add jenkinsfile

This commit is contained in:
Anton Romanov 2024-05-15 15:37:33 +04:00
parent dc392dbc8e
commit cfc5083ef4
2 changed files with 65 additions and 6 deletions

32
Jenkinsfile vendored Normal file
View File

@ -0,0 +1,32 @@
pipeline {
environment {
imagename = "aergus/latex"
registryCredential = ''
dockerImage = ''
}
agent any
stages {
stage('Cloning Git') {
steps {
git([url: 'https://git.athene.tech/is.ulstu.ru/iiti-2024.git', branch: 'master', credentialsId: '2'])
}
}
stage('Building pdf') {
steps{
script {
docker.image('aergus/latex').inside {
sh 'latexmk -pdf paper.tex'
sh 'git add paper.pdf'
sh 'git commit -a -m "add pdf"'
sh 'git push origin master'
}
}
}
}
}
post {
always {
archiveArtifacts artifacts: 'paper.pdf', allowEmptyArchive: false, fingerprint: true, onlyIfSuccessful: true
}
}
}

View File

@ -75,7 +75,8 @@ We propose using data-based management by forming a data meta-model of the integ
\label{fig:state}
\end{figure}
На рисунке представлены основные состояния интегрируемой ИС, используемые в данной работе. Так S1 — работоспособное состояние системы, S2 — неработоспособное состояние системы или состояние отказа, S3 — предельное состояние системы \cite{Checkal-2012}. Под работоспособным состоянием системы понимается такое состояние, когда система продолжает выполнять свои основные задачи, при этом данные системы соответствуют. Под предельным состоянием системы понимается такое состояние системы, когда система продолжает выполнять свои основные задачи, при этом данные системы находятся в пограничном состоянии. Под неработоспособным состоянием системы или состоянием отказа понимается такое состояние системы, когда система не может продолжать выполнение основных задач и требуется вмешательство ЛПР. Находясь в состоянии S1 и S3, система может перейти в состояние отказа, поэтому основная цель управления состоит в поддержании системы в состоянии S1 и возможности возврата в это состояние без рисков, в случае, если система перешла в состояние S3.
На рисунке представлены основные состояния интегрируемой ИС, используемые в данной работе. Так S1 — работоспособное состояние системы, S2 — неработоспособное состояние системы или состояние отказа, S3 — предельное состояние системы \cite{Checkal-2012}. Под работоспособным состоянием системы понимается такое состояние, когда система продолжает выполнять свои основные задачи, при этом данные системы соответствуют. Под предельным состоянием системы понимается такое состояние системы, когда система продолжает выполнять свои основные задачи, при этом данные системы находятся в пограничном состоянии. Под неработоспособным состоянием системы или состоянием отказа понимается такое состояние системы, когда система не может продолжать выполнение основных задач и требуется вмешательство ЛПР. Находясь в состоянии S1 и S3, система может перейти в состояние отказа, поэтому основная цель управления состоит в поддержании системы в состоянии S1 и возможности возврата в это состояние без рисков, в случае, если система перешла в состояние S3.
Стоит отдельно рассмотреть процесс, когда взаимодействие интегрируемой ИС и всего комплекса PLM обеспечивается участием оператора. В этом процессе в настоящее время объем работ оператора для настройки взаимодействия, отображения данных, поддержания системы в работоспособном состоянии достаточно велик. Роль оператора в данном процессе отображена на рисунке~\ref{fig:interaction}.
\begin{figure}
@ -90,6 +91,7 @@ We propose using data-based management by forming a data meta-model of the integ
\subsection{Обзор существующих методов и подходов к управлению}
