Е. НАЙМАНКУМАРУЛЫ, Д. ЕРБОЛАТУЛЫ

53

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

Эффективная  разработка  природных  ископаемых  напрямую  зависит  от 

эффективности  технологии  и  от  производительности  применяемых  приборов 

и оборудования. В свою очередь производительность приборов и оборудования 

зависит от совершенности конструкции, прочности и коррозионной стойкости 

применяемых материалов [1-5]. Поэтому совершенствование конструкции при-

меняемых приборов и получение новых научных результатов по установлению 

закономерностей  структурно-фазовых  превращений  в  нержавеющих  сталях  в 

условиях различных видов механических и химических воздействий, а также ис-

следование совершенства сварочных процессов и коррозионной стойкости мате-

риалов и использование полученных результатов для прогнозирования свойств 

имеют особую актуальность и практическую ценность при производстве насо-

сов.

Цель исследования: изучить структурно-фазовое состояние и механиче-

ские свойства основы и сварных швов корпуса из стали 12Х18Н10Т, дать реко-

мендации по применению ёё конструкционного материала корпуса и рабочего 

колеса насосов типа ПНВ.

Материал и методы исследования

В качестве материала для исследования была взята жаростойкая нержа-

веющая сталь  аустенитного класса – сталь 12Х18Н10Т [6]. Химический состав, 

(%) материала 12Х18Н10Т: (–  Fe,  C – 0,12,  Cr – 17,0,  Ni – 10,66, Ti – 0,5, Si – 

0,34,  Mn – 1,67, S – 0,032).

Жаропрочные и жаростойкие стали применяют при изготовлении многих 

деталей газовых турбин реактивной авиации, в судовых газотурбинных установ-

ках, стационарных газовых турбинах, при перекачке нефти и нефтепродуктов, в 

аппаратуре крекинг - установок, при гидрогенизации топлива, в нагревательных 

металлургических печах и многих других установках; для изготовления химиче-

ской аппаратуры; в качестве плакирующего слоя при изготовлении горячеката-

ных двухслойных коррозионностойких листов; цельнокатаных колец различного 

назначения и колец сварных из листа профилированных ротационным деформи-

рованием для оборудования энергомашиностроения и химической промышлен-

ности.

Испытания образцов на микротвердость на приборе ПМТ-3; металлогра-

фические исследования на микроскопе NEOPHOT-21; рентгенодифракционный 

фазовый анализ на приборе ДРОН-3

 

и т.д.

Для изучения общего характера микроструктуры использовали оптические 

микроскопы «NEOPHOT-21». Перед исследованием образцы электрохимически  

полировали  в  электролите.  При  полировании  образцов  сплавов  использовали 

электролит состава 10%-хлорной кислоты и 90%-ледяной уксусной при напря-

жении 10-20 В (время 1-2 мин).

Е. НАЙМАНКУМАРУЛЫ, Д. ЕРБОЛАТУЛЫ. 2 (66) 2015. С. 52-57 

 

 

                ISSN 1683-1667 

54

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

Применение нового способа закрепления и новой формы отливок рабочего 

колеса  насоса  и  увеличение  выходного  отверстия  улиты  позволило  увеличить 

напор струи и производительность насосов на 30%.  Впервые были применены 

сварочные технологии корпуса вместо традиционно-применяемого способа ли-

тья, что позволило уменьшить ресурсозатраты и снизить общую массу насоса на 

20%. 

Но, тем не менее, применение литья не позволяет в полной мере использо-

вать весь ресурс стали 12Х18Н10Т, поскольку в структуре литого металла присут-

ствуют множества дефектов и неоднородностей, такие как ликвация (неоднород-

ности по химическому составу), дендритная структура, поры, включения и т.д.

Исходная аустенитная структура – гранецентрированная кубическая (ГЦК) 

преобразуется  в  мартенсит  –  объемноцентрированную  тетрагональную  (ОЦТ) 

при прокатке стали, а в случае сварки стали сохраняется в виде аустенита (ри-

сунок 1). Как видно из рентгеновских дифрактограмм (рисунок 1), после сварки 

обнаруживаются те же рефлексы аустенита γ-Fe (рисунок 1, б),  разница лишь 

в том,  что интенсивности линий от участка со сварным соединением намного 

ниже, чем у основы.

