Hỗ Trợ Ôn Tập

Category: Công Nghệ Thông Tin

  • BÀI TẬP LỚN MÔN GIẢI TÍCH 2 2019

    BÀI TẬP LỚN MÔN GIẢI TÍCH 2 2019

    BÀI TẬP LỚN MÔN GIẢI TÍCH 2 2019

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Bài tập lớn môn Đường lối Thời cơ trong CMT8-1945 đối với quá trình đổi mới và hội nhập quốc tế của Việt Nam từ 1986 đến nay

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%80I-T%E1%BA%ACP-L%E1%BB%9AN-M%C3%94N-GI%E1%BA%A2I-T%C3%8DCH-2.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: BÀI TẬP LỚN MÔN GIẢI TÍCH 2 2019

     

    BÀI TẬP LỚN MÔN GIẢI TÍCH 2

     

    GVHD: NGUYỄN NGỌC QUỲNH NHƯ

     

    STT

    HỌ VÀ TÊN

    MSSV

    1

    LÊ HẢI HẬU( NT)

    41201037

    2

    HOÀNG HẢI TRIỀU

    21304310

    3

    TRƢƠNG QUỐC TUẤN

    61104030

    4

    PHẠM HOÀNG TRUNG

    31003674

    5

    LÊ HOÀNG QUÂN

    31303209

    6

    ĐÀO ĐỨC THẮNG

    20902537

     

     

    ĐỀ TÀI :

     

    Câu 1: Xuất kết quả vi phân cấp 2 của hàm 3 biến f tại điểm M cho trước dưới dạng ma trận vuông

     

    Câu 2: Tìm cực trị của hàm đa thức f(x,y) thỏa điều kiện x 2 – y2 =1 với a,b>0 được nhập từ a 2 b2

    bàn phím

     

    Câu3: Tính òòò f (x, y , z ) dxdydz trong đó W là miền giới hạn bởi :

    W

     

    ( z = 1 – x 2 – y2 ; z=0; y=x ;  y = x )

     

    Câu 1:

     

    ·        Cơ sở lý thuyết:

     

    1.     Định nghĩa đạo hàm tại một điểm:

    Cho hàm số y = f(x) xác định trên khoảng (a,b) và x0     (

    )

    		    

    ( )

    (  )

    		    

    (

    (

    )

    (  ))
             
           

    Nếu hàm số y = f(x) có đạo hàm tại x0 thì nó liên túc tại điểm đó.

     

    2.     Ý nghĩa của đạo hàm

    Ø Ý nghĩa hình học

    f’(x0)là hệ số góc tiếp tuyến của đồ thị hàm số y = f(x) tại M (x0,f(x0))

     

    Khi đó, phương trình tiếp tuyến của đồ thị hàm số y = f(x) tại M (x0,y0) là:

     

    y-y0 = f’(x0).(x-x0)

    • Ý nghĩa vật lý

    Vận tốc tức thời của chuyển động thẳng xác định bởi phương trình s = s(t) tại thời điểm t0 là v(t0) = s’(t0)

     

    Cường độ tức thời của điện lượng Q = Q(t) tại thời điểm t0 là I(t0) = Q’(t0)

     

    1. Quy tắc tính đạo hàm: C ‘ = 0

    (u ± v ) ‘  = u ‘+ v ‘

     

    ( ku ) ‘ = ku ‘

     

    x ‘ =1

     

    (uv ) ‘ = u ‘ v + uv ‘

     

    æ 1

    ö‘

    v ‘

    ç

    		  

    ÷

    = –

    		    
     

    v

    2

    è v

    ø

    		    

    ( x n ) ‘  = nx n –1 ( n Î

     

    æ u ö‘

    u ‘ v – uv ‘

    ç

    		  

    ÷

    =

    		    
     

    v

    2

    è v ø

    		    

    N , n >1)

     

    ( v ¹ 0)

     

    Đạo hàm của hàm số hợp: Nếu u = g(x) có đạo hàm tại x là u’x và hàm số y = f(u) có đạo hàm tại u là y’u thì hàm số hợp y = f(g(x)) có đạo hàm tại x là y’x = y’u.u’x

     

    Đạo hàm cấp cao:

     

    f “ ( x) = [f ‘ ( x)]‘ ; f ”’ ( x) = [f “ ( x)]‘ ; f ( n ) ( x) = [f ( n–1) ( x)]‘ ( n Î N , n ³ 4)

     

    3.     Các cách tính đạo hàm

    Ø Theo định nghĩa

    Để tính đạo hàm của hàm số y = f(x) tại điểm x0 bằng định nghĩa, ta thực hiện các bước

     

    B1: Giả sử         là số gia của đối số tại x0. Tính Dy = f (x0 + Dx ) – f (x0 )

     

    B2: Tính lim Dy

    Dx ®0 Dx

     

    ·        VÍ DỤ:

     

    Xuất kết quả vi phân cấp 2 của hàm  f = 5 x 3 + 2 y 3 + 3 z 3 – 10 x 2 y + 2 yz 2 + 4xz tại điểm

    (            ) dưới dạng ma trận vuông.

     

    Tính các tích phân bậc 2 của hàm f, ta có:

     

    f x‘  = 15 x 2 – 20 xy + 4z                                                            f z‘  = 9 z 2 + 4 yz + 4x

    f y‘  = 6 y 2 – 10 x 2 + 2z2

    f ”

    = 30 x – 20 y
     

    xx

    		  
       

    f yy”  = 12 y -10

    f ”

    		  

    = 4
         

    xz

    		  

    f zz”  = 18 z + 4 y

    f yz”

    = 4z

    f

    ”

    = -20x

    		      
     

    xy

    		        

    Tính các tích phân bậc 2 của hàm f tại điểm M(0,1,1) ta có:

    fxx”

    = 30 ´ 0 – 20 ´ 1 = -20

    f ”

    = -20 ´ 0 = 0

    		  
             

    xy

    		    

    f yy”  = 12 ´ 1 – 10 = 2

    ”

    = 4

    		  
             

    fxz

    		  

    f ”

    = 18 ´ 1 + 4 ´ 1 = 22

    f ”

    = 4 ´ 1 = 4

    		  

    zz

    		          
             

    yz

    		    

    Từ kết quả trên, ta xuất ra kết quả vi phân cấp 2 của hàm đã cho tại điểm   (

    ) dưới

    dạng ma trận vuông là:

    		      
     

    é -20

    0

    2 ù

    		      

    A = ê

    0

    2

    2 ú

    		      
     

    ê

    		    

    ú

    		      
     

    ê

    2

    2

    22ú

    		      
     

    ë

    		    

    û

    		      

    · CODE:

     

     

     

     

     

     

    ·        CHẠY THỬ:

     

    CÂU 2:

     

    ·        CƠ SỞ LÝ THUYẾT:

     

    1.         Mô hình bài toán tìm cực trị có điều kiện:

     

     

    Xét bài toán: tìm cực trị của hàm

    (         )( ) , trong đó x, y là các biến thỏa điều

     

     

    kiện

    (         )

    ( ).

     

     

    Nhận xét: mô hình bài toán có điều kiện chỉ xét với điều kiện (2) là 1 phương trình. Như vậy nếu điều kiện (2) có dạng: g(x,y) < 0 (hoặc g(x,y) > 0) (2′) thì được hiểu là tìm cực trị địa phương của hàm z = f(x,y), trong đó ta chỉ xét những điểm dừng nằm trong miền thỏa mãn điều kiện (2′).

     

    2.         Định nghĩa:

     

     

    Ta nói rằng hàm tồn tại một lân cận

    (

    (         ) với điều kiện

    )của M0 sao cho:

    (         )

    ) đạt

    cực tiểu tại

    (

    )

    nếu

     

    (

    )

    (

    )         (         )

    (

    thỏa: g(x,y) = 0

     

    Thông thường, phương trình f(x,y) = 0 là phương trình của đường cong (C). Như vậy, ta chỉ so sánh ( ) với ( ) khi M nằm trên (C).

     

    Tương tự, ta cũng có định nghĩa cực đại có điều kiện.

     

    Cực tiểu có điều kiện và cực đại có điều kiện được gọi chung là cực trị có điều kiện..

     

    3.     Các phƣơng pháp tìm cực trị có điều kiện:

     

    • Cách 1: Đƣa về bài toán tìm cực trị của hàm 1 biến

    Nếu từ điều kiện (2) ta giải tìm được y = y(x) thì khi thế vào hàm số f(x,y) ta có z là hàm

     

    theo 1 biến số x: ( ( )) . Như vậy, bài toán trở về bài toán tìm cực trị của hàm số 1 biến. —–> Quá quen thuộc!!!

     

    • Cách 2: Phương pháp Larrange

    Nếu từ pt (2) ta không giải tìm y theo x được. Khi đó, giả sử (2) xác định 1 hàm ẩn theo

     

    biến x:    . Để tồn tại hàm số ẩn, ta giả thiết:                 (*)

     

    Như vậy: hàm số ( ) , với y là hàm theo x chính là hình ảnh hàm số hợp của biến số x thông qua biến trung gian y.

     

    Với những giá trị của x làm cho z có thể có cực trị thì đạo hàm của z theo x phải triệt tiêu. Vậy lấy đạo hàm của (1) theo biến x với quy tắc hàm hợp (nhớ rằng y là hàm theo x) ta

    có:

    f

    +

    f

    ×

    y

    = 0 (3)

    		              

    x

    y

    x

    		              
                         

    Từ điều kiện (2), ta lấy đạo hàm 2 vế theo x. Ta có:

    g

    +

    g

    ×

    y

    = 0 (4)

    		  

    x

    y

    x
                         

    Đẳng thức (4) này được thỏa mãn với mọi x, y thỏa mãn phương trình (2).

     

    Như vậy, tại những điểm cực trị thỏa mãn điều kiện (2) thì sẽ thỏa mãn (3) và (4)

     

    Nhân các số hạng của (4) với hệ số chưa xác định  và cộng chúng với các số hạng tương

     

     

    æ

    f

    		  

    g ö

    æ

    f

    		  

    g ö

    		    

    ứng của (3), ta được:

    ç

    		  

    + g

    		  

    ÷

    + ç

    		  

    + g

    		  

    ÷

    = 0

    (5)
           
     

    è

    x

    		  

    x ø

    è

    y

    		  

    y ø

    		    

    Do đó, phương trình (5) cũng nghiệm đúng tại những điểm cực trị thỏa điều kiện (2). Từ (5), ta chọn hằng số l sao cho tại những điểm cực trị, hệ số của dydx sẽ triệt tiêu.

     

    æ

    f

    + g

    g ö

    = 0

    		  

    ç

    		    

    ÷

    (6)

    y

    		  

    Nghĩa là: è

    		  

    y ø

    		  

    Vì vậy, từ phương trình (5) và (6) ta có: những điểm cực trị có điều kiện sẽ là nghiệm của

     

    ì

    f

    		  

    ï

    		    

    x

    		  

    ï

    f

    		  

    ï

    hệ phương trình: í

    		    

    y

    		  

    ï

    ïïg (x , y)

    î

     

    +

    g

    g

    =

    0

    		    

    x

    		    
               

    +

    g

    g

    =

    0

    (I)

    		  

    y
               
         

    =

    0

    		    

    Bây giờ, ta xét hàm số Larrange:  F ( x, y , g ) = f ( x, y ) + g g ( x, y)

     

    Khi đó các điểm cực trị địa phương của hàm Larrange sẽ thỏa mãn hệ:

     

    ìF ‘

    =

    f

    +

    g

    g

    = 0

    		  
         

    ï

    x

    		    

    x

    		    

    y

    		    

    ï

    		              
         

    f

    		    

    g

    		    

    ï

    ‘

    =

    		  

    +

    g

    = 0

    		  

    íFy

    		      

    (II)
     

    y

    y

    ï

    		              
                     

    ïF ‘

    		  

    =

    g (x , y)

    		    

    = 0

    		  

    ï

    g

    		                

    î

    		                  

    Từ (I) và (II) ta nhận thấy: những điểm dừng của hàm Larrange có thể là cực trị của hàm z = f(x,y) với điều kiện (2).

     

    Như vậy, bài toán cực trị có điều kiện trở về bài toán cực trị địa phương của hàm Larrange. Ở đây chỉ đóng vai trò phụ và sau khi tìm được giá trị thì không cần đến.

     

    Điều kiện của cực trị có điều kiện liên quan đến việc khảo sát dấu của vi phân cấp 2 của hàm Larrange tại điểm ( ) :

     

    d 2 F = 2 F ( x0 , y0 ) dx 2 + 2 F ( x0 , y0 ) dxdy + 2 F ( x0 , y0 )dy2

    x 2                            ¶xy                                 ¶y2

     

    trong đó: dx, dy không phải là những giá trị bất kỳ mà phải thỏa điều kiện:

     

    gx (x0 , y0 )dx + gy (x0 , y0 ) dy = 0 với dx 2 + dy2  ¹ 0

     

    Nếu d 2 F kiện. Nếu điều kiện.

     

    • 0 với mọi giá trị có thể có của dx, dy thì hàm z = f(x,y) đạt cực tiểu có điều d 2 F < 0 với mọi giá trị có thể có của dx, dy thì hàm z = f(x,y) đạt cực đại có

    Tuy nhiên, trong nhiều trường hợp việc xét dấu vi phân cấp 2 hơi phức tạp. Khi đó, ta có thể áp dụng kết quả sau: Giả sử ( ) là 1 điểm dừng của hàm Larrange, ứng với giá trị và đặt

     

    A = Fxx“ ( x0 , y0 ); B = Fxy“ ( x0 , y0 ); C = Fyy“ ( x0 , y0 ); D = g ‘x ( x0 , y0 ); E = g ‘y ( x0 , y0 )

     

    Khi đó xét: D = –

    0

    D

    E

    		    

    D

    A

    B

    		    
     

    E

    B

    C

    		    

    Nếu D > 0 thì hàm z = f(x,y) đạt cực tiểu có điều kiện tại (

    )

    Nếu D < 0 thì hàm z = f(x,y) đạt cực đại có điều kiện tại (

    )

    ·        VÍ DỤ:

     

    Cho hàm số f(x,y) = x2 + y – 1. Tìm cực trị của hàm f sao cho thỏa điều kiện x2 – y2  = 1.

     

    Ta có x2 – y2 = 1

    x2 = y2 + 1 (*) (x2     1)

    Thay (*) vào f(x,y) ta được:

    f(y) = y2 + y (y

    R)

    Tập xác định: D = R

    Xét f’(y) = 2y + 1 = 0

    (

    		  

    )

    		      

    (

    )

    		    
           
                   
                   

    Xét

    (

    		  

    )

    		        
             

    Vậy M(          ,        ) là cực tiểu duy nhất của f(x,y) khi y =          và x =

     

    ·        CODE:

     

     

     

     

     

     

    ·        CHẠY THỬ:

     

     

     

     

     

     

    CÂU 3:

     

    ·        CƠ SỞ LÝ THUYẾT:

     

    1.     Địng nghĩa:

     

     

    Cho hàm số f(x,y,z) xác định trong miền đóng, giới nội V của không gian Oxyz.

     

    Chia miền V thành n miền nhỏ có thể tích là D V1, …, D Vn. Lấy tùy ý một điểm Mi-(xi,yi,zi) trong miền nhỏ thứ i.

     

    n

    Lập tổng: I n  = å f ( xi , yi , zi )DVi

    i=1

     

    Nếu giới hạn

    lim I n = n ®+¥

    lim I n = I max di ®0

    hữu hạn, không phụ thuộc vào cách chia miền V, và

     

    Mi thì f(x,y,z) gọi là khả tích trên miền V, và I gọi là tích phân bội 3 của hàm f trên V, ký

    hiệu:  I = òòò f ( x, y , z ) dV

    V

     

    Tương tự như tích phân kép, ta ký hiệu dxdydz thay cho dV và tích phân bội 3 thường viết: I = òòò f ( x , y , z ) dxdydz (thể tích của V)

    V

     

    Chú ý: Nếu f(x,y,z) = 1 thì  I = òòò f ( x, y , z ) dV (thể tích của V)

    V

     

    2.     Tính chất:

     

    Ø I = òòò Cf (x, y , z ) dV = C òòò f (x, y, z) dV

    V                                                  V

     

    • I = òòò [f (x, y , z ) + g(x, y, z)]dV = òòò f (x, y, z) dV + òòò g ( x, y , z ) dV

    V                                                                     V                                         V

     

    • Nếu V = V1 È V2 ,V1 Ç V2 = Æ thì:
    • f ( x, y , z ) dV = òòò f ( x , y , z ) dV + òòò f ( x , y , z ) dV

    V

    V1

    V2
    • Nếu f ( x, y, z ) ³ g ( x, y , z ); “( x, y, z ) ÎV thì:
    • f (x, y, z) dV ³ òòò g ( x, y , z ) dV

    V                                             V

     

    • Nếu f(x,y,z) liên tục trong miền đóng, bị chặn V thì tồn tại điểm ( x0 , y0 , z0 ) ÎV sao

    cho:   f ( x0 , y0 , z 0 ) = V1 òòò f ( x, y , z ) dV (Đinh lý về giá trị trung bình)

    V

     

    3.     Cách tính tích phân bội ba

     

    Ø Tích phân bội ba trong hệ tọa độ Descartes

     

    Cho V giới hạn bởi: mặt trên z = j2 ( x, y) , mặt dưới z = j1 ( x, y)

     

    Xung quanh mặt trụ có đường sinh song song với trục Oz và đường chuẩn là biên của miền D thuộc mặt phẳng Oxy. (D là hình chiếu của V xuống mặt phẳng Oxy).

     

     

    éj 2

    ( x , y )

    ù

    Khi đó: òòò f ( x, y , z ) dxdydz = òò ê

    ò

    f ( x, y , z )dz ú dxdy

    V

    ë 1

    		  

    û

    D  ê j ( x , y )

    ú

    Nếu miền D = {( x, y ) : a £ x £ b, j1 ( x ) £ y £ j2 ( x)}thì:

     

    b       j 2 ( x )        j2 ( x , y )

    òòò f ( x, y , z ) dxdydz = ò dx         ò dy   ò  f (x , y , z ) dz

    V                                                     a        j1 ( x )        j1 ( x , y )

     

    • Tính tích phân bội ba trong hệ tọa độ trụ:

     

     

    Tọa độ trụ của điểm M(x,y,z) là bộ ba số ( r , j, z) với của M xuống mặt phẳng Oxy (Hình vẽ)

     

    Ta luôn có: r ³ 0; 0 £ j £ 2p; -¥ < z < +¥

     

    ì x

    ï

    Mối liên hệ giữa tọa độ Descartes và tọa độ trụ: í y ïî z

     

     

     

    ( r, j) là tọa độ cực của hình chiếu

     

    • r cosj
    • r sin j
    • z

    Ta có: òòò f (x, y , z ) dxdydz = òòò f (r cosj , r sin j ) rdrd jdz

    V                                                      V

     

    • Tính tích phân bội ba trong hệ tọa độ cầu:

     

    Tọa độ cầu của một điểm M(x,y,z) là bộ ba số ( r, q , j) với r = OM ,q là góc giữa trục Oz và OM , j là góc giữa trục Ox và OM , với M’ là hình chiếu của M xuống mặt phẳng Oxy.

