УЗНАЙ ЦЕНУ

(pdf, doc, docx, rtf, zip, rar, bmp, jpeg) не более 4-х файлов (макс. размер 15 Мб)


↑ вверх
Тема/ВариантОценка производительности АС Центр обработки данных (АС ЦОД) СБ РФ
ПредметИнформационные технологии
Тип работыдиплом
Объем работы49
Дата поступления12.12.2012
2900 ₽

Содержание

Содержание Введение 4 Глава 1 Автоматизированные банковские системы 1.1 Предпосылки возникновения задачи оптимизации банковских автоматизированных систем 6 1.2 Содержательное описание задачи 9 1.3 Система показателей 13 Глава 2 Моделирование оценки производительности банковских автоматизированных систем 2.1 Построение аналитической модели оптимизации временных характеристик подсистем банковской автоматизированной системы 18 2.2 Методы решения задач нелинейного программирования 2.2.1 Постановка задачи НЛП 22 2.2.2 Методы штрафных функций 23 2.2.3 Методы прямого поиска 25 2.2.4 Методы случайного поиска 27 2.2.5 Методы линеаризации 28 2.3 Пути решения проблемы очередей в системе 29 2.4 Построение имитационной модели банковской автоматизированной системы 2.4.1 Предпосылки построения имитационной модели 35 2.4.2 Показатели имитационной модели 35 2.4.3 Разработка требований к концептуальной модели 36 2.4.4 Выбор языка моделирования 37 2.4.5 Построение концептуальной модели 38 2.4.6 Построение имитационной модели 39 Глава 3 Применение модели и анализ полученных результатов 3.1 Исходные данные задачи нахождения оптимальных временных характеристик подсистем 43 3.2 Решение задачи нахождения оптимальных временных характеристик подсистем 45 3.3 Анализ полученных результатов 47