Рисунок 1 – Рентгеновские дифрактограммы стали: от основы (а), от участка со свар-

ным швом (б)

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

 

2�, град. 

40 

50 

60 

70 

80 

90 

 Fe-γ 

(200) 

Fe-γ (220) 

Fe-γ (311) 

 

а 

б 

Fe-γ 

 (111) 

 

Fe-γ (220) 

 

Fe-γ (311) 

 

Fe-γ  (111) 

Fe-γ 

(200) 

 

55

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

Как показали результаты металлографических исследований сварной шов 

в стали характеризуется отчетливой границей раздела с основой и более мелко-

зернистой структурой (рисунок 2). 

В структуре сварного соединения не обнаруживается неоднородная зона 

термического влияния (рисунок 2), как правило, различающаяся от основы су-

щественно более высокой твердостью, что свидетельствует о высоком качестве 

сварки корпуса.

 

а  

б

в

а, б – граница сварного шва (левый участок) и основы (правый участок);

в – микроструктура сварного шва

Рисунок 2 – Микроструктура участка стали со сварным швом

 

50 мкм 

 

15 мкм 

 

15 мкм 

Е. НАЙМАНКУМАРУЛЫ, Д. ЕРБОЛАТУЛЫ. 2 (66) 2015. С. 52-57 

 

 

                ISSN 1683-1667 

56

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

Ниже приведены результаты испытания образцов на микротвердость (ри-

сунок 3). Как показывают эти экспериментальные данные, сварной шов обладает 

пониженным значением микротвердости (на 22% ниже) по сравнению с осно-

вой, а близлежащая к шву зона наоборот характеризуется несколько повышен-

ной твердостью (на 6% больше) (рисунок 3).

1, 5 – основа стали, 2 ЗТВ – зона термического влияния с левой стороны от шва; 

3 – сварной шов; 4 ЗТВ – зона термического влияния с правой стороны от шва

Рисунок 3 – Гистограмма микротвердости стали

Выводы:

1. Исходная аустенитная структура (ГЦК) преобразуется в мартенсит (ОЦТ) 

при прокатке стали, а в случае сварки стали сохраняется в виде аустенита.

2.  Сварной  шов  в  стали  характеризуется  отчетливой  границей  раздела  с 

основой, пониженной микротвердостью и более мелкозернистой структурой.

3. В структуре сварного соединения не обнаруживается неоднородная зона 

термического влияния, как правило, различающаяся от основы существенно бо-

 

Н

µ, МПа 

3 шов 

4 ЗТВ 

2 ЗТВ 

1 основа 

5 основа 

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

57

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

лее высокой твердостью, что свидетельствует о высоком качестве сварки корпу-

са.

СПИСОК ЛИТЕРАТУРЫ

1.  Smallman  R.E.,  Ngan A.H.W.,  Physical  metallurgy  and  advanced  materials.  – A 

Macmillan Company, 2007. – 650 p.

2. SURFACE ENGINEERING FOR CORROSION AND WEAR RESISTANCE Edited 

by J.R. Davis, 2001. – 319 p.

3.  Gleiter  H.  Nanocrystalline  materials:  Basic  concepts  and  microstructure  //  Acta 

Materialia, 2000, V. 48, N. 1 P.  

4. Дунаев П.Ф., Леликов О.П. Конструирование узлов и деталей машин М.: Изд. 

центр «Академия», 2008. – 496 c.

5. Чебаевский В.Ф. и др. Проектирование насосных станций и испытание насо-

сных установок. – М.: Колос, 2000. – 376 с.

6. Кайбышев О.А. Пластичность и сверхпластичность металлов. – М.: Металлур-

гия, 1975. – 280 с.

REFERENCES

1.  Smallman  R.E.,  Ngan  A.H.W.,  Physical  metallurgy  and  advanced  materials.  A 

Macmillan Company, 2007, 650 (in Eng).

2. SURFACE ENGINEERING FOR CORROSION AND WEAR RESISTANCE Edited by 

J.R. Davis, 2001, 319 (in Eng).

3.  Gleiter  H.,  Nanocrystalline  materials  Basic  concepts  and  microstructure.  Acta 

Materialia, 2000,  48, 1(in Eng).  