     

    Ta có: Với mọi điểm M trong không gian thì r ³ 0; 0

     

    ì x

    ï

     

    Mối liên hệ giữa tọa độ Descartes và tọa độ cầu: í y ïî z

     

    Công thức tính tích phân trong hệ tọa độ cầu:

    • q £ p ; 0 £ j £ 2p
    • r sin q cos j
    • r sin q sin j
    • r cosq
    • f (x, y , z ) dxdydz = òòò f (r sinq cosj , r sinq sin j , r cosq ) r 2 sinq drdq d j

    V                                                   V

     

    ·        VÍ DỤ:

    • ( )         ∭
    • Trong đó miền giới hạn là:

    ·

    		        

    ; z = 0; y = x;

    		  

    ;

    		            

    ∫√

    		    
                     

    ·

    (

    )  ∫

    		                                
                                   
                                   
                             
         

    ∫

    		  

    ∫

    		  

    ∫

    		        

    ∫
                   
                                           
    • = D1 + D2
    • Tính D1
             

    ∫∫ (

    )

    		      

    ·

    ∫

    		          

    (

    		                                  

    )
                                                   
                                           
                                           
         

    ·

    		                                                      
                                                         
                                                         
    • ( )        (          ) √   (                ) √   (                )     √
    • Tính D2

    ·

    		                                  

    ∫ √

    		                                                      
               

    ∫

    		                      

    ∫

    		    
                                     

    ·

    		                            

    ∫ √

    		                                                      
                                     

    (

    		  

    )

    		                    
               

    ∫

    		                                  
                           

    ·

    		                                                                                    
                         

    (

    		    

    )

    		                                                  

    ∫

    		                                                                          
                                                         
                                                                             

    ·

    		                                                                              

    (

    		  

    )
                                                                                   

    ∫

    		                                    

    ∫

    		                        

    ∫

    		        
                                                           
                                                               

    ·

    		                                                                                          
                                                                                             
    • Tính d1
    • ∫
    • Đặt x = sint , ( *           +) => {
    • {

    ·

    ∫

    		                                                                                      
                                                                                         
                                                                                         

    ·

    		                                                                                                  
                                                                                                     

    ·

    ∫

    		                                                                                      
                                                                                         
                                                                                         
                                                                                         

    ·

    		                                  

    )

    		                                                

    ∫

    		          

    (

    		                                                            
                                                                       
                                                       
                                                                     

    ·

    		                                                                                                  
                                                                                                     
                                                                                                     

    ·

    		                      

    (

    		          

    )

    		                            

    (

    		      

    )
                                                                     
                                       
                   

    ·

    		            

    (

    		                        

    )

    		                                                
                                                                                       
                                                                                     
    • Tính d2
    • ∫
    • Đặt x = sint , ( *           +) => {
    • {
    • Khi đó:
    • ∫

    ·

    ∫

    		                                                                                            
                                                                                               
                                                                                               

    ·

    ∫

    		                                                                                            
                                                                                               
                                                                                               
                                                                                               
                                                                                               

    ·

    ∫

    		          

    (

    		              

    )

    		                                                
                                                                               
                                                                             
                                                           
                                                                             

    ·

    		                                                                                                  
                                                                                                     
                                                                                                     

    ·

    		                                          

    (

    		          

    )

    		                          

    (

    		      

    )
                                                                                 
                                                             
                                               

    ·

    		      

    (

    		                                

    )

    		                                                  
                                                                                         
                                                                                         
    • Tính d3

    ·

    		        

    ∫

    		          

    (

    		                  

    )

    		                                
                                                 
                                                         

    ·

    		                                                                                          
                                                                                             
                                                                                             

    ·

    		  

    (

    		      

    )

    		                                    

    (

    		            

    )

    		    

    (

    		      

    )
                                                                   
                                                               
                                         

    ·

    		        

    (

    		        

    )

    		          

    (

    		        

    )

    		            
                                                   
                                         
    • Suy ra

    ·

    (

    		    

    )

    		    

    (

    		    

    )

    		    

    √

    		                

    (

    		        

    )

    		  

    √

    		        

    (

    		  

    )

    		      

    √

    		      
                             
                           
     

    (

    		      

    )

    		      

    (

    		      

    )

    		  
                                                                                                                               
                                                           
         

    (

    		  

    )

    		  

    (

    		  

    )

    		      
                         
                                         
               
                                                                                                             
                                                                                                               

    ·

    (

    		        

    )

    		  

    (

    		            

    )

    √

    		      

    (

    		          

    )

    √

    		        

    (

    		  

    )

    		                          

    √

    		            
                                                                         
                             
                                                                                                                           
     

    (

    		          

    (

    		      

    )

    		  
           

    )

    		                        
               
         
             
                                                               
    •  
    • = 0.0887
    •  

    ·        CODE:

     

     

     

     

    ·        CHẠY THỬ:

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Tiểu luận đường lối cách mạng Đảng

    Tiểu luận đường lối cách mạng Đảng

    Tiểu luận đường lối cách mạng Đảng

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: TIỂU LUẬN LẬP DỰ ÁN KINH DOANH QUÁN KEM

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/Ti%E1%BB%83u-lu%E1%BA%ADn-%C4%91%C6%B0%E1%BB%9Dng-l%E1%BB%91i-c%C3%A1ch-m%E1%BA%A1ng-%C4%90%E1%BA%A3ng.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Tiểu luận đường lối cách mạng Đảng

    Lời mở đầu.

           Giai cấp công Việt Nam thật sự đã hình thành từ đầu thế kỷ XX. Nhưng nếu dùng khái niệm chính trị-xã hội học mà Ăng-ghen dùng thì tuy đã thành giai cấp nhưng còn ở bước đầu, giai đoạn “tự mình” hay “tự phát”. Giai cấp công nhân có một sứ mệnh lịch sử vô cùng quan trọng. Ở nước ta, giai cấp công nhân trước hết phải làm cuộc cách mạng dân tộc dân chủ nhân dân. Sứ mênh lịch sử của giai cấp công nhân là phải lãnh đạo cuộc cách mạng đó thông qua đội tiên phong của mình là Đảng Cộng Sản Việt Nam, đấu tranh giành chính quyền, thiết lập nền chuyên chính dân chủ nhân dân. Vậy vì sao nói giai cấp công nhân là giai cấp duy nhất có đủ điều liện lãnh đạo Cách mạng Việt Nam đầu thế kỷ XX là gì và điều kiện quan trọng nhất để giai cấp công nhân Việt Nam lãnh đạo được Cách Mạng là gì? Chúng ta sẽ cùng tìm hiểu qua phần dưới đây.

     

     

    Nội dung.

    1.     Sự ra đời và đặc điểm của giai cấp công nhân.

    1.1.           Sự ra đời.

              Năm 1958, thực dân Pháp nổ súng tấn công xâm lược Việt Nam. Về chính sách cai trị kinh tế, chúng duy trì phương thức sản xuất phong kiến, hạn chế sự ra đời phương thức sản xuất tư bản chủ nghĩa. Về chính sách cai trị chính trị: thực hiện chính sách chia để trị, bóp nghẹt quyền tự do dân chủ của nhân dân Việt Nam, đó là chính sách thực dân kiểu cũ. Về chính sách cai trị văn hoá xã hội: đầu độc nhân dân bằng rượu cồn và thuốc phiện, mở trường học hạn chế và nhỏ giọt. Trước tình hình đó đã dẫn đến những hậu quả về xã hội và giai cấp.

    • Thay đổi tính chất xã hội Việt Nam biến nước ta từ một nước phong kiến đôc lập thành môt nước thuộc địa, bản chất là thay đổi chủ thể quyền lực chính trị, từ vua quan phong kiến chuyển sang tay thực dân Pháp.
    • Thay đổi mâu thuẫn cơ bản trong xã hội ngoài giữa nông dân với địa chủ phong kiến, đó là mâu thuẫn về giai cấp, xuất hiện thêm mâu thuẫn giữa toàn thể dân tộc Việt Nam với thực dân Pháp xâm lược, đó là mâu thuẫn dân tộc. Phải nhận thức và giải quyết các mâu thuẫn này sẽ tạo động lực cho Việt Nam phát triển.
    • Thay đổi kết cấu giai cấp trong xã hội Việt Nam.Trong đó đặc biệt là sự ra đời 2 giai cấp mới là công nhân và tư sản Việt Nam. Mỗi giai cấp có địa vị kinh tế và thái độ chính trị khác nhau do đó có vị trí, vai trò khác nhau đối với sự phát triển của xã hội.

    1.2.           Đặc điểm.

    1. Cơ sở lý luận.

             Theo C.Mác và Ăng-ghen thì giai cấp công nhân mang 2 thuộc tính cơ bản là:

    • Về phương thức lao động, phương thức sản xuất, đó là những người lao động trực tiếp hay gián tiếp vận hành các công cụ có tính chất công nghiệp ngày càng hiện đại và xã hội hoá cao. C.Mác và Ăng-ghen đã nêu: “Các giai cấp khác đều suy tàn và tiêu vong cùng với sự phát triển của đại công nghiệp, còn giai cấp vô sản lại là sản phẩm của bản thân nền đại công nghiệp”.
    • Về vị trí trong quan hệ sản xuất tư bản chủ nghĩa, đó là những người lao động không có tư liệu sản xuất, phải bán sức lao động cho nhà tư bản bóc lột về giá trị thặng dư.
    1.  b) Đặc điểm chung của giai cấp công nhân.

            – Là giai cấp của những người lao động sản xuất vật chất là chủ yếu (với trình độ trí tuệ ngày càng cao, đồng thời cũng ngày càng có những sáng chế, phát minh lý thuyết được ứng dụng ngay trong sản xuất). Vì thế, giai cấp công nhân có vai trò quyết định nhất sự tồn tại và phát triển xã hội.
            –  Có lợi ích giai cấp đối lập với lợi ích cơ bản của giai cấp tư sản (giai cấp công nhân: xóa bỏ chế độ tư hữu, xóa bỏ áp bức bóc lột, giành chính quyền và làm chủ xã hội. Giai cấp tư sản không bao giờ tự rời bỏ những vấn đề cơ bản đó). Do vậy, giai cấp công nhân có tinh thần cách mạng triệt để.
            –  Là “giai cấp dân tộc” – vừa có quan hệ quốc tế, vừa có bản sắc dân tộc và chịu trách nhiệm trước hết với dân tộc mình.
            –  Có hệ tư tưởng riêng của giai cấp mình: đó là chủ nghĩa Mác-Lênin phản ánh sứ mệnh lịch sử của giai cấp công nhân , đồng thời hệ tư tưởng đó dẫn dắt quá trình giai cấp công nhân thực hiện sứ mệnh lịch sử của mình nhằm giải phóng xã hội, giải phóng con người. Giai cấp công nhân ở Đảng tiên phong của mình là Đảng Cộng Sản (Đảng Mác-Lênin).
            Bất kỳ giai cấp công nhân nước nào, khi đã có đảng tiên phong của nó, đều có những đặc điểm cơ bản, chung nhất đó. Do vậy, giai cấp công nhân mỗi nước đều là một bộ phận không thể tách rời giai cấp công nhân trên toàn thế giới. Vì vậy chủ nghĩa Mác-Lênin mới có quan điểm đúng đắn về sứ mệnh lịch sử toàn thế giới cùa giai cấp công nhân.
             Từ những đặc điểm vốn có đó, giai cấp công nhân mới có ba tính chất cơ bản là:
    a) Tính tổ chức, kỷ luật cao. 
    b) Tính tiên phong (về phương thức sản xuất, về tư tưởng, về Đảng của nó).
    c) Tính triệt để cách mạng.

    2. Giai cấp công nhân là giai cấp duy nhất có đủ điều kiện lãnh đạo cách mạng Việt Nam đầu thế kỷ XX.

    2.1. Hoàn cảnh lịch sử.

           Do tác động của chính sách khai thác thuộc địa trên quy mô lớn và chính sách thống trị của thực dân Pháp, cơ cấu giai cấp xã hội ở Việt Nam bị phân hóa sâu sắc hơn. Cùng với sự phân hóa của lực lượng xã hội cũ, một số giai cấp mới ra đời và ngày càng phát triển. Mỗi giai cấp có địa vị và quyền lợi khác nhau nên cũng có thái độ, chính trị và khả năng khác nhau trước sự nghiệp giải phóng dân tộc:

    • Giai cấp địa chủ phong kiến:

    + Vốn là giai cấp thống trị cũ đã đầu hàng, được đế quốc nuôi dưỡng để làm tay sai, chúng ôm chân đế quốc, phản bội dân tộc là chỗ dựa của chủ nghĩa đế quốc, câu kết với đế quốc để cướp đoạt ruộng đất và đàn áp nông dân nên sau Chiến tranh thế giới thứ nhất, địa chủ phong kiến được tăng cường cả về thế và lực.

    + Bị phân hóa thành ba bộ phận rõ rệt: tiểu địa chủ, trung địa chủ và đại địa chủ ( một số đồng thời là tư sản ). Sinh ra và lớn lên trong một dân tộc có truyền thống yêu nước chống ngoại xâm nên một bộ phận không ít tiểu và trung địa chủ có tinh thần dân tộc chống thực dân Pháp và bọn tay sai phản động, khi có điều kiện có tham gia vào phong trào dân tộc.

    • Giai cấp nông dân Việt Nam là giai cấp của những người lao động trong lĩnh vực sản xuất nông nghiệp. Giai cấp nông dân là lực lượng đông đảo nhất trong xã hội Việt Nam, bị thực dân và phong kiến áp bức, bóc lột nặng nề. Tình cảnh khốn khổ, bần cùng của giai cấp nông dân Việt Nam đã làm tăng thêm lòng căm thù đế quốc và phong kiến tay sai, làm tăng thêm ý chí cách mạng của họ trong cuộc đấu tranh giành lại ruộng đất và quyền sống, tự do. Tuy nhiên họ là những người tư hữu nhỏ, tư hữu của nông dân không đồng nhất với tư hữu của giai cấp bóc lột. Do phương thức sản xuất phân tán nên nông dân không có sự liên kết chặt chẽ cả vê kinh tế, tư tưởng và tổ chức. Giai cấp nông dân không có hệ tư tưởng độc lập mà tư tưởng của họ phụ thuộc vào hệ tư tưởng của giai cấp thống trị xã hội, không có tổ chức vững mạnh, ít học thức, sống tản mạn nên không thể lãnh đạo được cách mạng. Nếu có một lực lượng tiên tiến dẫn dắt thì họ sẽ trở thành lực lượng chính của cách mạng.
    • Giai cấp tiểu tư sản thành thị:
      + Cũng tăng lên về số lượng sau chiến tranh. Họ bao gồm những người buôn bán nhỏ, chủ xưởng nhỏ, học sinh, sinh viên, công chức, trí thức, dân nghèo thành thị,…
      + Do bị khinh miệt, bạc đãi, đời sống bấp bênh, họ rất hăng hái cách mạng nhưng dễ hoang mang dao động nên không thể lãnh đạo được cách mạng. Tuy vậy, nhờ được tiếp xúc với các tư tưởng mới nên họ có tinh thần dân tộc, chống thực dân Pháp và tay sai. Đặc biệt, bộ phận học sinh, sinh viên, trí thức rất nhạy cảm với thời cuộc và tha thiết canh tân đất nước nên rất hăng hái tham gia vào các cuộc đấu tranh vì độc lập, tự do của dân tộc.
      – Giai cấp tư sản:
      + Ra đời sau Chiến tranh thế giới thứ nhất, phần đông là những tiểu chủ đứng trung gian thầu khoán, số lượng ít lại bị thực dân Pháp chèn ép, kìm hãm nên thế lực kinh tế nhỏ yếu ( tổng số vốn kinh doanh chỉ bằng 5 % số vốn của tư bản nước ngoài đầu tư vào nước ta lúc bấy giờ ).
      + Bị phân hóa làm hai bộ phận:
      Tư sản mại bản có quyền lợi gắn liền với đế quốc nên câu kết chặt chẽ với chính quyền thực dân và là lực lượng cần phải đánh đổ.
      • Tư sản dân tộc có lòng yêu nước, muốn phát triển chủ nghĩa tư bản Việt Nam, có khuynh hướng kinh doanh độc lập, có tinh thần chống đế quốc và phong kiến, tán thành độc lập dân tộc nhưng vì kinh tế quá nhỏ yếu, có thái độ không kiên định, dễ thỏa hiệp nên không lãnh đạo được cách mạng, chỉ là một lực lượng nhỏ trong cách mạng dân tộc dân chủ ở nước ta.
      => Nhìn chung, tư sản dân tộc Việt Nam là một giai cấp có khuynh hướng dân tộc và dân chủ. Họ là một lực lượng đóng vai trò đáng kể, một thành phần trong mặt trận đoàn kết dân tộc.
      – Giai cấp công nhân:

    + Giai cấp công nhân Việt Nam ra đời từ cuộc khai thác thuộc địa lần thứ nhất của thực dân Pháp, giai cấp công nhân tập trung nhiều ở các thành phố và vùng nhỏ như: Hà Nội, Sài Gòn, Hải Phòng, Nam Định, Vinh, Quảng Ninh.

