МІКРОСЕРВІСНА АРХІТЕКТУРА ХМАРНОЇ ПЛАТФОРМИ НА БАЗІ MICROSOFT AZURE ДЛЯ ІНТЕЛЕКТУАЛЬНОГО КЕРУВАННЯ КОМП'ЮТЕРНО-ІНТЕГРОВАНИМИ РОБОТИЗОВАНИМИ СИСТЕМАМИ

Дмитро Ковалюк; Денис Счастлівцев; Андрій Кріт; Тарас Киричук

doi:10.28925/2663-4023.2026.34.1328

Автор(и)

Дмитро Ковалюк Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, Україна https://orcid.org/0000-0002-9729-1443
Денис Счастлівцев Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, Україна https://orcid.org/0009-0001-9699-100X
Андрій Кріт Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» https://orcid.org/0009-0003-3028-0998
Тарас Киричук Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» https://orcid.org/0009-0007-3761-0960

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1328

Ключові слова:

мікросервісна архітектура; Microsoft Azure; промислова автоматизація; комп'ютерно-інтегровані системи; хмарні обчислення; марківські ланцюги; теорія масового обслуговування; Circuit Breaker; DevOps.

Анотація

У статті розроблено та досліджено мікросервісну архітектуру хмарної платформи на базі Microsoft Azure, призначену для управління комп'ютерно-інтегрованими роботизованими системами (КІРС). Розглянуто труднощі масштабування виробничих інформаційних систем під час обробки великих обсягів даних з рівня цеху, а доцільність застосування мікросервісної архітектури й хмарних технологій обґрунтовано як засіб забезпечення гнучкості та надійності виробничих процесів. Сучасні дослідження у сфері хмарних і периферійних обчислень для промисловості проаналізовано так, що раніше невирішеною частиною загальної проблеми виявлено відсутність комплексних платформ управління КІРС із гарантіями якості обслуговування, надійності та безпеки. У роботі побудовано розширену математичну модель, що охоплює аналіз затримок на основі теорії масового обслуговування, зокрема моделей M/M/1 та M/M/c, модель надійності на базі марківських ланцюгів з неперервним часом, задачу оптимізації розподілу навантаження між хмарними та периферійними вузлами методами лінійного програмування і модель енергоефективності хмарних ресурсів. Описано методику експериментальної верифікації, у якій використано кластер віртуальних машин Azure та генератор навантаження k6. У результатах дослідження подано п'ятирівневу архітектуру платформи, що охоплює рівні пристроїв, периферійних обчислень, обробки, зберігання даних і представлення; докладно описано шість ключових мікросервісів платформи, їхні API-контракти та архітектурні патерни Circuit Breaker, Saga, CQRS, Event Sourcing; охарактеризовано систему безпеки, засновану на OAuth 2.0, mTLS та моделі загроз STRIDE, а також CI/CD-конвеєр автоматизованого розгортання за стратегією blue-green. Експериментальні результати засвідчують ефективність запропонованого підходу: затримки становлять 50–150 мс, пропускна спроможність лінійно масштабується до 3800 запитів/сек, коефіцієнт готовності системи дорівнює 0,9987, що добре узгоджується з розрахунками за марківською моделлю. Сформульовано висновки та визначено напрями подальших досліджень, зокрема предиктивне обслуговування обладнання на основі машинного навчання та інтеграцію з платформами цифрових двійників.

Завантаження

Дані завантаження ще не доступні.

Посилання

Sisinni, E., Saifullah, A., Han, S., Jennehag, U., & Gidlund, M. (2018). Industrial Internet of Things: Challenges, opportunities, and directions. IEEE Transactions on Industrial Informatics, 14(11), 4724–4734. https://doi.org/10.1109/TII.2018.2852491

Monostori, L., Kádár, B., Bauernhansl, T., Kondoh, S., Kumara, S., Reinhart, G., Sauer, O., Schuh, G., Sihn, W., & Ueda, K. (2016). Cyber-physical systems in manufacturing. CIRP Annals, 65(2), 621–641. https://doi.org/10.1016/j.cirp.2016.06.005

Newman, S. (2015). Building microservices: Designing fine-grained systems. O’Reilly Media.

