VYTAUTO DIDŽIOJO UNIVERSITETAS. Daiva Markevičiūtė TELEMETRIJOS DUOMENŲ GAVYBA IR PANAUDOJIMAS DUJŲ SUVARTOJIMO APSKAITOS SISTEMOJE

Transkriptas

1 VYTAUTO DIDŽIOJO UNIVERSITETAS INFORMATIKOS FAKULTETAS TAIKOMOSIOS INFORMATIKOS KATEDRA Daiva Markevičiūtė TELEMETRIJOS DUOMENŲ GAVYBA IR PANAUDOJIMAS DUJŲ SUVARTOJIMO APSKAITOS SISTEMOJE Magistro baigiamasis darbas Verslo informatikos studijų programa, valstybinis kodas 62109P109 Informatikos studijų kryptis Vadovas (-ė) doc.dr. Daiva Vitkutė-Adžgauskienė (Moksl. laipsnis, vardas, pavardė) (Parašas) (Data) Apginta doc.dr. Kęstutis Šidlauskas (Fakulteto dekanas) (Parašas) (Data) Kaunas, 2009

2 TURINYS 1. Problemos analizė Telemetrijos sistema dujų apskaitai Duomenų (rodmenų, pajėgumų) surinkimo ir kontrolės procesas Prognozavimo procesas Analizės išvados Sistemų ir technologijų apžvalga Apskaitos ir kontrolės problemų sprendimai Dujų apskaitos sistemos Kompanijos ELSIS magistralinio dujotiekio SCADA sistema Rusijos kompanijos TPP produktas АСКУГ Baltarusijos UAB IndelKo produktas Telemetrinės informacijos surinkimo sistema ИНДЕЛ UAB IRTC duomenų apdorojimo bei vizualizavimo sprendimai Dujų apskaitos sistemų palyginimas Technologijos, naudojamos apskaitos ir kontrolės uždaviniams spręsti Mobilios technologijos Kliento-serverio modelis Duomenų bazių technologijos Web Servisai Technologijų apžvalgos santrauka Prognozavimo problemų sprendimai Duomenų analizės sistemos OLAP (On-Line Analytical Processing) sistemos Data Mining sistemos Prognozavimo sistemos Gamtinių dujų suvartojimo prognozavimo sistema Projektas ELVIRA Programinis paketas SPSS Forecasting Programiniai produktai prognozavimui Technologijos, naudojamos prognozavimo uždaviniams spręsti Trumpalaikio prognozavimo metodai Regresiniai (priežastiniai) modeliai Desezonavimo metodas Ilgalaikio prognozavimo metodai Neuroniniai tinklai Genetiniai algoritmai Ekspertinės sistemos Projektiniai sprendimai Duomenų surinkimo ir kontrolės projektas Prognozavimo procesas Prognozavimo modelis Siūlomų sprendimų efektyvumo analizė Darbo rezultatai ir išvados...50 Literatūra...52 Priedai...53 Priedas Nr.1: Antrojo magistro tiriamojo darbo santrauka...53 Priedas Nr.2: Trečiojo magistro tiriamojo darbo santrauka...54 Priedas Nr.3: Dinamikos eilutės analizė pagal multiplikatyvųjį modelį

3 Santrauka Magistro darbo autorius: Magistro darbo pavadinimas: Vadovas: Darbas pristatytas: Daiva Markevičiūtė Telemetrijos duomenų gavyba ir panaudojimas dujų suvartojimo apskaitos sistemoje Docentė, daktarė Daiva Vitkutė-Adžgauskienė Vytauto Didžiojo universitetas, Informatikos fakultetas, Kaunas, 2009, gegužė Puslapių skaičius: 56 Lentelių skaičius: 11 Paveikslų skaičius: 19 Priedų skaičius: 3 Darbe analizuojamos telemetrijos duomenų efektyvaus panaudojimo galimybės gamtinių dujų apskaitos, kontrolės ir prognozavimo procesuose. Problemos analizės skyriuje išnagrinėta esama situacija: dujų apskaitos ir kontrolės proceso eiga ir trukmė, dujų suvartojimo prognozavimo reikšmė, telemetrijos duomenų panaudojimo praktika. Įvardintos dviejų procesų: dujų apskaitos ir kontrolės, bei prognozavimo problemos. Sistemų ir technologijų apžvalgoje išnagrinėti esami sprendimai kiekvienai problemai spręsti. Išanalizuota, ką verta būtų pritaikyti procesų patobulinimui. Projektinių sprendimų skyriuje pasiūlytas sprendimas duomenų surinkimui iš vartotojų sukurti WEB deklaravimo sistemą, kurioje panaudojamas kliento-serverio modelis, bei DB replikavimas. Taip pat pasiūlytas sprendimas gautos informacijos sutikrinimui su telemetrijos duomenimis WEB servisų technologijos pritaikymas, leidžiantis apjungti skirtingų gamintojų uždaras programas vidiniame firmos tinkle. Prognozavimui pasiūlyta naudoti telemetrijos duomenis, jais remiantis prognozuoti dinamikos eilutės išskaidymo metodu. Gautus rezultatus pateikti vartotojams ir taip padėti jiems, prognozuojant planuojamą suvartoti dujų kiekį. 3

4 Abstract Author of term paper: Daiva Markeviciute Full title of Master Thesis: Telemetrics data output and resort in accounting system of gas consumption Supervisor: Docent, doctor Daiva Vitkute Adzgauskiene Presented at: Vytautas Magnus University, Faculty of Informatics, Kaunas, 2009, May Number of pages: 56 Number of sheets 11 Number of pictures: 19 Number of appendices: 3 The primary purpose of this work is to analyze effective uses of the telemetry data in natural gas accounting, control and forecasting processes. The current situation was analyzed: flow and timescale of gas accounting and control process, importance of gas consumption forecasting, practices of telemetry data use. There were identified problems of two processes: the gas accounting and control, and forecasting. Existing solutions for each problem were examined. Analyzed what the cost would be to adapt the processes of improvement. A solution was proposed for collecting data from users - to create a web system that uses client-server model and DB replication. It is also proposed reconciliation of the collected data with telemetry data made use of web services technology, which allows combining different programs in internal company network. For gas consumption forecasting made proposition of telemetry data use and mathematical forecast method was chosen. The results are presented to consumers to help them in forecasting the planned consumption of gas. 4

5 Santrumpų ir terminų žodynas Telemetrija [tele + metrija] telematavimai fizikinių dydžių matavimas per nuotolį ir rezultatų perdavimas telemechanikos priemonėmis. Telematika (telematics) [telecommunications + informatics] nuotolinis duomenų perdavimas tarp sistemų ir įrenginių. GSM (Global System for Mobile communications) skaitmeninis antrosios kartos korinio ryšio Europos standartas. GPRS (General Packed Radio Service) tai GSM standarto išvystymas, kai radijo interfeiso dalyje naudojamas paketinis duomenų perdavimas. SCADA (Supervisory Control and Data Acquisition) duomenų stebėjimo, valdymo ir saugojimo sistema. RTU (Remote Terminal Unit) nutolęs galinis objektas. DAAP dujų abonentų apskaitos programa. Web servisas pasaulinio tinklo paslauga. OLAP (On-Line Analytical Processing) - analitinio duomenų apdorojimo realiu laiku sistemos. Data Mining - duomenų gavyba. LAN (Local Area network) vidinis tinklas. tinklu. Frame Relay uždaras ir patikimas duomenų perdavimas viešuoju kompiuterių TCP/IP (Transmission control protokol/internet Protocol) standartinis duomenų perdavimo protokolų rinkinys. 5

6 Įvadas Informacijos, kontrolės bei valdymo poreikis ir technologinės galimybės paskatino telemetrijos ir telematikos sprendimų vystymąsi. Verslui pagerinti naudojami įvairūs telematikos sprendimai, pavyzdžiui: - Transporto stebėjimas ir valdymas; - Nuotolinis objektų ir procesų valdymas ir kontrolė; - Nuotolinis matavimo rodmenų surinkimas; - Mobilių vadybininkų darbo vietos. Telemetrijos sistemos įgalina M2M (kompiuteris kitam kompiuteriui) sistemų kūrimą, atlaisvindamos žmones nuo rutininių, kruopščių, daug laiko atimančių darbų. AB Lietuvos dujos 2003 m. įsigijo pakankamai brangią nuotolinės procesų kontrolės ir duomenų rinkimo sistemą, tradiciškai vadinamą telemetrijos vardu. Tačiau jos naudojimo praktika nėra galutinai nusistovėjusi, bendrovės filialuose ji nevisiškai vienoda. Telemetrijos duomenys naudojami nepakankamai neefektyviai panaudojami kontrolei, nenaudojami komercinei apskaitai, dujų suvartojimo prognozėms, galios (vartotojui reikalingo vienerių metų laikotarpiui per parą suvartojamo dujų kiekio) panaudojimo analizei ir optimalaus jos dydžio nustatymui. Telemetrijos sistemos vaidmuo ateityje didės, ji bus plečiama. Tą lemia pokyčiai santykiuose su klientais, didėjantis galios faktoriaus svoris skirstymo paslaugos kainoje. Telemetrijos duomenys pasižymi didžiausiu tikslumu, nes nepriklauso nuo žmogiškojo faktoriaus, o tik nuo ryšio su nutolusiais objektais patikimumo. Todėl labai svarbu didinti telemetrijos duomenų panaudojimo efektyvumą, nes tai turi tiesioginės įtakos bendrovės finansinių rezultatų gerėjimui. Magistrinio darbo tyrimo objektas telemetrijos duomenų efektyvaus panaudojimo galimybės gamtinių dujų apskaitos, kontrolės ir prognozavimo procesuose. Tikslas siekti, kad telemetrijos duomenys būtų efektyviai panaudojami suvartotų dujų kiekių apskaitos, kontrolės bei prognozavimo procesuose. Uždaviniai: - Atlikti esamos padėties analizę bei įvardinti problemas; - Išanalizuoti esamas sistemas, susijusias su sprendžiamais dujų apskaitos ir prognozavimo uždaviniais; - Išanalizuoti naudojamas technologijas tokiems uždaviniams spręsti; - Pasiūlyti problemų, iškylančių dujų suvartojimo apskaitos ir kontrolės bei prognozavimo procesuose, sprendimus; - Atlikti praktinį tyrimą, įvertinant pasiūlytų sprendimų naudą. 6

7 1. Problemos analizė AB Lietuvos dujos didžiausia gamtinių dujų verslo bendrovė Lietuvoje, kurioje vyksta daugybė verslo ir organizacinių procesų. Panagrinėsime kelis iš jų, susijusius su dujų suvartojimo apskaita ir prognozavimu. Ištirsime, ar pakankamai šiuose procesuose panaudojami telemetrijos duomenys, įvertinsime procesus kiekybiškai Telemetrijos sistema dujų apskaitai AB Lietuvos dujos nutolusių dujų apskaitos prietaisų duomenų nuskaitymui naudoja UAB ELSIS TS sukurtą telemetrijos sistemą SCADA, kurios pagrindą sudaro programinė įranga TEMEKA. Objekte prie mechaninio dujų skaitiklio yra prijungtas korektorius, kuris koreguoja skaitiklio rodmenis pagal dujų temperatūrą ir slėgį. Korektorius sujungtas su RTU (Remote Terminal Unit). RTU sudarytas iš kontrolerio, modemo, antenos, akumuliatoriaus ir elektros įrangos. Jame kaupiami korektoriaus duomenys ir kas 5 minutes GSM, GPRS, radijo kanalais, TCP/IP tinklais siunčiami į apskaitos telemetrijos serverį. Atitinkamai filialo pastate įrengta antena ir modemas, kuris priima telemetrijos duomenis, juos perduoda per ryšio serverį telemetrijos ir duomenų serveriui, kur toliau duomenys saugomi duomenų bazėje. Tokiu būdu sukaupiami didžiuliai kiekiai duomenų, kuriuos savo darbe naudoja avarinė tarnyba avarinių situacijų registravimui, metrologijos skyrius dujų apskaitos prietaisų gedimų registravimui, bei pardavimų skyrius klientų vartojamų dujų kiekių kontrolei.(1 pav.) Avarinė tarnyba RTU Metrologijos skyrius Serveris DB RTU Pardavimų skyrius RTU 1 pav. Supaprastinta telemetrijos sistemos struktūra Toliau panagrinėsime dujų suvartojimo apskaitos, prognozavimo procesus, optimizavimo uždavinio svarbą, aptarsime, kaip tuose procesuose panaudojami telemetrijos duomenys. 7