    + Họ có số lượng hết sức đông đảo: trước chiến tranh thế giới thứ nhất, họ có khoảng 10 vạn người. Đến năm 1929, trong các doanh nghiệp của người Pháp ở Đông Dương, chủ yếu là ở Việt Nam, giai cấp công nhân có trên 2 vạn người.
    + Giai cấp công nhân Việt Nam bị ba tầng lớp áp bức bóc lột của đế quốc thực dân, phong kiến và tư bản xứ, chủ yếu là bọn đế quốc thực dân.Đa số công nhân Việt Nam, trực tiếp xuất thân từ giai cấp nông dân, nạn nhân của chính sách chiếm đoạt ruộng đất mà thực dân Pháp thi hành ở Việt Nam. Vì vậy, giai cấp công nhân có quan hệ trực tiếp và chặt chẽ với giai cấp nông dân Họ có quan hệ gắn bó với giai cấp nông dân, có truyền thống yêu nước bất khuất của dân tộc, sớm chịu ảnh hưởng của trào lưu cách mạng vô sản trên thế giới ( cách mạng tháng Mười Nga ). Chính vì vậy, chỉ có họ mới có đủ khả năng lãnh đạo cách mạng Việt Nam và nhanh chóng trở thành lực lượng chính trị độc lập, làm cơ sở vững chức cho phong trào dân tộc theo khuynh hướng xã hội chủ nghĩa.
    – Từ sau Chiến tranh thế giới thứ nhất đến cuối những năm 20 của thế kỉ XX, trên đất nước Việt Nam đã diễn ra những biến đổi quan trọng về kinh tế, xã hội, văn hóa, giáo dục và giai cấp. Mâu thuẫn trong xã hội Việt Nam ngày càng sâu sắc, chủ yếu là mâu thuẫn giữa dân tộc Việt Nam với thực dân Pháp và tay sai phản động. Cuộc đấu tranh của nhân ta chống để quốc và tay sai diễn ra ngày càng gay gắt.
    – Sự phân hóa giai cấp, đặc biệt là sự ra đời và phát triển của các lực lượng xã hội mới, đã tạo tiền đề cho việc tiếp thu các trào lưu tư tưởng mới, làm cơ sở để hình thành và phát triển các khuynh hướng cách mạng mới ở Việt Nam sau Chiến tranh thế giới thứ nhất.

    2.2. Quá trình vươn lên vị trí lãnh đạo của giai cấp công nhân.

          Giai cấp công nhân Việt Nam sinh ra trong lòng một dân tộc có truyền thống đấu tranh bất khuất chống ngoại xâm. Ở giai cấp công nhân, nỗi nhục mất nước cộng với nỗi khổ vì ách áp bức bóc lột của giai cấp tư sản đế quốc làm cho lợi ích giai cấp và lợi ích dân tộc kết hợp làm một, khiến động cơ cách mạng, nghị lực cách mạng và tính triệt để cách mạng của giai cấp công nhân được nhân lên gấp bội.Giai cấp công nhân ra đời và hình thành trong không khí sôi sục của một loạt phong trào yêu nước và các cuộc khởi nghĩa chống thực dân Pháp liên tục nổ ra từ khi chủ nghĩa đế quốc Pháp đặt chân lên đất nước ta. Điều đó đã có tác dụng to lớn đối với việc cổ vũ tinh thần yêu nước, ý chí bất khuất và quyết tâm đập tan xiềng xích nô lệ của toàn thể nhân dân ta.

           Trước sự xâm lược của thực dân Pháp, phong trào đấu tranh giải phóng dân tộc theo khuynh hướng phong kiến và tư sản diễn ra mạnh mẽ. Những phong trào tiêu biểu diễn ra trong thời kỳ này: phong trào Cần Vương, cuộc khởi nghĩa Yên Thế. Thất bại của các phong trào trên đã chứng tỏ giai cấp phong kiến và hệ tư tưởng phong kiến không đủ điều kiện để lãnh đạo phong trào yêu nước.

           Các phong trào đấu tranh chống Pháp diễn ra sôi nổi. Mục tiêu của các phong trào đấu tranh ở thời kỳ này đều hướng tới giành độc lập cho dân tộc. Nhưng tất cả các phong trào ấy đều thất bại và sự nghiệp giải phóng dân tộc đều lâm vào tình trạng bế tắc về đường lối. Một số tổ chức chính trị theo lập trường quốc gia tư sản ra đời và đã thể hiện vai trò của mình trong cuộc đấu tranh giành độc lập dân tộc và dân chủ. Nhưng các phong trào và tổ chức trên, do những hạn chế về giai cấp, về đường lối chính trị, hệ thống tổ chức thiếu chặt chẽ, chưa tập hợp được rộng rãi lực lượng của dân tộc, nhất là chưa tập hợp được 2 lực lượng xã hội cơ bản (công nhân và nông dân), nên cuối cùng đã không thành công.

            Sự thất bại của các phong trào yêu nước chống thực dân Pháp cuối thế kỷ XIX đầu thế kỷ XX đã chứng tỏ con đường cứu nước theo hệ tư tưởng phong kiến và hệ tư tưởng tư sản đã bế tắc. Cách mạng Việt Nam lâm vào tình trạng khủng hoảng sâu sắc về đường lối, về giai cấp lãnh đạo.

            Vào lúc đó, phong trào cộng sản và công nhân thế giới phát triển, cuộc cách mạng tháng Mười Nga bùng nổ, thắng lợi và ảnh hưởng đến phong trào dân tộc dân chủ ở nước khác, nhất là ở Trung Quốc, trong đó có phong trào cách mạng ở nước ta. Tấm gương cách mạng Nga và phong trào cách mạng ở nhiều nước khác đã cổ vũ giai cấp công nhân non trẻ Việt Nam đứng lên nhận lấy sứ mệnh lãnh đạo cách mạng nước ta và đồng thời cũng là chất xúc tác khích lệ nhân dân ta lựa chọn, tiếp nhận con đường cách mạng của chủ nghĩa Mác – Lênin và đi theo con đường cách mạng của giai cấp công nhân Việt Nam là giai cấp duy nhất lãnh đạo cách mạng Việt Nam.

    2.3. Giai cấp công nhân có đủ các tố chất để lãnh đạo cách mạng.

         Giai cấp công nhân là giai cấp tiến tiến nhất trong sức sản xuất, gánh trách nhiệm đánh đổ chủ nghĩa tư bản và đế quốc, để gây dựng một xã hội mới, giai cấp công nhân có thể thấm nhuần một tư tưởng cách mạng nhất, tức là chủ nghĩa Mác-Lênin.

    1. Giai cấp công nhân đại diện cho một phương thức sản xuất tiến bộ.

           Do địa vị kinh tế – xã hội khách quan, giai cấp công nhân là giai cấp gắn với lực lượng sản xuất tiên tiến nhất dưới chủ nghĩa tư bản, là giai cấp của những người lao động sản xuất vật chất là chủ yếu (với trình độ trí tuệ ngày càng cao, đồng thời cũng ngày càng có những sáng chế, phát minh lý thuyết được ứng dụng ngay trong sản xuất). Vì thế, giai cấp công nhân có vai trò quyết định nhất sự tồn tại và phát triển xã hội.
            Và, với tính cách như vậy, nó là lực lượng quyết định phá vỡ quan hệ sản xuất tư bản chủ nghĩa. Sau khi giành chính quyền, giai cấp công nhân, đại biểu cho sự tiến bộ của lịch sử, là người duy nhất có khả năng lãnh đạo xã hội xây dựng một phương thức sản xuất mới cao hơn phương thức sản xuất tư bản chủ nghĩa.

           Giai cấp công nhân, con đẻ của nền công nghiệp hiện đại, được rèn luyện trong nền sản xuất tiến bộ, đoàn kết. Về phương thức lao động, phương thức sản xuất, đó là những người lao động trực tiếp hay gián tiếp vận hành các công cụ sản xuất có tính chất công nghiệp ngày càng hiện đại và xã hội hoá cao. Họ đại biểu cho phương thức sản xuất tiên tiến, gắn liền với những thành tựu của khoa học – công nghệ hiện đại. Đó là giai cấp được trang bị bởi lý luận khoa học cách mạng và luôn đi đầu trong phong trào cách mạng theo mục tiêu xoá bỏ xã hội cũ lạc hậu, xây dựng xã hội mới tiến bộ. Nhờ đó có thể tập hợp được đông đảo các giai cấp, tầng lớp khác vào phong trào cách mạng. Hơn nữa đa số công nhân Việt Nam xuất thân từ nông dân lao động và những tầng lớp lao động khác, nên có mối liên hệ tự nhiên với đông đảo nhân dân lao động bị mất nước, sống nô lệ nên cũng là điều kiện thuận lợi để giai cấp công nhân xây dựng nên khối công nông vững chắc và khối đoàn kết dân tộc rộng rãi bảo đảm cho sự lãnh đạo của giai cấp công nhân trong suốt quá trình cách mạng ở nước ta.

    1. Giai cấp công nhân là giai cấp có tính tổ chức, tính kỷ luật, tác phong công nghiệp.

          Vì là sản phẩm của nền đại công nghiệp nên giai cấp này được tôi luyện trong môi trường lao động công nghệ ngày càng hiện đại cũng như trong cuộc đấu tranh chống giai cấp phong kiến trước đây cũng như chống giai cấp tư sản ngày nay. Chính điều kiện làm việc ở thành thị và các khu công nghiệp giúp cho giai cấp công nhân mở rộng các quan hệ xã hội, mở mang trí tuệ. Giai cấp công nhân có ý thức tổ chức kỷ luật cao. Môi trường làm việc của giai cấp công nhân là sản xuất tập trung cao và có trình độ kỹ thuật ngày càng hiện đại, có cơ cấu tổ chức ngày càng chặt chẽ, làm việc theo dây chuyền buộc giai cấp công nhân phải luôn tuân thủ nghiêm ngặt kỷ luật lao động. Do yêu cầu của cuộc đấu tranh giai cấp chống lại giai cấp tư sản – là một giai cấp có tiềm lực về kinh tế – kỹ thuật nên giai cấp công nhân phải đấu tranh bằng phẩm chất kỷ luật của mình.

            Giai cấp công nhân phát triển cả về số lượng và chất lượng kéo theo sự phát triển của lực lượng sản xuất và tất yếu khách quan sẽ dẫn đến quan hệ sản xuất cũ phải thay đổi để phù hợp với lực lượng sản xuất đã phát triển.

    1. Giai cấp công nhân ra đời trước tư sản Việt Nam.

            Đội ngũ công nhân Việt Nam ra đời từ cuộc khai thác thuộc địa lần thứ nhất (1897-1914) của thực dân Pháp. Khu công nghiệp trung ở Hà Nội, Sài Gòn, Hải Phòng, Nam Định, Vinh-Bến Thuỷ, Hòn Gai đã làm cho số công nhân tăng nhanh…Nhiều xí nghiệp tập trung đông công nhân như: Xi măng Hải Phòng có 1.500 người, 3 nhà máy dệt ở Nam Định, Hải Phòng cũng có 1.800 người, các nhà máy xay xát ở Sài Gòn có tới 3.000 người,… Sau khi chiến tranh thế giới lần thứ I kết thúc, thực dân Pháp tiến hành khai thác thuộc địa lần thứ II (1919-1929) nhằm tăng cường vơ vét, bóc lột  nhân dân thuộc địa để bù đắp những tổn thất trong chiến tranh. Sự phát triển của một số ngành công nghiệp khai khoáng, dệt, giao thông vận tải, chế biến…dẫn đến số lượng công nhân tăng nhanh

            Ra đời trước giai cấp tư sản dân tộc, bị ba tầng áp bức nặng nề, ngay từ khi mới ra đời đã chịu ảnh hưởng của cách mạng tháng 10 Nga, tiếp thu chủ nghĩa Mác – Lênin, không bị ảnh hưởng của các trào lưu tư tưởng tiểu tư sản.

    3.     Điều kiện quan trọng nhất để giai cấp công nhân Việt Nam lãnh đạo được cách mạng.

            Giai cấp công nhân Việt Nam sinh ra trong lòng một dân tộc có truyền thống đấu tranh bất khuất chống ngoại xâm, trong điều kiện đất nước bị kẻ thù xâm lược, khiến cho ý chí và động cơ cách mạng của giai cấp công nhân Việt Nam được nâng lên gấp bội. Ngay từ khi ra đời, giai cấp công nhân nước ta đã đã anh dũng, kiên cường đấu tranh chống kẻ thù xâm lược. Phong trào đấu tranh của công nhân từng bước trưởng thành, phát triển từ tự phát đến tự giác và không ngừng lớn mạnh. Điều kiện cơ bản và quan trọng nhất để giai cấp công nhân Việt Nam lãnh đạo cách mạng đó là giai cấp công nhân có Đảng và chủ nghĩa Mác – Lênin soi đường, có tinh thần cách mạng triệt để. Giai cấp công nhân xuất thân từ giai cấp nông dân, họ sớm được tiếp thu ánh sáng cách mạng chủ nghĩa Mác-Lênin. Do vậy họ là tầng lớp đại diện cho giai cấp nông dân nhưng tiến bộ hơn về mặt tư duy cách mạng. Đồng thời họ là lực lượng sản xuất chính trong xã hội. Chủ tịch Hồ Chí Minh đánh giá: “Chỉ có giai cấp công nhân là dũng cảm nhất, cách mạng nhất, luôn luôn gan góc đương đầu với bọn đế quốc thực dân. Với lý luận cách mạng tiên phong và kinh nghiệm của phong trào vô sản quốc tế, giai cấp công nhân đã tỏ ra là người lãnh đạo xứng đáng và tin cậy nhất của nhân dân”.Giai cấp công nhân luôn đi đầu trong các cuộc cách mạng và làm cách mạng cho đến khi thắng lợi. Lợi ích cơ bản của giai cấp công nhân đối lập với lợi ích cơ bản của giai cấp tư sản, nhưng phù hợp với lợi ích, khát vọng giải phóng của nhân dân lao động. Do đó giai cấp công nhân càng có đủ điều kiện, khả năng trở thành lực lượng tổ chức lãnh đạo các giai cấp và tầng lớp lao động khác trong công cuộc xoá bỏ áp bức, bóc lột của chủ nghĩa tư bản, xây dựng thành công xã hội xã hội chủ nghĩa và cộng sản chủ nghĩa.

     

     

    Kết luận.

          Tóm lại giai cấp công nhân Việt Nam là giai cấp có đủ điều kiện lãnh đạo cách mạng Việt Nam đầu thế kỷ XX. Tuyệt đại bộ phận trong giai cấp là xuất thân từ nông dân lao động và những tầng lớp khác, nên có mối liên hệ tự nhiên với nhân dân lao động bị mất nước, sống nô lệ nên cũng là điều kiện thuận lợi để giai cấp công nhân xây dựng nên khối liên minh công nông vững chắc và khối đoàn kết dân tộc rộng rãi đảm bảo cho sự lãnh đạo của giai cấp công nhân trong suốt quá trình cách mạng ở nước ta. Giai cấp công nhân Việt Nam sớm được giác ngộ cách mạng và thành lập Đảng tiên phong do Hồ Chí Minh – Người đưa chủ nghĩa Mác-Lênin vào Việt Nam. Đó là giai cấp có đủ tư cách đại biểu cho quyền lợi của dân tộc, của nhân dân, có đủ uy tín và năng lực để lãnh đạo cuộc cách mạng dân tộc, dân chủ đi đến thành công.

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO TÌM HIỂU GIẢI THUẬT DI TRUYỀN

    BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO TÌM HIỂU GIẢI THUẬT DI TRUYỀN

    BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO TÌM HIỂU GIẢI THUẬT DI TRUYỀN

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Đồ Án Thu Hút Vốn Đầu Tư Trực Tiếp Nước Ngoài Vào Lĩnh Vực Phân Phối Bán Lẻ, Cơ Hội Và Thách Thức 2019

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%80I-T%E1%BA%ACP-L%E1%BB%9AN-TR%C3%8D-TU%E1%BB%86-NH%C3%82N-T%E1%BA%A0O-T%C3%8CM-HI%E1%BB%82U-GI%E1%BA%A2I-THU%E1%BA%ACT-DI-TRUY%E1%BB%80N.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO TÌM HIỂU GIẢI THUẬT DI TRUYỀN

    BÀI TẬP LỚN TRÍ TUỆ NHÂN TẠO: TÌM HIỂU GIẢI THUẬT DI TRUYỀN

     

    LỜI NÓI ĐẦU

     

    Trong ngành khoa học máy tính, tìm kiếm lời giải tối ưu cho các bài toán là vấn đề được các nhà khoa học máy tính đặc biệt rất quan tâm.

    Mục đích chính của các thuật toán tìm kiếm lời giải là tìm ra lời giải tối ưu nhất cho bài toán trong thời gian nhỏ nhất. Các thuật toán như tìm kiếm không có thông tin / vét cạn ( tìm kiếm trên danh sách, trên cây hoặc đồ thị ) sử dụng phương pháp đơn giản nhất và trực quan nhất hoặc các thuật toán tìm kiếm có thông tin sử dụng heurictics để áp dụng các tri thức về cấu trúc của không gian tìm kiếm nhằm giảm thời gian cần thiết cho việc tìm kiếm được sử dụng nhiều nhưng chỉ với không gian tìm kiếm nhỏ và không hiệu quả khi tìm kiếm trong không gian tìm kiếm lớn.

    Tuy nhiên, trong thực tiễn có rất nhiều bài toán tối ưu với không gian tìm kiếm rất lớn cần phải giải quyết. Vì vậy, việc đòi hỏi thuật giải chất lượng cao và sử dụng kỹ thuật trí tuệ nhân tạo đặc biệt rất cần thiết khi giải quyết các bài toán có không gian tìm kiếm lớn. Thuật giải di truyền (genetic algorithm) là một trong những kỹ thuật tìm kiếm lời giải tối ưu đã đáp ứng được yêu cầu của nhiều bài toán và ứng dụng.

    Hiện nay, thuật toán di truyền cùng với logic mờ được ứng dụng rất rộng rãi trong các lĩnh vực phức tạp. Thuật toán di truyền kết hợp với logic mờ chứng tỏ được hiệu quả của nó trong các vấn đề khó có thể giải quyết bằng các phương pháp thông thường hay các phương pháp cổ điển, nhất là trong các bài toán cần có sự lượng giá, đánh giá sự tối ưu của kết quả thu được. Chính vì vậy, thuật giải di truyền đã trở thành đề tài nghiên cứu thú vị và đem đến nhiều ứng dụng trong thực tiễn.