В настоящее время подходы к управлению производственными ИС раскрываются в следующих источниках: \cite{Feng-2006,Sudarsan-2005,Alahi-2023,Sacks-2020,Cimini-2020,Hou-2009}. В источниках \cite{Feng-2006,Sudarsan-2005,Sacks-2020} предлагается использовать модель интегрируемой ИС. Данные подходы напрямую зависит от точности и полноты модели, однако формирование модели реализуется либо аналитиком \cite{Feng-2006,Sacks-2020}, либо автоматически \cite{Sudarsan-2005}, что не всегда гарантирует адекватность и точность модели. В источнике \cite{Feng-2006} представлено классическое управление на основе модели процессов и данных информационной системы, где роль аналитика велика. В источнике \cite{Sudarsan-2005} предлагается использовать фреймворк для формирования модели. Не смотря на то, что процесс формирования модели происходит автоматически, управляющий компонент всё ещё зависит от точности и полноты модели. В источнике \cite{Alahi-2023} предлагается использовать обучающую выборку и машинное обучение без учителя. Однако в зависимости от полноты и качества данных выборки зависит формируемая модель интегрируемой ИС, что зачастую может привести к неверному истолкованию результатов прогнозирования механизмов управления, в случае если данные имеют ошибки или сильно зашумлены.
В источнике \cite{Sacks-2020} предлагается подход цифровых двойников. Несмотря на преимущества данного подхода в целом, применительно к поставленной задаче, а именно интеграция информационных систем, отображение данных и снижение трудозатрат аналитика, оператора и ЛПР, подход цифровых двойников требует дополнительный качественный анализ и построение модели информационной системы, что приводит к увеличению нагрузки на аналитика.
В источнике \cite{Cimini-2020} описан подход к управлению human-in-the-loop. Основная идея данного подхода заключается в полном контроле поведения системы управления со стороны человека и сводится к машинному обучению с учителем. Данный подход является наиболее безопасным с точки зрения предупреждения рисков, связанных с производством, но более комплексным и требующим участия ЛПР на всех этапах жизненного цикла управляющей системы, начиная с формирования обучающей выборки, и заканчивая контролем поведения управляющей системы.
Таким образом, предлагается использовать подход управления на основе данных \cite{Hou-2009}. Предполагается снижение трудозатрат аналитика и оператора за счет выполнения задачи интеграции и частично задачи управления интегрируемой ИС разработанной управляющей системой. Подход управления на основе данных подразумевает:
\begin{enumerate}
@ -138,6 +140,32 @@ We propose using data-based management by forming a data meta-model of the integ
Таким образом, согласно диаграмме база знаний состоит из нескольких уровней условий, учитывающих возможные изменения в метамодели и в базе данных интегрируемой информационной системы, и нескольких уровней следствий, формирующих четкий логический вывод на основе лингвистического представления правил в базе правил.
\section{Модель базы знаний поведения интегрируемой информационной системы}
Согласно рисунку \ref{fig:kb-structure} база правил будет представлена в виде иерархической структуры с двумя уровнями правил. Ранее авторами была получена структурная модель метаданных $M$ интегрируемой ИС \cite{Kamaletdinova-2024}. Так первый уровень будет представлен в виде правил, состоящих из лингвистических термов, и зависеть от изменений метамодели. Второй уровень правил будет формироваться динамически на основе результатов, полученных на первом уровне.
Пусть $INP=\{INP_1,INP_2, ...,INP_z\}, z \in N$ -- множество лингвистических термов, представляющих входные данные модели метаданных $M$, а $OUT=\{OUT_1, OUT_2, ..., OUT_w\}, w \in N$ -- множество лингвистических термов, представляющих ключевые процессы модели метаданных $M$, тогда правило, описывающее первый уровень будет иметь теоретико-множественное представление в виде:
\begin{equation}
P(INP) \rightarrow \{INP^{OUT_s}\}, OUT_s,
\end{equation}