8 Duomenų (rodmenų, pajėgumų) surinkimo ir kontrolės procesas Didiesiems vartotojams, suvartojantiems virš 1 mln. m 3 per metus, dujos apskaitomos kiekvieną parą. Tai atliekama vartotojui fiksuojant objekte esančio dujų apskaitos prietaiso rodmenis kiekvienos paros 9.00 val. ir telefonu ar elektroniniu paštu juos pranešant dujų įmonei. Duomenys pirmiausia suvedami į žurnalą - Excel failą. Žurnalo struktūra pavaizduota 2 paveiksle. 2 pav. Žurnalo struktūra Vartotojas gali turėti kelis objektus, t.y. dujų apskaitos prietaisus, kurių rodmenis ir kiekius praneša apskaitininkui. Žurnalas yra pagalbinė patogi priemonė dujų apskaitai vesti. Dar bendraujant su vartotoju telefonu galima suderinti neatitikimus, ištaisyti pasitaikančias klaidas. Duomenų rinkimas telefonu ir elektroniniu paštu tęsiasi apie porą valandų, kol surenkami visi duomenys iš 40 vartotojų, kurie turi 172 objektus. Nesunku paskaičiuoti, kiek duomenų turi suvesti į žurnalą ir vizualiai patikrinti apskaitininkas: 172 objektus padauginame iš 2 duomenų (rodmuo ir kiekis) ir gauname 344 įrašus žurnale. Be to apskaitininkas turi sutikrinti duomenis su telemetrijos duomenimis. Tai yra svarbu, kadangi Gamtinių dujų perdavimo-skirstymo sutartyje yra numatytas mokestis už pajėgumų arba kitaip dar vadinamos galios (vartotojo per parą suvartoto dujų kiekio) viršijimą. Šiuo metu telemetrijos apskaitos sistemos įrengtos apie 30 objektų, tačiau kasmet jų bus įrengiama vis daugiau. Tai lemia didėjantis galios faktoriaus svoris skirstymo paslaugos kainoje. Apskaitininkas norėdamas sutikrinti žurnalo duomenis su telemetriniais turi išsikviesti programą TEMEKA, padaryti užklausą ir programa suformuos Excel failą su visų objektų turinčių telemetrijos sistemą duomenimis. Po to rankiniu būdu tikrinama ar telemetrijos rodmuo didesnis už vartotojo praneštą, ar vartotojo pajėgumai neviršija sutartinių ar papildomai suderintų pajėgumų. Radus nedeklaruotą dujų kiekį, apskaitininkas skaičiuoja tolerancijos koeficientą, kuris parodo, kiek procentų vartotojas gali nukrypti nuo telemetrinių duomenų. Tolerancijos koeficiento dydis priklauso nuo telemetrijos būdu kontroliuojamo dujų kiekio dalies visame per metus vartotojui pristatomų dujų kiekyje. Kuo daugiau kontroliuojama telemetrijos būdu, tuo mažesnę paklaidą gali daryti vartotojas. Radus neleistiną nuokrypį, apskaitininkas turi imtis veiksmų priežasčiai išsiaiškinti, bei pašalinti. Apskaitininkas pirmiausia skambina vartotojui ir iš naujo derina skaitiklio rodmenį, bei kiekį. Jei vartotojas sakosi esąs teisus, apskaitininkas turi pranešti metrologijos skyriui dėl galimo apskaitos prietaiso gedimo ir/arba IT skyriui dėl telemetrijos proceso sutrikimo. Po šio patikrinimo apskaitininkas jau gali suvesti duomenis iš žurnalo į DAAP (dujų abonentų apskaitos 8

9 programą). Pasibaigus ataskaitiniam laikotarpiui, remiantis į DAAP įvestais duomenimis yra apskaičiuojami mokesčiai už suvartotas dujas, tarp jų ir jau minėtasis mokestis už pajėgumų viršijimą. Esamos padėties principinėje schemoje matome, duomenų surinkimo ir kontrolės proceso įvertinimą laiko atžvilgiu. Apskaitininko darbo laikas Σ t i yra lygus suskaidytų darbų laikų sumai: Σ t i = t 1 + t 2 + t 3 + t 4 + t 5 + t 6 + t 7 + t 8 + t 9 + t 10 ~ 4 val. Duomenys t 1 Telefonu Žurnalas t 1 DAAP Sąskaitų ruošimas X ij, y ij El. paštu t 2 Telemetrijos duomenys Telemetrijos duomenų bazė Telemetrijos programa TEMEKA t 5 Rankinis duomenų palyginimas t 4 Papildomų pajėgumų užsakymas t 3 Faksu Papildomų pajėgumų užsakymų priėmimas, tvirtinimas ir įvedimas į DAAP Sutartiniai ar papildomai suderinti pajėgumai Tolerancijos koeficiento skaičiavimas Skambutis vartotojui t 6 t 7 t 9 Duomenų keitimas Pranešimas metrologijos ir/arba IT skyriams t 8 3 pav. Esamos padėties principinė schema Schemoje naudojami sutrumpinimai ir žymėjimai: DAAP dujų abonentų apskaitos programa; t 1 telefono skambučių, elektroninių laiškų priėmimas ir duomenų derinimas/suvedimas į Excel žurnalą; t 2 telemetrijos programos iškvietimas ir telemetrijos duomenų lentelės suformavimas; t 3 papildomų pajėgumų užsakymų priėmimas, tvirtinimas ir įvedimas į DAAP; t 4 sutartinių ir papildomai suderintų pajėgumų peržiūrėjimas; 9

10 t 5 telemetrijos duomenų palyginimas su praneštais vartotojo; t 6 telemetrijos tolerancijos koeficiento skaičiavimas; t 7 pakartotinas duomenų derinimas su vartotoju (skambutis, el.laiškas); t 8 užsakymo metrologijos ir/arba IT skyriui formavimas; t 9 duomenų keitimas žurnale; t 10 duomenų įvedimas į DAAP. 4 pav. parodyta pajėgumų surinkimo ir sutikrinimo su telemetrijos duomenimis apskaitininko veiklos diagrama. 10

11 Vartotojo Nr. = k Objekto Nr. = i Paros Nr. = j Priimti duomenis iš vartotojų V k (parodymą x ij ir skirtumą y ij ) Įvesti x ij į žurnalą Suderinti y ij Paleisti telemetrijos programą Temeka ir suformuoti telemetrijos duomenų lentelę k=1 k 40 Suvesti x ij į DAAP Išsirinkti objekto telemetrinius pajėgumus t ij V kturi objektų su telemetrija t ij > y ij Skaičiuoti tolerancijos koeficientą Koeficientas viršija leistinas ribas Skambinti vartotojui V k Suderinti naują parodymą x ij ir skirtumą y ij Vartotojas nesutinka keisti rodmenų Suvesti naują x ij į žurnalą Ruošti užduotį patikrinimui metrologijos ir/arba IT skyriui, koreguoti žurnalą pagal patikros rezultatus k=k+1 4 pav. Apskaitininko veiklos diagrama Dėl daug laiko atimančio tikrinimo, dažnai nespėjama įvesti duomenų į DAAP. Todėl tikrinami ne visi objektai turintys telemetrijos sistemą, o tik tie, kurie potencialiai gali viršyti sutartinius ar papildomai suderintus pajėgumus. Išryškėja tokio darbo trūkumai: 11

12 darbas atima daug laiko skambučių priėmimas trunka apie 2 valandas, esant neatitikimams reikia antrą kartą skambinti vartotojui ir derinti skaitiklio rodmenį, nepavykus išsiaiškinti su vartotoju, reikia paruošti užduotį tikrinimui metrologijos ir/arba IT skyriui; daug rankinio darbo duomenys įvedami į Excel failą, po to palyginami su telemetriniais ir galiausiai įvedami į DAAP. Papildomai užsakomų pajėgumų priėmimas, tvirtinimas ir įvedimas į DAAP. Dėl didelės darbo apimties nespėjama visko laiku atlikti; nepatogu - naudojamos trys skirtingos programos: Excel, Temeka ir DAAP; klaidų atsiradimo galimybė - tikrinimas yra rankinis, reikia nuolat blaškytis tarp programų, lentelių. Didelė tikimybė, kad apskaitininkas kažko nepastebės ar pamirš; dideli kaštai mokamas atlyginimas darbuotojui už darbą, kurį galima būtų automatizuoti; nepakankamai panaudojami telemetrijos duomenys, nes apskaitininkas nespėja visko patikrinti. Atlikus telemetrijos ir vartotojų deklaruotų duomenų analizę, rastos paklaidos siekiančios 20 ir daugiau procentų. Analizė parodė operatyvios ir griežtesnės kontrolės poreikį Prognozavimo procesas Gamtinių dujų perdavimo-skirstymo procese svarbu kuo tiksliau nustatyti vartotojų poreikius (numatomų suvartoti dujų kiekius ir pajėgumus) ir užsisakyti reikiamą kiekį iš tiekėjo OAO Gazprom. Taip pat ir vartotojai turi būti atidūs pateikdami poreikius, nes už nesuvartotą metinį dujų kiekį sutartyje yra numatytos netesybos, o už pajėgumų viršijimą papildomas mokestis. Šiame darbe nagrinėjama stambių vartotojų poreikių prognozavimo problema. 5 pav. parodyta, kad 2008 m. stambūs vartotojai suvartojo 30% viso per metus AB Lietuvos dujos parduoto dujų kiekio. Tai gana didelė dalis, kurią tiksliai suprognozavus, galima būtų išvengti didelių netesybų mokesčių. 12

13 Stambieji energetikai 45% Poreikiai Netesybos Vartotojų klientai Užsakymai Stambūs dujų vartotojai (virš 1 mln. m 3 per metus) 30% Poreikiai Netesybos AB Lietuvos dujos Poreikiai Netesybos OAO Gazprom Smulkūs dujų vartotojai 10% Poreikiai Netesybos Gyventojai 15% Poreikiai 5 pav. Apibendrinta prognozavimo proceso schema Šiuo metu vartotojai prognozuoja patys, remdamiesi savo klientų užsakymais ir kokybiniais prognozavimo metodais, t.y. prognozuojančių asmenų žiniomis, patirtimi ir gabumais. Šis metodas negali būti pakankamai tikslus, nes netaikomos matematinės statistikos analizės priemonės. Norint pasiekti geresnių prognozavimo rezultatų būtina taikyti ir kiekybinius laiko eilučių prognozavimo metodus. Palyginus kelių metų planuotą ir faktinį suvartotų dujų kiekį, apskaičiuota, kad paklaida vidutiniškai siekia 20%. Netgi 2/3 vartotojų paklaida viršijo 15 %. Tai tik įrodo tikslesnių prognozių būtinumą. Tiksliausios prognozės būtų panaudojant telemetrijos duomenis. Vartotojams labai svarbu pasirinkti optimalų sutartinį pajėgumų dydį, kuris yra nekeičiamas visus metus. Šiuo metu vartotojai jį pasirenka artimą maksimaliai reikšmei, siekdami išvengti mokesčių už pajėgumų viršijimą. Tačiau tuo pačiu jie turi nuostolių, nes visus metus turi permokėti už nenaudojamus atitinkamais metų periodais (pvz. šiltuoju) pajėgumus Analizės išvados Žemiau pateikiamos problemos analizės lentelės(1 ir 2 lentelės). Pirmoje lentelėje išvardinti bendrovėje vykstantys procesai ir įvardintos kylančios problemos dėl procesų netobulumo. Matome, kad procesuose per mažai išnaudojamos IT technologijos, to pasekmė -darbas vyksta lėčiau nei galėtų, pasitaiko klaidų, prognozavimas netikslus. 13

14 1 lentelė Efektyvumo analizė Antroje lentelėje analizuojama telemetrijos duomenų panaudojimo praktika bendrovėje vykstančiuose procesuose ir su tuo susijusios problemos. Telemetrijos duomenų panaudojimo analizė 2 lentelė Pirmosios lentelės analizės išvada darbas šiuo metu vyksta neefektyviai ir jį būtina tobulinti, automatizuoti. Atrojoje parodoma, kad telemetrijos duomenys naudojami nepakankamai. 14

15 2. Sistemų ir technologijų apžvalga Šiame skyriuje bus nagrinėjami apskaitos ir kontrolės, bei prognozavimo problemų sprendimai: esamos sistemos, naudojamos technologijos. Šių sričių pasiekimai sunkiai skinasi kelią Lietuvos įmonėse. Tai lemia didelė IT produktų kaina, priimančių sprendimus vadovų nuomonė dėl atsipirkimo, ekonominio efekto, o kartais ir nežinojimas Apskaitos ir kontrolės problemų sprendimai Apžvelgsime jau egzistuojančias sistemas, susijusias su sprendžiamais dujų suvartojimo apskaitos ir kontrolės klausimais. Paanalizuosime naudojamas technologijas tokiems uždaviniams spręsti Dujų apskaitos sistemos Duomenų surinkimas iš vartotojų gali būti organizuojamas dviem būdais: - Dalyvaujant žmogui procese, t.y. vartotojas fiksuoja skaitiklio duomenis objekte ir pats perduoda apskaitininkui; - Nedalyvaujant žmonėms procese, t.y. duomenys perduodami M2M (machine-to-machine) sistemos pagalba. Pirmajam būdui realizuoti gali būti panaudojami įvairūs metodai ir technologijos: nuo paprasčiausių duomenų perdavimo telefonu arba elektroniniu paštu, alternatyvių SMS siuntimo, iki kliento-serverio modelių sukūrimo, panaudojant Web aplikacijas, bei DB replikavimo procedūras. Antrajam būdui realizuoti naudojamos SCADA sistemos. SCADA sistema tai duomenų surinkimo, stebėjimo, kontrolės ir valdymo programinė sistema. Duomenys yra surenkami nuotoliniu (telemetrijos) būdu, panaudojant GSM, GPRS, Interneto, laidinį telefono ryšį ir pan. arba tiesiogiai prisijungus prie objekto. Literatūroje pavyko aptikti šias gamtinių dujų srityje veikiančias SCADA sistemas: - Kompanijos ELSIS magistralinio dujotiekio SCADA sistemą įdiegtą AB Lietuvos dujos [1]; - Rusijos kompanijos TPP (TelePosition Project) produktą АСКУГ įdiegtą Volgogrado regiono gamtinių dujų bendrovėje[2]; - Baltarusijos UAB IndelKo produktą Telemetrinės informacijos surinkimo sistemą ИНДЕЛ įdiegtą daugelyje Baltarusijos gamtinių dujų bendrovių[3]; - UAB IRTC (UAB Informatikos ir ryšių technologijų centras ) duomenų apdorojimo bei vizualizavimo sprendimus[4]. Plačiau apie kiekvieną iš jų kituose skyreliuose Kompanijos ELSIS magistralinio dujotiekio SCADA sistema Magistralinio dujotiekio SCADA sistemos pagrindą sudaro programinė įranga "TEMEKA", kurią sukūrė ir įdiegė kompanija "ELSIS". Į magistralinio dujotiekio SCADA sistemą įjungta: visos magistralinio dujotiekio dujų apskaitos stotys (DAS), paskirstymo stotys (DPS), dujų kompresorinės stotys, visi svarbiausi linijiniai kranai (LK), turintys valdymo funkciją, dujotiekio katodinės apsaugos stotys, dujų skirstymo stotys (DSS), žemo slėgio paskirstymo tinklų įmonės filialuose, svarbiausių vartotojų dujų apskaitos telemetrija. Tokiu būdu į SCADA sistemos duomenų bazę yra įjungti visi 15

