Презентація_Buliy_Danil_Yuriyovich

1. Магістерська робота на тему: «Експертна система підбору графічних процесорів для ТОВ «ТІСЕР»

Здобувач: Булій Даніл, КН-2-2М
Керівник: доцент, к. т. н. Олена Харкянен

2. Актуальність теми

ІТШІК НУХТ
2
Актуальність теми
У сучасних умовах ринок відеокарт (GPU) стрімко зростає, що ускладнює їх оптимальний вибір.
Ручне порівняння характеристик є повільним, суб’єктивним і неефективним при великій кількості
моделей. Тому виникає потреба в автоматизованій системі, яка агрегує технічні дані та проводить
комплексний аналіз продуктивності, енергоефективності, ціни та підтримки API (CUDA, Metal, OpenCL,
Vulkan).
Створення такої системи дає змогу швидко обробляти великі масиви даних, виділяти закономірності,
групувати GPU за рівнем продуктивності та формувати точні рекомендації відповідно до потреб
користувача. Це забезпечує об’єктивність вибору та підвищує якість прийняття рішень.

3. Об’єкт дослідження

ІТШІК НУХТ
3
Об’єкт дослідження
Об’єкт дослідження – це процес вибору графічних процесорів відповідно до технічних та
експлуатаційних характеристик, який включає оцінку продуктивності та відповідності конкретним
сценаріям використання. Сам процес вибору є багатофакторним і потребує інтеграції різних джерел даних,
включаючи технічні специфікації виробників, тести продуктивності (PassMark, Geekbench), аналітичні
показники GPU тощо.

4. Мета дослідження

4
ІТШІК НУХТ
Мета дослідження
Метою дослідження є розробка експертної системи для автоматизованого підбору відеокарт на
підприємстві ТОВ «ТІСЕР» із використанням аналітики тестових даних продуктивності. Така система
покликана забезпечити швидкий та обґрунтований вибір оптимальних моделей відеокарт для різних
виробничих сценаріїв, зокрема для застосування в графічних завданнях, обчисленнях штучного інтелекту
та 3D-рендерингу.

5. Завдання дослідження

ІТШІК НУХТ
5
Завдання дослідження
Завдання дослідження включають:
проведення аналізу сучасних підходів до оцінювання та порівняння GPU;
виявлення переваг та недоліків існуючих методів;
дослідження ключових показників продуктивності відеокарт, їхніх взаємозв’язків та впливу на
ефективність роботи системи;
розробку архітектури системи підбору GPU з модульною структурою та можливістю інтеграції нових
даних;
реалізацію аналітичного модуля для обробки та візуалізації даних;
розробку зручного веб-інтерфейсу для взаємодії користувача з системою;
тестування системи та оцінку точності наданих рекомендацій.

6. Характеристика ТОВ «ТІСЕР»

ІТШІК НУХТ
6
Характеристика ТОВ «ТІСЕР»
ТОВ "Тісер" — підприємство, яке займається інжинірингом, розробкою, виробництвом та постачанням
високотехнологічної продукції для різних галузей промисловості, зокрема енергетичної, хімічної, цукрової
та спиртової. ТОВ "Тісер" було зареєстровано 23 грудня 2005 року.
Основний вид діяльності компанії - оптова торгівля машинами та їхніми обладнаннями. Крім того,
"Тісер" пропонує послуги з металообробки, такі як згинання, газо-плазмове та лазерне різання,
вальцювання, рубка листового металу та токарна обробка.

7. Організаційна структура ТОВ «ТІСЕР»

ІТШІК НУХТ
7
Організаційна структура ТОВ «ТІСЕР»

8. Відділ автоматизації ТОВ «ТІСЕР»

8
ІТШІК НУХТ
Відділ автоматизації ТОВ «ТІСЕР»
IT-відділ у ТОВ «ТІСЕР» відіграє ключову роль у впровадженні сучасних технологій автоматизації
в машинобудівному виробництві. Одним із головних напрямків роботи відділу є розробка та впровадження
автоматизованих систем управління технологічними процесами (АСУ ТП). Інтеграція IoT-рішень дозволяє
підприємству впроваджувати розумні сенсори, які моніторять стан обладнання в реальному часі, сприяючи
ранньому виявленню несправностей. Ці системи дозволяють автоматизувати роботу виробничих ліній і
забезпечити їх безперебійну експлуатацію.