4.  Dunaev  P.F.,  Lelikov  O.P.,  Konstruirovanie  uzlov  i  detalej  mashin.  M.  Izd.  centr 

«Akademija», 2008, 496 (in Russ).  

5. Chebaevskij V.F. i dr., Proektirovanie nasosnyh stancij i ispytanie nasosnyh ustanovok, 

M. Kolos, 2000, 376 (in Russ).  

6. Kajbyshev O.A., Plastichnost' i sverhplastichnost' metallov, Metallurgija, 1975, 280 

(in Russ).

УДК 669.01

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА

Восточно-Казахстанский государственный университет 

имени С. Аманжолова, г. Усть-Каменогорск, Казахстан

МАТЕМАТИЧЕСКИЕ МОДЕЛИ СЕТЕЙ СВЯЗИ

В  статье  рассмотрены  математические модели,  позволяющие  адекватно  описы-

вать процессы в мультисервисных сетях связи. Описаны возможности унифицирован-

ной системы сетевого управления

Ключевые слова: телекоммуникационная мультисервисная сеть, модель трафи-

ка, поток, системы массового обслуживания.

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА. 2 (66) 2015. С. 57-67 

 

 

 

                ISSN 1683-1667 

58

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

БАЙЛАНЫС ЖЕЛІЛЕРІНІң МАТЕМАТИКАЛЫҚ МОДЕЛІ

Мақалада  мультисервистік  байланыс  желілері  процестерін  тура  сипаттай-

тын  математикалық  модель  қарастырылған.  Желілік  жүйені  бірыңғайлы  басқару 

мүмкіндіктері сипатталған. 

Түйін  сөздер:  телекоммуникациялық  мультисервистік  желі,  трафиктің  моделі, 

ағым, жаппай қызмет көрсету жүйесі.

MATHEMATICAL MODELS OF COMMUNICATION NETWORKS

The  article  deals  with  mathematical  models  to  adequately  describe  the  processes  in 

multiservice networks. Possibilities of a unified network management system

Keywords:  telecommunication  multiservice  network,  traffic  model,  flow,  queuing 

system.

Оценка прогнозируемой пропускной способности и качества обслужива-

ния очень важный этап проектирования телекоммуникационных систем и сетей. 

Здесь аналитические расчеты строятся на математическом описании реакции си-

стемы на внешние воздействия. Под реакцией системы понимается ее состояние 

(количество занятых серверов или мест ожидания, время задержки и др.), а под 

внешними воздействиями – потоки требований, сбои, отказы из-за ненадежно-

сти и т.п.

Внешний фактор влияния в мультисервисных сетях связи – это разнород-

ность  информации,  передаваемой  в  рамках  единой  сети:  данные,  речь,  видео. 

Потоки этой информации существенно отличаются между собой по приорите-

там, механизмам обслуживания, особенностям протоколов и т.д. Поэтому, для 

сложных систем аналитические расчеты выполняются с ограничением внешних 

факторов,  раздельно  для  каждого  типа  (группы)  влияний  или  с  применением 

многопоточных моделей.

Телекоммуникационные сети как основа современных систем управления, 

доставки и распределенной обработки информации предъявляют высокие требо-

вания к эффективному использованию средств связи и характеристикам качества 

обслуживания абонентов. Для всех стран мира актуальны задачи построения се-

тей  связи,  обеспечивающих  компромисс  между  требованиями  абонента,  каче-

ством их обслуживания и показателями экономической эффективности сети.

Эффективное использование сетей требует анализа их функционирования 

как на этапе проектирования, создания, так и на входе эксплуатации, расшире-

ния, обновления.

Потребности анализа и проектирования современных телекоммуникацион-

ных сетей и систем привели к необходимости разработки математических моде-

лей обслуживания, учитывающих такие особенности управления, организации 

и внешних воздействий, как приоритетное и групповое обслуживание, пачечный 

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

59

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

характер  поступления  требований,  распараллеливание  операций  и  процессов, 

изменение параметров и характеристик поступления и обслуживания, отказы и 

восстановление применяемых средств.

Для изучения тенденций поведения системы при определенных условиях 

удобно  использовать  математическую  модель,  которая  представляет  собой  со-

вокупность  соотношений,  которые  определяют  процесс  изменения  состояний 

системы в зависимости от ее параметров, входных сигналов, начальных усло-

вий и времени [1-3]. Методы моделирования универсальны и во многих случаях 

они оказываются предпочтительными при оптимизации и проектировании сетей 

[4].