16 svarbiausi dujotiekių sistemos objektai, nuo magistralinio dujotiekio iki svarbiausių vartotojų dujų apskaitos. SCADA sistema sudaryta iš skirtingų lygių, paskirstytų pagal įmonės tarnybų atliekamas funkcijas (dispečerinė tarnyba, avarinė tarnyba, apskaitos tarnyba, filialų struktūra ir t.t.). Ryšys tarp RTU nutolusiuose objektuose ir dispečerinio centro palaikomas per ryšio serverius, kurie leidžia palaikyti ryšį įvairiais duomenų perdavimo būdais (GSM, GPRS, radijo kanalas, TCP/IP tinklas). Duomenų perdavimui iš RTU kontrolerių naudojami standartiniai duomenų perdavimo protokolai MODBUS RTU/TCP, IEC RTU kontroleris su IP tinklo įranga jungiamas per Ethernet10/100 sąsają (rezervinis sujungimas per RS232 sąsają). Visa SCADA sistemos kompiuterinė įranga dirba atskirame LAN potinklyje, atskirtame nuo bendro bendrovės globalaus tinklo maršrutizatoriumi. Sistema funkcionuoja Windows 2000/XP operacinės sistemos pagrindu. Duomenų bazės realizuotos ORACLE SERVER pagrindu. Telemetrijos sistemų informacija ir dujų vartotojų apskaitos sistemos informacija perduodama į centrinį telemetrijos serverį ir dujų vartotojų apskaitos serverį. Plačiau panagrinėsime filialo telemetrijos sistemos elementus ir jų funkcijas. Filialo telemetrijos ir duomenų serverių funkcijos: Dujų apskaitos telemetrijos, SCADA duomenų bazių formavimas, kaupimas, duomenų klasterizacija (grupavimas), rezervavimas, informacijos apsikeitimas su centriniais serveriais ir darbo vietomis. Kompiuterinio tinklo funkcijos. Informacijos apsikeitimas su centriniu magistralinio dujotiekio SCADA serveriu (centriniu rezerviniu SCADA serveriu), centriniu filialų telemetrijos serveriu, centriniu dujų apskaitos telemetrijos serveriu (informacijos priėmimas/perdavimas). Informacijos perdavimas į darbo vietų kompiuterius. Informacijos apsikeitimas su kitais įmonės kompiuteriniais tinklais. Ryšio palaikymas per modemą (dvilaide komutuojama telefonine linija), IP tinklu, Frame Relay tinklu, lokaliu tinklu. Slaptažodžių sistema (lokalių slaptažodžių įvedimas, keitimas, kontrolė). Informacijos nuskaitymo iš RTU vykdymo protokolas. Informacijos išvedimas į spausdinimo įrenginius. Filialo ryšio serverio funkcijos: Informacijos priėmimas/perdavimas iš/į telemetrijos kontrolerius per GSM mobilųjį tinklą, radijo ryšio tinklą, bet kurį komutuojamą ir nekomutuojamą ryšio tinklą ir IP tinklą. Avarinių pranešimų priėmimas ir patvirtinimo perdavimas. Kompiuterinio tinklo funkcijos. Informacijos apsikeitimas su kitais įmonės kompiuteriniais tinklais. Ryšio palaikymas per modemą (dvilaide komutuojama linija), IP tinklu, Frame Relay tinklu, lokaliu tinklu, GSM, GPRS tinklu. Informacijos persiuntimas į telemetrijos kontrolerius. Priimtos iš telemetrijos kontrolerių informacijos atvaizdavimas ir peržiūrėjimas grafiniame ir tekstiniame režime. Informacijos išvedimas į spausdimo įrenginius. Informacijos nuskaitymo iš telemetrijos kontrolerių vykdymo protokolas. Darbo vietos filiale (dispečerio) kompiuterinės ir programinės įrangos funkcijos: Informacijos priėmimas/perdavimas iš/į telemetrijos serverį. Informacijos apsikeitimas su kitais įmonės kompiuteriniais tinklais per LAN. Technologinių schemų redagavimas ir kūrimas. 16

17 Avarinių signalų, gautų iš telemetrijos kontrolerio kontrolė, protokolavimas, priėmimo patvirtinimo perdavimas į filialo centrinį serverį. Informacijos surinkimo iš telemetrijos kontrolerio periodiškumo valdymas, nuskaitymo laiko nustatymas, nuskaitymo laiko intervalų nustatymas. Informacijos išvedimas į spausdimo įrenginius. Dujų sunaudojimo skaitiklių reikšmių momentinis atvaizdavimas, statistika, grafinis atvaizdavimas. Klientų vartojamo dujų kiekio nuotolinės kontrolės (telemetrijos) sistemos paskirtis yra išmatuotų dydžių registravimas, jų perdavimas ir kaupimas bei analizė. Klientų vartojamo dujų kiekio nuotolinės kontrolės (telemetrijos) sistema leidžia: - Nuskaityti dujų kiekius pristatymo vietose per ataskaitinį laikotarpį (parą ar pan.); - Kontroliuoti dujų vartojimo galią; - Iš nuskaitytų duomenų formuoti gamtinių dujų suvartojimo aktus ir išvengti klaidų, kurias gali padaryti vartotojas; - Administruojant perdavimo-skirstymo sutartis kontroliuoti vartotojų sutartinius įsipareigojimus; - taupyti materialines ir darbo laiko sąnaudas tikrinant skaitiklių rodmenis vietose. Reikia pridurti, kad klientų vartojamo dujų kiekio nuotolinės kontrolės (telemetrijos) sistema yra nuolat tobulinama ir besiplečianti sistema. Techninės sistemos dar nėra pilnai sutvarkytos, kad kontroliuotini duomenys būtų gaunami operatyviai ir patikimai. Sistemos programinė įranga neužtikrina sistemos sąveikos su dujų vartojimo duomenų bazėmis (duomenų eksporto galimybių). Dėl šių priežasčių kol kas telemetrijos sistema nenaudojama komercinei apskaitai. Tai numatoma perspektyvoje Rusijos kompanijos TPP produktas АСКУГ АСКУГ sukurtas Rusijos kompanijoje TPP (TelePosition Project). АСКУГ tai automatizuota komercinės dujų apskaitos sistema. Sistemos atliekamos funkcijos ir uždaviniai: - Automatinis duomenų surinkimas iš RTU ir jų unifikacija; - Operatyvinis duomenų apie RTU būseną suteikimas; - Įspėjamasis signalizavimas apie dujų vartojimo režimo sutrikimą, nesankcionuotą įsikišimą į RTU darbą; - Ilgalaikio ir patikimo RTU duomenų saugojimo užtikrinimas; - Valdymo sprendimų efektyvumo augimas patikimos informacijos apie faktiškai suvartotas dujas operatyvaus panaudojimo dėka; - Įrangos būsenos diagnostika tikslu išaiškinti matavimo prietaisų gedimus, bei remonto darbų skaičiaus mažėjimas, išlaidų aptarnavimui ir gedimų paieškai mažinimas. Sistemos АСКУГ įdiegimas padidina dujų apskaitos patikimumą ir užtikrina: - Faktinių dujų nuostolių išaiškinimą (ir jų mažinimą); - Patikimos informacijos gavimo operatyvumo didėjimą; - Greito informacijos apdorojimo ir valdymo galimybes; - Patikimus ryšio kanalus su RTU. Naudojama technologija: bevielis duomenų perdavimo tinklas M2M TPP. M2M technologija sujungia telekomunikacinius ir informacinius resursus tam, kad sukurti automatizuotas technologinių procesų sistemas. Tinklas M2M TPP tai M2M platforma, į kurios sudėtį įeina ryšio įranga, telematiniai mašrutizatoriai, programinė įranga integracijai su SCADA sistemomis. Tinklas M2M TPP tai: - Operatyvi objektų kontrolė ir valdymas, resursų apskaita 24 valandas per parą, 7 dienas per savaitę (vidutinis pranešimo pristatymo laikas ne daugiau 5 s); 17

18 - Nepertraukiamas sujungimas su RTU, ryšio kontrolė su kiekvienu RTU; - Garantuojamas pranešimų pristatymas (sistemos patikimumas 99,99%); - Ryšio kanalų kriptoapsauga M2M TPP tinkle; - Vieningos sistemos sukūrimas iš daugybės skirtingų objektų ir įrenginių. M2M TPP technologija tai 3 pakopų sistema: 1. Lokalus lygis komunikacinis modulis ir programinė įranga M2Mkernel. M2Mkernel tai ryšio kontrolerio OS branduolys, konfigūruojama programinė įranga, kuri užpatentuota Rusijos federacijoje (patento Nr ); 2. Ryšio kanalai telematinių maršrutizatorių integruotų su mobiliųjų operatorių GPRS tinklais tinklas; 3. SCADA lygis - servisų rinkinys duomenų apsikeitimui su bet kokiomis SCADA sistemomis. Visa TPP programinė įranga atitinka pasaulinius standartus ir suderinama su bet kokiomis operacinėmis sistemomis. Platformos TPP pagrindas programinis-aparatinis kompleksas, kuris pasižymi šiomis unikaliomis savybėmis: - Pastovus sujungimas protokolu TCP/IP (GPRS). Tai garantuoja (skirtingai nuo SMS ir e- mail) neuždelstą ir patvirtintą pranešimų pristatymą. Sistemos ypatybė - tai, kad TPP serveris vienu metu sąveikauja su visais prijungtais prie M2M sistemos objektais. Šiuo metu maksimalus sistemos resursas virš 1 mln. objektų; - Apsauga. Didelis TPP sistemos saugumas užtikrinamas apsikeitimo pranešimais kanalo šifravimu: tarp objektų ir M2M TPP tinklo, bei tarp telematinių maršrutizatorių. Naudojamas SSL128bit (HTTP/PKI) protokolas. Vienu metu gali būti naudojamas bet koks papildomas kriptošifravimas; - Komunikacinis modulis. Tai TPP platformos branduolys serijinis gaminys, kuris dirba pilnai automatiškai. Gali būti naudojamas ir kaip savarankiškas įrenginys, ir jau egzistuojančios sistemos modernizavimui; - Atsparumas trikdžiams. Paskirstyta, su daugkartiniu rezervavimu sistema garantuoja pastovų duomenų perdavimą. Avarinių situacijų metu yra galimybė automatiškai persijungti prie rezervinio mobilaus tinklo operatoriaus; Baltarusijos UAB IndelKo produktas Telemetrinės informacijos surinkimo sistema ИНДЕЛ Baltarusijos UAB IndelKo produktas Telemetrinės informacijos surinkimo sistema ИНДЕЛ tai dujų tiekimo režimų kontrolės ir gamtinių dujų apskaitos sistema. Sistemos valdomų procesų kontrolei ir vizualizacijai panaudotas kompanijos Axeda Supervisor SCADA paketas WIZCON. WIZCON paketo pagalba dispečeris kompiuterio ekrane mato kontroliuojamo rajono žemėlapį ir avarinių situacijų žurnalą. Telemetrinės informacijos surinkimo sistema palaiko vieningą duomenų bazę, kurioje saugoma informacija apie dujų vartojimo dinamiką. Sistemos atliekamos funkcijos: archyvinių ir einamų duomenų nuskaitymas, duomenų nuskaitymas pagal užklausą ir automatiškai, grafikų braižymas, spausdinimas ir analizė, apskaitos prietaisų remonto ir patikros kontrolė, duomenų įvedimas-nuskaitymas į/iš standartinius SCADA paketus. Telemetrijos būdu surinkti duomenys saugomi ACCESS duomenų bazėje. Vėliau atitinkamų makro komandų ir paprogramių pagalba pagal dispečerio užklausas formuojami įvairūs grafikai ir ataskaitos UAB IRTC duomenų apdorojimo bei vizualizavimo sprendimai UAB IRTC specializuojasi kurdama bei diegdama informacinių technologijų valdymo sprendimus bei automatizuotas komercinės apskaitos programas. Duomenų apdorojimo bei 18

