Коллектив Авторов - Цифровой журнал «Компьютерра» № 206

Нет, я тут говорю о старинном понимании «роботности» как эффекторов/актуаторов, курируемых компьютерными алгоритмами, в том числе использующими данные датчиков об изменении в окружающей среде. Помним все эти абсолютно неантропоморфные звездолёты-роботы, где экипажи любили поболтать с бортовым компьютером.

Сегодня классический объект системной инженерии — транспорт — перестаёт быть традиционной телегой с реактивным или поршневым движителем вместо лошади и водителем вместо кучера. В этой системе впервые озаботились исключением кучера, и его место занимает теперь компьютер, получающий выход в физический мир.

Моделирование системы и её окружения в САПР стремительно уходит внутрь актуальной системы, и тестирование железки ведётся компьютером (контроллером) этой системы. Нужно тестировать и контроллер с его софтом, а если учесть необходимость сохранения хоть какой-то работоспособности немного повреждённой системы, то внутрь контроллера неплохо бы загонять практически все модели, которые раньше имелись в системах имитационного моделирования САПР (например, прочностные и тепловые расчёты).

И тогда можно ожидать, что существенно повреждённая система будет хотя бы чуть-чуть функционировать, а электроника с софтом будут ограничивать нагрузку на повреждённые системы до того уровня, чтобы не доломать их окончательно. Собственно говоря, агентский софт в энергосистемах делает именно это: поддерживает модель окружения для того, чтобы предотвращать блэкауты в реальном времени. Digirtal mock-up — цифровой макет системы — перестаёт в какой-то момент быть макетом, он используется не во время разработки, а во время эксплуатации. А уж использование этой цифровой модели самой системы и её меняющегося в реальном времени окружения становится уделом весьма и весьма интеллектуальных алгоритмов.

Чтобы проектировать такую систему (а компьютеры здесь многоуровневые — от робота, который управляет моментом зажигания, до робота, управляющего парковкой машины или предотвращающего наезд на перебегающую дорогу кошку), сами практики системной инженерии должны меняться: идёт конвергенция системной, программной инженерии и инженерии систем управления. В 2009 году об этом говорилось очень немногими, а сегодня плоды этого тренда прошли в мейнстрим: любое устройство становится роботом в широком смысле этого слова (то есть имеет датчики, эффекторы и «курирующие» алгоритмы в компьютере).

V&V превращается в приключение: нужно испытывать саму систему средствами самой системы плюс испытывать её алгоритмы. Отсюда все эти XXX-in-the-loop (где XXX — это model, hardware, processor, component, software). Впрочем, это давно уже мейнстрим, равно как и беглый тест при старте системы (автомобили на старте тестируют себя сейчас, пожалуй, не меньше, чем космическая ракета на старте, и дело идёт к непрерывному тестированию всех видов — не только на старте).

Фишка тут не ограничивается тем, что система непрерывно тестирует и обновляет свою собственную мультимодель и мультимодель окружения: для этого используются лишь солверы для этих моделей. Фишка в том, что система оптимизирует свои режимы (а иногда и структуру), ставя все эти солверы под управление какого-то оптимизатора. Оптимизация (а не просто расчёт) — это тренд 2014 года, какие-то оптимизаторы теперь вставляются в большинство систем мультимоделирования — как «времени САПР», так и «времени эксплуатации» (я тут специально пишу не «мультифизического моделирования», а «мультимоделирования» — ибо моделировать можно и цену, и логическую структуру, и много чего другого, кроме мультифизики).

В 2014 году резкий рост активно управляемых киберфизических систем выходит из университетов в промышленность: автомобилями-без-водителя занимаются все основные автомейкеры, на клип Volvo с Ван Даммом уже делают пародии, десятиэтажные ракеты у SpaceX летают, как вертолётики, а исследователи демонстрируют перекати-кубики без внешних двигающихся частей и автоматическое жонглирование четырьмя шариками одной ракеткой. Все эти технологии в 2014 году начинают массово переходить из университетских лабораторий в промышленные R&D-подразделения, и этим подразделениям технологии классической и даже моделеориентированной системной инженерии в их ориентации на традиционные CAD/CAE/PLM/CAM/ etc. будут помогать не так сильно: предстоит очередное методологическое и технологическое перевооружение под активно управляемые системы.

Так что отмечаемый тренд-2014 «робототехника» является лишь частью много большего выхода ИТ-технологий из чисто виртуальных цифровых миров в наш реальный физический мир. Более того, даже тренд-2014 «интернет вещей» тут тоже только часть, хотя именно при его обсуждении говорится, что мир будет утыкан доступными через интернет датчиками и доступными через интернет эффекторами (и тем самым в робота превращается и дом как «умный дом», и даже город как «умный город»). IEEE Computer Society обобщает этот тренд определением « internet of things до web of things», но мне больше нравится формулировка Cisco Systems — «internet of everything» (ибо CISCO тоже занимается трендами-2014), и это же дублируется в трендах-2014 от Gartner.

Сюда же можно отнести и тренд на context aware computing: вычисления производятся не сами по себе, а с акцентом на контексте (предыдущие запросы пользователя, координаты пользователя во вселенной, текущее состояние человеческих знаний; от контекстных меню до сервисов Google Now, активно использующих датчики GPS и память о маршрутах).

Если всё-таки посмотреть на традиционный жизненный цикл с традиционными CAD/CAE/PLM/CAM/ etc. системами, то в 2014 году все эти системы придётся перетряхивать из-за перехода к тому, что IDC ещё в прошлом году назвала «третьей компьютерной платформой» («mobile+cloud+Big Data/Analytics+social business», 3. Третья компьютерная платформа тренд нынешнего2013 года, который продолжится в 2014-м. Первая платформа (мейнфрейм-терминал) не вырастет в 2014 году, вторая (LAN/Internet, client/server) вырастет на 0,7%, а третья — на 15%.

«Большие данные» / Big Data склеиваются с задачами «scientific computing» (high-performance computing/HPC, high-throughput computing/HTC, many-task computing/MTC, and data-intensive computing) и становятся Extreme Data. (Например, у того же IEEE CS: «It's more than the three Vs—volume, velocity, and variety—that make big data such a difficult tiger to tame», а сам термин «extreme» как beyond big dataбыл запущен Gartner ещё в 2011 году: «Big data is often thought of as just volume, or as volume, velocity, and variety, but other issues, like the fluctuation of data flows, are important, too».)

Так что сегодняшний тренд-2014 уже по факту не Big Data, а Extreme Data. Я тут себя чувствую немножечко участником: мы очень интересуемся аспектом variety данных, и у нас есть что сказать как в части онтологической работы с разнообразными данными, так и в отношении подтягивания онтологических моделей к scientific computing. (У нас, напомню, в .15926 Editor язык для exploratory computing — Питон. Языком-по-умолчанию для scientific computing сегодня является как раз Питон. Даже инженерное моделирование на Modelica по факту ушло в Питон, начавшись исключительно с Java и С++. Так что мы тут оказались «в тренде» Extreme Data, хотя три года назад, когда начинался проект, это было не так ещё очевидно.) Тут нужно сказать, что на взлёте и другой термин для всего того же самого — « actionable data», а также ранее помянутое «курирование данных/контента».