Современные  вычислительные  средства  в  зависимости  от  характера  по-

ставленных задач могут решать их в различных режимах: запрос - ответ, пакет-

ная обработка, разделение времени при коллективном пользовании, мультипро-

граммном. И всем этим режимам с той или иной полнотой соответствуют раз-

личные  приоритетные  модели  систем  массового  обслуживания,  позволяющие 

рассчитывать  такие  показатели  работы  вычислительных  машин,  как  загрузка 

памяти и процессора, задержки и потери информации, и оценивать эффектив-

ность и надежность принятых решений [1]. Именно задачи расчета структурных 

характеристик информационно-вычислительных систем и автоматизированных 

систем управления стимулировали бурное развитие математической теории мас-

сового обслуживания и, в частности, теории приоритетных моделей [4].

При проектировании и эксплуатации телекоммуникационных систем ши-

роко используется аппарат теории массового обслуживания. При этом в качестве 

моделей телекоммуникационных систем в целом так и отдельных ее фрагментов 

могут выступать системы массового обслуживания.

В теории массового обслуживания одним из основных понятий есть слу-

чайная  последовательность  требований,  поступающих  в  систему  на  обслужи-

вание.  Совокупность  (последовательность)  событий  поступления  в  систему  в 

моменты t

1

…t

n

 требований образуют поток требований (рисунок 1).

Рисунок 1 – Поток требований на обслуживание

 

Поток определяется моментами поступлений t

x

 и количеством требований 

k

n

, поступивших в момент t

n

. При этом k

n

 и t

n

 в общем случае случайны. У рекур-

рентного потока требований k

n

 = 1 для всех n = 1,2, а интервалы времени между 

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА. 2 (66) 2015. С. 57-67 

 

 

 

                ISSN 1683-1667 

60

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

событиями поступления требований z

n

 = t

n

 – t

n

-1 есть стохастично независимые 

и одинаково распределенные случайные величины. 

При постоянном интервале времени между требованиями z

n

 поток есть де-

терминированный, однако, в телекоммуникациях потоки чаще случайные. 

Случайный поток требований может быть описан двумя способами.

1. Случайный поток требований описывается функцией распределения ве-

роятностей интервалов времени между соседними требованиями F(t): 

   

 

 

F(t) = P(z

n

 ≤ t),  

 

 

 

 (1)

где  P(z

n

  ≤  t)  –  вероятность  того,  что  время  между  соседними  требованиями  

z

n

 ≤ t. 

Основная характеристика потока – это среднее значение длительности ин-

тервалов z, что для случайной величины есть математическое ожидание 

z

. 

Параметр, обратный к математическому ожиданию 

z

, есть интенсивность 

потока поступления требований λ за единицу времени: 

 

 

 

 

z

1

=

λ

   

(2)

Например, при 

z

 = 0,1 с интенсивностью потока λ = 10 требований в се-

кунду, а при 

z

 = 100 мс – интенсивность потока λ = 0,01 требования в миллисе-

кунду. 

Наиболее распространенной математической моделью потока требований 

в телефонных сетях связи является модель экспонентного распределения интер-

валов времени между требованиями (вызовами АТС) с параметром λ: 

 

t

n

e

t

z

P

λ

λ

−

−

=

≤

1

)

(

 

(3) 

Плотность этого распределения позволяет рассчитать вероятность любой 

продолжительности z

x

 = t случайной величины z (интервалов между требования-

ми) по заданной интенсивности поступления требований λ: 

 

t

e

t

P

λ

λ

−

=

)

(

  

(4)

Среднее  значение  случайной  величины  t,  распределенной  по  экспонен-

циальному закону (4), равно λ

-1

 и потому из (2) следует, что параметр данного 

распределения  λ  –  это  среднее  количество  требований  за  единицу  времени,  в 

которых измеряется z. Поток, где все z

n

 имеют одинаковое экспонентное распре-

деление с параметром λ, очень важный пример рекуррентного потока. 

На рисунке 2 представлены два графика экспонентного распределения (4), 

обозначенные p(z) и p1(z) с параметрами λ = 0,5 и λ

1

 = 0,25 соответственно.