19 vizualizavimo sprendimai realizuojami specializuotos programinės įrangos (PĮ) pagrindu, kurios funkcionalumas parenkamas priklausomai nuo techninės užduoties bei užsakovo pageidavimų. Siūlomi produktai: Duomenų vizualizavimo bei dispečerinės kontrolės programinė įranga Ametistas. Dispečerinės kontrolės programinė įranga (PĮ) Ametistas skirta nesudėtingų technologinių procesų duomenų vizualizavimui, kaupimui, bei apdorojimui. PĮ Ametistas rekomenduojama diegti realizuojant nutolusių objektų dispečerinės kontrolės centrus. Pagrindinės charaketristikos: Suderinama su Siemens, Allen Bradley, Unitronics, Schneider Electric ir kitų gamintojų valdikliais bei jų komunikaciniais protokolais; Duomenų perdavimui gali būti naudojami tiek bevieliai (GSM, GPRS, radijo) tiek kabeliniai (vyta pora, optika) tinklai; Dispečeriniame centre gali būti įdiegta viena arba kelios sistemos darbo vietos; Yra galimybė stebėti objektų darbą Internetu, iš nutolusių darbo vietų; Nesudėtingas PĮ administravimas, ką gali daryti ir pats užsakovas. Energetinių resursų apskaitos duomenų analizės bei apdorojimo programinė įranga Ametrinas. Apskaitos duomenų analizės bei apdorojimo PĮ Ametrinas skirta dujų skaitiklių rodmenų apdorojimui, ataskaitų formavimui, duomenų paruošimui bei perdavimui kitoms įmonės informacinėms sistemoms (pvz. Microsoft Dynamics NAV (Microsoft Navision)). Skaitiklių rodmenys gali būti įvedami: rankiniu būdu; automatiniu būdu rodmenys periodiškai nuskaitomi GSM/GPRS arba kabeliniu tinklais; pusiau automatiniu būdu skaitiklių rodmenys nuskaitomi radijo ryšiu į nešiojamą terminalą su kuriuo operatorius privažiuoja prie namo. Terminalą prijungus prie Sistemos kompiuterio, PĮ Ametrinas automatiškai perkelia duomenis iš terminalo į Sistemos duomenų bazę. PĮ Ametrinas naudojama energetinių resursų komercinės apskaitos sistemose. Sudėtingų technologinių procesų vizualizavimo bei valdymo programinės įrangos paketas FactorySuit (Wonderware). Sudėtingų technologinių procesų dispečeriniam valdymui, duomenų vizualizavimui bei apdorojimui siūloma kompanijos Wonderware programinė įranga FactorySuit, susidedanti iš kelių modulių: 1. InTouch 10.0 HMI modulis skirtas technologinių parametrų grafiniam atvaizdavimui realiame laike; 2. ActiveFactory 9.2 modulis skirtas duomenų analizei lentelių, grafikų formoje; 3. SCADAlarm modulis skirtas avarinių pranešimų, įvykių administravimui; 4. Historian (IndustrialSQL Server ) pramoninės SQL duomenų bazės modulis; 5. Device Integration - OPC serverių/klientų komplektai įvairių gamintojų bei modelių PLV (programuojami loginiai valdikliai) duomenų nuskaitymui Dujų apskaitos sistemų palyginimas Visų aprašytų sistemų vartotojo sąsajos yra panašios vartotojas gali stebėti ir kontroliuoti procesus, peržiūrėti informaciją grafikų ir lentelių pavidalu, peržiūrėti archyvinius duomenis, formuoti ataskaitas. Žemiau pateikiamos SCADA sistemų palyginamosios lentelės (3 ir 4 lentelės). 3 lentelėje SCADA sistemos palyginamos pagal sujungimo su RTU priemonių įvairovę, pranešimų pristatymo patikimumą, galimybę atstatyti nutrūkusį ryšį rezerviniu sujungimu. 19

20 SCADA sistemų ryšio patikimumo palyginimas 3 lentelė SCADA sistemos pavadinimas Ryšys su RTU Pranešimų pristatymo patikimumas Rezervinis sujungimas mobiliais tinklais ELSIS GSM, GPRS, radijo kanalas, TCP/IP 70% nėra АСКУГ M2M TPP - duomenų perdavimo tinklas, TCP/IP, 99,99% yra GPRS ИНДЕЛ GSM,radijo kanalas, kabelis nežinomas nėra IRTC GSM, GPRS, radijo kanalas, kabelis nežinomas nėra 4 lentelėje SCADA sistemos lyginamos pagal jų sujungimo su kitomis sistemomis, bei duomenų eksporto galimybes. 4 lentelė SCADA sistemų integralumo palyginimas SCADA sistemos pavadinimas Duomenų eksporto galimybė Integralumas su kitom sistemom Naudojama komercinei apskaitai ELSIS nėra žemas Ne АСКУГ yra aukštas Taip ИНДЕЛ yra vidutinis Ne IRTC yra aukštas Taip SCADA sistemų analizė parodė, kad sistemos tinkamumą naudoti komercinei apskaitai lemia ryšio patikimumas, bei aukštas integralumo su kitom sistemom lygis. Kadangi AB Lietuvos dujos SCADA sistema jau įdiegta ir kitos pirkti neapsimoka, tai reikia apsvarstyti galimybes patobulinti esamą sistemą iki tinkamos komercinei apskaitai Technologijos, naudojamos apskaitos ir kontrolės uždaviniams spręsti AB Lietuvos dujos įdiegta UAB ELSIS TS sukurta telemetrijos sistema SCADA veikia nuo 2003 metų. Diegiant sistemą, jai keliami uždaviniai buvo išmatuotų dydžių registravimas, jų perdavimas ir kaupimas bei analizė. Sistemos panaudojimo komercinei apskaitai, bei per parą suvartotų dujų kiekio kontrolei klausimai tuomet dar nebuvo tokie aktualūs, kaip dabar. Šiame skyriuje panagrinėsime šios sistemos įjungimo į vientisą IS galimybes, apskaitos ir kontrolės proceso automatizavimo technologijas Mobilios technologijos 20

21 Trumpųjų žinučių (SMS Short Message Service) paslauga tai patogi skubios informacijos persiuntimo priemonė mobiliajame tinkle. Ji leidžia mobiliems telefonams arba kitiems prie tinklo prijungtiems prietaisams tarpusavyje siųsti trumpas žinutes. Taip pat SMS žinutes gali siųsti ir priimti interneto kompiuteryje patalpinta aplikacija. Tarp vartotojų ir aplikacijų siunčiami SMS vadinami P2C person-to-content, arba P2M person-to-machine. SMS žinutes galima panaudoti daugelyje verslo aplikacijų. Nuotoliniam duomenų perdavimui naudojami mobilieji tinklai. Per antrosios kartos mobiliuosius tinklus (pvz. GSM) galima perduoti duomenis. Tačiau antrosios kartos tinklai yra optimizuoti perduoti balsui ir nėra optimaliai pritaikyti duomenų perdavimui. Jie turi nedidelį duomenų perdavimo greitį (9,6 kbps baziniame standarte, 14,4-22,8 kbps - sumažinus kanalo apsaugą nuo trukdžių ir panaudojus daugiau tinklo resursų), ilgą sesijos užmezgimo laiką (nuo keleto iki keliasdešimt sekundžių), jų veikimas grindžiamas grandinių komutacijos principu. Tai sukelia daug problemų. Mažas duomenų perdavimo greitis neleidžia siųsti didelių informacijos kiekių (nutolusių bazių pasiekimas, intranetas, elektroninis paštas), ilgas sesijos užmezgimo laikas riboja tinklo panaudojimą perduodant trumpus ir dažnai besikartojančius paketus, o tinklo veikimas grandinių komutacijos principu neleidžia vienu fiziniu kanalu naudotis keliems naudotojams. Kelių kanalų naudojimas vienu metu mažina tinklo efektyvumą bei brangina paslaugą. Siekiant įveikti šias problemas antrosios kartos tinklai, veikiantys grandinių komutacijos principu, buvo papildyti paketų komutacijos principais. Taip atsirado paketinis duomenų perdavimas GSM tinklu (GPRS). Kokie jo privalumai? GPRS leido smarkiai padidinti duomenų perdavimo greitį (nuo 9,6 kbps iki 115 kbps), labai (kelis kartus) sumažėjo ryšio seanso užmezgimo trukmė, GPRS padidino bendrą tinklo efektyvumą ir leido sumažinti perduodamo bito kainas (centas/bitui) lyginant su GSM duomenų perdavimo paslauga Kliento-serverio modelis Kliento-serverio modelis suriša du skirtinguose kompiuteriuose vykstančius procesus, kurie komunikuoja tarpusavyje, keisdamiesi informacija. Žemiau pateikiama kliento-serverio modelio schema.(6 pav.) 6 pav. Kliento-serverio modelio schema Kliento-serverio modelis naudotinas, kuomet daugeliui vartotojų vienu metu reikalingas priėjimas prie duomenų bazėje sukauptos informacijos. Kompiuteris klientas inicijuoja užklausą kompiuteriui serveriui ir pastarasis ją vykdo, tačiau dalis paruošiamojo darbo paliekama atlikti pačiam klientui. Manipuliavimo duomenimis palengvinimui šiame modelyje kliento programinė įranga naudoja IBM sukurtą struktūrinių užklausų kalbą (SQL, Structured Query Language). Manipuliavimą čia suvokiame kaip duomenų įvedimą, paiešką, išėmimą ir redagavimą. SQL interpretatorius verčia supaprastinta šnekamąja anglų kalba pateikiamas užklausas į mašininę kalbą. Kliento-serverio terpė turi du svarbius komponentus: 21

22 -front-end, vartotojo sąsajos dalį, t.y. patį klientą; -back-end, taikomąją dalį, t.y. patį serverį. Kliento funkcijos. Kadangi kliento-serverio terpėje serveris neturi vartotojo sąsajos, todėl klientas privalo: užtikrinti vartotojo sąsają; formuoti užklausas; pavaizduoti gautus iš serverio duomenis. Vaizduojamoji sąsajos dalis atskiriems klientams gali būti labai įvairi. Tai ir paieškos kriterijų pasirinkimo galimybės, ir informacijos priėmimo ir pateikimo būdas, ir naudojamas instrumentarijus (tools), t.y. standartinės programos, kuriomis vartotojas apdoroja gautus duomenis (Access, Excel, Word bei daugelis kitų). Serverio funkcijos. Serveris privalo saugoti ir valdyti duomenis. Be to, serverio programinė įranga turi laiku atnaujinti ir papildyti duomenų bazes, rūpintis duomenų apsauga bei nebereikalingų įrašų pašalinimu. Paprastai tai atliekama nedidelių serveryje saugomų procedūrų (stored procedures) pagalba, kurios: vykdo dalinį duomenų apdorojimą; mažina tinklo apkrovimą, nes vienintelis kliento kreipinys į procedūrą iššaukia komandų seriją nebereikia atskiros užklausos kiekvienai komandai; gali atlikti apsaugos funkcijas, t.y. kontroliuoti nesankcionuotą kitų procedūrų paleidimą. Kadangi kliento-serverio terpėje serverių apkrovimas yra labai didelis (jie turi realiame laike vykdyti užklausų aibes, spręsti apsaugos uždavinius bei valdyti tinklą), todėl jų galingumas turi būti žymiai didesnis nei klientų. Paprastai tam tikslui įsigyjami specialūs kompiuteriai, optimizuoti serverio funkcijų vykdymui kliento-serverio terpėje. Dažniausiai tai būna spartūs daugiaprocesoriniai įrenginiai. Užklausų vykdymo etapai. Procesas nuo kliento užklausos inicijavimo iki serverio atsakymo susideda iš šešių etapų: klientas pateikia užklausą; užklausa verčiama į SQL; SQL užklausa siunčiama į tinklą ir patenka serveriui; serveris atlieka paiešką duomenų bazėje; reikalauti įrašai grąžinami klientui; gauti duomenys interpretuojami ir pateikiami vartotojui priimtinu pavidalu. Kliento-Serverio tinklų architektūra. Žinomos kelios kliento-serverio tinklų modelio realizacijos. Pažymėtinos dvi: kai duomenys koncentruojami ir apdorojami viename serveryje; kai duomenys paskirstomi po atskirus serverius, priklausomai nuo duomenų tipo ir vartotojų išsidėstymo. Paskirstytos sistemos gali būti projektuojamos dvejopai: su periodišku serverių sinchronizavimu per WAN (plataus diapazono tinklus), užtikrinant duomenų vientisumą visuose serveriuose; naudojant duomenų saugyklas, kuriose saugomi dideli duomenų masyvai, o dažnai naudojami duomenys perkeliami į tarpines (pagalbines) sistemas, pakeičiant duomenų formatą patogesniu klientų užklausoms (tokiu būdu sumažinamas pagrindinio serverio apkrovimas). Kliento-Serverio technologijos privalumai: 22