Xu, X. (2012). From cloud computing to cloud manufacturing. Robotics and Computer-Integrated Manufacturing, 28(1), 75–86. https://doi.org/10.1016/j.rcim.2011.07.002

Qi, Q., & Tao, F. (2019). A smart manufacturing service system based on edge computing, fog computing, and cloud computing. IEEE Access, 7, 86769–86777. https://doi.org/10.1109/ACCESS.2019.2923610

Güngör, V. C., & Hancke, G. P. (2009). Industrial wireless sensor networks: Challenges, design principles, and technical approaches. IEEE Transactions on Industrial Electronics, 56(10), 4258–4265. https://doi.org/10.1109/TIE.2009.2015754

Ardagna, D., Casale, G., Ciavotta, M., Pérez, J. F., & Wang, W. (2014). Quality-of-service in cloud computing: Modeling techniques and their applications. Journal of Internet Services and Applications, 5, Article 11. https://doi.org/10.1186/s13174-014-0011-3

Thames, L., & Schaefer, D. (2016). Software-defined cloud manufacturing for Industry 4.0. Procedia CIRP, 52, 12–17. https://doi.org/10.1016/j.procir.2016.07.041

Botta, A., de Donato, W., Persico, V., & Pescapé, A. (2016). Integration of cloud computing and Internet of Things: A survey. Future Generation Computer Systems, 56, 684–700. https://doi.org/10.1016/j.future.2015.09.021

Tao, F., Qi, Q., Liu, A., & Kusiak, A. (2018). Data-driven smart manufacturing. Journal of Manufacturing Systems, 48, 157–169. https://doi.org/10.1016/j.jmsy.2018.01.006

Kleinrock, L. (1975). Queueing systems: Volume I: Theory. Wiley-Interscience.

Wang, L., & Wang, X. V. (2018). Cloud-based cyber-physical systems in manufacturing. Springer. https://doi.org/10.1007/978-3-319-67693-7

Dragoni, N., Giallorenzo, S., Lluch Lafuente, A., Mazzara, M., Montesi, F., Mustafin, R., & Safina, L. (2017). Microservices: Yesterday, today, and tomorrow. In M. Mazzara & B. Meyer (Eds.), Present and ulterior software engineering (pp. 195–216). Springer. https://doi.org/10.1007/978-3-319-67425-4_12

Di Francesco, P., Lago, P., & Malavolta, I. (2019). Architecting with microservices: A systematic mapping study. Journal of Systems and Software, 150, 77–97. https://doi.org/10.1016/j.jss.2019.01.001

Posta, C. (2016). Microservices for Java developers: A hands-on introduction to frameworks and containers. O’Reilly Media.

Liu, F. T., Ting, K. M., & Zhou, Z.-H. (2008). Isolation Forest. In 2008 Eighth IEEE International Conference on Data Mining (pp. 413–422). IEEE. https://doi.org/10.1109/ICDM.2008.17

Burns, B. (2018). Designing distributed systems: Patterns and paradigms for scalable, reliable services. O’Reilly Media.

Bauer, E., & Adams, R. (2012). Reliability and availability of cloud computing. Wiley-IEEE Press.

Tong, L., Li, Y., & Gao, W. (2016). A hierarchical edge cloud architecture for mobile computing. In IEEE INFOCOM 2016—The 35th Annual IEEE International Conference on Computer Communications (pp. 1–9). IEEE. https://doi.org/10.1109/INFOCOM.2016.7524340

Fowler, M. (2002). Patterns of enterprise application architecture. Addison-Wesley.

Shostack, A. (2014). Threat modeling: Designing for security. Wiley.

Kim, G., Humble, J., Debois, P., & Willis, J. (2016). The DevOps handbook: How to create world-class agility, reliability, and security in technology organizations. IT Revolution Press.

Richardson, C. (2018). Microservices patterns: With examples in Java. Manning.

Lorido-Botran, T., Miguel-Alonso, J., & Lozano, J. A. (2014). A review of auto-scaling techniques for elastic applications in cloud environments. Journal of Grid Computing, 12(4), 559–592. https://doi.org/10.1007/s10723-014-9314-7

Bonér, J. (2017). Reactive microsystems: The evolution of microservices at scale. O’Reilly Media.