9. Мета розробки експертної системи для ТОВ «ТІСЕР»

ІТШІК НУХТ
9
Мета розробки експертної системи для ТОВ «ТІСЕР»
Підприємства використовують відеокарти для різних завдань – графіки, машинного навчання та
професійного рендерингу. Проте через велику кількість моделей та різноманітні характеристики їм складно
швидко обрати оптимальну карту для конкретних потреб та бюджету. Наша система дозволяє автоматизувати
цей процес, забезпечуючи швидкий і точний підбір GPU відповідно до завдань підприємства.

10. Графічні процесори

ІТШІК НУХТ
10
Графічні процесори
Графічний процесор (відеокарта) - електронний пристрій, частина комп'ютера, призначена для
генерації та обробки зображень з подальшим їхнім виведенням на екран периферійного пристрою.
Відеокарти відіграють ключову роль у роботі підприємства, забезпечуючи прискорену обробку даних,
високу продуктивність та стабільність робочих процесів. Вони використовуються для офісних задач,
графічного рендерингу, 3D-моделювання, машинного навчання, наукових обчислень і роботи зі складними
візуальними системами.

11.

ІТШІК НУХТ
11
Графічні процесори здійснюють обчислення за рахунок паралельної архітектури, яка складається
з сотень або тисяч потокових ядер. На відміну від центрального процесора, який виконує обмежену
кількість завдань послідовно, GPU одночасно обробляє велику кількість дрібних операцій. Це дає змогу
швидко виконувати математичні розрахунки, побудову графіки, обробку великих масивів даних та
навчання моделей штучного інтелекту.

12. Алгоритми кластеризації як методи прийняття рішень

ІТШІК НУХТ
12
Алгоритми кластеризації як методи прийняття рішень
«Кластеризація — це автоматичне розбиття елементів деякої множини на групи залежно від їх
схожості. Елементами множини можуть бути будь-які об’єкти, зокрема дані або вектори характеристик.
Самі групи прийнято називати кластерами»

13.

ІТШІК НУХТ
13
Для створення алгоритму підбору графічних процесорів у межах експертної системи було
використано дві основні методи кластеризації – DBSCAN та K-Means. Цей вибір обґрунтований як технічними
особливостями алгоритмів, так і специфікою даних, з якими працює система.
K-Means був обраний як базовий алгоритм для кластеризації GPU за основними характеристиками,
такими як продуктивність, ціна та показник GPU Value. Головною перевагою цього алгоритму є простота та
швидкість обчислень
DBSCAN використовується як додатковий алгоритм, що дозволяє враховувати специфіку даних із
нерівномірним розподілом характеристик. Основною перевагою DBSCAN є здатність ідентифікувати кластери
будь-якої форми та щільності, а також ігнорувати шумові точки або аномальні GPU, які не відповідають
основним групам

14. Вибір інструментів розробки експертної системи

ІТШІК НУХТ
14
Вибір інструментів розробки експертної системи
Для розробки системи було обрано Python як основну мову програмування завдяки її широкому функціоналу
для аналітики, обробки даних та машинного навчання. Для побудови веб-інтерфейсу та інтеграції з базою даних
використано Django — потужний веб-фреймворк, який забезпечує зручну роботу з ORM, дозволяє швидко
реалізовувати моделі даних та забезпечує безпечну взаємодію з користувачем через веб-інтерфейс.
Для реалізації бази даних в аналітичному сховищі даних у межах експертної системи підбору GPU було
обрано СУБД PostgreSQL. СУБД підтримує практично всі функції стандартного SQL, що робить його зручним
для розробки складних запитів та транзакцій