23 gerai suplanuota kliento-serverio sistema nėra labai brangi, įsigijus pakankamai galingą pagrindinį kompiuterį (mainframe) vartotojų uždaviniams spręsti ir optimaliai parinkus klientų kompiuterių technines charakteristikas pagal atliekamų darbų pobūdį; kliento-serverio tinklo apkrovimas nėra labai didelis, kadangi tinkle cirkuliuoja tik užklausų rezultatai; didžioji failų operacijų dalis tenka galingam serveriui, lyginant su klientų kompiuteriais, todėl visos sistemos apkrovimas išsilygina; kliento-serverio technologija įgalina naudoti mažesnes klientų kompiuterių darbines atmintis bei atsisakyti talpių ir nepatikimų diskinių kaupiklių; nesudėtingas visos sistemos administravimas ir saugumo užtikrinimas. Kliento-serverio tinklo didžiausią efektyvumą sąlygoja uždavinių paskirstymas tarp serverio ir kliento. DB formos Duomenų bazių technologijos DB turiniui redaguoti plačiai naudojamos formos. Forma - tai tam tikras langas, skirtas vaizduoti ir redaguoti laukų reikšmes iš vienos ar kelių DB lentelių. Langas atitinkamai apipavidalinamas, laukų reikšmės jame išdėstomos laisva tvarka ir vaizduojamos vartotojui patogiu formatu. Forma - tai lyg savotiška prizmė, pro kurią žvelgiame į DB įrašus. Formoje turi būti ir duomenų vaizdavimo valdymo įrankiai, dar kitaip vadinami navigacijos įrankiais. Įrankiai pateikiami kaip tam tikri mygtukai su atitinkamais nurodymais, pvz., "pereiti prie tolesnio įrašo", "redaguoti įrašą" ir pan. Formos naudojamos ne tik DB redagavimui, bet ir užpildymui, peržiūrai. DB formos bus naudojamos vartotojui prisijungus per Web aplikaciją ir savo duomenimis pildant DB. Ryšys su kitomis programomis Duomenų bazių valdymo sistema (DBVS) kompiuterinė programa ar programų paketas, skirtas duomenų bazės valdymui. Paprastai DBVS sugeba valdyti milžiniškus struktūrizuotų duomenų kiekius bei vienu metu palaiko daugelį lygiagrečiai dirbančių vartotojų. DBVS neizoliuotos nei viena nuo kitos, nei nuo kitų taikomųjų programų. Yra įvairių priemonių, leidžiančių atskiroms DBVS bendrauti tarpusavyje bei palaikyti ryšį su kitomis programomis, sistemomis. Pagrindiniai ryšio tarp DBVS ir kitų taikomųjų programų mechanizmai yra šie: dinaminis apsikeitimas duomenimis; objektų susiejimas ir įdiegimas. Dinaminis duomenų apsikeitimas (angliškai DDE - Dynamic Data Exchange) įgalina perduoti duomenis iš vienos programos į kitą. Programa, kuri inicijuoja ryšį ir kreipiasi į kitą programą, vadinama klientu, o programa, kuri atsako klientui ir jį aptarnauja, vadinama serveriu. DBVS gali atlikti ir kliento, ir serverio vaidmenį. Atlikdama kliento vaidmenį, DBVS gali kreiptis į kitą programą, pasiųsti vienus duomenis į tą programą bei gauti iš jos kitus duomenis. Kita vertus, DBVS gali perduoti duomenis į elektroninę lentelę arba į dokumentą. Atlikdama serverio vaidmenį, DBVS suteikia galimybę kitoms programoms kreiptis į DB, jos lenteles ar atskirus duomenų elementus. Šiuo atveju kita programa gali duomenis siųsti sau arba juos pakeisti. Kad klientas ir serveris galėtų apsikeisti duomenimis, jie abu turi būti aktyvūs, t. y. atitinkamos programos paleistos vykdyti. 23

24 Susiejimo ir įdiegimo mechanizmas (angliškai OLE - Object Linking and Embedding) leidžia DB lentelėse saugoti įvairiausius objektus - tekstus, grafinius vaizdus, video-vaizdus ir pan. Tokie objektai saugomi atitinkamo tipo laukuose. Objektas gali būti sukurtas ne DBVS, o kurios nors kitos taikomosios programos - serverio. Galimi du variantai: a) DB saugoma tik nuoroda į objektą, sukurtą programos-serverio, b) DB talpinamas pats objektas. Procesas, kurio metu į DB įtraukiama nuoroda į objektą, vadinamas susiejimu, o procesas, kurio metu į DB įtraukiamas pats objektas, vadinamas objekto įdiegimu. Įterpiant į DB susiejamą/įdiegiamą objektą ar jį koreguojant, automatiškai iškviečiama ta programa (serveris), kurios pagalba šis objektas buvo sukurtas. Taigi DB galima saugoti įvairialypius duomenis, paruoštus skirtingomis taikomosiomis programomis, pvz., teksto procesoriais, grafiniais redaktoriais ir kt. Paminėtinas dar vienas DBVS dažnai naudojamas mechanizmas - duomenų eksportasimportas. Šiuo mechanizmu viena DBVS gali paruošti duomenis kitai DBVS arba priimti duomenis iš kitos DBVS. Duomenų bazių sinchronizavimas tai pasikeitimų perdavimas abiem kryptim Web Servisai Šiuo metu veikiant rinkai greitai auga gaminamos programinės įrangos sudėtingumas. Šiuolaikinės programos jau nebėra nekeičiamos ir vientisos, kaip būdavo anksčiau. Tai ne monolitiniai branduoliai, dirbantys stambiose kompiuterinėse platformose, o greičiau tai dinamiškai keičiamų modulių rinkiniai. Programos kuriamos kelių programuotojų komandų, įvairiomis programavimo kalbomis, panaudojant duomenis, gaunamus iš kelių šaltinių. Iškyla problema, kaip apjungti skirtingų gamintojų dažniausiai uždaras programas. Web servisų technologija užtikrina betarpišką programų sąveiką. Web servisai tai programinė įranga, kurios dėka užtikrinamas M2M bendras darbas per tinklą, tarpusavyje keičiantis duomenimis. Web servisai yra nauja interneto taikomųjų programų rūšis. Web servisai gali vykdyti tiek paprastas užklausas, tiek ir sudėtingus biznio procesus. Web servisus galima trumpai apibūdinti kaip funkcijas ar objektus, veikiančius internete, kuriuos galima naudoti savo programose panašiai kaip įprastines funkcijas ar objektus. Įvardintu web servisų apibrėžimu išryškinamos šios web servisų savybės: Web servisai daugkartinio naudojimo programinės įrangos komponentai. Jie toliau tęsia objektiškai orientuotą programinės įrangos kūrimo principą. Vietoj to, kad programuotojai rašytų eilę užbaigtų programos dalių, jie gali panaudoti tam tikrus atskirus programinius komponentus, parašytus kitų programuotojų, juos sujungti ar papildyti naujomis galimybėmis; Minėti programiniai komponentai nėra tvirtai susieti vienas su kitu. Tai leidžia juos gan lengvai koordinuoti, nereikalaujant išsamių žinių apie kiekvieną iš jų, panaudoti įvairiose taikomosiose programose bei modeliuoti naujus programinius komponentus. Kai tuo tarpu tradicinėse taikomosiose programose visi jos sudėtiniai elementai yra gan tampriai susieti ir priklausomi viens nuo kito; Web servisai užtikrina atskirų programinių komponentų aukštą funkcionalumo laipsnį. Web servisą galima laikyti savarankiška programa (nepriklausančia nei nuo vykdymo platformos, nei nuo programavimo kalbos), kuri vykdo kažkokią atskirą užduotį. Jo atskiri sudėtiniai komponentai apibrėžia savo įėjimus ir išėjimus taip, kad kiti programiniai elementai, pasinaudosiantys juo, galėtų suprasti ką jis daro ir kaip jį išsikviesti. Web servisai naudoja plačiai paplitusius transporto lygio protokolus, tokius kaip HTTP, SMTP, FTP. Web servisų naudojamas HTTP protokolas leidžia gana lengvai išvengti ugniasienių problemos, nes daugumoje ugniasienių HTTP prievadai paprastai būna atidaryti. Web servisų panaudojimo privalumai: 24

25 1. Nepriklausomybė nuo naudojamos programavimo kalbos. Naudodami XML tarpusavyje bendrauti" gali bet kuria kalba (C, C++, Java,.NET, Python, Perl ir kt.) parašyti Web servisai. Be to, XML yra nepriklausoma ne tik nuo programavimo kalbos, bet ir programavimo modelio - visiškai nesvarbu, ar Web servisas sukurtas objektiniu programavimo principu, ar neobjektiniu. Skirtingos programos gali būti visiškai suderinamos jei tik jos tenkina Web serviso sąsajos reikalavimus. Web sevisai įgyvendina įvairialypių sistemų apjungimo galimybę; 2. Šiuo metu Web servisai vis dažniau naudojami didžiųjų korporacijų ir verslo organizacijų duomenų perdavimui ir apdorojimui vidiniuose tinkluose. OASIS (Organization for the Advancement of Structured Information Standards) konsorciumas yra atsakingas už Web servisų, elektroninės komercijos, saugumo, XML duomenų apdorojimo ir kitų versle naudojamų standartų, į kuriuos kasmet investuojama milijardai JAV dolerių, kūrimą ir palaikymą; 3. Mažėjanti firmų naudojamos programinės įrangos bendra kaina; 4. Greitėjantis programinės įrangos atnaujinimo procesas Technologijų apžvalgos santrauka Dujų apskaitos ir kontrolės procese būtų tikslinga taikyti: - SMS technologiją, kurią vartotojai naudotų duomenų perdavimui, o AB Lietuvos dujos kompiuteryje patalpinta aplikacija priminimų vartotojams išsiuntimui; - Kliento-serverio modelį WEB deklaravimo sistemos sukūrimui; - DB replikavimą duomenų tarp DB apsikeitimui; - Web servisus, siekiant apjungti 2 skirtingų gamintojų uždaras programas vidiniam firmos tinkle Prognozavimo problemų sprendimai Apžvelgsime duomenų analizės sistemas, specializuotus laiko eilučių prognozavimo paketus, bei kitus prognozavimo instrumentus. Paanalizuosime naudojamas technologijas, bei prognozavimo metodus Duomenų analizės sistemos Tobulėjant šiuolaikinėms technologijoms, didėjant duomenų kiekiui darosi vis sudėtingiau juos išanalizuoti ir daryti greitus, efektyvius ir teisingus sprendimus. Šioms problemoms spręsti kuriami aukštos kokybės taikomieji paketai, programavimo įrankiai, duomenų analizės priemonės. Išskirsime dvi šiuolaikines sukauptų duomenų apdorojimo technologijas: - OLAP (On-Line Analytical Processing) sistemos, t.y. analitinio duomenų apdorojimo realiu laiku sistemos; - Data Mining (duomenų gavyba) įdomių struktūrų (modelių, ryšių, statistinių modelių, šablonų) radimas duomenų bazėse (U.Fayyad, S.Chaudhuri and P.Bradley); OLAP (On-Line Analytical Processing) sistemos OLAP yra realaus laiko analitinio duomenų apdorojimo technologija, kuri sukuria ir pateikia naują informaciją iš esamų duomenų, atlikdama atitinkamus skaičiavimus pagal formules ir taisykles. Darbinėse reliacinėse duomenų bazėse ar duomenų saugyklose yra saugomi pradiniai duomenys, kurie transformuojami ir sukuriamos optimizuotos duomenų saugojimo struktūros - OLAP duomenų kubai, kurie yra specialiai pritaikyti greitai duomenų analizei. OLAP kubuose didelė tarpinių skaičiavimų dalis atliekama dar iki duomenų kubo 25

26 naudojimo, o vieną kartą atliktų tarpinių skaičiavimų rezultatais gali pasinaudoti visi prieigos teises turintys šios duomenų bazės vartotojai. Savo OLAP produktus siūlo dauguma žinomų firmų: Microsoft, Hyperion Solutions, SAP, Oracle ir kt Data Mining sistemos Šiuolaikinės duomenų gavybos technologijos pagrindas yra šablonų (paternų), atvaizduojančių daugiaaspektinių duomenų tarpusavio santykius, koncepcija. Šie šablonai rodo dėsningumus, būdingus duomenų poaibiams, kurie gali būti išreikšti aiškia vartotojui forma. Svarbi duomenų gavybos savybė yra ieškomų šablonų netrivialumas. Tai reiškia, kad rasti šablonai turi atvaizduoti neakivaizdžius, netikėtus (unexpected) duomenų reguliarumus, kurie sudaro taip vadinamas paslėptas žinias (hidden knowledge). Taigi duomenų gavybos tikslas iš didelių duomenų bazių, tam tikros naujos informacijos išgavimas. Skirtingai nuo OLAP sistemų Data mining sistemose hipotezės formulavimo ir netikėtų šablonų radimo uždavinys perkeliamas nuo žmogaus kompiuteriui. Data Mining sistemų programinės įrangos pavyzdžiai: Statistiniai paketai (STATGRAPHICS, STATISTICA, STADIA); Objektiškai orientuotos analitinės sistemos; Neuroniniai tinklai (BrainMaker, NeuroShell, OWL); Sprendimų medžiai (IDIS, KnowledgeSEEKER, See5/C5.0); Evoliucinis programavimas (PolyAnalyst); Genetiniai algoritmai (GeneHunter); OLAP sistemos naudojamos, kai vartotojui reikia detalizuoti ir suprasti, tai kas įvyko praeityje. Data mining sistemos analizuoja praeitį tam, kad prognozuotų ateitį. Data mining įsigilina į duomenis, kad surastų naudingus dėsningumus ir niuansus, kurie palaidoti duomenyse dėl didžiulio jų kiekio ir problemos sudėtingumo Prognozavimo sistemos Literatūroje pavyko aptikti šias prognozavimo sistemas, skirtas laiko eilučių prognozavimui ar susijusias su dujų sfera: - Gamtinių dujų suvartojimo prognozavimo sistemą Projektas ELVIRA [5], kurią sukūrė Čekijos Respublikos Mokslų akademijos Informatikos instituto mokslininkai. Ji buvo įdiegta keliose Čekijos ir Slovakijos komunalinių paslaugų įmonėse; - Tarptautinės kompanijos SPSS Inc. produktas laiko eilučių prognozavimo programinis paketas SPSS Forecasting; Gamtinių dujų suvartojimo prognozavimo sistema Projektas ELVIRA Projektas ELVIRA tai sudėtinga modulinė sistema, susidedanti iš trijų skirtingų laikotarpių prognozavimo modulių: valandų, dienų ir mėnesių. Prognozės periodas nuo vienos valandos iki vienerių metų į priekį. Prognozavimo sistemos dalys: 1. Trumpalaikio prognozavimo modulis, kuris prognozuoja nuo vienos iki septynių parų į priekį. Prognozės reikšmės gali būti pateikiamos skaitine arba grafine išraiška (1 reikšmė per parą, 24 valandinės reikšmės per parą, 48 pusvalandinės reikšmės per parą). Prognozuojama 26