     

    Ngày nay, GA được ứng dụng khá nhiều trong các lĩnh vực như khoa học, kinh doanh và giải trí. Đầu tiên phải kể đến là các bài toán tối ưu bao gồm tối ưu số

     

    3

     

    và tối ưu tổ hợp đã sử dụng GA để tìm lời giải như là bài toán người du lịch (Travelling Salesman Problems – TSP). Ứng dụng kế tiếp của GA là thiết kế và điều kiển robo. Hầu hết các nước có ngành CNTT phát triển đã và đang rất quan tâm đến lĩnh vực thiết kế robo nhằm giúp con người tiết kiệm sức lao động và giải phóng con người thoát khỏi các công việc nguy hiểm, đặc biệt hiện nay cuộc thi “Robocon” Châu Á_ Thái Bình Dương được các nước trong khu vực rất quan tâm. Ngoài phần cơ, để robo có thể tiến hành các hoạt động đơn giản nhất như đi, đứng… thì robo cần phải trang bị chương trình được lập trình dựa trên các thuật toán và ngôn ngữ thích hợp. Nhờ vào lịch trình được cài đặt cùng với một trí tuệ nhân tạo…, robo có thể định hướng thực hiện các hoạt động như con người. Tuy nhiên, việc tìm kiếm lời giải tốt nhất cho các hành động của robo không phải là đơn giản. Theo các nhà khoa học máy tính, thuật giải di truyền là một trong những thuật toán tối ưu giúp robo vạch lộ trình khi di chuyển. Với lý do trên, em chọn đề tài: “Thuật giải di truyền và ứng dụng”.

     

     

     

     

     

    4

     

    PHẦN I: THUẬT TOÁN DI TRUYỀN

     

    I.Giới thiệu:

     

    Thuật toán di truyền là thuật toán tối ưu ngẫu nhiên dựa trên cơ chế chọn lọc tự nhiên và tiến hóa di truyền. Nguyên lý cơ bản của thuật toán di truyền đã được Holland giới thiệu vào năm 1962. Cơ sở toán học đã được phát triển từ cuối những năm 1960 và đã được giới thiệu trong quyển sách đầu tiên của Holland, Adaptive in Natural and Artificial Systems. Thuật toán di truyền được ứng dụng đầu tiên trong hai lĩnh vực chính: tối ưu hóa và học tập của máy. Trong lĩnh vực tối ưu hóa thuật toán di truyền được phát triển nhanh chóng và ứng dụng trong nhiều lĩnh vực khác nhau như tối ưu hàm, xử lý ảnh, bài toán hành trình người bán hàng, nhận dạng hệ thống và điều khiển. Thuật toán di truyền cũng như các thuật toán tiến hóa nói chung, hình thành dựa trên quan niệm cho rằng, quá trình tiến hóa tự nhiên là quá trình hoàn hảo nhất, hợp lý nhất và tự nó đã mang tính tối ưu. Quan niệm này có thể xem như một tiên dề dúng, không chứng minh được, nhưng phù hợp với thực tế khách quan. Quá trình tiến hóa thể hiện tính tối ưu ở chỗ, thế hệ sau bao giờ cũng tốt hơn (phát triển hơn, hoàn thiện hơn) thế hệ trước bởi tính kế thừa và dấu tranh sinh tồn.

     

    II. Nội dung

     

    2.1. Cơ sở lý thuyết

     

    Thuật toán di truyền gồm có bốn quy luật cơ bản là lai ghép, đột biến, sinh sản và chọn lọc tự nhiên như sau:

     

    5

     

    2.1.1. Quá trình lai ghép (phép lai)

     

    Quá trình này diễn ra bằng cách ghép một hay nhiều đoạn gen từ hai nhiễm sắc thể cha-mẹ để hình thành nhiễm sắc thể mới mang đặc tính của cả cha lẫn mẹ. Phép lai này có thể mô tả như sau: Chọn ngẫu nhiên hai hay nhiều cá thể trong quần thể. Giả sử chuỗi nhiễm sắc thể của cha và mẹ đều có chiều dài là m. Tìm điểm lai bằng cách tạo ngẫu nhiên một con số từ 1 đến m-1. Như vậy, điểm lai này sẽ chia hai chuỗi nhiễm sắc thể cha-mẹ thành hai nhóm nhiễm sắc thể con là m1 và m2. Hai chuỗi nhiễm sắc thể con lúc này sẽ là m11+m22 và m21+m12. Đưa hai chuỗi nhiễm sắc thể con vào quần thể để tiếp tục tham gia quá trình tiến hóa.

     

    2.1.2. Quá trình đột biến (phép đột biến):

     

    Quá trình tiến hóa được gọi là quá trình đột biến khi một hoặc một số tính trạng của con không được thừa hưởng từ hai chuỗi nhiễm sắc thể cha-mẹ. Phép đột biến xảy ra với xác suất thấp hơn rất nhiều lần so với xác suất xảy ra phép lai. Phép đột biến có thể mô tả như sau: Chọn ngẫu nhiên một số k từ khoảng 1 ≥ k ≥ m Thay đổi giá trị của gen thứ k Đưa nhiễm sắc thể con vào quần thể để tham gia quá trình tiến hóa tiếp theo.

     

    2.1.3. Quá trình sinh sản và chọn lọc (phép tái sinh và phép chọn)

     

    Phép tái sinh: là quá trình các cá thể được sao chép dựa trên độ thích nghi của nó. Độ thích nghi là một hàm được gán các giá trị thực cho các cá thể trong quần thể của nó. Phép tái sinh có thể mô phỏng như sau: Tính độ thích nghi của từng cá thể trong quần thể, lập bảng cộng dồn các giá trị thích nghi đó (theo thứ tự gán cho từng cá thể) ta được tổng độ thích nghi. Giả sử quần thể có n cá thể. Gọi độ thích nghi của cá thể thứ i là Fi, tổng dồn thứ i là Ft.Tổng độ thích nghi là Fm Tạo số ngẫu nhiên F có giá trị trong đoạn từ 0 đến Fm Chọn cá thể k đầu tiên thỏa mãn F ≥ Ft đưa vào quần thể của thế hệ mới.

     

    6

     

    Phép chọn: là quá trình loại bỏ các cá thể xấu và để lại những cá thể tốt. Phép chọn được mô tả như sau: Sắp xếp quần thể theo thứ tự độ thích nghi giảm dần Loại bỏ các cá thể cuối dãy, chỉ để lại n cá thể tốt nhất.

     

    2.2 Cấu trúc thuật toán di truyền tổng quát

     

    Thuật toán di truyền bao gồm các bước sau: Bước 1: Khởi tạo quần thể các nhiễm sắc thể. Bước 2: Xác định giá trị thích nghi của từng nhiễm sắc thể. Bước 3: Sao chép lại các nhiễm sắc thể dựa vào giá trị thích nghi của chúng và tạo ra những nhiễm sắc thể mới bằng các phép toán di truyền. Bước 4: Loại bỏ những thành viên không thích nghi trong quần thể. Bước 5: Chèn những nhiễm sắc thể mới vào quần thể để hình thành

     

    một                                         quần                                         thể                                         mới.

     

    Bước 6: Nếu mục tiêu tìm kiếm đạt được thì dừng lại, nếu không trở lại bước 3.

     

     

     

     

     

    7

     

    Sơ đồ thuật toán:

     

    Bắt

    đầu

     

    Khởi tạo quần thể

     

    Mã hóa các biến

     

    Đánh giá độ thích nghi

     

    Chọn lọc

     

    Lai ghép

     

    Đột biến

     

    Thỏa điều kiện dừng

    Không

     

    Thỏa

     

    Kết quả

     

    Kết thúc

     

    8

     

     

    eval (vi )

    2.3. Các công thức của thuật giải di truyền

     

    Tính độ thích nghi eval(vi)của mỗi nhiễm sắc thể vi(i =1..kích thước quần

     

    thể):

     

    eval

    (vi ) =

    f (vi )

    åf (vi

    Với f(vi) là hàm mục tiêu.

    kichthuocq   uanthe

    		  
       

    i =1

     

    Tìm tổng giá trị thích nghi quần thể:

     

    kichthuocq   uanthe

    F =                 åeval (vi )

     

    • =1

     

    Tính xác suất chọn pi cho mỗi nhiễm sắc thể vi:

     

     

    pi     = kichthuocq   uanthe

    åeval (vi )

     

    • =1

     

    Tính xác suất tích lũy qi cho mỗi nhiễm sắc thể:

     

    i

    qi = åpi

     

    • =1

     

    Tiến trình chọn lọc được thực hiện bằng cách quay bánh xe rulet kích thước quần thể lần. Mỗi lần chọn ra một nhiễm sắc thể từ quần thể hiện hành vào quần thể mới theo cách sau: Phát sinh một số ngẫu nhiên r trong khoảng [0, 1] Nếu r < q1thì chọn nhiễm sắc thể v1, ngược lại chọn nhiễm sắc thể vi (2 ≤ i ≤ kích thước quần thể) sao cho qi-1 < r ≤ qi.

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    9

     

    PHẦN II: ỨNG DỤNG

     

    I.Ứng dụng

     

    Tìm đáp số cho phương trình X2 = 64. Đây là một bài toán đơn giản để giúp ta có thể hiểu rõ hơn các bước của thuật toán di truyền.

    Giải bài toán di truyền theo các bước sau:

     

    Bước 1: Chúng ta sử dụng hệ nhị phân để xây dựng mô hình bài toán.Ta dùng 4 bit nhị phân để mã hóa cho các đáp số của bài toán.Gỉa sử ta không biết đáp số của bài toán, ta sẽ chọn 4 số trong các đáp số có thể có và ký hiệu cho các đáp số đó.

    Bảng chọn lựa:

     

    Thứ tự

    Nhị phân

    Thập phân

    1

    0 0100

    4

    2

    1 0101

    21

    3

    0 1010

    10

    4

    1 1000

    24

    Bước 2: Tìm hàm số thích nghi và tính hệ số thích nghi cho từng đáp số.Ta chọn hàm số thích nghi sau: f(X) = 1000 – (X2 – 64). Vậy, đáp số nào có hệ số thích nghi f gần bằng 1000 nhất thì đó là đáp số. Khảo sát kết quả tính được:

     

    Thứ tự

    Nhị phân

    Thập phân

    X2 – 64

    Hệ số thích
       

    (X)

    		  

    nghi f(x)

    1

    0 0100

    4

    – 48

    952

    2

    1 0101

    21

    377

    623

    3

    0 1010

    10

    36

    964

    4

    1 1000

    24

    512

    488

    10

     

    Bước 3:Ta thấy, hệ số thích nghi của các đáp số vẫn còn cách xa 1000.Do đó, cần tạo ra các đáp số mới bằng cách biến hóa các đáp số cũ. Ta thấy, số 4 và 10 có hệ số thích nghi cao hơn nên được chọn để tạo sinh và biến hóa.Đồng thời số 21 và 24 có hệ số thích nghi thấp sẽ bị loại.

    Gỉa sử ta lai ghép hai số 4 và 10 theo hình sau :

     

    Bước 4:Tính hệ số thích nghi cho quần thể mới

    		      
                 

    Thứ tự

    Nhị phân

    Thập phân

    X2 – 64

    		  

    Hệ số thích
       

    (X)

    		    

    nghi f(x)

    		  

    1

    0 0100

    4

    – 48

    		  

    952

    		  

    2

    0 1010

    10

    36

    		  

    964

    		  

    3

    0 1000

    8

    0

    		  

    1000

    		  

    4

    0 0110

    6

    28

    		  

    968

    		  

    Bước 5:May mắn chúng ta đã tìm được kết quả là X

    = 8 với hệ số thích

    nghi cao nhất là 1000.

     

    Vậy kết quả của bài toán là X = 8 .

     

    II.Chương trình

     

    • Khai báo: #include “stdio.h” #include”conio.h” #include “stdlib.h” #include “math.h” int CT[10];

    int n=4;

     

    int GTTN[10]; int kq;

     

    11

     

    int Max1,Max2;

     

    int Max1moi=0,Max2moi=0;

     

    int A[5],B[5];

     

    • Các đoạn code:

     

    • Code khởi tạo quần thể: void Taoquanthe(int n)

    {

     

    for(int i=0;i<n;i++)

     

    {

     

    printf(“nhap ca the thu %d:”,i); scanf(“%d”,&CT[i]);

    }

     

    }

     

    • Code tính giá trị thích nghi của quần thể bằng công thức: F=1000-(x2-64) void Giatrithichnghi(int n)

    {

     

    for(int i=0;i<n;i++)

     

    {

     

    int gttn=1000-(CT[i]*CT[i] – 64); GTTN[i]=gttn;

    }

     

    }

     

    12

     

    • Code kiểm tra giá trị thích nghi để suy ra kết quả: int Kiemtra(int n)

    {

     

    for(int i=0;i<n;i++)

     

    {

     

    if(GTTN[i]==1000) return (CT[i]);

     

    }

     

    return 0;

     

    }

     

    • Tìm, chọn lọc cá thể để lai: (sắp xếp mảng giảm dần, lấy hai cá thể đầu tiên để lai với nhau)

    void Timcathelai()

     

    {

     

    for(int i=0;i<n;i++) for(int j=i+1;j<n;j++)

    {

     

    if(GTTN[i]<GTTN[j])

     

    {

     

    int a=GTTN[i];

     

    GTTN[i]=GTTN[j];

     

    GTTN[j]=a;

     

    }

     

    }

     

    13

     

    Max1=sqrt(1064-GTTN[0]);

     

    Max2=sqrt(1064-GTTN[1]);

     

    }

     

    • Lai cá thể với nhau: (mã hóa cá thể ra nhị phân, thay đổi cấu trúc nhị phân gây đột biến tạo cá thể mới, giải mã cá thể mới về thập phân)

    void Laicathe()

     

    {

     

    for (int i=0;i<5;i++)

     

    {

     

    A[i]=0;

     

    B[i]=0;

     

    }

     

    while(Max1!=0)

     

    {

     

    for(int j=0;j<5;j++)

     

    {

     

    A[j]=Max1%2;

     

    Max1=Max1/2;

     

    }

     

    }

     

    while(Max2!=0)

     

    {

     

    for(int k=0;k<5;k++)

     

    {

     

    B[k]=Max2%2;

     

    Max2=Max2/2;

     

    14

     

    }

     

    }

     

    for(int l=4;l>1;l–)

     

    {

     

    int b=A[l];

     

    A[l]=B[l];

     

    B[l]=b;

     

    }

     

    for(int m=4;m>=0;m–)

     

    {

     

    Max1moi=Max1moi+A[m]*pow(2,m);

     

    Max2moi=Max2moi+B[m]*pow(2,m);

     

    }

     

    }

     

    • Tạo quần thể mới: (kết hợp các thể mẹ và cá thể con) void Taoquanthemoi()

    {

     

    CT[0]=Max1;

     

    CT[1]=Max2;

     

    CT[2]=Max1moi;

     

    CT[3]=Max2moi;

     

    }

     

    • Hàm chính:

    void main()

     

    {

     

    15

     

    clrscr();

     

    printf(“Giai PT X*X=64, bang thuat toan di truyen”);

     

    printf(“Tao quan the co 4 ca the”);

     

    Taoquanthe(n);

     

    Giatrithichnghi(n);

     

    kq=Kiemtra(n);

     

    while(kq==0)

     

    {

     

    Timcathelai();

     

    Laicathe();

     

    Taoquanthemoi();

     

    Giatrithichnghi(n);

     

    kq=Kiemtra(n);

     

    }

     

    printf(” Ket qua phuong trinh la : %d”,kq);

     

    getch();

     

    }

     

     

    PHẦN III: KẾT LUẬN

     

     

    I.Ưu điểm

     

    Trình bày và giới thiệu những khái niệm cơ bản, cơ sở lý thuyết về thuật giải di truyền. Trên cơ sở lý thuyết, đề tài đã cài đặt các phép toán cơ bản của thuật giải di truyền nhằm phục vụ cho việc thực hiện các ứng dụng. Sử dụng các phép toán của thuật giải di truyền để xây dựng ứng dụng cho bài toán người du lịch và bài toán vạch lộ trình đường đi cho robo.

     

    II. Khuyết điểm

     

    Đề tài chỉ giới thiệu những kiến thức chung nhất về thuật giải di truyền, chưa đi sâu vào các vấn đề nghiên cứu tối ưu khác. Phần ứng dụng vạch lộ trình đường đi cho robo chưa hoàn hảo. Đặc biệt là chưa giải quyết tốt việc robo tránh vật chắn và kích thước quần thể thay đổi.

     

    III. Ý kiến bản thân

     

    Thuật toán di truyền đã chứng tỏ tính hữu ích của nó khi được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau của cuộc sống.

    Trong lĩnh vực điểu khiển tự động, thuật toán di truyền có thể được sử dụng để xác định thong số tối ưu cho các bộ điều khiển.Thông số bộ điều khiển được mã hóa thành các nhiễm sắc thể, thông qua mô phỏng, các nhiễm sắc thể này được đánh giá và lựa chọn thong qua mức độ thích nghi của chúng (cũng chính là các chỉ tiêu chất lượng của hệ thống). Kết quả của thuật toán sẽ cho một bộ điều khiển có thong số tốt nhất.

    Trong y học, cấu trúc của các chất hóa học được mã hóa thành các nhiễm sắc thể hoặc đồ thị.Thuật toán di truyền sẽ lai ghép, lựa chọn để tạo ra các nhiễm sắc

     

    thể mới (các chất hóa học mới). Và trong thực tế đã có rất nhiều loại thuốc mới được tạo ra như vậy.