Введение

Введение В 1975 году фирма Lemming Associates (США) установила систему, работающую в режиме реального времени и предназначенную для быстрого формирования ответов на запросы клиентов (в том числе и на поступающие по телефону). Сначала к системе подключили несколько небольших городов и тщательно ее отладили. Затем был подключен Нью-Йорк. Предполагалось, что подключение Нью-Йорка увеличит нагрузку на 30%. Управляющий отделом обработки данных полагал, что это приведет к увеличению времени ответа приблизительно на такую же величину. Текущее время ответа системы составляло около 2с, и поэтому причин для беспокойства как будто бы не было, тем более что центральный процессор мог выдержать нагрузку, которая превышала существующую в несколько раз. Абонентские пункты (АП), установленные в Нью-Йорке, включились в работу рано утром, и скоро стало ясно, что, вопреки ожиданию, система не справляется с возросшей нагрузкой. Время ответа увеличилось вначале до 4с, а затем и до 6с. Задержки ответов на отдельные заявки достигали 15с. Была введена в действие аварийная программа, которая в случае перегрузки удаляла из памяти некоторые заявки и рассылала операторам информационное сообщение о необходимости повторения заявки. Такой метод работы был принят исходя из предположения, что перегрузка не является постоянной, а носит случайный характер и обусловлена тем, что несколько операторов АП одновременно формируют заявки. В итоге перегрузка возросла еще больше. В конечном счете Нью-Йорк пришлось отключить от системы [14]. Данный пример показывает, что при проектировании системы фактор образования очередей не был учтен соответствующим образом. По этой причине систему пришлось существенно переработать, а подключение Нью-Йорка отложить на год. Для систем, работающих в режиме реального времени, выполняется закон Паркинсона: «Если использование системы полезно, то степень ее загрузки возрастает до полного исчерпания пропускной способности системы» [14]. Логично сделать вывод, что данных закон справедлив для систем различных типов (экономических, технических и т.д.) и различной структуры. Если система полезна, то на этапе ее проектирования(создания) необходимо предусмотреть возможность повышения ее производительности. Если такой возможности не предусматривалось (как в приведенном примере), то производительность системы необходимо повышать в процессе ее эксплуатации. В свете вышеизложенного возникает потребность в модели оценки производительности системы при выполнении заданных условий как на этапе проектирования системы, так и на этапе ее эксплуатации в целях повышения производительности. Для повышения производительности эксплуатируемой системы необходимо внести изменения в ее непроизводительные подсистемы, причем с ограниченными финансовыми затратами. Логично предположить, что затраты на доработку системы будут ограниченными при внесении минимальных корректив в подсистемы. Поэтому одним из предъявляемых требований к модели оценки необходимой производительности системы является определение глубины вносимых в отдельные подсистемы изменений. Как говорилось ранее, доработке необходимо подвергать наименее производительные подсистемы, поэтому жестким требованием к данной модели является однозначная классификация подсистем рассматриваемой системы на производительные и непроизводительные. При этом под производительными подсистемами понимаются те, которые не подвергаются изменениям в результате оптимизации системы в целом. Учитывая, что ограничений на тип и структуру систем не накладывается, то не накладывается ограничений на характер процессов, протекающих внутри систем: они могут быть как непрерывными, так и стохастическими. Вследствие этого модель должна располагать необходимым аппаратом для оперирования соответствующими величинами. Говоря об экономической целесообразности разработки данной модели можно выделить несколько немаловажных аспектов: ? Если производится модернизация существующей системы, то новая система как правило в эксплуатации дешевле предшествующей. ? Предлагаемая модель должна обеспечить ограниченные затраты на модификацию существующей системы. ? Использование данной модели при проектировании новых систем определяет целевые значения временных характеристик каждой из подсистем, что также позволяет спроектировать систему с необходимым запасом производительности и не допустить излишних затрат в дальнейшем. Глава 1 Автоматизированные банковские системы 1.1 Предпосылки возникновения задачи оптимизации банковских автоматизированных систем. Основным содержанием современного этапа развития человечества является переход к информационному обществу, в котором определяющая роль принадлежит информации. Информация становится стратегическим ресурсом. Инфраструктуру общества формируют способы и средства сбора, обработки, хранения и распределения информации. Информация, информационный фонд в условиях создания, функционирования и развития систем управления банковской деятельностью являются главным источником эффективного принятия решений. В этих условиях одной из характерных особенностей современного этапа научно-технического прогресса является широкое и интенсивное использование математических методов, средств информатики и вычислительной техники в банковских системах. Разрабатываются, вводятся в эксплуатацию и модернизируются большое число автоматизированных банковских систем. Поэтому повышение качества и эффективности создаваемых систем, сокращение сроков и затрат на их разработку и внедрение являются важнейшими задачами. В современных условиях коммерческие банки занимаются самыми разнообразными видами операций: организация денежного оборота и кредитных отношений, финансирование объектов народного хозяйства, страховые операции, купля-продажа и выпуск ценных бумаг, посреднические сделки, управление имуществом и другие виды операций. Кроме того, они выступают в качестве консультантов, участвуют в обсуждении и финансировании программ и проектов различного уровня, ведут статистику, имеют дочерние предприятия. Банк, как и любое предприятие, является самостоятельным хозяйственным хозяйствующим субъектом, обладает всеми правами юридического лица, производит и реализует специфический продукт, оказывает услуги. Таким образом, конкурентоспособность конкретного банка зависит, прежде всего, от качества информационного обеспечения и инструментальных средств поддержки управленческих решений. Анализ показывает, что первоочередные возможности автоматизации банковской деятельности связаны с автоматизацией межбанковских расчетов, расчетов банка со своими клиентами, а также с созданием автоматизированной банковской системы, обслуживающей запросы различных рыночных структур и физических лиц. Целью систем такого класса является реализация высокоэффективной информационной технологии банковского обслуживания юридических и физических лиц и получение на этой основе дохода и прибыли. Под высокоэффективной информационной технологией понимается предоставление пользователям в регламентном режиме и по запросам информационных продуктов, обладающих свойствами полноты, достоверности и надежности, актуальности и оперативности, простоты и удобства использования [18]. Критерием эффективности функционирования таких систем в целом, так и их отдельных составных частей (подсистем) или реализации заданного множества транзакций является отношение чистой прибыли к суммарным затратам за установленный период времени. При этом чистая прибыль представляет собой полученный доход за вычетом всех затрат, связанных с его получением - капитальных, эксплуатационных и т.п. С точки зрения технологии обработки информации автоматизированная банковская система должна предоставлять пользователям следующие виды услуг: организацию и автоматизацию платежного документооборота, межбанковское взаимодействие, организацию работы отделений и филиалов, проведение валютных операций, работу с частными вкладами, проведение депозитарных операций. Таким образом, технология функционирования автоматизированных банковских систем включает в себя процессы сбора информации от ее источников, передачи в узлы системы, обработки по заданным алгоритмам и выдачи пользователям результатов в соответствии с их запросами. Автоматизированная банковская система, как правило, должна функционировать в режиме реального времени. Работа в этом режиме означает, что все изменения, проведенные пользователем с рабочего места, сразу становятся доступными другим пользователям. Обработка данных должна вестись одновременно в различных подсистемах (подсистема работы со счетами банка, подсистема обработки платежного документооборота и т.п.). Рост числа решаемых в автоматизированных банковских системах задач, их сложности, повышение требований к своевременности, достоверности и полноте предоставляемой информации обуславливает необходимость существенного их совершенствования, которая должна учитывать не только особенности «человеческ