27 atsižvelgiant į faktines suvartojimo, slėgio, temperatūros ir t.t. reikšmes gautas iš dujų suvartojimo informacinės sistemos, bei į prognozuojamą temperatūrą. Šiame modulyje įdiegtas pažangus duomenų Valdymo modulis, galintis automatiškai apskaičiuoti trūkstamas reikšmes. 2. Meteorologinis modulis. Šis modulis vykdo prognozės korekcijas (paros diagramų, paros maksimalių reikšmių, savaitės maksimalių reikšmių) pagal skirtingus orų prognozės scenarijus, atsižvelgiant į prognozuojamos maksimalios ir minimalios temperatūros, vėjo greičio, debesuotumo ir kt. kintamuosius. 3. Vidutinio laikotarpio prognozavimo modulis, kuris prognozuoja nuo vienos savaitės iki vienerių metų į priekį (paros vidurkius, paros maksimalias reikšmes, savaitės maksimalias reikšmes, savaitės vidurkius, mėnesio maksimalias reikšmes, mėnesio vidurkius), panaudodamas dekompozicijos metodus ir atsižvelgdamas į ilgalaikes meteorologines prognozes. Prognozavimo metodai. Prognozavimo sistemą sudaro keli skirtingi modeliai pagrįsti daugybe prognozavimo metodų. Skirtingo ilgio prognozėms (valandų, dienų, mėnesių) tinka skirtingi prognozavimo metodai. Geriausia prognozė gaunama, kai sistema automatiškai pasirenka prognozavimo modelį, remdamasi vidine euristika. Naudojamų prognozavimo metodų pavyzdžiai: - Box-Jenkins modeliai; - Priežastinis metodas; - Taisyklėmis paremtos sistemos; - Dirbtiniai neuronų tinklai; - Laiko eilučių dekompozicija. Prognozavimo sistema Projektas ELVIRA automatiškai įkelia reikalingus duomenis iš kliento informacinės sistemos ir automatiškai parenka geriausią prognozavimo metodą. Prognozavimo paklaidos. Vidutinės prognozavimo sistemos Projektas ELVIRA paklaidos apie 1%-3% (konkreti reikšmė priklauso nuo regiono dydžio, prognozavimo laikotarpio ir pan.) Programinis paketas SPSS Forecasting Patikimos prognozės yra itin svarbios, kuriant tikslius ir veiksmingus strateginius planus ir juos įgyvendinant. SPSS Forecasting leidžia lengvai nustatyti tendencijas ir gauti tikslias prognozes. Skirtingai nuo elektroninių lentelių SPSS Forecasting turi pažangius statistinius metodus, kurių reikia dirbant su laiko eilučių duomenimis. Nebūtina būti ekspertu ar statistikos analitiku, norint naudotis programa. SPSS Forecasting leidžia analizuoti praeities duomenis ir prognozuoti ateitį bei pateikti rezultatus sprendimus priimantiems žmonėms suprantamai ir greitai. Dėl Expert Modeler procedūros SPSS Forecasting: - Automatiškai nustato geriausiai tinkantį ARIMA (AutoRegressive Integrated Moving Average autoregresinis integruotas slenkamųjų vidurių metodas) modelį arba eksponentinio išlyginimo modelį skirtą praeities duomenims analizuoti; - Leidžia modeliuoti daugybę skirtingų laiko eilučių vienu metu, nekartojant procedūros kelis kartus. SPSS Forecasting nepatyrusiam vartotojui padeda: - Generuodamas patikimus modelius, net jei vartotojas nežino kaip pasirinkti eksponentinio išlyginimo ar ARIMA parametrus; - Automatiškai tikrindamas duomenų sezoniškumą ir praleistas reikšmes ir parinkdamas tinkamą modelį; - Fiksuodamas anomalijas ir eliminuodamas jas iš analizės; - Generuodamas grafikus parodančius patikimumo intervalus ir modelio atitikimą. 27

28 Patyrusiam vartotojui SPSS Forecasting leidžia: - Kontroliuoti visus parametrus, kuriant modelius; - Naudotis Expert Modeler rekomendacijomis, kaip pradine pozicija. Pagrindinės SPSS Forecasting savybės leidžia: - Išsaugoti modelius ir automatiškai atnaujinti prognozes pasikeitus duomenims, nenurodinėjant parametrų dar kartą; - Kurti scenarijus, leidžiančius atnaujinti modelius. Licencijos kaina vienam kompiuteriui metams apie Lt. Išanalizuotos prognozavimo sistemos turi daug galimybių, prognozavimo metodų, tačiau jos gana brangios ir reikėtų apskaičiuoti jų atsiperkamumą Programiniai produktai prognozavimui Prognozavimas skirstomas į dvi pagrindines kategorijas: statinis ir dinaminis. Esminis skirtumas yra tai, kad dinaminė prognozė suteikia informacijos apie tiriamo objekto elgesį per kažkokį laiko intervalą. Savo ruožtu, statinė prognozė nusako tiriamo objekto būseną vieninteliu laiko momentu. Laiko faktorius čia vaidina nereikšmingą vaidmenį. Šiai dienai egzistuoja daugybė prognozavimo instrumentų, kuriuos galima klasifikuoti pagal daugelį požymių. Žemiau pateikiama jų palyginamoji lentelė (5 lentelė). Prognozavimo instrumentų palyginimas 5 lentelė Instrumento pavadinimas Pritaikymo sfera Realizuojami modeliai Reikalingas vartotojo pasiruošimas Paruoštas naudojimui Microsoft Excel, OpenOffice.org Plačios paskirties algoritminiai, regresiniai bazinės statistikos žinios reikalingas baigiamasis apdorojimas (modelių realizacija) Statistica, SPSS, E-views Tyrimo Platus spektras regresinių, neuroninių tinklų specialus matematinis išsilavinimas savarankiškas produktas Matlab Tyrimo, programų kūrimas algoritminiai, regresiniai, neuroninių tinklų specialus matematinis išsilavinimas reikia programuoti SAP APO verslo prognozavimo algoritminiai gilios žinios nereikalingos reikalingas baigiamasis apdorojimas (pagal verslo procesus) ForecastPro, ForecastX verslo prognozavimo algoritminiai gilios žinios nereikalingos savarankiškas produktas Logility verslo prognozavimo algoritminiai, neuroninių tinklų gilios žinios nereikalingos reikalingas baigiamasis apdorojimas (pagal verslo procesus) 28

29 Forecast Pro SDK verslo prognozavimo algoritminiai bazinės statistikos žinios reikia programuoti (integracija su programine įranga) ilog, AnyLogic, ithink, Matlab Simulink, GPSS Programų kūrimas, modeliavimas imitaciniai specialus matematinis išsilavinimas reikia programuoti (pagal srities specifiką) Išanalizavę prognozavimo instrumentus, matome, kad jų įvairovė gana didelė, pritaikymo sfera plati, o tai sako, kad panaudojimas nėra toks paprastas, nes reikės pritaikyti programinį produktą savo konkrečiam uždaviniui spręsti. Pritaikymas reikalauja iš vartotojo turėti specialių statistikos, matematikos žinių, kai kuriuose net reikia programuoti Technologijos, naudojamos prognozavimo uždaviniams spręsti Laiko eilutė tai duomenų seka, gauta matuojant kintamojo reikšmes reguliariais laiko intervalais. Vienu iš pagrindinių laiko eilučių prognozavimo tikslų yra atrasti duomenų kaitos dėsningumus ir pritaikyti matematinius modelius, aprašančius šiuos dėsningumus. Šie matematiniai modeliai leidžia prognozuoti būsimas laiko eilutės reikšmes. Pagal prognozavimo laikotarpį prognozės skirstomos į trumpalaikes (valandos, paros, savaitės) ir ilgalaikes (mėnesio, ketvirčio, metų). Skirtingiems prognozavimo periodams tinka skirtingi prognozavimo metodai Trumpalaikio prognozavimo metodai Trendo, sezoninės ir nereguliariosios dedamųjų išskyrimui labiausiai tinka slenkančio vidurkio metodai [6]: 1. Judantis (slenkantis) vidurkis - čia prognozuojama remiantis turimais vidutiniais duomenimis, gautais iš praeities. Apskaičiuojami aritmetiniai arba svertiniai vidurkiai, tačiau ne mechaniškai, bet atmetant nebūdingus, neritminius, atsitiktinius duomenis. Judantis (slenkantis) vidurkis remiasi principu rytoj bus taip, kaip buvo vidutiniškai pastaruoju metu ir kad laiko eilutės reikšmės iš netolimos praeities geriau prognozuoja ateitį, nei senos reikšmės. Išskiriamas trumpos laiko atkarpos trendas. Y(t+1)=(1/(T+1))*[Y(t)+Y(t-1)+...+Y(t-T)], Šio metodo esmė, kad įvertinama artimiausia praeitis (per T laiko atskaitų į gylį) ir tik tuo remiantis prognozuojama. 2. Eksponentinis sulyginimas - ši priemonė panaši į judantį vidurkį, tačiau daugiau svorio suteikiama naujausiems duomenų taškams. Eksponentinio sulyginimo formulė: Y(t+1)=a*Y(t)+(1-a)*^Y(t), kur Y(t+1) sekančio laiko periodo prognozė Y(t) reali reikšmė laiko momentu t ^Y(t) praėjusi prognozė laiko momentu t a sulyginimo konstanta (0<=a<=1)) Šiame metode yra vidinis parametras a, kuris apibūdina prognozės priklausomybę nuo senesnių duomenų. Duomenų poveikis prognozei eksponentiškai mažėja, augant duomenų amžiui. Grafike parodyta, kaip keičiasi prognozės priklausomybė nuo duomenų, esant skirtingoms koeficiento a reikšmėms.(7 pav.) 29

30 7 pav. Prognozės priklausomybės grafikas Matome, kad koeficientui a artėjant prie 1, eksponentinio sulyginimo modelis artėja prie paties paprasčiausio modelio rytoj bus kaip šiandien. Koeficientui a artėjant prie 0, prognozuojamas dydis tampa lygus prieš tai buvusiai prognozei. Jei prognozavimas atliekamas, naudojant eksponentinio sulyginimo metodą, paprastai pasirenkamas testinis rinkinys ir prognozuojama, esant koeficiento a reikšmėms a=[0.01, 0.02,..., 0.98, 0.99] ir tikrinama, prie kokios a reikšmės prognozės tikslumas didžiausias. Rasta koeficiento a reikšmė po to naudojama ateities prognozėms Regresiniai (priežastiniai) modeliai Kartu su aprašytais aukščiau metodais, pagrįstais eksponentiniu sulyginimu, pakankamai ilgai prognozavimui naudojami regresijos algoritmai. Regresinės analizės uždavinys yra formuluojamas taip: rasti analitinę išraišką, fiksuojančio rezultatinio rodiklio ir lemiančių veiksnių priklausomybę, ir gautos regresijos lygties pagrindu įvertinti veiksnių įtaką rezultatinio rodiklio kaitai. Trumpai tokios klasės algoritmų esmę galima aprašyti taip: egzistuoja prognozuojamas kintamasis Y (priklausomas kintamasis) ir iš anksto atrinktas kintamųjų komplektas X1, X2,..., XN (nepriklausomi kintamieji), nuo kurio priklauso Y. Nepriklausomų kintamųjų prigimtis gali būti skirtinga. Svarbiausia mokėti formalizuoti visus išorinius faktorius, nuo kurių gali priklausyti paklausos lygis, t.y. užrašyti skaitine forma. Bendru atveju daugiaregresinis modelis užrašomas formule: Paprastesnis tiesinės regresijos modelis aprašomas formule: 30

31 Kur - parenkami regresijos koeficientai, - klaidos komponentė. Priimama, kad visos klaidos yra nepriklausomos ir tolygiai pasiskirsčiusios. Tam, kad sudaryti regresinį modelį, būtina turėti maždaug tokio pobūdžio stebėjimų duomenų bazę(6 lentelė). 6 lentelė Duomenų bazė Kintamieji Buvusių stebėjimų Nepriklausomi Priklausomas lentelės pagalba Nr. X1 X2... XN Y galima parinkti regresijos 1 x_11 x_12... x_1n Y_1 koeficientus (pvz. 2 x_21 x_22... x_2n Y_2 mažiausių kvadratų metodu). Regresijos metodu m x_m1 x_m2... x_mn Y_m rastas prognozes būtina naudoti atsargiai ir būtina patikrinti jų adekvatumą Desezonavimo metodas Desezonavimo metodas yra pats tinkamiausias prognozuoti reikšmes, kai yra sezoniniai svyravimai. Šiam metodui pirmiausia paskaičiuojamas trendas (b 0 + b 1 * t). Tada suskaičiuojami sezoninių nereguliarių komponentų vidurkiai S p kiekvienam periodui. Jie įvertina sezonų keitimąsi. Sudauginus trendą ir sezoninių nereguliarių komponentų vidurkius gaunama prognozės reikšmė. Jei S p didesni už vienetą, tai rodo, kad tą periodą yra didesnis augimas, jei mažiau už vienetą - tai mažesnis augimas. Desezonavimo formulė: m t = (b 0 + b 1 * t) * S p, kur: m t prognozė laiko momentu t, t laiko momentas, S p sezoninių nereguliarių komponentų vidurkis, S p = vidurkis (O t ) p periodai (pvz. nuo 1 iki 12 mėnesių) O t sezoninis nereguliarusis komponentas laiko momentu t, O t = f t / C t, kur f t reali reikšmė laiko momentu t, C t centruotas slenkantis vidurkis b 1 = [suma(f t * t) vidurkis(f t ) * (suma(t)] / [suma(t 2 ) (suma(t) 2 ) / n], kur n turimų duomenų kiekis b 0 = vidurkis(f t ) - b 1 * vidurkis(t) 31

