Модели оценки эффективности облачных технологий и туманных вычислений

В статье рассматриваются основные подходы к промышленной автоматизации на основе облачных технологий с туманными вычислениями. Актуальность исследования связана с развитием облачных технологий промышленной автоматизации с элементами туманных вычислений, суть которых заключается в возможности управления промышленным процессом из облака. В литературе такой подход называется «Internet of Everything». Технологии организации бизнеса, промышленного производства и управления smart-устройствами на уровне быта развиваются быстрыми темпами. Преимущества данных технологий очевидны, но высока стоимость использования при условии, что владельцами сервисов являются внешние провайдеры. Возникает необходимость расчета вычислительной стоимости и стоимости аренды сервисов. В статье представлен подход к расчету вычислительной стоимости применения туманных вычислений на расчетном примере. Моделирование выполняется на основе сервиса CloudSim. В среде моделирования реализован алгоритм FSMRA (Fog Stable Matching Resource Allocation), расчет на основе алгоритма может быть использован в задачах принятия решения по использованию облачных сервисов и туманных вычислений при автоматизации промышленных объектов, базирующихся на использовании большого числа датчиков и оконечных устройств в режиме реального времени. Результаты имитационного моделирования и расчеты вычислительной стоимости показывают, при каких комбинациях различных технологий можно получить максимальный выигрыш от использования облачных технологий и туманных вычислений.

1. Облачные технологии мигрируют в облака. Rational Enterprise Management 2014;(4). [электронный ресурс] http://www.remmag.ru/upload_data/files/04-2014/Prosoft.pdf (дата обращения 10.01.2020)

2. Файзуллин Р.В., Херинг Ш. Тенденции внедрения концепции «интернет вещей» для автоматизации производства. Социально-экономическое управление: теория и практика. 2018;(4):154-157.

3. Максимов К. В. Эффективность использования облачных технологий: модели и методы оценки \\ К. В.Максимов \ Прикладная информатика\Journal of applied informatics – Vol.11. №1(61). 2016.

4. Файзуллин Р.В., Херинг Ш. Модель сбора данных на основе кластеризации устройств интернета вещей. Интеллектуальные системы в производстве. 2019;17(4):156-162. DOI: 10.22213/2410-9304-2019-4-156-162

5. Данциг Дж.. Линейное программирование, его применения и обобщения. Издательство «Прогресс» Москва 1966

6. Wireless Communications and Mobile Computing Volume 2018. Article ID 6421607. https://doi.org/10.1155/2018/6421607

7. D. Gale, L. S. Shapley.College admissions and the stability of marriage. The American Mathematical Monthly. 1962;69:9–15. DOI: 10.1080/00029890.1962.11989827

8. N. Bessis , C. Dobre (eds.), Big Data and Internet of Things: A Roadmap for Smart Environments, Studies in Computational Intelligence. Springer International Publishing Switzerland. 2014;546:169–186. DOI: 10.1007/978-3-319-05029-4_7

9. Bellavista, P.; Zanni, A. Feasibility of fog computing deployment based on docker containerization over Raspberrypi. In Proceedings of the 18th International Conference on Distributed Computing and Networking, Hyderabad, India, 5–7 January 2017:16.

10. SuperWits Academy: CloudSim Simulation Framework Course. https://www.superwits.com/library/cloudsim-simulation-framework

11. Calheiros RN, Ranjan R, Beloglazov A, De Rose CA, Buyya R. CloudSim: a toolkit for modeling and simulation of cloud computing environments and evaluation of resource provisioning algorithms. Software: Practice and experience. 2011;41(1):23-50.

12. Abedin S.F., Alam M.G.R., Kazmi S.A., Tran N.H., Niyato D., Hong C.S. Resource allocation for ultra-reliable and enhanced mobile broadband IoT applications in fog network. IEEE Trans. Commun. 2019;67:489-502.

13. Yuan Y, Xu H, Wang B, Yao X. A new dominance relation-based evolutionary algorithm for many-objective optimization. IEEE Transactions on Evolutionary Computation. 2016;20(1):16-37. DOI: 10.1109/TEVC.2015.2420112

14. Jeyakrishnan V, Sengottuvelan P., A Hybrid Strategy for Resource Allocation and Load Balancing in Virtualized Data Centers Using BSO Algorithms. Wireless Personal Communications. 2017;94( 4):2363-2375.