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Bài tập lớn môn Điều khiển số Thiết kế theo tiêu chuẩn tích phân số (IAE, ITAE, ISE, ITSE) kết hợp với Dead – Beat khâu điều chỉnh tốc độ động cơ DC Servo Harmonic RHS 17 – 6006

    Bài tập lớn môn Điều khiển số Thiết kế theo tiêu chuẩn tích phân số (IAE, ITAE, ISE, ITSE) kết hợp với Dead – Beat khâu điều chỉnh tốc độ động cơ DC Servo Harmonic RHS 17 – 6006

    Bài tập lớn môn Điều khiển số Thiết kế theo tiêu chuẩn tích phân số (IAE, ITAE, ISE, ITSE) kết hợp với Dead – Beat khâu điều chỉnh tốc độ động cơ DC Servo Harmonic RHS 17 – 6006

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Đồ án tốt nghiệp Tìm hiểu về động cơ điện một chiều

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%A0i-t%E1%BA%ADp-l%E1%BB%9Bn-m%C3%B4n-%C4%90i%E1%BB%81u-khi%E1%BB%83n-s%E1%BB%91-Thi%E1%BA%BFt-k%E1%BA%BF-theo-ti%C3%AAu-chu%E1%BA%A9n-t%C3%ADch-ph%C3%A2n-s%E1%BB%91-IAE-ITAE-ISE-ITSE-k%E1%BA%BFt-h%E1%BB%A3p-v%E1%BB%9Bi-Dead-%E2%80%93-Beat-kh%C3%A2u-%C4%91i%E1%BB%81u-ch%E1%BB%89nh-t%E1%BB%91c-%C4%91%E1%BB%99-%C4%91%E1%BB%99ng-c%C6%A1-DC-Servo-Harmonic-RHS-17-%E2%80%93-6006.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Bài tập lớn môn Điều khiển số Thiết kế theo tiêu chuẩn tích phân số (IAE, ITAE, ISE, ITSE) kết hợp với Dead – Beat khâu điều chỉnh tốc độ động cơ DC Servo Harmonic RHS 17 – 6006

    Lời nói đầu

    Trong những năm gần đây công nghệ thông tin có những bước nhảy vọt, đặc biệt là sự ra đời của máy tính đã tạo cho xã hội một bước phát triển mới, nó ảnh hưởng đến hầu hết các vấn đề của xã hội và trong công nghiệp cũng vậy. Hòa cùng sự phát triển đó, ngày càng nhiều nhà sản xuất đã ứng dụng các họ vi xử lý mạnh vào trong công nghiệp, trong việc điều khiển và xử lý dữ liệu. Những hạn chế của kỹ thuật tương tự như sự trôi thông số, sự làm việc cố định dài hạn, những khó khăn của việc thực hiện chức năng điều khiển phức tạp đã thúc đẩy việc chuyển nhanh công nghệ số. Ngoài ra điều khiển số cho phép tiết kiện linh kiện phần cứng, cho phép tiêu chuẩn hóa. Với cùng một bộ vi xử lý, một cấu trúc phần cứng có thể dùng cho nhiều ứng dụng khác nhau. Tuy nhiên kỹ thuật số cũng có những nhược điểm như xử lý các tín hiệu rời rạc…, đồng thời tín hiệu tương tự có những ưu điểm mà kỹ thuật số không có như tác động nhanh và liên tục. Vì vậy xu hướng điều khiển hiện nay là phối hợp cả điều khiển số và điều khiển tương tự.

    Để nắm vững những kiến thức đã học thì việc nghiên cứu là cần thiết đối với sinh viên. Bài tập lớn Môn “Điều khiển số” đã giúp em biết thêm được rất nhiều về cả kiến thức lẫn kinh nghiệm. Dưới sự hướng dẫn của thầy Nguyễn Văn Tiến em đã thực hiện xong bài tập “Thiết kế theo tiêu chuẩn tích phân số (IAE, ITAE, ISE, ITSE) kết hợp với Dead – Beat khâu điều chỉnh tốc độ động cơ DC Servo Harmonic RHS 17 – 6006”. Do kiến thức còn hạn chế nên bài tập còn có nhiều sai sót, nên em mong nhận được sự bổ sung của các thầy, cô và các bạn!

     

     

     

    CHƯƠNG 1. KHÁI QUÁT VỀ ĐỘNG CƠ DC SERVO HARMONIC RHS 32-3018

    1.1. Giới thiệu động cơ servo

    Là động cơ cho phép điều khiển vô cấp tốc độ.

    Điều khiển động cơ DC (DC Motor) là một ứng dụng thuộc dạng cơ bản nhất của điều khiển tự động vì DC Motor là cơ cấu chấp hành (actuator) được dùng nhiều nhất trong các hệ thống tự động (ví dụ robot). DC servo motor là động cơ DC có bộ điều khiển hồi tiếp.

    Mặt khác, động cơ servo được thiết kế cho những hệ thống hồi tiếp vòng kín. Tín hiệu ra của động cơ được nối với một mạch điều khiển. Khi động cơ quay, vận tốc và vị trí sẽ được hồi tiếp về mạch điều khiển này. Nếu có bất kỳ lý do nào ngăn cản chuyển động quay của động cơ, cơ cấu hồi tiếp sẽ nhận thấy tín hiệu ra chưa đạt được vị trí mong muốn. Mạch điều khiển tiếp tục chỉnh sai lệch cho động cơ đạt được điểm chính xác.

    Động cơ servo có nhiều kiểu dáng và kích thước, được sử dụng trong nhiều máy khác nhau, từ máy tiện điều khiển bằng máy tính cho đến các mô hình máy bay, ô tô. Ứng dụng mới nhất cho động cơ servo là dùng trong Robot, cùng loại với các động cơ dùng trong mô hình máy bay và ô tô.

    Cấu tạo động cơ Servo:

    Hình 1.1: Cấu tạo động cơ servo

    1, Động cơ ; 2, Bản mạch

    3, dây dương nguồn ; 4, Dây tín hiệu

    5, Dây âm nguồn ; 6, Điện thế kế

    7, Đầu ra (bánh răng) ; 8, Cơ cấu chấp hành

    9, Vỏ ; 10, Chíp điều khiển

    1.2. Thông số động cơ DC Servo Harmonic RHS 17 – 6006

    Động cơ DC Servo Harmonic là loại động cơ bước nhỏ, được sử dụng trong công nghiệp, khả năng điều khiển chuyển động và momen xoắn với độ chính xác cao. Động cơ có hộp số cho momen xoắn cao, độ cứng xoắn cao và hiệu suất cao. Do đó mà nó được sử dụng trong các robot công nghiệp và tự động hóa.

    Hình 1.2: Đặc tính tải của động cơ

     

    Thông số kỹ thuật động cơ:

    Thông số

    Đơn vị

    Động cơ RHS 17 – 6006

    Công suất đầu ra (sau hộp số)

    W

    65

    Điện áp định mức

    V

    75

    Dòng điện định mức

    A

    1.7

    Mômen định mức TN

    In-lb

    87

    Nm

    98

    Tốc độ định mức nN

    rpm

    60

    Mômen hãm liên tục

    In-lb

    100

    Nm

    11

    Dòng đỉnh

    A

    43

    Mômen cực đại đầu ra Tm

    In-lb

    300

    Nm

    34

    Tốc độ cực đại

    rpm

    80

    Hằng số mômen (KT)

    In-lb/A

    85

    Nm/A

    9.6

    Hằng số điện  B.E.M.F ( ảnh hưởng của tốc độ đến sđđ phần ứng )(Kb)

    v/rpm

    1.0

    Mô men quán tính (J)

    In-bl –sec2

    0.79

    Kgm2

    0.089

    Hằng số thời gian cơ khí

    ms

    4.7

    Độ dốc đặc tính cơ

    In-lb/rpm

    18

    Nm/rpm

    2.1

    Hệ số momen nhớt ( Bf)

    In-lb/rpm

    0.48

    Nm/rpm

    5.4*10^-2

    Tỷ số truyền

    1:R

    1:50

    Tải trọng hướng tâm

    lb

    176

    N

    784

    Tải trọng hướng trục

    lb

    176

    N

    784

    Công suất động cơ

    W

    100

    Tốc độ định mức động cơ

    rpm

    3000

    Điện trở phần ứng

    Ω

    4.8

    Điện cảm phần ứng

    mH

    2.3

    Dòng thời gian liên tục

    ms

    0.5

    Dòng khởi động

    A

    0.36

    Dòng không tải

    A

    0.7

     

     

     

    CHƯƠNG 2: XÂY DỰNG MÔ HÌNH ĐIỀU KHIỂN TỐC ĐỘ ĐỘNG CƠ DC SERVO HARMONIC RHS 32-3018

    2.1.     Cấu trúc điều khiển tốc độ động cơ

    Hình 2.1: Cấu trúc điều khiển số tốc độ động cơ phản hồi tốc độ từ Encoder

    2.2.     Xây dựng hệ phương trình tính toán động học động cơ Servo

    DC Servo Harmonic RHS 32-3018 có các tham số chính:

        Rư = 4.8 Ω

        Lư = 2.3 mH

        KT = 9.6 Nm/A

        Ke = 1 V/rpm

        Bf = 5.4*10^-2 Nm/rpm

        J = 0.089 Kgm2

        MC= 5.9 Nm

        Nđm = 3000 rpm

    Mô phỏng động cơ trên miền thời gian liên tục

    Hình 2.2. Cấu trúc động cơ DC servo

    Kết quả mô phỏng DC servo Harmonic RHS 17 – 6006 với điện áp định mức 75 V

        Khi không có Mc :

    Hình 2.3. Đặc tính tốc độ động cơ không tải.

    Hình 2.4. Đặt tính dòng điện động cơ

     

        Khi có Mc

    Hình 2.5. Đặc tính tốc độ động cơ

    Hình 2.6. Đặt tính dòng điện động cơ

    Nhận xét: Đáp ứng đầu ra đúng theo giá trị đặt. Khi có Mc tốc độ giảm, dòng điện tăng

    Mô phỏng động cơ trên miền thời gian gián đoạn

    >> g1= tf(1,[2.3*10^-3 4.8])

    >> G2=9.6

    >> g3=tf(1, [0.089 5.4*10^-2])

    >> G4=1

    >> G0=G1*G2*G3

    >> Gk=feedback(G0,g4)

    >> Gz=c2d(Gk,0.01,’zoh’)

    >> step(75*Gz)

    Hình 2.7. Đặc tính ra với chu kì trích mẫu T=0.01.

    Hình 2.8. Đặc tính ra với chu kì trích mẫu T=0.05.

     

     Nhận xét: Khi tăng chu kỳ trích mẫu lớn hớn đáp ứng đầu ra nhanh hơn tuy nhiên là dạng đáp ứng không mịn.

    2.2.1. Tổng hợp bộ điều khiển dòng theo Dead – Beat

    Thực hiện trên Matlab

    >> g1i=tf(1,[0.05 1]);

    >> g2i=tf(1,[2.3*10^-3 4.8]);

    >> g0i=g1i*g2i;

    >> gki=feedback(g0i,1)

    >> gzi=c2d(gki,0.01,’zoh’) ;

    Ta được hàm gzi như sau :

     

    Sampling time: 0.01chia cả 2 vế cho ta được

    Theo phương pháp Dead – Beat

    Chọn hàm L(z-1) = l0 =  

    Hình 2.10. Cấu trúc bộ điều khiển dòng

    Kết quả mô phỏng.

    Hình 2.11. Dạng đáp ứng dòng điện.

    2.2.2. Thiết kế bộ điều khiển tốc độ

    Sử dụng Matlab để tính toán:

    >> g1w=9.6;

    >> g2w=tf(1, [0.089 5.4*10^-2])

    >> g2w=tf(1, [0.089 5.4*10^-2]);

    >> g0w=g1w*g2w;

    >> gkw=feedback(g0w,1) ;

    >> gzw=c2d(gkw,0.01,’zoh’)

     

    Transfer function:

     0.6583

    ———–

    z – 0.338

     Sampling time: 0.01

    >> gzw1=filt(0.6583,[1 -0.338],0.01)

     Transfer function:

        0.6583z^-1

    ——————–

    1 – 0.338 z^-1

     Sampling time: 0.01

    Áp dụng phương pháp tính bộ điều khiển theo tiêu chuẩn tích phân:

    Hàm truyền bộ điều khiển có dạng :

     

        Chọn r0 = Umax = 75 ;

                        P= -1 để có khâu tích phân trong bộ điều khiển

    r1<= – r0(1-r0*b1)

    r1<= – 75*(1-75*0.6583)

    ® r1 = -75

    e0 = 1

    e1 = 1-75*0.003948= 0.7039

    e2 = 2.1992-0.003948*r1

    IQ = e02 +e12 +e22 =6.33195-0.01736*r1+1.55867*10^-5*r1^2

    Ta chọn được r1=-70.547

    Ta có bộ điều khiển tốc độ như sau :

    Ta có sơ đồ mô phỏng mạch vòng tốc độ như sau

     

    Hình 2.12. sơ đồ mô phỏng mạch vòng tốc độ

    Hình 2.13. Đáp ứng của tốc độ trên miền gián đoạn.

     

    Kết Luận

        Sau một kì học em đã hoàn thành bài tập lớn của môn học điều khiển số. Kết quả đạt được:

        – Biết cách thiết kế bộ điều khiển số

        – Hiểu sau về động cơ Servo

        Một số điểm chưa đạt được: bộ điều khiển chưa tối ưu, tín hiệu ra chưa át với tín hiêuk đặt.

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

    Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

    Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Nguồn luật áp dụng giải quyết tranh chấp hàng hải

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/%E1%BB%A8ng-d%E1%BB%A5ng-d%E1%BB%AF-li%E1%BB%87u-l%E1%BB%9Bn-trong-ho%E1%BA%A1t-%C4%91%E1%BB%99ng-qu%E1%BA%A3n-tr%E1%BB%8B-quan-h%E1%BB%87-kh%C3%A1ch-h%C3%A0ng-t%E1%BA%A1i-c%C3%A1c-Ng%C3%A2n-h%C3%A0ng-th%C6%B0%C6%A1ng-m%E1%BA%A1i-Vi%E1%BB%87t-Nam.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Ứng dụng dữ liệu lớn trong hoạt động quản trị quan hệ khách hàng tại các Ngân hàng thương mại Việt Nam

     

    Phan Thanh Đức

     

    Chu Thị Hồng Hải

     

    Đình Trọng Hiếu

     

    Chu Văn Huy

     

    Ngô Thùy Linh

     

    Ngày nhận: 21/03/2019                    Ngày nhận bản sửa: 01/04/2019                     Ngày duyệt đăng: 26/04/2019

     

    Sự xuất hiện của dữ liệu lớn (Big Data) trong bối cảnh hiện nay đang được các doanh nghiệp kỳ vọng như nguồn tài nguyên khổng lồ. Tuy nhiên việc ứng dụng Big Data ở đâu và như thế nào vẫn đang là bài toán chưa được giải quyết tại các ngân hàng thương mại (NHTM) Việt Nam hiện nay. Bài báo đề cập đến việc ứng dụng Big Data vào hoạt động quản trị quan hệ khách hàng (CRM) tại các NHTM bằng việc đề xuất mô hình kiến trúc tổng thể cho hệ thống CRM-Big Data và đề cập việc sử dụng các phương pháp, kỹ thuật MDM, CDP, DMP nhằm giải quyết bài toán tích hợp dữ liệu có cấu trúc bên trong ngân hàng và dữ liệu phi cấu trúc trên Big Data.

     

    Từ khoá: Dữ liệu lớn (Big Data), quản trị quan hệ khách hàng (CRM), quản lý dữ liệu chủ (MDM), nền tảng dữ liệu khách hàng (CDP), nền tảng quản lý dữ liệu (DMP).

     

    1.  Đặt vấn đề

    		  

    35 tỷ USD vào năm 2023, với tốc độ tăng
       

    trưởng kép hàng năm (CAGR) trung bình xấp

    heo “Báo cáo nghiên cứu về thị

    		  

    xỉ 6% trong khoảng 2017- 2023. Các doanh

    trường phần mềm CRM- Dự

    		  

    nghiệp hướng tới việc triển khai các hệ thống

    báo toàn cầu đến 2023” của

    		  

    CRM với hy vọng chăm sóc và quản lý khách

    Market Research Future (Market

    		  

    hàng tốt hơn, bán hàng nhanh hơn, xây dựng

    Research Future, 2019), giá trị thị

    		  

    trải nghiệm khách hàng hấp dẫn hơn... Rõ ràng,

    trường CRM trên toàn thế giới đã đạt 27,16 tỷ

    		  

    quản trị mối quan hệ với khách hàng luôn là

    đô la năm 2017 và được dự báo sẽ đạt khoảng

    		  

    vấn đề được quan tâm đối với các doanh nghiệp

    © Học viện Ngân hàng

    50

    Tạp chí Khoa học & Đào tạo Ngân hàng

    ISSN 1859 – 011X

    Số 203- Tháng 4. 2019

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    và đặc biệt là đối với các NHTM. Các hệ thống CRM đã giúp các NHTM tạo chiến lược cạnh tranh, đưa ra quyết định nhanh chóng, thiết lập mối quan hệ khách hàng, tối ưu hiệu quả kinh doanh trên nền tảng các dữ liệu thu thập được. Tuy nhiên, các hoạt động CRM trong các NHTM hiện nay liệu đã thực sự giúp NHTM hiểu đúng khách hàng của mình? Dữ liệu khách hàng là những thông tin và giao dịch nội bộ hay bao gồm cả các dữ liệu bên ngoài ngân hàng? Làm thế nào để có được các dữ liệu bên trong và bên ngoài chính xác, cập nhật và liên tục? Liệu ngân hàng đã có biện pháp tiếp cận đúng khách hàng, qua đúng kênh, đúng nhu cầu, đúng thời điểm để cải thiện trải nghiệm của khách hàng, nâng cao thương hiệu và tăng lợi nhuận?

     

    Kết quả khảo sát về hoạt động quản trị quan hệ khách hàng (CRM) tại 36 NHTM Việt Nam1 năm 2018 của Nhóm nghiên cứu cho thấy rằng, các hoạt động CRM mặc dù đã có những thay đổi vượt bậc nhưng vẫn chưa giải quyết triệt để được vấn đề đã nêu ở trên. Trong thập kỷ qua, ngành Ngân hàng đã phát triển theo bước nhảy vọt từ hoạt động vận hành kinh doanh đến cung cấp dịch vụ. Nhưng thực tế, hầu hết các ngân hàng vẫn đang gặp khó khăn trong việc sử dụng, khai thác thông tin, dữ liệu từ các nguồn dữ liệu mà họ có được từ khách hàng và từ các chi nhánh, bộ phận của ngân hàng. Hiển nhiên, khi các ngân hàng ngày càng mở rộng dịch vụ, các tiện ích, hay phát triển thêm thị trường, thu hút thêm khách hàng thì cũng phải xây dựng một hệ thống hạ tầng để thu thập dữ liệu và tiến hành phân tích giúp tìm giải pháp nâng cao hiệu quả kinh doanh. Vậy ngân hàng có thể có được những lợi ích gì từ sự phát triển công nghệ trên thế giới hiện nay như Big Data?

