Все это помогает промышленным компаниям сократить расходы на новые разработки.

После испытаний учёные получают несколько тысяч параметров. Важно хранить эту информацию и обеспечить быстрый доступ к ней. Исследователи из Пермского Политеха определили наиболее подходящую систему для хранения большого объёма таких данных.

Во время испытаний собирается много информации (до десятков Гб). Данные привязаны ко времени, поэтому они представляют собой временные ряды. Их нужно систематизировать, чтобы в дальнейшем было удобно искать особенности поведения того или иного параметра.

На многих предприятиях испытательная база сформировалась в 90-е и 00-е годы, и способы хранения данных уже не отвечают современным требованиям. Чаще всего данные хранятся в виде файлов, а их систематизация выполняется вручную — файлы раскладывают по каталогам. Но это ненадёжный процесс: человек может ошибиться в структуре каталога или имени файла, что затруднит поиск. Поэтому данные испытаний лучше хранить в единой базе.

Учёные из Пермского Политеха изучили три типа систем управления базами данных (СУБД), которые могут быть полезны для хранения больших объёмов временных рядов.

Каждый тип тестировали на скорость доступа к информации с помощью специального приложения. Оказалось, что классические реляционные базы данных не очень подходят для этой задачи. Документоориентированные СУБД позволяют достичь гораздо более высокой скорости доступа к параметрам испытаний — почти в 100 раз быстрее, чем реляционные и примерно в 10 раз быстрее колоночных, или темпоральных, — рассказал Игорь Шмидт, доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ, кандидат технических наук.

Документоориентированные системы позволяют хранить дополнительную информацию, связанную с испытаниями: технические отчёты, справки, заключения, акты, протоколы испытаний и т. п. Встроенная защита информации предотвращает её несанкционированное удаление или изменение.

Результаты исследования учёных ПНИПУ могут быть использованы для создания промышленных систем хранения данных предприятий. Эти системы предназначены для сбора, хранения и обработки больших объёмов сложной технологической информации.

Исследование опубликовано в журнале «Электротехника, информационные технологии, системы управления», № 50, 2024. Исследование проведено в рамках реализации программы стратегического академического лидерства „Приоритет-2030“.

Иллюстрация: нейросеть