32 Ilgalaikio prognozavimo metodai Viena iš sudėtingiausių metodiniu požiūriu yra ilgalaikio prognozavimo problema. Sudėtingumas sąlygotas prognozės objekto kokybinių pokyčių, patikimos ir susistemintos informacijos apie juos nebūvimo. Ilgalaikei prognozei naudojamos šiuolaikinės prognozavimo technologijos, pvz.: neuroniniai tinklai, genetiniai algoritmai, ekspertinės sistemos Neuroniniai tinklai Neuroniniai tinklai - tai netiesiniai modeliai, sėkmingai naudojami prognozavimo uždaviniams spręsti. Jų struktūra primena biologinius neuroninius tinklus. Tinklas sudarytas iš kelių sluoksnių: įvesties, išvesties ir vieno ar daugiau paslėptų. Įvesties sluoksnyje pateikiama elementą aprašanti informacija, o išvesties sluoksnyje gaunamas rezultatas numanomas rezultatas. Paslėpti sluoksniai realizuoja uždavinio logiką. Nagrinėjami elemento duomenys yra perverčiami į didesnį ar mažesnį svorį ir šių svorių parinkimas yra formuluojamas kaip pagrindinis šio algoritmo uždavinys. Kiekvienas tinklo sluoksnio mazgas yra susijęs su kiekvienu šalia esančio sluoksnio mazgu. (8 pav.) Neuroniniai tinklai turi galimybę mokytis. Algoritmo realizacijai reikia galingų išteklių, nes mokymo metu, testinius duomenis reikia apdoroti šimtus tūkstančių kartų. 8 pav. Neuroninio tinklo modelis Neuroninių tinklų metodas yra pakankamai galingas ir produktyvus, kai reikia pasiekti didelio analizės tikslumo. Tačiau didelio tikslumo siekimas reikalauja didelių išteklių, kurie auga su priklausomybe panašia į geometrinę progresiją. Todėl šis metodas rekomenduotinas, kai reikalinga ypač tiksli analizė, o žadamas pelnas iš rezultatų gavimo leidžia investuoti į brangius skaičiavimus. 32

33 Genetiniai algoritmai Genetiniai algoritmai - tai algoritmai, naudojantys selekcijos, mutacijos ir kryžminimo procesus bei besiremiantys evoliucijos koncepcija (9 pav.). Genetinių algoritmų, panašiai kaip ir neuroninių tinklų, pagrindinės idėjos remiasi gamtos evoliucijos teorija, genetika, natūraliąja atranka gamtoje. Genetiniai algoritmai skirti neuroninių tinklų mokymui, funkcijų optimizavimui, klasifikavimo, prognozavimo, regresijos uždavinių sprendimui. Šių algoritmų esmė galimi problemos sprendiniai koduojami simbolių eilutėmis chromosomomis: kiekvienas nežinomas parametras požymis užkoduojamas simbolių genų rinkiniu, visų parametrų kodai atskiri informacijos blokai apjungiami į vieną eilutę chromosomą. Dar vienas išskirtinis bruožas yra ieškoma ne vieno galimo sprendinio, o jų aibės; sprendžiant uždavinį, generuojama ne viena galima chromosoma, o jų populiacija. 9 pav. Genetinių algoritmų modelis Šie algoritmai dažnai taikomi optimizacijos uždaviniams spręsti. Genetinių algoritmų metodai pasižymi paprastumu, universalumu. Genetiniai algoritmai yra pranašesni už kitus metodus tuo, kad genetiniams algoritmams pakanka minimalios informacijos apie sprendžiamą uždavinį ir galimų problemos sprendinių aibę. Vienas iš didžiausių trūkumų negarantuoja optimalaus problemos sprendinio Ekspertinės sistemos Ekspertinės sistemos (ES) - tai konsultacinės informacinės sistemos, kuriose sukauptos labiausiai patyrusių tos srities specialistų žinios. ES - tai kompiuterinė programa, daranti išvadas arba sprendžianti tam tikros srities uždavinius. Ji naudojasi žiniomis ir analizės taisyklėmis, apibrėžtomis tos srities ekspertų. Skiriasi nuo duomenų bazių programos tuo, kad pastaroji tik iškviečia ir pateikia duomenų bazėje laikomus duomenis tokius, kokie jie yra. Ekspertinė sistema analizuoja duomenis ir pateikia išvadas. Ekspertinės sistemos modelis pateiktas 10 pav. Ekspertinių sistemų esmė - eksperto žinių įvedimas į sistemą ir jų daugkartinis naudojimas nedalyvaujant ekspertui. Savo esme tai intelektuali programa, galinti padaryti logines išvadas konkrečios pažinimo srities žinių pagrindu. Tokia sistema sprendžia uždavinius, kurių be eksperto pagalbos išspręsti negalima. [8] 33

34 10 pav. Ekspertinės sistemos modelis Ekspertinių sistemų pranašumai: 1) Padidėja veiklos apimtis- ES gali dirbti greičiau nei žmonės, todėl, įdiegus ES, reikės mažiau darbuotojų, o tai leis sumažinti sąnaudas. 2) Gerėja darbo kokybė-es sumažina klaidos atsiradimo tikimybę, darbo kokybę. Patarimų dėka, visada priimami vientisi sprendimai. Kai kuriomis situacijomis ES atsako (padeda veikti) daug greičiau nei žmonės, ypač dirbant su dideliu kiekiu duomenų. 3) Patikimumas- jos nepervargsta, neserga ir nestreikuoja, nesiginčija su viršininku, joms nenusibosta dirbti. Darbo eigoje ES nuolat atkreipia dėmesį į visas detales, nepraleisdamos reikiamos informacijos ir reikiamų sprendimų. 4) Dirba su ne visa ir nekonkrečia informacija- kitaip nei tradicinės kompiuterinės sistemos, ES, kaip dalykinės srities specialistai- ekspertai, gali dirbti ir ne su visa informacija. ES naudotojas konsultacijos metu gali atsakyti,,nežinau ar,,neįsitikinęs į vieną ar daugiau sistemos duodamų klausimų, ir ES galės padaryti išvadą, remdamasi ne visa ar apytikre informacija. 5) Didėja sprendžiamų problemų apimtis-į analizę integruoja aukštos kvalifikacijos specialistų nuomones ir vertinimus. 6) Sprendimų priėmimų vientisumas- ekspertus priimant sprendimus gali įtakoti įvairios aplinkos sąlygos, emocijos, o tai daro įtaką sprendimams. ES visada elgiasi vienodai ir priima standartinius sprendimus. 7) ES sprendžia sudėtingas siauros srities problemas, kurių sudėtingumas viršija žmogaus galimybes. 8) Įmonės veiklos praturtinimas - ES leidžia disponuoti įvairių vienos srities ekspertų patirtimi. [9] Ekspertinių sistemų trūkumai: 1)Sukurti prototipą daug paprasčiau, negu pašalinti visas klaidas, kurias daro jau sukurta ir jau eksploatuojama programa. 2)Labai dažnai toje firmoje, kuri padarė pirmą modelį, nėra norinčiųjų jį tobulinti. 3)Tobulinama ekspertinė sistema dažniausiai pasidaro daug sudėtingesnė ir sunkiai eksploatuojama. 34

35 4)Sistemos paaiškinimai yra riboti. Ekspertinių žinių tobulinimas. Pastangos ir patirtis, sukaupta kuriant ekspertines sistemas, parodo, kad reikia tobulinti žinių kaupimą trimis kryptimis: 1)Sukurti intelektualinį interfeisą, sugebantį apklausinėti ekspertą ir suformuluoti sąveikos tarp objektų ir tarp objektų ir vartotojo taisykles. 2)Sukurti redaktorių, kuris leistų redaguoti ir keisti sistemos taisykles. 3)Sukurti apsimokančią sistemą, kuri sugebėtų įvesti į ekspertines sistemas visas naujas taisykles, kurias sistema užfiksuoja spręsdama uždavinius ar demonstruodama pavyzdžius. Prognozavimo procese būtų tikslinga taikyti: - Slenkančio vidurkio metodus duomenų išsibarstymui eliminuoti, trendui nustatyti; - Desezonavimo metodą, kai yra sezoniškumas. 35

36 3. Projektiniai sprendimai Išanalizavę esamas technologijas ir sistemas, bei ištyrę esamą padėtį, galim daryti išvadą, kad apskaitininko darbą reikia tobulinti. Šiuo metu daugiausia darbo laiko apskaitininkas praleidžia dujų suvartojimo apskaitos ir kontrolės procesui. Nelieka laiko prognozavimui, duomenų analizei. Rutininį darbą galima ir būtina automatizuoti. Telemetrijos duomenys panaudojami neefektyviai. Nors jų sukaupti didžiuliai kiekiai, tačiau jie naudojami tik operatyviai kontrolei. Istoriniai duomenys neanalizuojami. Siekiant prognozių tikslumo, galima pasinaudoti telemetriniais duomenimis, kurie kaupiami telemetrijos duomenų bazėje nuo 2003 metų. Pasiūlysime problemų sprendimus duomenų surinkimo ir kontrolės, bei prognozavimo procesams Duomenų surinkimo ir kontrolės projektas Daug laiko užima duomenų rinkimas iš vartotojų. Tai nepatogu: ir vartotojams reikia registruoti duomenis žurnale, apskaičiuoti skirtumą, prisiskambinti apskaitininkui, viską padiktuoti; ir apskaitininkui gaištamas laikas skambučių priėmimui, pildoma tarpinė lentelė - Excel žurnalas, sutikrinti duomenys vedami į DAAP. Šiam procesui automatizuoti tikslinga sukurti web deklaravimo sistemą. Deklaravimas internetu bus patogus vartotojui. WEB DB ir DAAP DB apsikeitimas duomenimis vyks naudotojo pvz. apskaitininko nurodymu. Tad jei vartotojas deklaravo rodmenis ar pateikė poreikį internetu per WEB deklaravimas aplikaciją, deklaruoti duomenys į DAAP nueis po duomenų apsikeitimo proceso. Jei duomenis siunčiant iš WEB DB į DAAP DB yra netikslumas, sistema siunčia el. laišką vartotojui su nurodyta priežastimi (pvz. priskaitymas už nurodytą periodą jau yra). Galiausiai DAAP DB kopija siunčiama į WEB DB. Šis informacijos mainų procesas vadinamas DB replikavimu. (11 pav. ) pav. Informacijos mainų procesas Schemoje naudojami sutrumpinimai: WEB Aplikacija vartotojų prisijungimo langas internetu. WEB DB - WEB duomenų bazė (tai DAAP DB replika). DAAP DB dujų abonentų apskaitos programos duomenų bazė. 36

37 Apibūdinsime funkcinį sistemos veikimą vartotojo ir apskaitininko požiūriu. Vartotojas per interneto naršyklę su prisijungimo vardu ir slaptažodžiu prisijungęs prie WEB aplikacijos, lange matys savo objektus ir galės deklaruoti suvartotų dujų kiekius. Aplikacijoje vartotojas galės įvesti informaciją apie vartojimo stabdymą (pvz. dėl įmonės prastovų). Taip pat galės peržiūrėti deklaravimo istoriją: lentelės pavidalu arba grafiškai. Aplikacijoje bus galimybė užsisakyti papildomus pajėgumus savaitei, peržiūrėti prognozės ataskaitas ir pateikti poreikį ketvirčiui ar metams. Vartotojo panaudos atvejų diagrama pateikta 12 pav. Perduoti duomenis Informuoti apie vartojimo sustabdymą iki nurodytos datos Prisijungti prie sistemos Peržiūrėti perduotų duomenų istoriją Vartotojas Peržiūrėti suvartojimo grafiką Peržiūrėti prognozės ataskaitą Pateikti poreikį savaitei/ ketvirčiui/metams 12 pav. Vartotojo panaudos atvejų diagrama Toliau panagrinėsime projektuojamos sistemos atliekamas funkcijas apskaitininko požiūriu. Šiuo atveju apskaitininkas pats neberenka ir neveda duomenų. Jis tampa apskaitos, kontrolės, prognozavimo procesų valdytoju (proceso savininku). Apskaitininkas stebi ar visi laikosi reikalavimų ir taisyklių. Apskaitininkas inicijuoja vartotojų deklaruotų duomenų importavimo į DAAP procedūrą. Tuomet peržiūri nepateikusių duomenų vartotojų sąrašą ir 37