     

    Cuộc cách mạng 4.0 với nền tảng IoT, công nghệ tự động hóa và trí tuệ nhân tạo đã đưa Big Data lên vai trò trung tâm của xã hội và doanh nghiệp. Dữ liệu trong Big Data đến từ nhiều nguồn: Giao dịch của khách hàng trên các kênh dịch vụ, tương tác khách hàng trên mạng viễn thông, sự di chuyển khách hàng, hành vi của khách hàng trên mạng xã hội… Nhờ các dữ

     

    • 36 là toàn bộ các Ngân hàng thương mại Nhà nước & Cổ phần Việt Nam

    liệu này trên Big Data, các NHTM có thể cá nhân hóa dịch vụ đến từng khách hàng, đáp ứng mong muốn khách hàng, hay xác định rủi ro ở mọi thời điểm. Các ngân hàng đều kỳ vọng từ nguồn Big Data có thể tạo ra các doanh thu mới và cung cấp những hệ sinh thái ứng dụng, dịch vụ và sản phẩm kỹ thuật số mới. Tuy nhiên, việc khai thác Big Data vẫn đặt ra nhiều thách thức cho mỗi nhà quản trị ngân hàng. Làm thế nào để có thể khai thác được các giá trị mới từ Big Data? Big Data có các đặc tính là không có cấu trúc, có dung lượng rất lớn, lưu trữ phân tán, yêu cầu tốc độ xử lý rất cao và thường xuyên thay đổi, vậy làm thế nào để tích hợp với các phân hệ nghiệp vụ vốn rất ổn định của ngân hàng. Và thực trạng dữ liệu tại các ngân hàng đang ở đâu, đã đủ lớn và có phù hợp để nghĩ đến việc tích hợp với Big Data?

     

    2. Thực trạng dữ liệu lớn và hoạt động CRM tại các ngân hàng thương mại Việt Nam

     

    2.1. Mức độ trưởng thành Dữ liệu lớn tại các ngân hàng thương mại

     

    Để xác định chính xác tính sẵn sàng, mức độ ứng dụng dữ liệu lớn, nhóm nghiên cứu sử dụng phương pháp BDMM (Big Data Maturity Model) và mô hình Hortonworks (Hortonworks, 2019) để đo lường và giám sát trạng thái dữ liệu, xác định mức độ trưởng thành Big Data của các NHTM. Đối tượng được lựa chọn để tiến hành điều tra trong đề tài này là cán bộ quản lý bộ phận Nghiệp vụ, Công nghệ thông tin, Dữ liệu, Hạ tầng Công nghệ,… tại 36 NHTM. Từ các kết quả thu được, nhóm đưa

     

    ra đánh giá về thực trạng và khái quát thành những vấn đề còn vướng mắc trong quá trình triển khai Big Data tại các NHTM, từ đó đề xuất các hoạt động cần thiết để hoàn thành mức độ hiện tại và để chuyển sang mức độ tiếp theo. Bộ câu hỏi được nhóm nghiên cứu sử dụng nhằm xác định mức độ trưởng thành dữ liệu lớn tại các NHTM Việt Nam gồm 5 phần chính: (1) Định hướng chiến lược, (2) Dữ liệu và Phân tích dữ liệu, (3) Công nghệ và Cơ sở hạ tầng, (4) Tổ chức và Kỹ năng & (5) Quản lý và Quy trình. Mỗi phân vùng là một tập các câu

     

    Tạp chí Khoa học & Đào tạo Ngân hàng                                                               Số 203- Tháng 4. 2019 51

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Bảng 1. Số lượng câu hỏi từng phân vùng đánh giá theo mô hình Hortonworks

     

    Phân vùng đánh giá

    Số lượng câu hỏi liên quan mức

    Số lượng câu hỏi liên quan mức
     

    độ triển khai ở thời điểm hiện tại

    độ triển khai ở thời điểm tương lai
       

    (2 năm tới)

    Định hướng chiến lược

    4

    4
         

    Dữ liệu và Phân tích dữ liệu

    4

    4
         

    Công nghệ và Cơ sở hạ tầng

    4

    4
         

    Tổ chức và Kỹ năng

    4

    4
         

    Quản lý và Quy trình

    4

    4
         

    Tổng

    16

    16
         

    Nguồn: Hortonworks, 2019

     

     

    hỏi, với tổng số lượng 16 câu chia thành 5 phân vùng được thiết kế và xây dựng trên giao diện Web tại địa chỉ http://igdata-crm.bav.edu.vn/ bigdata_question.

     

    Dựa trên phương pháp tính điểm trung bình, mô hình Hortonworks đưa ra sự đánh giá mức độ trưởng thành từng khía cạnh và tổng thể về ứng dụng dữ liệu lớn ở cả hai giai đoạn hiện tại và tương lai (trong hai năm tới). Kết quả được quy thành mức độ căn cứ theo điểm đánh giá cụ thể như sau:

     

    Mức độ 1- Nhận thức (0-1 điểm): Ngân hàng thể hiện sự quan tâm đến ứng dụng Big Data, bắt đầu có những nghiên cứu về phân tích dữ liệu, phân tích Big Data.

     

    Mức độ 2- Khai phá (1-2 điểm): Ngân hàng có

     

    những khám phá về hiệu quả những dự án thử nghiệm đầu tiên liên quan đến Big Data. Mức độ 3- Tối ưu (2- 3 điểm): Ngân hàng đã từng bước tổ chức tối ưu hóa hiệu quả hoạt động, khả năng hỗ trợ gia quyết định ở các bộ phận nghiệp vụ thông qua Big Data,.

     

    Mức độ 4- Chuyển đổi (3-4 điểm): Big Data cho phép có được các thông tin dự đoán đáng tin cậy, được ngân hàng xem là nhân tố chính đem lại lợi thế cạnh tranh.

     

    Qua tổng hợp kết quả khảo sát thực hiện bởi 36 NHTM, 72% các NHTM (26 ngân hàng) đang dừng lại ở mức độ 1, 25% NHTM (9 ngân hàng) đã có mức độ trưởng thành dữ liệu lớn ở mức độ 2, 3% NHTM (1 ngân hàng) được đánh giá ở mức độ 3, mức độ 4 hiện chưa có NHTM nào đạt được.

     

    Hình 1. Mức độ trưởng thành Big Data tại các ngân hàng thương mại

     

    Việt Nam

     

     

     

    Nguồn: Kết quả khảo sát của Nhóm nghiên cứu

     

    52 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Dựa trên kết quả khảo sát về mức độ trưởng thành, mức độ sẵn sàng triển khai dữ liệu lớn tại các NHTM Việt Nam, nhóm nghiên cứu đưa ra một số nhận định chủ quan về mức độ sẵn sàng sử dụng dữ liệu lớn của các NHTM:

     

    Vấn đề 1. Chưa có chiến lược tổng thể trong thu thập, xử lý, quản trị và sử dụng các nguồn dữ liệu khác nhau; Thiếu những hướng dẫn cụ thể trong việc thực hiện thu thập, xử lý, quản trị và sử dụng các nguồn dữ liệu bán cấu trúc và phi cấu trúc tại các NHTM.

     

    Vấn đề 2. Chưa có một phương pháp tiếp cận phù hợp và toàn diện trong hoạt động điều hành, quản trị để duy trì quan hệ lâu dài với khách hàng; Chưa có giải pháp tổng thể cho việc kết hợp Big Data với bài toán CRM. Vấn đề 3. Các yếu tố pháp lý liên quan đến sở hữu, sử dụng các nguồn dữ liệu ngoài ngân hàng (từ các mạng xã hội, từ các bên thứ 3) chưa rõ ràng. Thiếu các hướng dẫn cụ thể về việc triển khai các hoạt động thuê ngoài dịch vụ, ứng dụng điện toán đám mây, mua bán dữ liệu…

     

    2.2. Thực trạng hoạt động CRM tại các ngân hàng thương mại

     

    Nhóm nghiên cứu sử dụng phương pháp nghiên cứu định tính và dựa trên cây vấn đề trình bày trong Hình 2 để phát triển các bảng hỏi phỏng vấn nhằm đánh giá thực tế hoạt động quản trị mối quan hệ khách hàng (CRM) tại các ngân hàng. Nhóm nghiên cứu đã tiếp cận để phỏng vấn đối với lãnh đạo và nhân viên trực tiếp phụ trách công nghệ CRM của 25 NHTM Việt Nam. Căn cứ vào dữ liệu thu thập từ các cuộc phỏng vấn sâu với các đối tượng lựa chọn, Nhóm nghiên cứu đưa ra nhận định về 6 vấn đề đang tồn tại trong hoạt động CRM như sau:

     

    Vấn đề 1: Nguồn dữ liệu khách hàng chưa đầy đủ

     

    Các NHTM chưa quan tâm thích đáng đến dữ liệu và hành vi khách hàng trên các mạng xã hội. Các nguồn dữ liệu chính vẫn chủ yếu dựa trên các dữ liệu nội bộ, có cấu trúc từ các giao dịch của khách hàng. Một số ngân hàng đã bắt đầu thu thập dữ liệu hành vi người dùng trên mạng xã hội nhưng đang dừng ở mức độ xử lý khủng hoảng truyền thông, cải thiện và nâng cao hoạt động chăm sóc khách hàng.

     

    Hình 2.

     

    Cây vấn đề về CRM tại các Ngân hàng thương mại Việt Nam

     

    Thực trạng quản trị quan hệ khách hàng

     

    tại các NHTM Việt Nam

     

                                 
                                 
           

    Dữ liệu

    		    

    Hoạt động quản trị

    		    
           

    khách hàng

    		    

    quan hệ khách hàng

    		    
                                 
                                 
           

    Nguồn dữ liệu

    		      

    Quy trình hoạt động

    		  
                 

    quản trị khách hàng

    		  
                         
                             
           

    Tổ chức lưu trữ dữ liệu

    		      

    Hệ thống phần mềm

    		  
                   
                               
                             
           

    Khai thác dữ liệu

    		        

    Kênh tương tác

    		  
                     
                                 
                 

    Nguồn: Đề xuất của Nhóm nghiên cứu

    Tạp chí Khoa học & Đào tạo Ngân hàng

    		        

    Số 203- Tháng 4. 2019 53

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Vấn đề 2: Chưa có phương pháp đảm bảo tính nhất quán dữ liệu thông qua việc triển khai hệ thống Quản trị Dữ liệu chủ (Master Data Management-MDM)

     

    Các ngân hàng mặc dù bắt đầu ý thức đến việc đảm bảo chất lượng của một số dữ liệu quan trọng như khách hàng, sản phẩm, dịch vụ, kênh bán hàng… Tuy nhiên, trong số các NHTM được phỏng vấn, chỉ có 20% bắt đầu chú ý và quan tâm đến “Master Data – Dữ liệu chủ” và cũng mới chỉ có 10% có kế hoạch xây dựng giải pháp MDM.

     

    Vấn đề 3: Thiếu công cụ, cách thức tổ chức để xây dựng hình ảnh 3600 khách hàng

     

    Phần lớn các ngân hàng đang thiếu phương pháp tổ chức và công cụ để xây dựng được hồ sơ 3600 về khách hàng.

     

    Vấn đề 4: Các phân hệ CRM đang triển khai tại ngân hàng còn thiếu phân hệ “Phân tích dữ liệu” (Data Analytics)

     

    Một số ngân hàng đã và đang triển khai CRM, tuy nhiên có đến 80% các ngân hàng chưa triển khai được các phân hệ liên quan đến phân tích dữ liệu (Data Analytics) để tiếp cận khách hàng, tư vấn bán chéo cho khách hàng mua sản phẩm.

     

    Vấn đề 5: Chưa có quy trình chuẩn cho việc tích hợp dữ liệu giữa CRM và các hệ thống khác trong ngân hàng

     

    Với các ngân hàng đã triển khai hệ thống CRM (có thể đầy đủ các phân hệ hoặc chưa đầy đủ) thì vẫn thiếu quy trình chuẩn cho việc tích hợp với các phân hệ nghiệp vụ và hệ thống Core banking nhằm thu thập, lưu trữ đến quản trị dữ liệu khách hàng.

     

    Vấn đề 6: Cách thức lưu trữ tổ chức dữ liệu chưa đáp ứng cho việc kinh doanh đặc biệt là hoạt động marketing

     

    20% các ngân hàng đã xây dựng kho dữ liệu, số còn lại thì vẫn đang lưu trữ dữ liệu trong hệ thống Core, do đó khả năng truy xuất của các nghiệp vụ làm marketing rất hạn chế, thậm chí là không truy cập được. 80% các câu trả lời xác nhận việc chưa có dữ liệu phục vụ riêng cho nghiệp vụ kinh doanh, đặc biệt là nghiệp

     

    vụ marketing. Bên cạnh đó, đại đa số các ngân hàng đã có quy định cho việc phân khúc, phân hạng khách hàng doanh nghiệp. Các quy định này về cơ bản đáp ứng đủ cho việc thiết kế sản phẩm và xây dựng chính sách giá cho từng loại hình doanh nghiệp. Tuy nhiên, 60% các ngân hàng được phỏng vấn chưa có quy định chính thức về việc phân khúc khách hàng bán lẻ. Điều này gây nhiều khó khăn cho hoạt động marketing đối với khách hàng cá nhân.

     

    Kết hợp kết quả khảo sát về mức độ trưởng thành dữ liệu lớn và hoạt động quản trị quan hệ khách hàng tại các NHTM, Nhóm nghiên cứu nhận định một số bài toán cần giải quyết để có thể ứng dụng, phát huy hiệu quả của Big Data cho hoạt động quản trị quan hệ khách hàng tại các NHTM.

     

    Bài toán 1: Cần có một kiến trúc tổng thể cho việc ứng dụng Big Data vào hoạt động CRM tại các NHTM

     

    Kiến trúc tổng thể cần thể hiện được phương pháp nào để thu thập và tích hợp các nguồn dữ liệu bên ngoài vào mối quan hệ giữa các hệ thống thông tin ngân hàng, đầu vào và đầu ra của mỗi hệ thống thông tin. Đặc biệt cần làm rõ mối quan hệ giữa các hệ thống CRM truyền thống của các ngân hàng với Big Data. Bài toán này sẽ giải quyết được các vấn đề 1, 5 và 6 đối với hoạt động quản trị hoạt động quan hệ khách hàng.

     

    Bài toán 2: Cần có các phương pháp, kỹ thuật cho việc thu thập và xử lý dữ liệu

     

    Để có được các chính sách khách hàng phù hợp, ngân hàng cần có được hồ sơ đầy đủ 360o về khách hàng. Muốn vậy ngoài dữ liệu về các giao dịch của khách hàng, cần có các dữ liệu tương tác, hành vi và cảm xúc của khách hàng để có thể kịp thời đáp ứng đúng yêu cầu của khách hàng vào đúng thời điểm. Do vậy cần có các kỹ thuật và phương pháp:

     

    Thu thập dữ liệu không cấu trúc và bán cấu trúc từ các nguồn dữ liệu bên ngoài ngân hàng.

     

    Cần có một nền tảng dữ liệu khách hàng thống nhất tích hợp và lưu trữ các dữ liệu bên trong và bên ngoài nhằm cung cấp một hồ sơ khách hàng 360o.

     

    Bài toán này nhằm giải quyết các vấn đề 2, 3 và là cơ sở giải quyết vấn đề số 4.

     

    54 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Bài toán 3: Cần có một khung pháp lý đầy đủ cho việc sở hữu, sử dụng các nguồn dữ liệu ngoài ngân hàng (từ các mạng xã hội, từ các bên thứ 3)

     

    Trên thực tế, các bài toán công nghệ không đủ để có thể giải quyết được những tồn tại trong thực tế hoạt động kinh doanh ngân hàng. Ở Việt Nam, yếu tố pháp lý liên quan đến sở hữu, sử dụng các nguồn dữ liệu ngoài ngân hàng (từ mạng xã hội, từ bên thứ 3) chưa rõ ràng. Và do thiếu các hướng dẫn cụ thể từ các cơ quan Nhà nước nên mỗi ngân hàng phải chủ động bỏ nguồn lực đi tìm các nguồn dữ liệu khác nhau (Telco, mạng di động, mạng xã hội,…) để đưa vào phân tích, chắt lọc các thông tin mong muốn phục vụ hoạt động nghiệp vụ; hay các giải pháp của nước ngoài rất tốt nhưng không thể triển khai tại Việt Nam do những vướng mắc liên quan đến địa điểm đặt dữ liệu/xử lý trên nền tảng điện toán đám mây…

     

    3. Đề xuất giải pháp ứng dụng Big Data trong hoạt động CRM tại các ngân hàng thương mại Việt Nam

     

    CRM được coi như một công cụ được sử dụng để quản lý liên hệ, bán hàng, sản phẩm, marketing, chăm sóc khách hàng và được kỳ vọng sẽ giúp các ngân hàng cải thiện quan hệ với khách hàng. Khi triển khai CRM, các ngân hàng thường chú trọng vào các nhân tố quy trình, chính sách, nhân lực, chiến lược và công nghệ. Tuy nhiên, nền tảng cho tất cả các nhân tố trên vẫn phải là một hệ thống dữ liệu đầy đủ, có chất lượng và có khả năng truy xuất khi cần. Đối với các hệ thống CRM, các nguồn dữ liệu phải đặt khách hàng ở vị trí trung tâm. Dữ liệu khách hàng phải bao gồm đầy đủ tất cả dữ liệu, từ các dữ liệu có cấu trúc và các dữ liệu không có cấu trúc từ nhiều nguồn khác nhau. CRM tỷ lệ thuận với 3V trong Big Data: độ lớn, tốc độ truy cập và sự đa dạng của dữ liệu. Để có được một cái nhìn đơn giản và chính xác về khách hàng, dữ liệu cần được thống nhất trên tất cả các nguồn và phải là dữ liệu sạch. Như vậy bức tranh toàn cảnh cho việc ứng dụng Big Data trong CRM là cần phải có một phương pháp luận rõ ràng, cách tiếp cận phù hợp và công

     

    cụ thích hợp để có thể tập hợp các nguồn dữ liệu lớn, đa dạng, và có khả năng truy cập kịp thời vào một nguồn thống nhất tại ngân hàng. Để thực hiện điều này, các ngân hàng cần phải có: (i) Một mô hình quản lý, khai thác dữ liệu thống nhất toàn ngân hàng, cũng như có (ii) phương pháp và công cụ để thu thập, xử lý dữ liệu về khách hàng từ nhiều nguồn khác nhau: dữ liệu nội bộ (hệ thống tác nghiệp, kho dữ liệu), từ các nhà cung cấp dữ liệu (bên thứ 3), các dữ liệu về hành vi của khách hàng, mạng xã hội (dữ liệu lớn)… và (iii) một kiến trúc hệ thống tổng thể của CRM cho phép kết hợp được các mô hình, phương pháp, kỹ thuật, công cụ ở trên.