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

61

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

Рисунок 2 – Экспонентное распределение интервала z

 

Из  графиков  видно,  что  в  потоке,  заданного  функцией  p(z),  значительно 

больше доля вероятностей коротких интервалов между требованиями, чем в по-

токе, заданном функцией p1(z). Это говорит о большей интенсивности потока 

требований, которая в первом случае составляет λ = 0,5, а во втором – λ1 = 0,25 

требований  в  единицу  времени.  Среднее  значение  интервала  времени  между 

требованиями такое: 

z

 = 2 и 

z

1= 4 единицы времени соответственно. 

2. Случайный поток требований описывается функцией P

i

(t) – распреде-

лением вероятностей количества требований i за условную единицу времени t. 

Например, если диаграмму процесса поступления требований, представленную 

на рис. 1, условно поделить на одинаковые промежутки времени длительностью 

t, что в разы или десятки раз превышает среднее значение интервалов 

z

, то на 

каждый из таких условных интервалов припадет случайное количество требо-

ваний i. Функция распределения случайной величины i будет описывать поток 

требований, поступающих в систему на обслуживание.

Известно, если интервал времени между событиями (требованиями) z рас-

пределен по экспоненциальному закону, то количество таких событий i за услов-

ную единицу времени t будет распределено по закону Пуассона: 

 

t

i

i

e

i

t

t

P

λ

λ

−

=

!

)

(

)

(

 . 

(5) 

Величина λt это параметр распределения Пуассона. По нему можно рас-

считать вероятность поступления в систему точно i требований за условную еди-

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА. 2 (66) 2015. С. 57-67 

 

 

 

                ISSN 1683-1667 

62

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

ницу времени длительностью t, зная интенсивность потока требований λ. 

Для приведенного выше примера экспонентного потока с интенсивностью 

λ = 0,5 построено распределение Пуассона случайного количества требований, 

которое приходится на условные интервалы времени, например, продолжитель-

ностью t = 20 c (рисунок 3).

Рисунок 3 – Распределение Пуассона при λ = 0,5 и t = 20 c

Среднее  значение  случайной  величины  i,  распределенной  по  закону  (5), 

определяется как 

i

= λt , и в этом случае λt = 10. Из рисунка 3 видно, что наи-

большая  вероятность  это  вероятность  среднего  значения  i.  При  возрастании  i 

вероятность Pi(t) постепенно возрастает, а потом – уменьшается. Данный график 

почти симметричный, а форма аппроксимирующей кривой приближается к фор-

ме нормального закона распределения. 

Таким образом, математическую модель потока требований, поступающе-

го в системах распределения информации на обслуживание, можно отобразить 

двумя способами с помощью вероятностных функций распределения: 

– интервалов времени между соседними требованиями z, (4);

– количества требований i за условную единицу времени t, (5).

В первом случае, применяются непрерывные законы, а во втором – дискрет-

ные. Каждый из потоков называется по виду вероятностного закона распределе-

ния интервалов времени между требованиями или их количества за условную 

единицу времени. Модель потока, определяемая распределением (5) называется 

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

63

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

пуассоновским потоком (используется в телефонных сетях). 

Пуассоновские потоки делятся на потоки первого и второго рода. Для по-

токов первого рода вероятность поступления требований в систему не зависит 

от того, сколько требований уже есть в ней. СМО с такими потоками называются 

системами с бесконечным числом источников или открытыми системами. Пото-

ки первого рода возникают из-за наложения многих потоков отдельных источни-

ков, причем поведение каждого источника независимо.

Потоки требований второго рода получаются в системах массового обслу-

живания (СМО) с конечным числом источников или в так называемых замкнутых 

системах. Поскольку в момент, когда требование обслуживается или ожидает, ее 

источник уже не может порождать новых требований, то вероятность того, что 

поступит требование из совокупности требований всех источников, зависит от 

того, сколько требований в системе и от каких они источников. Такие потоки на-

зываются примитивными. Оценка качества обслуживания или пропускной спо-

собности СРИ (систем распределения информации) требует учета всех элемен-

тов ее модели. Наиболее сложно учесть математическую модель входного потока 

требований. Именно по этой причине весь пакет задач анализа и синтеза систем 

распределения информации для любых из ее схем и дисциплин обслуживания 

решен только для случая простейшей модели трафика – пуассоновского потока. 

