Расчет показателей надежности информационной системы в условиях интервальной неопределенности
Аннотация
Обоснование. В приведенном исследовании рассматриваются ключевые вопросы, связанные с оценкой значений параметров функциональной надежности информационной системы в условиях неопределенности и неполноты информации.
Целью исследования является разработка эффективных методов оценки значений параметров функциональной надежности информационной системы в условиях интервальной неопределенности обеспечивающих ее стабильное функционирование.
Материалы и методы. Расчет значений параметров надежности информационной системы проводится на основе методов интервального анализа и основных инструментов обработки данных в случае рассматриваемого типа неопределенности.
Научная новизна. В проведенном исследовании основные подходы к расчету параметров функциональной надежности информационной системы рассматриваются в контексте неопределенности, описываемой на основе интервальных данных, что позволяет давать более корректные оценки и учитывать имеющие место на практике погрешности.
Результаты. Предложенный в статье подход имеет большую теоретическую и практическую значимость и выступает в качестве базового инструмента расчета параметров функциональной надежности информационной системы в условиях интервальной неопределенности, позволяющей учитывать факторы погрешности и определять допустимые интервалы отклонения параметров от расчетных номинальных значений.
Информация о спонсорстве. Работа выполнена в рамках государственного задания ИАПУ ДВО РАН (тема № FWFW-2021-0003).
EDN: WMTHFY
Скачивания
Литература
Острейковский, В. А. (2015). Теория техногенного риска: математические методы и модели [монография]. Сургут: КЦ СурГУ.
Острейковский, В. А. (2013). Количественная оценка риска в теории техногенной безопасности сложных динамических систем. В Итоги науки. Т. 1. Избранные труды международного симпозиума по фундаментальным и прикладным проблемам науки (гл. 2, с. 12–31). Москва: РАН.
Муравьёв, И. И., Острейковский, В. А., & Шевченко, Е. Н. (2015). Модели оценки фактора времени в теории техногенного риска динамических систем. Труды Международного симпозиума «Надежность и качество», 1, 24–27. EDN: https://elibrary.ru/UCGXTJ
Королев, В. Ю. (2007). Математические основы теории риска [учебное пособие]. Москва: ФИЗМАТЛИТ.
Острейковский, В. А. (2013). О некоторых классах моделей риска в теории техногенной безопасности. В Н. К. Юрков (Ред.), Надежность и качество. Труды Международного симпозиума (Т. 1, с. 46–49). Пенза: Изд во ПГУ. EDN: https://elibrary.ru/RXEVLD
Калашников, П. В. (2022). Математическая модель управления рисками, возникающими при функционировании сложных технических систем ответственного назначения в условиях неопределённости информации о значениях параметров и фазовом состоянии. International Journal of Advanced Studies, 12(3), 22–39. https://doi.org/10.12731/2227-930X-2022-12-3-22-39. EDN: https://elibrary.ru/QZGLRA
Калашников, П. В. (2023). Применение сценарного подхода к анализу и управлению рисками при функционировании сложных динамических систем в условиях интервальной неопределённости. International Journal of Advanced Studies, 13(3), 224–236. https://doi.org/10.12731/2227-930X-2023-13-3-224-236. EDN: https://elibrary.ru/FEVMQD
Калашников, П. В. (2024). К проблеме управления надёжностью информационной системы в условиях интервальной неопределённости. International Journal of Advanced Studies, 14(3), 62–76. https://doi.org/10.12731/2227-930X-2024-14-3-304. EDN: https://elibrary.ru/IKHVJI
Наумов, Ю. Е., Аваев, Н. А., & Бедрековский, М. А. (1975). Помехоустойчивость устройств на интегральных логических схемах. Москва: Сов. радио.
Коваленко, О. В., & Петрик, С. В. (2010). Вероятностный анализ безопасности сложных систем «человек машина». Сарово: РФЯЦ ВНИИЭФ.
Wang, Y. (2014). Budget driven scheduling algorithms for batches of Map Reduce jobs in heterogeneous clouds. Transactions on Cloud Computing, 2(3), 306–319.
Berkhin, P., Kogan, J., Nicholas, C., & Teboulle, M. (2006). Survey of clustering data mining techniques. В Grouping Multidimensional Data: Recent Advances in Clustering (с. 25–71). Berlin: Springer.
Hoehle, H., Scornavacca, E., & Huff, S. (2012). Three decades of research on consumer adoption and utilization of electronic banking channels: A literature analysis. Decision Support Systems, 54(1), 122–132.