где $OUT_s$ -- лингвистический терм, отражающий конкретный ключевой процесс модели метаданных $M$, а $\{INP^{OUT_s}\}$ -- множество лингвистических термов, отражающих входные данные для конкретного ключевого процесса модели метаданных $M$.
Представим $\{INP^{OUT_s}\}$ как $X$, а $OUT_s$ как $Y$.
В таблице \ref{tab:second_level_rules} представлены входные данные для правила второго уровня, которые будут использованы для формирования конечных значений поведения интегрируемой ИС.
\renewcommand{\arraystretch}{1.3}
\begin{table}[h]
\centering
\caption{Табличное представление входных данных для правила второго уровня}
\label{tab:second_level_rules}
\begin{tabular}{|l|l|l|l|l|}
\hline
$\mathbf{X_1}$ & $\mathbf{X_2}$ & $\mathbf{...}$ & $\mathbf{X_m}$ & $\mathbf{Y}$ \\ \hline
$v_1^1$ & $v_2^1$ & ... & $v_m^1$ &$y^1$ \\ \hline
$v_1^2$ & $v_2^1$ & ... & $v_m^2$ &$y^2$ \\ \hline
... & ... & ... & ... & ... \\ \hline
$v_1^n$ & $v_2^n$ & ... & $v_m^n$ & $y^n$ \\ \hline
\end{tabular}
\end{table}
\begin{credits}
\subsubsection{\ackname} This study was supported the Ministry of Science and Higher Education of Russia in framework of project No. 075-03-2023-143 "The study of intelligent predictive analytics based on the integration of methods for constructing features of heterogeneous dynamic data for machine learn-ing and methods of predictive multimodal data analysis".
@ -159,10 +187,10 @@ Terzi S., Bouras A., Dutta D., Garetti M., Kiritsis D. Product Lifecycle Managem
Menge F. Enterprise Service Bus. Free and Open Source Software Conference, 2007. Available at: https://programm.froscon.org/2007/attachments/15-falko\_menge\_-\_enterpise\_service\_bus.pdf
\bibitem{Swedenko-2016}
Шведенко В. Н., Щекочихин О. В. Архитектура интегрированной информационной системы, обеспечивающая свойство поведения (In russian) //Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. №. 6. С. 1078-1083.
Shvedenko V. N., Shchekochikhin O. V. Architecture of an integrated information system that ensures behavioral properties (In russian) // Scientific and technical bulletin of information technologies, mechanics and optics. 2016. V. 16. No. 6. pp. 1078-1083.
\bibitem{Checkal-2012}
Чекал Е. Г. Надежность информационных систем : учебное пособие : в 2 ч. Ч. 1 (In russian) / Е. Г. Чекал, А. А. Чичев. Ульяновск : УлГУ, 2012. 118 с.
Chekal E. G. Reliability of information systems: textbook: in 2 parts. Part 1 (In russian) / E. G. Chekal, A. A. Chichev. Ulyanovsk: UlGU, 2012. 118 p.
\bibitem{Feng-2006}
Feng G. A survey on analysis and design of model-based fuzzy control systems //IEEE Transactions on Fuzzy systems. 2006. Т. 14. №. 5. С. 676-697.
@ -196,7 +224,6 @@ Duckstein, L., et al.: Fuzzy Rule-Based Modeling with Applications to Geophysica
\bibitem{Chi-1996}
Chi, Z., Yan, H., Pham, T.: Fuzzy Algorithms: With Applications to Image Processing and Pattern Recognition, vol. 10. World Scientific, Singapore (1996)
\bibitem{Razak-2021}
Razak, T.R., Fauzi, S.S.M., Gining, R.A.J., Ismail, M.H., Maskat, R.: Hierarchical fuzzy systems: interpretability and complexity. Indones. J. Electr. Eng. Inform. 9(2), 478489 (2021)
@ -210,10 +237,10 @@ Duan, J.-C., Chung, F.-L.: Cascaded fuzzy neural network model based on syllogis
Jang, J.-S.R., et al.: Fuzzy modeling using generalized neural networks and Kalman filter algorithm. AAAI 91, 762767 (1991)
\bibitem{Komartsova-2011}
Комарцова Л. Г. Эволюционные методы формирования нечетких баз правил. 2011.
Komartsova L. G. Evolutionary methods for forming fuzzy rule bases. 2011.
\bibitem{Kamaletdinova-2024}
ЛР Камалетдинова, АА, Романов Моделирование управляющей системы // System Analysis \& Mathematical Modeling. - 2024. - Т.6. - №1. - С. 60-77
Kamaletdinova, Lilia \& Romanov, Anton. (2024). Control System Design (In russian). System Analysis \& Mathematical Modeling. 6. 60-77. 10.17150/2713-1734.2024.6(1).60-77.
%%%%%%%%%%%%%%5