Для неё известны все аналитические формулы расчета основных характеристик 

качества обслуживания в системах распределения информации [1-3].

Стремительное развитие телекоммуникационных технологий, новые прин-

ципы  построения  сетей  связи,  изменение  структурного  состава  абонентов  и 

спектра  предоставляемых  услуг  влияет  на  изменение  характера  трафика.  Эти 

факторы увеличивают неравномерность интенсивности потоков требований, из-

меряемую  дисперсией  интенсивности.  Результаты  статистических  измерений, 

выполняемых на разных сетях связи, дают возможность выделить 3 типа трафи-

ка, к которым следует употреблять следующие математические модели: 

I тип – в моносервисных сетях с однородным трафиком. Это телефонные 

сети с единственной услугой телефонной связи, а поэтому трафик однородный. 

Простейшая модель пуассоновского потока соответствует таким условиям, а зна-

чения интенсивности трафика и ее дисперсии достаточно близки.

ІІ тип – в мультисервисных сетях с разнородным трафиком. 

Интегральный характер мультисервисной сети с расширенным спектром 

предоставляемых услуг предопределяет разнородность трафика, которая сильно 

изменяет его параметры и математическую модель. Реальным потокам присуща 

повышенная неравномерность трафика, при которой дисперсия интенсивности 

трафика превышает ее математическое ожидание от 2 до 15 раз. Иногда данное 

превышение бывает и большим, но это происходит или за пределами ЧНН, или 

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА. 2 (66) 2015. С. 57-67 

 

 

 

                ISSN 1683-1667 

64

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

на небольших пучках каналов [4].

ІІІ  тип  –  в  пакетных  сетях  с  мультисервисным  трафиком.  Трафик  имеет 

долгосрочные зависимости в интенсивности и еще более существенно отлича-

ется от пуассоновского потока. Адекватной моделью потоков в таких сетях есть 

самоподобные процессы. В мультисервисных пакетных сетях трафик есть раз-

нородным и с определенными требованиями к QoS. Здесь передачу потоков раз-

ных служб обеспечивает одна и та же сеть с едиными протоколами и законами 

управления. Поскольку источники каждой службы могут иметь разные скорости 

передачи информации или изменять ее в процессе сеанса связи, то объединен-

ному потоку пакетов присуща так называемая «пачечность» трафика (burstness), 

измеряемая коэффициентом пачечности [1]. Эта пачечность обуславливает еще 

большую неравномерность трафика, при которой дисперсия интенсивности тра-

фика превышает ее математическое ожидание от 20 до 60 раз и большее.

Независимо  от  способа  задания  математической  модели  потока  требова-

ний выбранная модель обязательно должна быть адекватной реальным потокам 

трафика телекоммуникационных сетей, поскольку от этого существенно зависит 

точность расчета характеристик качества обслуживания и пропускной способ-

ности СРИ при их анализе, синтезе и оптимизации. 

Корпоративная сеть ОАО Казахтелеком основана на сети Ethernet. Стан-

дарт Ethernet был принят в 1980 году. Число сетей, построенных на основе этой 

технологии, к настоящему моменту оценивается в 5 миллионов.

Основной принцип, положенный в основу Ethernet, – случайный метод до-

ступа к разделяемой среде передачи данных. В качестве такой среды может ис-

пользоваться толстый или тонкий коаксиальный кабель, витая пара, оптоволокно 

или радиоволны.

В ходе исследования изучена унифицированная система сетевого управле-

ния, iManager U2000. Интеллектуальная система диагностики неполадок U2000 

позволяет в течение нескольких секунд найти неисправность и точно определить 

затронутые аварией услуги [5]. Кроме того, U2000 сообщает о дополнительных 

авариях, связанных с первоначальной неисправностью, чтобы различные отделы 

не выполняли одну и ту же работу. Также, система U2000 может отделять суще-

ственные  аварии  «Critical  alarm»  от  несущественных  «Major  alarm».  Функция 

фильтрации аварий примерно на 85 процентов сокращает регистрацию несуще-

ственных аварий и повышает эффективность локализации аварий.

На рисунке 4 представлен список клиентских устройств и список доступ-

ных услуг. Зеленым цветом выделены активные устройства, на которых можно 

произвести удаленные настройки. 