Hutchinson, D., & Warren, M. (2003). Security for internet banking: A framework. Logistics Information Management, 16(1), 64–73. https://doi.org/10.1108/09576050310453750. EDN: https://elibrary.ru/EARZXX
Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: A review. ACM Computing Surveys, 31(3), 264–323.
Шарый, С. П. (2018). Конечномерный интервальный анализ. Новосибирск: XYZ. 623 с.
Добровец, Б. С. (2004). Интервальная математика. Красноярск: Издательский центр Красноярского государственного университета. 219 с.
Шарый, С. П. (2024). Обработка и анализ интервальных данных. Москва; Ижевск: Институт компьютерных исследований. 356 с.
References
Ostreykovsky, V. A. (2015). Theory of technogenic risk: Mathematical methods and models [Monograph]. Surgut: Publishing Center of Surgut State University.
Ostreykovsky, V. A. (2013). Quantitative assessment of risk in the theory of technogenic safety of complex dynamic systems. In Results of Science. Vol. 1. Selected works of the International Symposium on Fundamental and Applied Problems of Science (Ch. 2, pp. 12–31). Moscow: Russian Academy of Sciences.
Muravyov, I. I., Ostreykovsky, V. A., & Shevchenko, E. N. (2015). Models for assessing the time factor in the theory of technogenic risk of dynamic systems. Proceedings of the International Symposium “Reliability and Quality”, 1, 24–27. EDN: https://elibrary.ru/UCGXTJ
Korolev, V. Yu. (2007). Mathematical foundations of risk theory [Textbook]. Moscow: FIZMATLIT.
Ostreykovsky, V. A. (2013). On some classes of risk models in the theory of technogenic safety. In N. K. Yurkov (Ed.), Reliability and Quality. Proceedings of the International Symposium (Vol. 1, pp. 46–49). Penza: Penza State University Publishing House. EDN: https://elibrary.ru/RXEVLD
Kalashnikov, P. V. (2022). Mathematical model for managing risks arising during the operation of complex technical systems for critical applications under conditions of uncertainty about parameter values and phase state. International Journal of Advanced Studies, 12(3), 22–39. https://doi.org/10.12731/2227-930X-2022-12-3-22-39. EDN: https://elibrary.ru/QZGLRA
Kalashnikov, P. V. (2023). Applying a scenario based approach to risk analysis and management during the operation of complex dynamic systems under interval uncertainty. International Journal of Advanced Studies, 13(3), 224–236. https://doi.org/10.12731/2227-930X-2023-13-3-224-236. EDN: https://elibrary.ru/FEVMQD
Kalashnikov, P. V. (2024). On the problem of managing information system reliability under interval uncertainty. International Journal of Advanced Studies, 14(3), 62–76. https://doi.org/10.12731/2227-930X-2024-14-3-304. EDN: https://elibrary.ru/IKHVJI
Naumov, Yu. E., Avaev, N. A., & Bedrekovsky, M. A. (1975). Noise immunity of devices based on integrated logic circuits. Moscow: Sovetskoye Radio.
Kovalenko, O. V., & Petrik, S. V. (2010). Probabilistic safety analysis of complex “human machine” systems. Sarov: Russian Federal Nuclear Center — All Russian Research Institute of Experimental Physics (RFNC VNIIEF).
Wang, Y. (2014). Budget driven scheduling algorithms for batches of MapReduce jobs in heterogeneous clouds. Transactions on Cloud Computing, 2(3), 306–319.
Berkhin, P., Kogan, J., Nicholas, C., & Teboulle, M. (2006). Survey of clustering data mining techniques. In Grouping Multidimensional Data: Recent Advances in Clustering (pp. 25–71). Berlin: Springer.
Hoehle, H., Scornavacca, E., & Huff, S. (2012). Three decades of research on consumer adoption and utilization of electronic banking channels: A literature analysis. Decision Support Systems, 54(1), 122–132.
Hutchinson, D., & Warren, M. (2003). Security for internet banking: A framework. Logistics Information Management, 16(1), 64–73. https://doi.org/10.1108/09576050310453750. EDN: https://elibrary.ru/EARZXX
Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: A review. ACM Computing Surveys, 31(3), 264–323.
Shary, S. P. (2018). Finite dimensional interval analysis. Novosibirsk: XYZ. 623 pp.
Dobrovets, B. S. (2004). Interval mathematics. Krasnoyarsk: Publishing Center of Krasnoyarsk State University. 219 pp.
Shary, S. P. (2024). Processing and analysis of interval data. Moscow; Izhevsk: Institute of Computer Research. 356 pp.
Copyright (c) 2025 Pavel V. Kalashnikov
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
