Научный архив: статьи

В условиях стремительного роста масштабов и сложности информационных систем, вопросы эффективной интеграции и сопровождения микросервисных архитектур становятся всё более актуальными. Одной из ключевых проблем является обеспечение интероперабельности программных компонентов, что предполагает возможность надёжного обмена данными и совместного использования информации между различными сервисами, реализованными с использованием разнородных технологий, протоколов и форматов данных. В данной работе предметом исследования выступает формализация и построение интеллектуальной системы, обеспечивающей интероперабельность микросервисных компонентов в облачной инфраструктуре. Предложен формализованный подход, основанный на графовых, категориальных и алгебраических моделях, позволяющий строго описывать маршруты передачи данных, условия совместимости интерфейсов и процедуру автоматизированного согласования форматов взаимодействия. Введена операция согласования интерфейсов, обеспечивающая выявление необходимости использования адаптеров и преобразователей для интеграции различных сервисов. Особое внимание уделяется задаче построения универсального интерфейса, через который возможна маршрутизация любых потоков данных, что значительно упрощает процедуру масштабирования и доработки микросервисной системы. Разработанная архитектура системы охватывает этапы создания, публикации и развертывания контейнерных микросервисов, автоматическую проверку маршрутов передачи данных, а также динамическое управление состоянием сервисов на основе прогнозирования нагрузки с помощью моделей искусственного интеллекта. Применение предложенной методики позволяет существенно повысить гибкость, надёжность и масштабируемость инфраструктуры, снизить эксплуатационные затраты, а также автоматизировать процессы поддержки и интеграции новых компонентов. Предложенное решение основывается на формализованном подходе к обеспечению интероперабельности микросервисных компонентов в облачной инфраструктуре. В качестве основы используется графовая и категорная модель, позволяющая строго определить маршруты передачи данных и процедуры согласования интерфейсов между различными сервисами. Для унификации взаимодействия и повышения гибкости системы введена операция согласования интерфейсов, а также реализована возможность автоматизированного выявления необходимости применения адаптеров и преобразователей данных. Разработанный алгоритм интеллектуального прогнозирования нагрузки на сервисы позволяет динамически управлять состоянием компонентов и оперативно адаптировать инфраструктуру к изменяющимся условиям эксплуатации.

Быстрое развитие технологий искусственного интеллекта, а также широкое распространение облачных вычислений стимулируют внедрение интеллектуальных модулей в различные сферы. Однако включение систем искусственного интеллекта в состав распределённых программных систем сопровождается существенными затруднениями, связанными с отсутствием унифицированных подходов к их интеграции. Целью данной работы является разработка контекстно-ориентированной архитектуры интеграции систем искусственного интеллекта, обеспечивающей снижение сложности сопряжения интеллектуальных модулей с прикладной логикой распределённых программных систем. В работе проведён анализ существующих архитектурных решений, формализована модель интеграции с использованием отображений между задачами, операциями и моделями, а также предложен механизм описания задач в виде операторного графа. Также предложен подход к построению интеграционной архитектуры для систем искусственного интеллекта, основанный на использовании программного шлюза с поддержкой контекстно-ориентированного взаимодействия. Основным ключевым элементом решения является абстрактный слой операторов, который позволяет отделить описание задачи от конкретных моделей и тем самым существенно снизить связность системы. Предложенное решение ориентировано на поддержку моделей различных типов (языковых, визуальных и других) и обеспечивает прозрачную маршрутизацию запросов и возможность масштабирования в условиях распределённой вычислительной среды. В работе отдельно отмечено, что достижение соответствующих характеристик подхода возможно при реализации стандартизированного набора операторов. Представленный подход обеспечивает требуемую масштабируемость архитектуры интеграции систем искусственного интеллекта и может служить основой для построения универсальных интеграционных решений.

Индустрия 4.0 стремится к полной цифровизации производственных процессов, и беспроводные технологии играют в этом важную роль. Однако для различных областей применения, таких, например, как умные склады, где роботы контролируют и выполняют все задачи, современные стандарты и запатентованные решения должны соответствовать строгим отраслевым требованиям. Одной из ключевых задач исследований в этой области является разработка беспроводных систем, которые могут передавать короткие пакеты данных в многопользовательских средах. Однако существующие предложения и модели промышленных каналов не всегда могут удовлетворить эти требования. В качестве возможного решения авторы предлагают оптимизировать стандарт IEEE 802.11ax. Благодаря использованию OFDMA (Orthogonal Frequency Division Multiple Access) эта оптимизация может создать высокопроизводительную систему для умных складов. В данной статье представлена беспроводная система для интеллектуальных складов, разработанная на основе стандарта IEEE 802.11ax. Система включает в себя оптимизацию на двух уровнях: MAC и PHY.