     

    3.1. Phương pháp luận “lấy khách hàng là trung tâm” trong trong các hoạt động ngân hàng

     

    Cách tiếp cận “lấy khách hàng làm trung tâm” không hoàn toàn mới, nhưng ngày càng trở nên quan trọng trong thời đại ngày nay, khi các ngân hàng đang thực hiện chuyển đổi số, tạo văn hóa khách hàng là trung tâm và quản lý trải nghiệm khách hàng. Lấy khách hàng làm trung tâm cần phải trở thành một tư duy trong toàn ngân hàng với tất cả các bộ phận liên quan, bởi vì tất cả các bộ phận cần phải làm việc theo quan điểm lấy khách hàng làm trung tâm (thay vì quan điểm lấy sản phẩm làm trung tâm) để đạt lợi nhuận từ những khách hàng có giá trị nhất. Nhưng để thực hiện cách tiếp cận “lấy khách hàng làm trung tâm”, không chỉ đơn giản cứ đặt khẩu hiệu “đặt khách hàng lên hàng đầu” là đủ. Các ngân hàng thực sự lấy “khách hàng làm trung tâm” cần biết đâu là khách hàng có giá trị nhất của họ và đảm bảo sự hài lòng của những khách hàng này. Ngân hàng cũng cần biết từng mong muốn và kỳ vọng của từng phân khúc khách hàng để quyết định làm những gì phù hợp với mong muốn của họ. Ngay đối với những khách hàng chưa hài lòng, ngân hàng cũng cần biết chính xác những dịch vụ nào chưa tốt để và cần phải thay đổi. Và để có thể làm được tất cả những điều này, ngân hàng bắt buộc phải có phương pháp thu thập, lưu trữ và xử lý dữ liệu khách hàng từ nhiều nguồn, nhiều

     

     

    Tạp chí Khoa học & Đào tạo Ngân hàng                                                               Số 203- Tháng 4. 2019 55

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Hình 3: Mô hình kiến trúc tổng thể ứng dụng Big Data cho CRM trong ngân hàng

     

     

     

     

    kênh, nhiều thời điểm để hướng tới mục tiêu hiểu được từng khách hàng, có cơ sở để phân chia những phân khúc khách hàng chính xác nhất. Dựa trên các thông tin khách hàng, ngân hàng sẽ phải cung cấp những trải nghiệm thông qua các dịch vụ và ứng dụng phù hợp, tiếp tục thu thập dữ liệu từ những trải nghiệm của khách hàng và các hoạt động này được thực hiện theo những chu kỳ nhằm tạo ra được hồ sơ khách hàng một cách đầy đủ và cập nhật.

     

    Các ngân hàng lấy khách hàng làm trung tâm không quá tập trung vào khách hàng trung bình, không cố gắng để có được hoặc giữ chân khách hàng chất lượng thấp hoặc chi tiêu quá ít để tập trung vào khách hàng chất lượng cao. Thay vào đó, các ngân hàng lấy khách hàng làm trung tâm có các đặc điểm sau:

     

    Sử dụng dữ liệu khách hàng từ cả nguồn bên trong và bên ngoài để xây dựng hồ sơ 360o cho từng khách hàng, cần thực hiện phân tích để nhận biết khách hàng trên tất cả các kênh giao tiếp, hiểu rõ từng khách hàng và tiến hành phân khúc dựa trên giá trị trọn đời của khách hàng. Dựa trên hồ sơ 360o để xác định những khách hàng giá trị nhất. Khách hàng giá trị có thể đến từ những khách hàng ít hoặc thậm chí chưa sử

     

     

     

    Nguồn: Đề xuất của Nhóm nghiên cứu

     

    dụng dịch vụ tại ngân hàng. Do vậy, đừng chỉ phụ thuộc vào lịch sử giao dịch tại ngân hàng mình để quyết định danh sách những khách hàng giá trị nhất.

     

    Tập trung vào các sản phẩm và dịch vụ cho các khách hàng giá trị nhất. Ngân hàng cần xác định không có ngân hàng nào là tốt nhất cho tất cả mọi người. Do vậy đừng cố đáp ứng được nhu cầu sản phẩm và dịch vụ cho tất cả mọi người mà cần thiết kế quy trình sản phẩm và chính sách dịch vụ theo quan điểm của khách hàng.

     

    Ngân hàng cần thiết kế một dịch vụ tổng thể với khách hàng, có cam kết về sự thành công của khách hàng, tương tác với khách hàng ngay từ đầu, thể hiện cam kết của khách hàng từ cấp cao nhất trở xuống, có công cụ để đo lường những gì quan trọng với khách hàng và đối với nhân viên cần nuôi dưỡng văn hóa lấy khách hàng làm trung tâm trong toàn ngân hàng. Tóm lại, có thể khẳng định việc xây dựng một ngân hàng lấy khách hàng làm trung tâm nói riêng là lựa chọn tốt hơn việc lấy sản phẩm/ dịch vụ làm trung tâm. Mấu chốt của cách tiếp cận này là hệ thống CRM của ngân hàng cần phải có đủ dữ liệu để hiểu rõ khách hàng của

     

    56 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Hình 4. Kiến trúc MDM

     

     

     

     

    mình (KYC) hay nói cách khác là cung cấp được cái nhìn đầy đủ, toàn diện về khách hàng (360o khách hàng) cho các bộ phận phân tích và hoạt động nghiệp vụ khác của ngân hàng.

     

    3.2. Mô hình kiến trúc tổng thể giải pháp ứng dụng Big Data cho CRM trong ngân hàng

     

    Cần lưu ý rằng không phải cứ có nguồn dữ liệu lớn là cần dự án Big Data. Để xây dựng lên một hệ thống Big Data, ngân hàng cần phải xác định nhiều vấn đề: nguồn dữ liệu, chuẩn định dạng, các kỹ thuật khai phá và phân tích, việc sử dụng kết quả… Tuy nhiên, vấn đề đầu tiên cần giải quyết là hệ thống sẽ thu thập dữ liệu như thế nào? Ở một khía cạnh khác, với cách tiếp cận lấy khách hàng làm trung tâm, các ngân hàng phải thực sự hiểu khách hàng của mình và biết tất cả các khía cạnh về họ- hành vi, cảm xúc, thói quen, sở thích. Các ngân hàng phải có đầy đủ dữ liệu, không chỉ các dữ liệu định danh, có cấu trúc mà còn cả các dữ liệu về hành vi, cảm xúc để có thể tiếp cận đúng khách hàng, qua đúng kênh, đúng nội dung, đúng thời điểm để cải thiện trải nghiệm của khách hàng, nâng cao lòng trung thành thương hiệu và tăng giá trị khách hàng. Lý thuyết khách hàng làm trung tâm nghe có vẻ đơn giản, nhưng cũng rất khó để

     

     

     

    Nguồn: Dan Wolfson, 2014

     

    hình dung. Và trong trường hợp này, một kiến trúc tổng thể biểu diễn ngữ cảnh là cần thiết để xác định các mối quan hệ giữa các giải pháp công nghệ MDM, CDP, DMP và CRM. Trong đó CDP- nền tảng dữ liệu khách hàng đóng vai trò trung tâm của kiến trúc.

     

    Kiến trúc tổng thể được đề xuất là mô hình tham chiếu cho việc triển khai các dự án Big Data dành các hoạt động kinh doanh, tiếp thị dựa trên dữ liệu khách hàng. Kiến trúc tổng thể được chia thành 4 khối, tương tác với nhau thông qua các web services. Các ngân hàng lựa chọn việc triển khai khi cần một kho lưu trữ dữ liệu 360° hoạt động nhằm quản lý và phục vụ một số lượng đáng kể các thuộc tính căn cứ trên nhiều dữ liệu chi tiết của khách hàng trong các trường hợp:

     

    Xử lý khối lượng công việc tương tác lớn (ví dụ> 200 truy vấn/giây) trong khi vẫn phải thường xuyên cập nhật hồ sơ dựa trên các tương tác thường xuyên với từng khách hàng.

     

    Khi ngân hàng có các tập dữ liệu lớn dùng chung trong toàn hệ thống (100 nghìn đến hàng triệu khách hàng và có mỗi khách hàng có trung bình 10-20 tương tác hàng tuần).

     

    Khi ngân hàng muốn triển khai các mô hình tính điểm theo thời gian thực để phản ánh chính xác hiện trạng theo thời gian thực của khách

     

    Tạp chí Khoa học & Đào tạo Ngân hàng                                                               Số 203- Tháng 4. 2019 57

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    hàng.

     

    3.2.1. Quản lý dữ liệu chủ (MDM)

     

    Hệ thống MDM sẽ cung cấp công cụ và quy trình quản lý dữ liệu chủ, cho phép ngân hàng đạt được mục tiêu hoạt động chính như: Dữ liệu chủ không chỉ nhất quán mà còn chính xác đảm bảo rằng mỗi bộ phận sử dụng cùng một tên gọi thống nhất về khách hàng hoặc cùng một mô tả về sản phẩm. Dữ liệu chủ được điều chỉnh để được cập nhật hoặc thay đổi theo chính sách kinh doanh và có sẵn, đồng nhất ở bất cứ bộ phận phòng ban nào cần đến dữ liệu đó. Ngoài việc quản lý dữ liệu từ các miền: khách hàng, sản phẩm, các đại lý…, MDM còn quản lý thông tin về mối quan hệ giữa các miền này. Hệ thống MDM sử dụng một tập các dịch vụ, các thành phần và kho lưu trữ để nhận dữ liệu chủ từ các hệ thống khác nhau và sau đó chuẩn hóa dữ liệu để cung cấp dữ liệu nhất quán cho các ứng dụng. Một số thành phần của MDM bao gồm (Dan Wolfson, 2014):

     

    Giao diện dịch vụ (Interface Service): Sử dụng các giao thức và giao diện lập trình để truy vấn và cập nhật vào hệ thống MDM như: các dịch vụ web, các RESTful, các giao diện nhắn tin, các quy trình xử lý hàng loạt, cũng như các giao thức tùy chỉnh để cho phép truy cập nhất quán vào MDM.

     

    Các dịch vụ quản lý vòng đời (Lifecycle Management Services): Dịch vụ quản lý vòng đời kiểm soát cách thức dữ liệu chủ được phát triển theo thời gian. Cụ thể thông qua các dịch vụ này các đối tượng dữ liệu chủ được tạo ra, được hợp nhất, được cập nhật, được xác nhận tính đúng đắn, được phân phối, được tạo ra các phiên bản và được huỷ bỏ.

     

    Quản lý các mối quan hệ và phân cấp (Hierarchy and Relationship Management): Các dịch vụ phân cấp và mối quan hệ được sử dụng để tổ chức dữ liệu chủ trong các mối quan hệ khác nhau. Chẳng hạn, nhân viên thuộc về các phòng ban, các phòng ban thuộc về các tổ chức… Đó là một hệ thống phân cấp điển hình. Các loại mối quan hệ khác có thể được phân lớp trên dữ liệu chủ: ví dụ mô tả ở trên cho thấy ông An là chồng của bà Mai. Tất cả điều này được quản lý thông qua Dịch vụ phân cấp và

     

    mối quan hệ.

     

    Các dịch vụ quản lý sự kiện (Event Management Services): Dịch vụ quản lý sự kiện cho phép hệ thống MDM và người dùng nhận thông tin về những thay đổi trong dữ liệu chủ và cập nhật theo thông tin đó. Hệ thống có thể đăng ký cập nhật dữ liệu cá nhân (một người cụ thể), các kiểu dữ liệu (người, sản phẩm, tài khoản…) và nhận thông báo khi các mục đó được cập nhật. Điều này thường được sử dụng cho các sự kiện quản trị (như hạn chế thay đổi tài khoản hoặc các báo cáo cho một đối tượng bị trùng lặp) hoặc các sự kiện dựa trên một số quy tắc kinh doanh hoặc hoạt động khác và cho phép người nhận thực thi chính sách hoặc thông báo cho người quản trị dữ liệu.

     

    Các dịch vụ uỷ quyền (Authoring Services): Dịch vụ uỷ quyền là một trong các dịch vụ của “Dịch vụ quản lý vòng đời” được sử dụng bởi một hệ cộng tác tạo ra dữ liệu chủ, chẳng hạn hệ thống cho phép tạo ra các dữ liệu chủ về sản phẩm và các phân cấp của nó.

     

    Các dịch vụ quản lý chất lượng (Data Quality Management Services): Dịch vụ quản lý chất lượng là những dịch vụ được sử dụng để chuẩn hoá (ví dụ viết “Phố Chùa Bộc” thay vì viết “Chùa Bộc”), định dạng, hợp nhất dữ liệu chủ và những quy định phải có những thuộc tính quan trọng. Ví dụ tất cả các khách hàng phải khai báo “Họ” khi khai báo “Tên” của mình. Vũ Văn An và An Vũ Văn đều là một khách hàng với hai cách gọi tên khác nhau, dịch vụ này sẽ cho phép tích hợp hai thông tin này vào một bản ghi duy nhất trong MDM với một cách gọi duy nhất và chính xác nhất.

     

    Các dịch vụ cơ bản (Base Services): Các dịch vụ cơ bản bao gồm bảo mật, quyền riêng tư, lưu trữ và truy xuất dữ liệu, quy tắc kinh doanh và các dịch vụ khác mà MDM sử dụng để cung cấp dữ liệu chủ nhất quán, an toàn.

     

    3.2.2. Nền tảng dữ liệu khách hàng CDP

     

    Để quản lý được “dữ liệu chủ về khách hàng” cần thu thập được tất cả các nguồn dữ liệu liên quan đến khách hàng vào MDM. Để thực hiện nhiệm vụ đó cần đến “nền tảng quản lý dữ liệu khách hàng” CDP (Customer Data Platform). CDP cho phép tạo ra cơ sở dữ liệu về khách

     

    58 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Hình 5. Kiến trúc CDP

     

     

     

     

    hàng, bao gồm dữ liệu về lịch sử giao dịch và dữ liệu hành vi của khách hàng. Với cách thức này CDP cho phép hình thành một cái nhìn toàn diện về khách hàng, để hiểu rõ hơn và đáp ứng nhu cầu của khách hàng theo thời gian thực. CDP là nền tảng cho phép thu thập dữ liệu khách hàng từ các nguồn bên trong và bên ngoài của tổ chức, dữ liệu có cấu trúc, bán cấu trúc, dữ liệu phi cấu trúc, dữ liệu trực tuyến. Cụ thể được lấy từ cơ sở dữ liệu trong các phân hệ nghiệp vụ của các hệ thống, CRM, các hành vi, các giao dịch trên website liên quan đến thương mại điện tử, trên các ứng dụng hoặc hệ thống giao dịch, các điểm bán hàng … Sau khi tích hợp các nguồn dữ liệu này vào “một nền tảng” (platform) hay “một cơ sở dữ liệu duy nhất” (a single database) với một “thông tin định danh khách hàng” (personally identifiable information), ngân hàng có thể sử dụng thông tin đó để lên kế hoạch quảng cáo, khuyến mãi, gửi tin nhắn và tùy chỉnh email gửi tới khách hàng. CDP cũng có thể được sử dụng để tuỳ chỉnh nội dung tương tác với khách hàng trên web khi khách hàng đăng nhập vào website.

     

    3.2.3. Nền tảng quản lý dữ liệu DMP

     

    DMP (Data Management Platform) là một nền tảng thu thập dữ liệu từ nhiều nguồn khác nhau

     

     

     

    Nguồn: Garry Lee, 2018

     

    cho phép lưu trữ, xử lý, phân tích, phân loại dữ liệu để hỗ trợ các nhà tiếp thị và quảng cáo có thể hướng tới các nhóm khách hàng mục tiêu.

     

    DMP không chỉ theo dõi các đối tượng, khách hàng đã đăng ký thông tin của họ trên các “phương tiện truyền thông và quảng cáo kỹ thuật số” (thư điện tử quảng cáo, quảng cáo trả cho mỗi lần nhấp, tối ưu hóa công cụ tìm kiếm, quảng cáo hiển thị, tiếp thị truyền thông xã hội, tiếp thị nội dung, tiếp thị liên kết…) mà còn theo dõi cả các khách hàng chưa đăng ký. Chính vì vậy DMP có thể tạo ra bộ hồ sơ người dùng lớn hơn CRM. Cụ thể DMP thu thập khách hàng “chưa đăng ký” hay còn gọi là “khách hàng ẩn danh” qua các “thẻ ẩn danh” như địa chỉ IP2, thiết bị và cookie3. DMP gắn thẻ các website để theo dõi thông tin về người dùng đã truy cập vào website đó và thời gian họ truy cập là bao nhiêu lâu. Sau đó DMP cho phép phân nhóm khách hàng dựa vào các đặc điểm hành vi của họ (A.Cross, 2018).

     

    Mối quan hệ giữa CDP – DMP và CRM

     

    2 Địa chỉ IP (IP là viết tắt của từ tiếng Anh: Internet Protocol- giao thức Internet) là một địa chỉ mà những thiết bị điện tử hiện nay đang sử dụng để nhận diện và liên lạc với nhau trên mạng máy tính bằng cách sử dụng giao thức Internet.

     

    • Cookie là một dạng bản ghi được tạo ra và lưu lại trên trình duyệt khi người dùng truy cập một website.

    Tạp chí Khoa học & Đào tạo Ngân hàng                                                               Số 203- Tháng 4. 2019 59

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Hình 6: Quá trình phát triển CRM, DMP, CDP

     

     

     

    Khi CDP thu thập và tích hợp dữ liệu từ DMP, CRM,… đã tạo ra một hồ sơ khách hàng liên tục và cung cấp cái nhìn toàn diện 3600 khách hàng. Mục đích của CDP là tập hợp tất cả dữ liệu khách hàng và gắn dữ liệu lại với nhau thành hồ sơ khách hàng thống nhất. Vì vậy, bộ phận tiếp thị có thể dễ dàng làm việc với hệ thống này. Có thể hình dung sự phát triển của CRM, DMP, CDP qua hình vẽ dưới đây:

     

    4. Minh họa và kết luận

     

    4.1. Minh họa

     

    Để minh hoạ rõ nét về cách thức thu thập sử dụng phương pháp DMP và lưu trữ dữ liệu của nền tảng dữ liệu khách hàng CDP, Nhóm nghiên cứu đã phối hợp với Công ty Mobio (http://mobio.vn) triển khai hoạt động mô phỏng lấy dữ liệu khách hàng từ các kênh khác nhau và kết hợp với dữ liệu của khách hàng đã được lưu trữ trong CRM để tạo ra “cơ sở dữ liệu tổng thể về khách hàng”. Giải pháp CDP trên thực tế được thể hiện ở mô hình vật lý dưới đây (Hình 7).

