Автоматизированные банковские системы

Анализируя данные имитационного  моделирования с использованием текущих временных характеристик  подсистем (см. табл. 5), можно сделать  вывод, что наименее производительными подсистемами являются системный монитор транзакций и прикладной монитор «Депозит», т.к. по окончании модельного времени (T=2) в очередях на обработку этими подсистемами осталось 50% числа поступивших в систему данных (запросов), тогда как в очередях к остальные подсистемам данных необработанных транзактов не осталось или их число очень мало. Следовательно, именно в эти подсистемы главным образом необходимо вносить изменения в целях повышения их производительности и повышения производительности системы в целом.

Решая оптимизационную задачу с  использованием текущих временных  характеристик подсистем получили оптимальные средние временные характеристики, т.к. текущие характеристики также были усреднены для их использования в качестве характеристик. Логика подсказывает, что решение, полученное с использованием аналитической модели будет тем точнее удовлетворять заданному критерию оптимальности, чем меньше разброс временных характеристик подсистем. Данные таблицы №6 свидетельствуют о том, что наибольшие изменения необходимо внести в наименее производительные подсистемы, как и говорилось ранее. Также нужно вносить изменения в подсистемы «средней производительности» чтобы выполнился критерий оптимальности функционирования системы. Таким образом, не подверглись изменениям только наиболее производительные подсистемы (подсистема доставки, фиктивная подсистема формирования транзакций, подсистема «Jrn» и подсистема «Ack»), что вполне логично. Данные подсистемы не являются «узкими» местами АС ЦОД. Учитывая «жесткость» критерия оптимальности (производительность системы нужно увеличить на 30%, чтобы очередь запросов [L=430] обрабатывалась за [_Tнеобх.=2]) можно предвидеть, что в подсистемы необходимо внести серьезные изменения.

Подставив найденные временные характеристики подсистем в имитационную модель при неизменных начальных условиях проверим выполнение заданного критерия оптимальности (см. таблицу №7), а именно равенство времени обработки очереди запросов (L=430) заданному значению (T_необх.=2). Выполнение критерия оптимальности с использованием аналитического выражения можно не проверять, т.к. данное выражение входит в ограничения аналитической модели и критерий удовлетворяется тривиально. Как видно из данных таблицы №7, в течение модельного времени T_мод.=T_необх.=2 только 11 транзактов не были обработаны, поэтому, учитывая стохастический характер поступления запросов в систему, полученные временные характеристики можно адекватными, т.е. критерий оптимальности выполнен.

При подстановке решения в имитационную модель выдвигалась гипотеза, что вариационные характеристики и законы распределения времени обслуживания транзактов подсистемами не изменились. Может также выдвигаться гипотеза, что время обслуживания транзакта в подсистемах подчиняется закону распределения, параметром которого является только матожидание (например, экспоненциальному). Если бы характеристики разброса времени обслуживания транзакта подсистем были велики, то, возможно, решение, полученное при использовании аналитической модели, не удовлетворяло бы критерию оптимальности. В этом случае решение аналитической модели служило бы первым приближением к оптимальных характеристикам подсистем. Далее их уточнение проводится итеративным способом на имитационной модели.

Таким образом, в результате применения модели оценки производительности банковских автоматизированных систем к АС ЦОД можно сделать следующий вывод: повышения производительности АС ЦОД на 30% необходимо временные характеристики подсистем привести в соответствие с характеристиками, представленными в таблице №6.

Заключение

Применение модели оценки производительности банковских автоматизированных систем к АС Московского Банка Акционерного Коммерческого Сберегательного  Банка Российской Федерации показало, что для данной системы оптимальное решение, полученное с использованием аналитической модели,  и рациональное, полученное на имитационной модели, совпадают. Выполнение критерия оптимальности обеспечивает повышение общей производительности системы до заданного значения. Полученное решение позволило выделить непроизводительные подсистемы, определить направление модернизации системы и установить необходимую глубину изменений в подсистемах.

Модель оценки производительности банковских автоматизированных систем имеет ряд положительных характеристик:

• Отсутствуют ограничения на тип и структуру системы. Модель может быть применена к любой системе, для которой актуальна задача нахождения оптимальных временных характеристик подсистем.
• Ограниченные затраты при практической реализации полученного решения, т.к. изменениям подвергаются прежде всего непроизводительные подсистемы и ровно настолько, чтобы выполнялся заданный критерий оптимальности T_необх.
• Модель гарантирует выполнение заданного критерия оптимальности решения T_необх., т.к. целевая функция является выпуклой, поэтому может быть найден ее глобальный минимум при отсутствии ограничений и локальный при наличии таковых.
• Модель позволяет выявить «узкие» места в системе.

Предложенная модель является базой для решения целого семейства  оптимизационных задач. К ним можно отнести:

• Задача оценки производительности банковской автоматизированной системы при минимуме затрат на реализацию полученного решения.
• Задача оценки производительности банковской автоматизированной системы при минимуме сроков реализации полученного решения.

Для решения подобных задач эксперту необходимо заменить в аналитической  модели существующую целевую функцию  на необходимую при неизменных ограничениях.

Наибольшая сложность состоит  в формализации конкретной автоматизированной банковской системы для адекватного отражения процесса ее функционирования предложенной моделью. По мнению автора указанный фактор нельзя отнести к недостаткам модели оценки производительности банковских автоматизированных систем, так как проблема формализации актуальна при моделировании любой сложной системы.

В случае практической реализации полученного  решения обеспечивается экономия вычислительных ресурсов, эквивалентных серверу  типа ALR Revolution QUAD 6, стоимость которого составляет около 30000$. Также ожидается снижение эксплуатационных затрат на АС ЦОД, так как освободившиеся вычислительные ресурсы могут быть заняты другой системой и затраты на эксплуатацию аппаратного обеспечения АС ЦОД распределятся между двумя системами. Учитывая, что АС ЦОД реализует выполнение вкладных операций в режиме реального времени, то повышение ее производительности позволит улучшить качество обслуживания клиентов и окажет позитивное влияние на формирование твердого кассового остатка в Сбербанке, так как повышение качества обслуживания является одним из средств привлечения клиентов банком.

В качестве направлений совершенствования  модели оценки производительности банковских автоматизированных систем можно выделить:

• Дополнение модели характеристиками, учитывающими ограничения на загрузку подсистем и систему в целом.
• Учет теоретической глубины изменений, которые можно внести в отдельную подсистему. Одним из путей решения этой проблемы может быть введение соответствующих весовых коэффициентов.
• Разработка математического аппарата для оценки вариационных характеристик времени обработки единицы данных в отдельных подсистемах.

Модель разрабатывалась с целью  оценки производительности банковских автоматизированных систем, но при  внесении перечисленных дополнений область ее применения существенно расширится, что также свидетельствует о практической ценности предложенной модели.