Кафедра "Комп'ютерна інженерія та програмування"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/1095

Офіційний сайт кафедри https://web.kpi.kharkov.ua/cep

Від 26 листопада 2021 року кафедра має назву – "Комп’ютерна інженерія та програмування"; попередні назви – “Обчислювальна техніка та програмування”, “Електронні обчислювальні машини”, первісна назва – кафедра “Математичні та лічильно-вирішальні прилади та пристрої”.

Кафедра “Математичні та лічильно-вирішальні прилади та пристрої” заснована 1 вересня 1961 року. Організатором та її першим завідувачем був професор Віктор Георгійович Васильєв.

Кафедра входить до складу Навчально-наукового інституту комп'ютерних наук та інформаційних технологій Національного технічного університету "Харківський політехнічний інститут". Перший випуск – 24 інженери, підготовлених кафедрою, відбувся в 1964 році. З тих пір кафедрою підготовлено понад 4 тисячі фахівців, зокрема близько 500 для 50 країн світу.

У складі науково-педагогічного колективу кафедри працюють: 11 докторів технічних наук, 21 кандидат технічних наук, 1 – економічних, 1 – фізико-математичних, 1 – педагогічних, 1 доктор філософії; 9 співробітників мають звання професора, 14 – доцента, 2 – старшого наукового співробітника.

Переглянути

Фільтри

20222

Налаштування

ORCID: search.filters.orcid.https://orcid.org/0000-0001-6828-6699

Результати пошуку

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Evaluation model of the recovery processes of non-markovian systems, considering the elements unreliability under arbitrary distribution laws
    (Національний технічний університет "Харківський політехнічний інститут", 2022) Raskin, Lev; Ivanchikhin, Yuriy; Sukhomlyn, Larysa; Svyatkin, Iaroslav; Korsun, Roman
    The subject of the study is the reliability of recoverable non–Markovian systems, functioning of which is described by arbitrary distribution laws. The purpose of the article is to develop a mathematical model of the functioning of modern computer systems under arbitrary laws of the distribution of stay duration in each of the states, taking into account the recovery system and the provision of spare elements. The main task is to develop an adequate model of the system functioning process, taking into account the non-Markovian character of the processes occurring in the system, its possible large dimension, and the presence of a hierarchical recovery system. Based on this model, a method for calculating the density of the system recovery time distribution has been developed. At the same time, a universal four-parameter distribution is proposed to describe random processes occurring in the system. Using this approximation, the calculation of the desired parameter of the recovery flow is performed by solving the Volterra integral equation with a difference kernel.
  • Ескіз
    Документ
    Semi-Markov reliability models
    (Національний технічний університет "Харківський політехнічний інститут", 2022) Raskin, Lev; Sviatkin, Iaroslav; Ivanchikhin, Yuriy; Korsun, Roman
    Traditional technologies for reliability analysis of semi-Markov systems are limited to obtaining a stationary state probability distribution. However, when solving practical control problems in such systems, the study of transient processes is of considerable interest. This implies the subject of research - the analysis of the laws of distribution of the system states probabilities. The goal of the work is to obtain the desired distribution at any time. The complexity of the problem solving is determined by the need to obtain a result for arbitrary distribution laws of the duration of the system's stay in each state before leaving. An easy-to-implement method for the analysis of semi-Markov reliability models has been suggested. The method is based on the possibility of approximating probability-theoretic descriptions of failure and recovery flows in the system using the Erlang distribution laws of the proper order. The developed computational scheme uses the most important property of Erlang flows, which are formed as a result of sieving the simplest Poisson flow. In this case, the semi-Markov model is reduced to the Markov one, which radically simplifies the analysis of real systems.