Технологія BIG DATA в інформаційно-вимірювальних комплексах
DOI:
https://doi.org/10.31471/1993-9981-2025-2(55)-22-31Ключові слова:
технологія Big Data, інформаційно-вимірювальний комплекс, набір даних, модель, аналіз, потік інформації.Анотація
У статті розглянуто особливості обробки та зберігання даних в сучасних інформаційно-вимірювальних комплексах, що функціонують в умовах зростання обсягів вимірювальної інформації та підвищених вимог до швидкодії і надійності. Проаналізовано основні вимоги до даних інформаційно-вимірювальних комплексів, зокрема щодо обсягу, швидкості надходження, структурної різноманітності та достовірності вимірювальної інформації. Наведено класифікацію інформаційно-вимірювальних комплексів за призначенням та визначено характерні типи даних для кожного класу. Розглянуто основні моделі даних, що застосовуються в технологіях Big Data, та обґрунтовано доцільність їх використання в інформаційно-вимірювальних комплексах залежно від специфіки вимірювальних процесів. Показано, що використання гнучких і масштабованих моделей даних забезпечує ефективну інтеграцію, аналіз і довготривале зберігання великих масивів вимірювальної інформації. Особлива увага приділяється можливості порівняння отриманих даних з додатковими джерелами інформації, включаючи дані з Інтернету, що дозволяє підвищити точність аналізу та прогнозування. Також розглядаються приклади практичного застосування моделей даних у контрольно-вимірювальних, діагностичних, моніторингових та керуючих комплексах, що демонструє їх ефективність у різних прикладних задачах. Отримані результати можуть бути використані при проєктуванні та модернізації інформаційно-вимірювальних комплексів з підвищеними вимогами до продуктивності та аналітичних можливостей.
Завантаження
Посилання
1. Lande D. V., Subach I. Yu., Gladun A. Ya. Processing of very large data sets (Big Data): a textbook. Kyiv. 2021. 168 p. URL: https://ela.kpi.ua/handle/123456789/46129 [in Ukrainian]
2. Talakh M. V. Big Data processing technologies. A textbook. Chernivtsi: Chernivtsi National University. 2024. 454 p. URL: https://archer.chnu.edu.ua/xmlui/handle/123456789/8993 [in Ukrainian]
3. Chen M., Mao S., Liu Y. Big data: A survey. Mobile Networks and Applications. 2014. Vol. 19(2). P. 171- 209. URL: https://link.springer.com/article/10.1007/s11036-013-0489-0
4. Gandomi A., Haider M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management. 2015. Vol. 35(2). P. 137–144. doi: 10.1016/j.ijinfomgt.2014.10.007
5. Lee J., Bagheri B., Kao H. A. A cyber-physical systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters.2015. Vol. 3. P. 18–23. doi: 10.1016/j.mfglet.2014.12.001
6. Stankovic J. A. Research directions for the Internet of Things. IEEE Internet of Things Journal. 2014. Vol. 1(1). P. 3–9. doi: 10.1109/JIOT.2014.2312291
7. Hashem I. A. T., et al. The rise of “Big Data” on cloud computing: Review and open research issues. Information Systems. 2015. Vol. 47. P. 98–115. doi: 10.1016/j.is.2014.07.006
8. Witten I. H., Frank E., Hall M. A. Data mining: Practical machine learning tools and techniques (4th ed.). Morgan Kaufmann. 2016. URL: https://www.sciencedirect.com/book/monograph/9780123748560/data-mining-practical-machine-learning-tools-and-techniques
9. Buyya R., Vecchiola C., Selvi S. T. Mastering cloud computing. Morgan Kaufmann. 2013. URL: https://www.sciencedirect.com/book/monograph/9780124114548/ mastering-cloud-computing
10. Marz N., Warren J. Big Data: Principles and best practices of scalable real-time data systems. Manning Publications. 2015. URL: https://ieeexplore.ieee.org/document/10279852/keywords#keywords
11. Wang L., Törngren M., Onori M. Current status and advancement of cyber-physical systems in manufacturing. Journal of Manufacturing Systems. 2015. Vol. 37. P. 517–527. doi: 10.1016/j.jmsy.2015.04.008
12. Zhang Q., Chen M., Li L., Huang Y. Big data analytics for smart industrial systems. IEEE Transactions on Industrial Informatics. 2018. Vol. 14(4). P. 1530–1540.
.png)