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

65

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

Рисунок 4 – Клиентское оборудование

С помощью программы, также можно исследовать нагрузку порта, то есть 

его пропускную способность.

Рисунок 5 – Исследование пропускной способности порта

А.И. ПОПОВ, Ж.З. ЖАНТАСОВА. 2 (66) 2015. С. 57-67 

 

 

 

                ISSN 1683-1667 

66

Тоқсанына бір рет шығарылады

  

 

 

 

         

Шығыстың аймақтық хабаршысы

Верхний график показывает пропускную способность порта, которая до-

стигает 135 Mbit/s, что составляет около 13% от общей пропускной способности 

порта – 1 Gbit/s. Передача данных от клиента представлена нижним графиком. 

Так же можно провести мониторинг телекоммуникационного оборудования, вы-

полняя удаленные настройки станционного и клиентского оборудования.

U2000 поддерживает наглядное управление IP услугами, что позволяет из-

бежать конфликтов при управлении услугами такого типа. Благодаря универсаль-

ной системе управления и возможности конфигурации сети U2000 значительно 

упрощает  задачи  эксплуатации  и  обслуживания  и  сокращает  цикл  подготовки 

инженеров  по  IP  технологиям.  Наглядное  управление  IP  услугами  уменьшает 

расходы по эксплуатации и обслуживанию и расширяет возможности персона-

ла.

Прогнозирование нагрузки на элементы телекоммуникационной сети мо-

жет дать возможность гибко управлять пропускной способностью сети для каж-

дого из классов трафика, улучшить показатели QoS в сети [2].

СПИСОК ЛИТЕРАТУРЫ

1. Крылов В.В. Теория телетрафика и её приложения / В.В. Крылов, С.С. Само-

хвалова. – СПб.: БХВ-Петербург. – 2005. – 288 с.: ил. 

2. Шнепс М.А. Системы распределения информации. Методы расчета: справ. по-

собие / М.А. Шнепс. – М.: Связь, 1979. – 344 с., ил. 

3. Корнышев Ю.Н. Теория распределения информации: учеб. пособие для вузов / 

Ю.Н. Корнышев, Г.Л. Фань. – М.: Радио и связь. – 1985. – 184 с., ил.

4.  Ложковский  А.Г.  Моделирование  многоканальной  системы  обслуживания  с 

организацией очереди / А.Г. Ложковский, Н.С. Салманов, О.В. Вербанов // Восточно-

европейский журнал передовых технологий. – 2007. – №3/6(27). – С. 72-76. 

5. Кульгин М. Технология корпоративных сетей: Энциклопедия / М. Кульгин. – 

СПб.: Изд-во «Питер», 2007. – 512 с.

6. Хогдал. Анализ и диагностика компьютерных сетей. Просто и доступно: Изд-во 

ЛОРИ, 2000. – 353 с.

REFERENCES

1. Krylov V.V., Samokhvalova S.S., Teoriya teletrafika i ee prilozheniya. SPb. BKhV-

Peterburg. 2005, 288 (in Russ). 

2. Shneps M.A., Sistemy raspredeleniya informatsii. Metody rascheta: Sprav. posobie. 

Svyaz, 1979, 344 (in Russ).

3. Kornyshev yu.N., Fan G.L., Teoriya raspredeleniya informatsii: Ucheb. posobie dlya 

vuzov. Radio i svyaz. 1985, 184 (in Russ).

4. Lozhkovskiy A.G., Salmanov N.S., Verbanov O.V., Modelirovanie mnogokanalnoy 

sistemy obsluzhivaniya s organizatsiey ocheredi. Vostochno-evropeyskiy zhurnal peredovykh 

tekhnologiy. 2007, №3, 6, 27, 72-76 (in Russ).

5.  Kulgin  M.,  Tekhnologiya  korporativnykh  setey.  Entsiklopediya.  SPb.  Izd-vo  Piter, 

2007, 512 (in Russ).

ТЕХНИКА, ТЕХНОЛОГИЯ И ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ

67

Региональный вестник Востока

  

 

 

 

 

        

Выпускается ежеквартально

6. Khogdal. Analiz i diagnostika kompyuternykh setey. Prosto i dostupno, Izd-vo LORI, 

2000, 353 (in Russ).

ӘОЖ 536.633.4

жүктеу/скачать 13,26 Mb.

Достарыңызбен бөлісу: