Search academic texts

Information × Registration Number 0825U003275, PhD dissertation Status Доктор філософії Date 12-08-2025 popup.evolution o Title Information Technology for Managing an Adaptive Smart Home System Author Khrystyna V. Beregovska, popup.head Vasyl M. Teslyuk popup.opponent Aleksandr P. Gozhyj popup.opponent Oksana Y. Mulesa popup.review Maria A. Nazarkevich popup.review Yurii V. Opotiak Description Дисертаційне дослідження присвячене розробленню інформаційної технології управління адаптивною системою розумного будинку (РБ), яка здатна діяти проактивно, реалізовуючи випереджувальне керування, що базується на навчанні з використанням статистичних даних про поведінку користувача. Розроблені моделі та методи поєднують теоретико-графові та стохастичні підходи на основі мереж Петрі-Маркова (МПМ), доповнені функціональними компонентами (сенсорами, актуаторами), що забезпечує нову якість управління, реакції на події та персоналізацію в РБ. У першому розділі «Аналіз моделей, методів і засобів інформаційних технологій управління системами “Розумний будинок”» виконано комплексний огляд підходів до побудови та моделювання сучасних «розумних» систем, їх основні функції та властивості. Досліджено переваги та недоліки ряду актуальних методів проєктування — класичних структурних (SADT, IDEF0, SSADM) та сучасних - імітаційних, аналітичних, інтелектуальних. Обґрунтовано, що існуючі методи не здатні забезпечити повноцінну поведінкову адаптацію та динамічне самонавчання систем РБ, що унеможливлює реалізацію дій «на випередження». У другому розділі «Моделі адаптивної системи “Розумний будинок” на основі мереж Петрі-Маркова та доповнених функціональними компонентами» представлено основні теоретичні засади, на яких побудовано математичну модель РБ, направлену на підвищення оперативності реагування системи. Представлено моделі взаємодії користувача з системою на основі сценаріїв функціонування РБ з врахуванням випадкової природи подій, часових залежностей та впливу зовнішнього середовища. Побудовані графи досяжності станів підтверджують цілісність та скінченність моделей, демонструють їх здатність до адаптації та підтримки різноманітних сценаріїв поведінки користувача. У третьому розділі «Методи синтезу та навчання моделей систем “Розумний будинок” на основі моделей Петрі-Маркова та доповнених функціональними компонентами» розроблено метод синтезу моделей систем РБ на основі мереж Петрі-Маркова (МПМ), доповнених функціональними компонентами, а також метод їх навчання для реалізації адаптивності цих систем. Запропонована модель забезпечує можливість багаторівневої декомпозиції системи — від високорівневого формулювання сценаріїв до рівня фізичних компонентів - сенсорів та актуаторів. Запропоновано метод навчання моделей, який базується на зборі статистичних даних про поведінку користувача та подальшому коригуванні ймовірнісних параметрів моделі на основі зібраної в процесі роботи системи, інформації. Розглянуто три режими збору статистичних даних: ручний, автоматизований та автоматичний. Проведено аналіз кожного з них. Розроблено структуру зберігання моделі, що дозволяє оптимізувати обробку сценаріїв, здійснити перехід від громіздкої багатовимірної до одновимірної структури з уніфікованою нумерацією та єдиним репозиторієм реляцій. У четвертому розділі «Розроблення засобів інформаційної технології управління адаптивною системою “Розумний будинок” на основі моделей Петрі-Маркова і доповнених функціональними компонентами та результати дослідження» представлено практичну реалізацію розробленої інформаційної технології управління адаптивною системою розумного будинку. Запропоновано повноцінну архітектуру програмно-апаратного комплексу разом з алгоритмами функціонування, технічними рішеннями та інструментами моніторингу й адміністрування. Розроблено структурну схему контролера адаптивної системи РБ, схеми підключення сенсорів та актуаторів, а також алгоритми реагування на події. У рамках роботи реалізовано спеціалізоване програмне забезпечення - автоматизовану програмну систему адміністрування та моніторингу (АПСАМ). У розділі також наведено успішні результати проведеного тестування системи відповідно до стандартів, описаних у ISTQB CT-AI, які базуються на обчисленні основних метрик. Registration Date 2025-08-04 popup.nrat_date 2025-08-04 Close