Литература

Заключение Применение модели оценки производительности банковских автоматизированных систем к АС Московского Банка Акционерного Коммерческого Сберегательного Банка Российской Федерации показало, что для данной системы оптимальное решение, полученное с использованием аналитической модели, и рациональное, полученное на имитационной модели, совпадают. Выполнение критерия оптимальности обеспечивает повышение общей производительности системы до заданного значения. Полученное решение позволило выделить непроизводительные подсистемы, определить направление модернизации системы и установить необходимую глубину изменений в подсистемах. Модель оценки производительности банковских автоматизированных систем имеет ряд положительных характеристик: ? Отсутствуют ограничения на тип и структуру системы. Модель может быть применена к любой системе, для которой актуальна задача нахождения оптимальных временных характеристик подсистем. ? Ограниченные затраты при практической реализации полученного решения, т.к. изменениям подвергаются прежде всего непроизводительные подсистемы и ровно настолько, чтобы выполнялся заданный критерий оптимальности Tнеобх. ? Модель гарантирует выполнение заданного критерия оптимальности решения Tнеобх., т.к. целевая функция является выпуклой, поэтому может быть найден ее глобальный минимум при отсутствии ограничений и локальный при наличии таковых. ? Модель позволяет выявить «узкие» места в системе. Предложенная модель является базой для решения целого семейства оптимизационных задач. К ним можно отнести: ? Задача оценки производительности банковской автоматизированной системы при минимуме затрат на реализацию полученного решения. ? Задача оценки производительности банковской автоматизированной системы при минимуме сроков реализации полученного решения. Для решения подобных задач эксперту необходимо заменить в аналитической модели существующую целевую функцию на необходимую при неизменных ограничениях. Наибольшая сложность состоит в формализации конкретной автоматизированной банковской системы для адекватного отражения процесса ее функционирования предложенной моделью. По мнению автора указанный фактор нельзя отнести к недостаткам модели оценки производительности банковских автоматизированных систем, так как проблема формализации актуальна при моделировании любой сложной системы. В случае практической реализации полученного решения обеспечивается экономия вычислительных ресурсов, эквивалентных серверу типа ALR Revolution QUAD 6, стоимость которого составляет около 30000$. Также ожидается снижение эксплуатационных затрат на АС ЦОД, так как освободившиеся вычислительные ресурсы могут быть заняты другой системой и затраты на эксплуатацию аппаратного обеспечения АС ЦОД распределятся между двумя системами. Учитывая, что АС ЦОД реализует выполнение вкладных операций в режиме реального времени, то повышение ее производительности позволит улучшить качество обслуживания клиентов и окажет позитивное влияние на формирование твердого кассового остатка в Сбербанке, так как повышение качества обслуживания является одним из средств привлечения клиентов банком. В качестве направлений совершенствования модели оценки производительности банковских автоматизированных систем можно выделить: ? Дополнение модели характеристиками, учитывающими ограничения на загрузку подсистем и систему в целом. ? Учет теоретической глубины изменений, которые можно внести в отдельную подсистему. Одним из путей решения этой проблемы может быть введение соответствующих весовых коэффициентов. ? Разработка математического аппарата для оценки вариационных характеристик времени обработки единицы данных в отдельных подсистемах. Модель разрабатывалась с целью оценки производительности банковских автоматизированных систем, но при внесении перечисленных дополнений область ее применения существенно расширится, что также свидетельствует о практической ценности предложенной модели.
Уточнение информации

+7 913 789-74-90
info@zauchka.ru
группа вконтакте