38 išsiunčia jiems priminimus. Surinkęs paros duomenis, pereina prie sutikrinimo su telemetriniais proceso. Jei skirtumas netoleruotinas, imasi veiksmų priežastims išsiaiškinti. Analizuoja praeities suvartojimo duomenis, prognozuoja ir padeda vartotojams, planuojant numatomus suvartoti dujų kiekius. Apskaitininko panaudos atvejų diagrama pateikta 13 pav. Paleisti DB replikavimo procedūrą Išsiųsti žinutę apie klaidą Peržiūrėti nepateikusių duomenų vartotojų sąrašą Išsiųsti vartotojams priminimus Prisijungti prie sistemos Apskaitininkas Peržiūrėti vartotojų pateiktus suvartojimo duomenis Peržiūrėti telemetrijos sistemos nuskaitytus duomenis Duomenų analizė Apskaičiuoti tolerancijos koeficientą Signalizuoti apie sutartinių pajėgumų viršijimą Tikslinti duomenis su vartotoju Peržiūrėti sutartinius ir papildomai suderintus pajėgumus Kontroliuoti vartotojus su apribotu vartojimo limitu Paruošti užduotį tikrinimui metrologijos ir/arba IT skyriui Analizuoti praeities suvartojimo duomenis Prognozuoti savaitei/ketvirčiui/ metams Išsiųsti žinutę atsakingam darbuotojui Ruošti ataskaitas vartotojams 13 pav. Apskaitininko panaudos atvejų diagrama Vartotojo pateiktų duomenų sutikrinimo su telemetriniais procese iškyla problema, nes reikia palyginti dviejų uždarų, skirtingų gamintojų programų duomenis: 1. Verslo valdymo sistemos SCALA posistemio DAAP (UAB Alna ) ; 2. Telemetrijos sistemos SCADA programos Temeka (UAB Elsis TS ). Pažangus problemos sprendimo būdas sukurti Web servisus. Įvertinkime siūlomos sistemos darbą laiko atžvilgiu. Apskaitininko darbo laikas T sugaištas duomenų (rodmenų, pajėgumų) surinkimo ir kontrolės procese lygus: T = T1 + T2 + T3; ~ 30 min. Kur T1 DB replikavimo procedūros iškvietimas ir vykdymas; T2 - WEB serviso WS1 iškvietimas; T3 - WEB serviso WS2 iškvietimas. Apskaitininkas laukia, kol baigsis sutartimi numatytas duomenų deklaravimo laikas, t.y. iki 10 val. Tuomet paleidžia DB replikavimo procedūrą, duomenys prijungiami prie DAAP DB. Jei prijungti nepavyksta arba duomenys nebuvo deklaruoti, klientui išsiunčiamas pranešimas apie klaidą arba priminimas. Tada apskaitininkas kviečia WS1. WS1 atlieka šias funkcijas: kreipiasi į DAAP DB, išrenka vartotojų (virš 1 mln. m 3 per metus) duomenis - deklaruotus dujų kiekius ir pajėgumus. Lygiagrečiai kreipiasi į programos Temeka DB ir gauna telemetrinius duomenis. Juos palygina, apskaičiuoja tolerancijos koeficientą ir jei 38

39 telemetriniai duomenys didesni, bei viršija leidžiamą paklaidą tolerancijos koeficientą, apskaitininkui signalizuojama, o vartotojui išsiunčiamas pranešimas dėl duomenų patikslinimo. Kai vartotojas duomenis patvirtina, kviečiamas WS2. WS2 dar kartą sutikrina telemetrinius ir vartotojo patvirtintus duomenis. Jei paklaida netoleruotina, suformuoja ir elektroniniu paštu pateikia užsakymą patikrinti matavimo priemonių rodmenis ir/arba techninių įrenginių patikimumą vienam iš šių padalinių: dujų apskaitos ir metrologijos skyriui arba informacinių technologijų ir telekomunikacijų skyriui.(14 pav.) Siūlomoje sistemoje lyginant su esama padėtimi apskaitininko darbo laikas žymiai sutrumpėja: nereikia rinkti ir vesti duomenų, nelieka tarpinio žurnalo, nereikia rankiniu būdu tikrinti duomenų, skambinti vartotojui ir tikslinti, rašyti užsakymo tikrinimui atsakingiems padaliniams. DAAP Duomenys Papildomi pajėgumai WEB aplikacija WEB DB Duomenų apsikeitimas DAAP DB DAAP DB Sąskaitų ruošimas Vartotojas T1 DB replikavimo proced Ūra Pranešimas vartotojui įvedimo klaida arba nėra duomenų T2 WS1 Pranešimas vartotojui - patikslinimas Pranešimas metrologijos ir/ arba IT skyriams T3 WS2 Temekos DB Apskaitininko darbo vieta 14 pav. Siūlomos sistemos principinė schema Schemoje naudojami sutrumpinimai: WEB Aplikacija vartotojų prisijungimo langas internetu; WEB DB - WEB duomenų bazė (tai DAAP DB replika); DAAP DB dujų abonentų apskaitos programos duomenų bazė; WS1, WS2- WEB servisai; T1 DB replikavimo procedūros iškvietimas ir vykdymas; T2 - WEB serviso WS1 iškvietimas; T3 - WEB serviso WS2 iškvietimas. 39

40 3.2. Prognozavimo procesas Akivaizdu, kad prognozavimui ir optimizavimui panaudodami tikslesnius telemetrijos duomenis, gausime geresnius rezultatus. O įtraukdami ir ekspertų nuomonę galime gauti pačias tiksliausias prognozes. Žemiau pateikiama siūlomo prognozės sprendimo architektūra.(15 pav.) Vartotojas galės pateikti užklausą apskaitininkui dėl praeityje suvartotų dujų kiekių, bei pajėgumų panaudojimo analizės. Apskaitininkas pasitelkdamas analizės, prognozavimo ir optimizavimo įrankius, bei telemetrijos DB duomenis, galės argumentuotai atsakyti vartotojui. Esant tikslesnėms prognozėms, laimės abu: ir vartotojas išvengdamas papildomų mokesčių dujų bendrovei, ir dujų bendrovė išvengdama papildomų mokesčių dujų tiekėjui OAO Gasprom. Vartotojas Telemetrijos sistema Prognozavimo įrankis Optimizavimo įrankis 15 pav. Siūlomo prognozės sprendimo architektūra Prognozavimo modelis Šiame skyrelyje pagrindžiama, kad prognozei geriausia naudoti dinaminės eilutės išskaidymo metodą. Detalizuojamas šio metodo taikymo algoritmas, pateikiamas modelio taikymo pavyzdys. Pasiūlytu prognozavimo modeliu prognozuojamas vidutinis mėnesinis paros suvartojimas. Ilgą laiką kaupti telemetrijos duomenys gali pasitarnauti, padedant vartotojams prognozuoti paros, mėnesio, metų suvartojimą. Vartotojui galime padėti prognozuoti rodydami istorinius telemetrijos duomenis (lentelės forma ir grafiškai), pateikdami suvartojimo analizę, bei savo prognozes. Nereikalaujantis didelių sąnaudų problemos sprendimo būdas - minimalaus prognozavimo modelio Excel paketo bazėje sukūrimas. Šis modelis leistų prognozėms pasitelkti matematinės statistikos analizės priemones. Tai būtų geras grįžtamasis ryšys vartotojui, kuris ir priima galutinį sprendimą dėl poreikių ateinančiam laikotarpiui. Prognozavimui buvo pasirinkta Excel skaičiuoklė, nes ji jau įdiegta bendrovės kompiuteriuose, nereikia pirkti brangaus prognozavimo paketo ir apmokyti juo dirbti darbuotojus. Prognozei pasirinktas dinamikos eilutės išskaidymo metodas, nes turimi duomenys labai skirtingi, dinamikos eilučių lygių kitimą lemia 40

41 įvairūs veiksniai ir norint juos analizuoti reikia nustatyti kiekvieno atskiro komponento poveikį. 16 paveiksle pateikiama prognozavimo proceso struktūrinė schema. Dinaminė eilutė pirmiausia analizuojama vizualiai, nusibraižant turimų ilgamečių telemetrijos duomenų grafiką. Po to dinamikos eilutė analizuojama matematinės statistikos metodais, naudojamas dinamikos eilutės suskaidymo metodas: - Parenkamas dinaminės eilutės komponentų pavaizdavimo modelis; - Eliminuojama sezoninė komponentė; - Išskiriamas trendas; - Apskaičiuojamas atsitiktinis likutinis komponentas; - Apskaičiuojama prognozė; - Apskaičiuojamos paklaidos tarp fakto ir mūsų prognozės, bei tarp fakto ir vartotojo prognozės; - Prognozės palyginamos tarpusavyje. Dinaminės eilutės Komponentų pavaizdavimo modelio parinkimas Sezoninės komponentės apskaičiavimas Sezoninės komponentės eliminavimas Trendo apskaičiavimas Likutinio komponento apskaičiavimas Prognozės apskaičiavimas Paklaidų apskaičiavimas Paklaidų palyginimas 16 pav. Prognozavimo proceso struktūrinė schema 41

42 Generalinė aibė. Nagrinėjamą aibę sudaro eilės vartotojų dujų suvartojimo telemetriniai kiekvienos dienos duomenys, turimi matavimai mažiausiai už du metus, ilgiausias turimas laikotarpis apima šešis metus. Nagrinėjami vartotojai labai skirtingi pagal savo veiklos ir dujų vartojimo pobūdį. Vartotojus pagal veiklą sąlyginai galima suskirstyti į: - Tik šildymo (dujas vartoja tik patalpų šildymui, karšto vandens ruošimui); - Gamybos (šildymui suvartojamų dujų kiekis sudaro tik nežymią viso suvartojamo dujų kiekio dalį); - Kombinuotus (šildosi ir gamina). Vartotojus pagal vartojimo pobūdį galima suskirstyti į šias grupes: - Sezoniniai. Į šią grupę įeina įmonės, kurios gamina tam tikru metų periodu (šiltnamiai, cukraus gamyba), vartotojai vartojantys dujas šildymui (šaltuoju metų periodu vartojimas žymai išauga), įmonės dirbančios pertraukiamu technologiniu režimu (savaitgaliais ir švenčių dienomis nedirba arba dirba mažesniu pajėgumu); - Pastovūs. Į šią grupę įeina įmonės dirbančios nepertraukiamu technologiniu režimu (pvz. stiklo, trąšų gamyba - vartojimas nepriklauso nuo metų laikų ir savaitės dienų ir išlieka pastovus). Turimi telemetrijos duomenys tai dinamikos eilutės. Dinamikos eilučių lygių kitimą lemia įvairūs veiksniai. Pagrindiniai dinamikos eilutės komponentai yra: -trendas (T) ilgalaikė dinamikos eilutės dedamoji; -sezoninė (S) pasikartoja reguliariai; - ciklinė (C) pasikartoja, tačiau didesne amplitude ir trukme, nei sezoninė ; - nereguliari (atsitiktinė) (A) trumpalaikiai pakitimai. Visi minėti komponentai atitinkamai veikia dinamikos eilutės lygius. Analizuojant dinamikos eilutes, nustatomas ir eliminuojamas kiekvieno komponento poveikis dinamikos eilutės lygiams. Toks procesas vadinamas dinamikos eilutės suskaidymu. Savo minimaliame prognozavimo modelyje ir pamėginsime pritaikyti dinamikos eilutės išskaidymo metodą. Dinamikos eilutės komponentai gali būti pavaizduoti atitinkamu modeliu multiplikatyviuoju (paremtu daugyba) arba adityviuoju (paremtu sudėtimi). Kurį modelį taikyti dinamikos eilutės komponentams nustatyti, galima nuspręsti atlikus išankstiniu skaičiavimus. Remiantis statistikos teorija [10] modelio parinkimui reikia apskaičiuoti: - mėnesinių duomenų aritmetinį vidurkį kiekvieniems metams ; - vidutinį standartinį nuokrypį s. Jei kasmet didėja, o s apytiksliai lygus konstantai, dinamikos eilutės komponentus galima nustatyti adityviuoju metodu, o jei s žymiai skiriasi, reikia taikyti multiplikatyvųjį metodą. Siūloma dinamikos eilutės suskaidymo metodą pailiustruosime konkrečiu pavyzdžiu, apdorodami įmonės X duomenis. Žemiau pateikiamas paros dujų vartojimo grafikas už metus.(17 pav.) Grafike aiškiai matyti, kad yra sezoniškumas ir didelis duomenų išsibarstymas. Pagal veiklos pobūdį tai kombinuota įmonė, kuri dujas vartoja gamybai ir patalpų šildymui. Grafike matyti savaitės svyravimai (savaitgaliais ir švenčių dienomis vartojimas krenta), bei metų laikų svyravimai (šaltuoju metų laiku suvartojama daugiau). 42

43 17 pav. Įmonės X dujų vartojimo grafikas už metus Remdamiesi statistikos teorija, šiai dinaminei eilutei parinksime adityvųjį arba multiplikatyvųjį modelį. Apskaičiuosime šias dinaminės eilutės statistines charakteristikas: 1. Aritmetinis vidurkis (kiekvienų metų vidutinis mėnesinis paros dujų suvartojimas). Imties aritmetinis vidurkis - skaičius, vidutiniškai artimiausias visiems duomenims ir žymimas. Čia X i turimos kintamojo reikšmės; n reikšmių skaičius. 2. Dispersija statistinė imties charakteristika, atspindinti labiausiai tikėtiną eilinio matavimo vertės nukrypimą nuo aritmetinio vidurkio. Skaičiuojama pagal formulę: (1) 3. Standartinis vidutinis nuokrypis - skaičius, rodantis duomenų sklaidą apie vidurkį ir žymimas s. (2) Gauti įmonės X rezultatai suvesti į 7 lentelę. (3) 43