15. Дані в сховищі даних експертної системи

ІТШІК НУХТ
15
Дані в сховищі даних експертної системи
У базі даних нашої системи зберігається повна інформація про відеокарти, включаючи технічні
характеристики (G3DMark, G2DMark, TDP, показники продуктивності та ефективності), ціни, інтегральні
бали, середні API-скори та дані тестувань. Крім того, фіксуються класифікаційні атрибути, такі як виробник,
модель GPU, категорія використання (Usage) та сегмент ринку.
На основі цих даних система автоматично розраховує додаткові показники, такі як integrated_score
(сума всех оцінок тестувань) та efficiency (відношення суми оцінок до ціни). Це дозволяє виконувати
порівняння карт, кластеризацію та побудову аналітичних звітів для вибору оптимальної відеокарти
відповідно до потреб підприємства.

16.

ІТШІК НУХТ
16
Сховище даних для експертної системи підбору графічних процесорів

17. Таблиця фактів зі всіма показниками відеокарт

ІТШІК НУХТ
17
Таблиця фактів зі всіма показниками відеокарт

18. Алгоритм підбору відеокарт експертної системи

ІТШІК НУХТ
18
Алгоритм підбору відеокарт експертної системи
У системі підбору відеокарт алгоритм працює на основі даних зі сховища, де зберігаються технічні
характеристики карт, їхні показники 3D та 2D продуктивності, середні оцінки API, тепловиділення, ціни та
інтегральні бали. Використовується кластеризація (K-Means та DBSCAN) для групування карт із подібними
показниками продуктивності та ефективності. Далі визначаються топові моделі у кожному кластері за
поєднанням продуктивності, цінової ефективності та середніх балів тестувань. Алгоритм також враховує ціновий
сегмент – доступні, середнього рівня та преміум-класи – і призначення відеокарти (ігри, графіка, машинне
навчання, професійний рендеринг). Це дозволяє користувачу швидко обирати оптимальні моделі відповідно до
потреб підприємства та бюджету.

19. Інтерфейс експертної системи. Головна сторінка

ІТШІК НУХТ
19
Інтерфейс експертної системи. Головна сторінка
Рис.1. Початок головної сторінки
Рис.2. Кінець головної сторінки

20. Інтерфейс експертної системи. Сторінка «підбір GPU»

ІТШІК НУХТ
20
Інтерфейс експертної системи. Сторінка «підбір GPU»

21. Інтерфейс експертної системи. Сторінка метрик відеокарт

ІТШІК НУХТ
21
Інтерфейс експертної системи. Сторінка метрик відеокарт

22. Інтерфейс експертної системи. Корелаційна матриця

ІТШІК НУХТ
22
Інтерфейс експертної системи. Корелаційна матриця

23. Публікації

ІТШІК НУХТ
23
Публікації
Публіковані тези, з якими безпосередньо пов’язана розробка експертної системи, приймають участь у таких
конференціях:
1. ІI МІЖНАРОДНА НАУКОВО-ПРАКТИЧНА КОНФЕРЕНЦІЯ «Штучний інтелект та інформаційні
технології»
Тема: "Використання бенчмарків для оцінювання продуктивності відеокарт“
2. XII Міжнародна науково- технічна конференція «Сучасні методи, інформаційне, програмне та
технічне забезпечення систем керування організаційно-технічними та технологічними
комплексами»
Тема: "Експертна система підбору графічних процесорів"

24. Висновок

24
ІТШІК НУХТ
Висновок
В ході дослідження ми дізнались про ТОВ «ТІСЕР» і як функціонує відділ автоматизації під-ва.
Ми проаналізували стан комп’ютеризації підприємства, виявили недолік і розглянули можливості
впровадження експертної системи та для покращення управління обладнанням та аналізу продуктивності
відеокарт.
Розроблена система використовує кластеризацію та аналітичні показники для визначення
ефективних GPU, їх призначення та цінового сегменту, що дозволяє швидко обирати оптимальні моделі
для потреб підприємства.

25.

Дякую за увагу!