервисная архитектура, основные способы ее применения, преимущества и недостатки.

MSA (микросервисная архитектура) представляет собой альтернативный подход к структурированию приложений. В целях повышения гибкости, масштабируемости и готовности приложение делится на небольшие, слабосвязанные и полностью независимые компоненты (микросервисы), которые разрабатываются и разворачиваются независимо друг от друга.

Рассмотрим основные особенности MSA:

1)Ориентация на бизнес потребность:

Одним из ключевых понятий микросервисной архитектуры является то, что сервис должен быть разработан на основе бизнес потребностей, так что данный сервис будет обслуживать определенные бизнес цели и имеет четко определенный набор обязанностей.

2) Независимые разработка, установка и масштабирование: Микросервисы разрабатываются, разворачиваются и масштабируется как

независимые субъекты. В отличие от веб-сервисов или монолитного приложения, сервисы не разделяют одно и то же время выполнения. Они развернуты как изолированные среды выполнения с использованием таких технологий, как контейнеры. Автономность обеспечивает отказоустойчивость

128

всей системы в целом, т.е. сбой одного сервиса не приводит к сбою всей системы. Независимое развертывание обеспечивает возможность горизонтального масштабирования «из коробки».

3)Отсутствие корпоративной шины (Smart endpoints and dumb pipes):

Микросервисная архитектура переносит бизнес-логику в конечные точки

ииспользует простые способы взаимодействия вроде HTTP.

4)Децентрализованность данных:

В монолитной архитектуре приложение хранит данные в едином и логически централизованном хранилище для реализации функциональности приложения. В микросервисной архитектуре возможности распределены по нескольким микросервисам. Если мы используем одну и ту же централизованную базу данных, микросервисы больше не будут независимы друг от друга (например, если схема базы данных изменяется одним микросервисом, он сломает несколько других сервисов). Поэтому каждый микросервис должен иметь собственную базу данных.

5)Обеспечение наблюдения (Observability):

Наблюдаемость - это мера того, насколько хорошо можно вывести внутренние состояния системы из знания его внешних результатов. Это один из самых важных аспектов, который необходимо учесть в любом дизайне микросервисов. Необходимо отслеживать пропускную способность каждого микросервиса, количество успешных / неудачных запросов, загрузка процессора, памяти и другие сетевые ресурсы, а также некоторые связанные с бизнесом показатели.

Итак, мы рассмотрели основные характеристики микросервисов, теперь остановимся подробней на способах взаимодействия между собой. Для общения между собой микросервисы используют синхронный и асинхронный протокол:

Синхронный протокол - клиент отправляет запрос и ожидает ответа от службы. Здесь важно, что протокол (HTTP/HTTPS) является синхронным и код клиента сможет продолжить выполнение задачи только после получения ответа от HTTP-сервера.

Рис. 1. Пример синхронного взаимодействия

129