     

    Mô hình CDP ở đây không chỉ lấy dữ liệu trong (Inside) các phân hệ nghiệp vụ và hệ thống Core của ngân hàng mà còn thu thập từ bên thứ 3 (Outside) như: Telco, các website thương mại điện tử…

     

    Sau khi thu thập dữ liệu từ bên thứ 3 và các chiến dịch marketing thì dữ liệu sẽ được đổ về Cassandra, đây là cơ sở dữ liệu lưu trữ các sự kiện, mọi tương tác và dữ liệu phi cấu trúc. Dữ

     

     

    Nguồn: Safa, 2018

     

    liệu ở cơ sở dữ liệu Cassandra sẽ được tổng hợp phân tích thành dữ liệu có ý nghĩa được đưa về MongoDB, nơi lưu trữ Profiles, dữ liệu chắt lọc và có ý nghĩa trong việc phân tích dữ liệu. Còn các dữ liệu báo cáo, phục vụ nhanh truy vấn cho các lãnh đạo của ngân hàng sẽ được ghi lại trong My SQL.

     

    Các khách hàng sau khi được chấm điểm sẽ được phân loại và gửi thông tin sang hệ thống CRM để chăm sóc khách hàng. Kết quả của quá trình này sẽ được gửi ngược lại cho DMP để làm báo cáo, chạy tiếp thị lại (remarketing) và tinh chỉnh lại mô hình. Các báo cáo sẽ được tự động lưu trữ vào cơ sở dữ liệu MySQL, phục vụ báo cáo theo từng nghiệp vụ của ngân hàng. Như vậy với mô hình CDP như triển khai ở trên sẽ hợp nhất hồ sơ khách hàng thành một cơ sở dữ liệu khách hàng duy nhất. CDP có tính linh hoạt khi thu thập dữ liệu mức độ sự kiện thô mà không cần xác định trước các trường. Điều này cho phép truy vấn dữ liệu đã xác định trước. Thực nghiệm đã khằng định CDP là một hệ thống cho phép tạo ra cơ sở dữ liệu khách hàng bền vững và thống nhất. Hệ thống này có thể tiếp nhận dữ liệu từ các nguồn dữ liệu khác nhau và cung cấp quyền truy cập tới các hệ thống khác trong khi vẫn là trung tâm tiếp thị (marketer-centric).

     

    4.2. Kết luận

     

    CRM là hệ thống thông tin đóng vai trò quyết định trong hoạt động quản trị mối quan hệ khách hàng đối với các NHTM. Để có thể phát

     

    60 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    Hình 7: Mô hình thu thập và lưu trữ dữ liệu của CDP

     

     

     

     

     

     

     

     

    huy được vai trò CRM, các dữ liệu cần được tổ chức theo định hướng khách hàng với các nguồn dữ liệu được tích hợp, phân tích, tổ chức và lưu trữ từ nhiều nguồn dữ liệu khác nhau

     

     

     

     

     

     

     

    Nguồn: Mobio, 2019

     

    từ bên trong và bên ngoài ngân hàng. Các dữ liệu bên trong thường là những dữ liệu có cấu trúc đến từ các hệ thống Core-banking và các phân hệ nghiệp vụ khác. Các dữ liệu bên ngoài

     

    Tạp chí Khoa học & Đào tạo Ngân hàng                                                               Số 203- Tháng 4. 2019 61

     

    QUẢN TRỊ NGÂN HÀNG & DOANH NGHIỆP

     

    thường là các dữ liệu bán cấu trúc hoặc phi cấu trúc đến từ các mạng xã hội, các thiết bị IoT, mạng viễn thông hoặc các nhà cung cấp dịch vụ. Để tích hợp và tổ chức lại được các nguồn dữ liệu này, các ngân hàng cần có: (1) một phương pháp luận phù hợp với việc quản trị dữ liệu khách hàng; (2) một kiến trúc tổng thể cho hệ thống thông tin có khả năng tích hợp

     

    Tài liệu tham khảo

     

    với Big Data; và (3) các công cụ, phương pháp cách thức tổ chức để xây dựng hồ sơ 360o khách hàng. Tuy nhiên, để có thể ứng dụng Big Data vào CRM, cần phải các hướng dẫn cụ thể trong hoạt động triển khai trên nền tảng điện toán đám mây, và đặc biệt, cần hoàn thiện các khung pháp lý trong việc đảm bảo an toàn dữ liệu và tính riêng tư dữ liệu khách hàng ■

     

    1. Cross, 2018, “CDP vs. DMP: What’s the Difference?”, NGDATA.

     

    1. Dan Wolfson, Scott Schumacher, Ivan Milman, Eberhard Hechler, Martin Oberhofer, 2014, “Beyond Big Data: Using Social MDM to Drive Deep Customer Insight, IBM Press”.
    2. Garry Lee, 2018, “Why a Customer Data Platform (CDP) Will Be the Next Evolution of Your Marketing Automation”, truy cập từ: https://www.emailvendorselection.com/customer-data-platform-cdp-evolution-marketing-automation
    3. Hortonworks, 2019, “Data Strategy Scorecard Survey”

     

    1. Mobio, 2019, “Mô hình thu thập và lưu trữ dữ liệu của CDP”

     

    1. Market Research Future, 2019, “CRM Software Market Research Report – Global Forecast to 2023”, MRFR/ICT/3512-

     

    HCRR

     

    1. Safa, 2018, “The evolution of customer data management: DMP vs. CDP”, TREASURE DATA

    Thông tin tác giả

     

    Phan Thanh Đức, Tiến sĩ

     

    Email: [email protected]

     

    Chu Thị Hồng Hải, Tiến sĩ

     

    Email: [email protected]

     

    Đinh Trọng Hiếu, Tiến sĩ

     

    Email: [email protected]

     

    Chu Văn Huy, Thạc sĩ

     

    Email: [email protected]

     

    Ngô Thùy Linh, Thạc sĩ

     

    Email: [email protected]

     

    Khoa Hệ thống thông tin quản lý, Học viện Ngân hàng

     

    Summary

     

    Application of big data in customer relationship management for Vienamese Commercial Banks

     

    “Data is the new oil” and big data is expected as a huge resource for business. But how to take advantage of big data is still an problem for many Vietnamese commercial banks today. In this article, we consider the application of Big Data in customer relationship management (CRM) activities. We propose an architectural model of “Big Data – CRM” system in using a combination of MDM, CDP and DMP to integrate the unstructured data from multi chanels like social networks, mobile applications, webs… with structured data in banking information systems.

     

    Keywords: Big data, Customer relationship management (CRM), Master Data Management (MDM), Customer Data Platform (CDP), Data Management Platform (DMP)

     

    Duc Thanh Phan, PhD.

     

    Hai Thi Hong Chu, PhD.

     

    Hieu Trong Dinh, PhD.

     

    Huy Van Chu, MEc.

     

    Linh Thuy Ngo, MEc.

     

    Organization of all: Banking Academy of Vietnam

     

    62 Số 203- Tháng 4. 2019                                                                                         Tạp chí Khoa học & Đào tạo Ngân hàng

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Báo cáo bài tập lớn Tự động hóa nhà máy nhiệt điện Tìm hiểu về máy phát trong nhà máy nhiệt điện

    Báo cáo bài tập lớn Tự động hóa nhà máy nhiệt điện Tìm hiểu về máy phát trong nhà máy nhiệt điện

    Báo cáo bài tập lớn Tự động hóa nhà máy nhiệt điện Tìm hiểu về máy phát trong nhà máy nhiệt điện

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Bài tập lớn môn Cơ sở truyền động điện

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%A1o-c%C3%A1o-b%C3%A0i-t%E1%BA%ADp-l%E1%BB%9Bn-T%E1%BB%B1-%C4%91%E1%BB%99ng-h%C3%B3a-nh%C3%A0-m%C3%A1y-nhi%E1%BB%87t-%C4%91i%E1%BB%87n-T%C3%ACm-hi%E1%BB%83u-v%E1%BB%81-m%C3%A1y-ph%C3%A1t-trong-nh%C3%A0-m%C3%A1y-nhi%E1%BB%87t-%C4%91i%E1%BB%87n.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Báo cáo bài tập lớn Tự động hóa nhà máy nhiệt điện Tìm hiểu về máy phát trong nhà máy nhiệt điện

    CHƯƠNG 1: CẤU TẠO, CHỨC NĂNG CỦA THIẾT BỊ, NGUYÊN LÝ HOẠT ĐỘNG CỦA QUÁ TRÌNH

    1.1. Tổng quan nhà máy nhiệt điện

    Hình 1: Sơ đồ công nghệ nhà máy nhiệt điện

    Phân xưởng điện thường được chia thành 2 hệ thống: hệ thống phân phối điện lưới 220kV, 110kV, 10.5kV, 0.4kV… và hệ thống điện tự dùng. Các thiết bị: máy biến thế, máy cắt AT, dao cách li, biến áp đo lường, hệ thống đồng hồ ghi công suất điện, tần số dòng điện, các hệ thống bảo vệ tự động…

    a. Phụ tải địa phương, , ,  =0,87

    b. Phụ tải trung áp , ,  =0,86

    c. Phụ tải cao áp, , ,  =0,9

    d. Phụ tải tự dùng, , ,  =0,83
     

    Hình 2: Một số đồ thị phụ tải cho nhà máy nhiệt điện

    Sự cố rã lưới là một trong những sự cố lớn nhất nhà máy điện kể khi xây dựng nhà máy. Sự cố rã lưới là hiện tượng công suất điện phát ra lớn hơn so với công suất định mức, lúc này tần số f giảm dưới mức cho phép, máy cắt sẽ tự động cắt khỏi hệ thống.

    Nguyên nhân dẫn đến sự cố rã lưới có rất nhiều sự cố, thường là sự cố trên dường dây 500 kV.

    Khi sự cố sảy ra, tất cả nhà máy điện tự động cắt khỏi hệ thống bởi van bảo vệ, điện tự dùng mất, toàn bộ các hệ thống bơm, quạt, nghiền than cũng dừng lại… hơi được xả qua các đường xả sự cố về bình ngưng. Sau khi sự cố xảy ra, việc khởi động lại mỗi tổ máy và hoà lưới điện mất khoảng vài giờ đồng hồ.

    Để khắc phụ sự cố rã điện, ta phải quan tâm đến đồ thị phụ tải để từ đó thiết kế hệ thống máy phát đảm bảo độ tin cậy vận hành tốt.

    1.2. Cấu tạo, chức năng các bộ phận máy phát

    – Bộ truyền động: truyền cơ năng dưới dạng momen từ trục quay turbin hơi sang trục quay máy phát

    – Bộ phận sơ cấp: nhiệm vụ là chỉnh lưu điện áp xoay chiều thành 1 chiều và cấp điện một chiều vào cuộn dây rotor thông qua vành góp.

    – Bộ phận thứ cấp: các cuộn dây stato được gắn cố định trên thân máy, để đưa điện ra ngoài

    – Máy biến áp: nâng điện áp lên cao rồi hòa vào lưới điện, với nhà máy nhiệt điện thường nâng đến 220kV, 110kV.

    1.3. Nguyên lý hoạt động máy phát điện

    Điện một chiều được cấp vào cuộn dây rotor , rôto quay tạo ra từ trường Ft quay với tốc độ n, lực điện từ Ft­ cảm ứng nên các suất điện động eA, eB. eC tương ứng với 3 cuộn dây stato được bố trí lệch pha nhau , mỗi cuộn có tần số: 

    trong đó:

              p- số đôi cực

              n- tốc độ từ trường quay(hay chính là tốc độ quay turbin hơi)

    Để điều chỉnh tần số điện áp ra 50Hz để hòa đồng bộ chính xác được vào lưới điện, ta điều khiển tốc độ quay turbin thông qua lưu lượng hơi quá nhiệt đi ra từ lò hơi.

     

    + Số tổ máy:

    + Số hiệu máy phát:

    + Số đôi cực :1

    + Số pha : 3                                                                     

    + Tần số :50Hz

    + Hệ số công suất : 0,85

     

    CHƯƠNG 2: THIẾT KẾ PHẦN ĐIỆN CHO NHÀ MÁY NHIỆT ĐIỆN

    2.1. Tính toán phụ tải

    Tùy theo công suất tổng yêu cầu mà cần nhiều tổ máy, thông thường với nhà máy nhiệt điện thì mỗi tổ máy có công suất định mức P = 110 MW.

    TB   – 120 -2T3, với các thông số sau:

    Bảng 1: Thông số kỹ thuật máy phát

    S

    (MVA)

    P

    (MW)

    n

    (V/p)

    U

    (kV)

    		  

    I­dmStato

    (A)

    IdmRoto

    (A)

    Xd’’

    Xd

    Xd

    129, 412

    110

    3000

    10, 5

    0, 85

    7760

    1830

    0, 190

    0, 278

    1, 91

    Công suất phát vào hệ thống tại một thời điểm t được xác định theo công thức sau:

    SVHT = STNM – (STD + SUF + ST + SC)

    trong đó:

    STNM: Công suất tổng của nhà máy tại thời điểm t

    STD: Công suất điện tự dùng tại thời điểm t.

    SUF: Công suất phụ tải cấp điện cho bộ sơ cấp máy phát tại thời điểm t.

    ST: Công suất phụ tải trung áp 110kV tại thời điểm t.

    SC: Công suất phụ tải cao áp 220kV tại thời điểm t.

     

    + Công thức tính công suất phụ tải tại một thời điểm: (SUF, ST, SC):

    %

    trong đó:

    S : công suất biểu kiến của phụ tải ở từng cấp điện áp.

    : công suất tác dụng cực đại.

    : hệ số công suất tính theo   của công suất cực đại(thường ).

    : hệ số công suất phụ tải.

    + Công thức tính công suất điện tự dùng tại một thời điểm: (STD)

     

    trong đó:

    : phụ tải tự dùng tại thời điểm t.

    = 440 MW công suất tác dụng của nhà máy.

    : Công suất tổng nhà máy phát ra tại thời điểm t.

    a: số phần trăm lượng điện tự dùng (a = 7%).

    =0,82.

     

    2.2. Tính toán chọn máy biến áp

    2.2.1. Đề xuất các phương án

    Dựa vào kết quả tính toán ở chương 1 ta có một số nhận xét sau:    

        – Do  nên không cần dùng thanh góp điện áp máy phát.

        – Do các cấp điện áp 220kV và 110kV đều có trung tính nối đất trực tiếp, mặt khác hệ số có lợi a = 0,5 nên ta dùng máy biến áp tự ngẫu vừa để truyền tải công suất liên lạc giữa các cấp điện áp vừa để phát công suất lên hệ thống.

        – Do công suất phát về hệ thống lớn hơn dự trữ quay của hệ thống nên ta phải đặt ít nhất hai máy biến áp nối với thanh điện áp 220kV.

         – Công suất một bộ máy phát điện – máy biến áp không lớn hơn dữ trữ quay của hệ thống nên ta có thể dùng sơ đồ bộ máy phát điện – máy biến áp.

         – Do SUTmax/SUTmin= 174,419/122,093 MVA và SFđm = 68,75 MVA, cho nên ta có thể ghép từ 1 đến 3 bộ máy phát điện – máy biến áp ba pha hai cuộn dây bên trung áp.

         – Do tầm quan trọng của nhà máy đối với hệ thống nên các sơ đồ nối điện ngoài việc đảm bảo cung cấp điện cho các phụ tải còn phải là các sơ đồ đơn giản, an toàn và linh hoạt trong quá trình vận hành sau này.

         – Sơ đồ nối điện cần phải đảm bảo các yêu cầu về kỹ thuật cung cấp điện an toàn, liên tục cho các phụ tải ở các cấp điện áp khác nhau, đồng thời khi bị sự cố không bị tách rời các phần có điện áp khác nhau .

    Với các nhận xét trên ta có các phương án nối điện cho nhà máy như sau:

     

    1. Phương án 1

           Phương án 1 có ba bộ máy phát điện – máy biến áp 2 cuộn dây nối lên thanh góp điện áp 110kV để cung cấp cho phụ tải 110kV. Hai bộ máy phát điện – máy biến áp tự ngẫu liên lạc giữa các cấp điện áp, vừa làm nhiệm vụ phát công suất lên hệ thống, vừa truyền tải công suất thừa hoặc thiếu cho phía 110kV.

    Ưu điểm:

      – Sơ đồ nối điện đơn giản, vận hành linh hoạt, cung cấp đủ công suất cho phụ tải các cấp điện áp.

      – Số lượng và chủng loại máy biến áp ít nên dễ lựa chọn thiết bị và vận hành đơn giản,  giá thành rẻ thoả mãn điều kiện kinh tế .

    Nhược điểm:

      – Khi các bộ máy phát điện – máy biến áp bên trung làm việc định mức, sẽ có một phần công suất từ bên trung truyền qua máy biến áp tự ngẫu phát lên hệ thống gây tổn thất qua 2 lần máy biến áp (lớn nhất khi SUTmin).

    1. Phương án 2

            Phương án 2 có hai bộ máy phát điện – máy biến áp 2 cuộn dây nối lên thanh góp điện áp 110kV để cung cấp điện cho phụ tải 110kV và một bộ máy phát điện – máy biến áp 2 cuộn dây nối lên thanh góp 220kV. Hai bộ máy phát điện – máy biến áp tự ngẫu liên lạc giữa các cấp điện áp, vừa làm nhiệm vụ phát công suất lên hệ thống, vừa truyền tải công suất thừa hoặc thiếu cho phía 110kV.

    Ưu điểm:

      – Sơ đồ nối điện đơn giản, vận hành linh hoạt, cung cấp đủ công suất cho phụ tải các cấp điện áp.

    Nhược điểm:

      – Tổn thất công suất qua hai lần máy biến áp nhỏ (chỉ xảy ra khi SUTmin).

      – Do có một bộ máy phát điện – máy biến áp 2 cuộn dây nối bên cao nên giá thành cao hơn và tổn thất nhiều hơn so với phương án 1.

    1. Phương án 3

    Phương án 3 có một bộ máy phát điện – máy biến áp 2 cuộn dây nối lên thanh góp điện áp 110kV để cung cấp điện cho phụ tải 110kV và hai bộ máy phát điện – máy biến áp 2 cuộn dây nối lên thanh góp 220kV. Hai bộ máy phát điện – máy biến áp tự ngẫu liên lạc giữa các cấp điện áp, vừa làm nhiệm vụ phát công suất lên hệ thống, vừa truyền tải công suất thừa hoặc thiếu cho phía 110kV.

    Ưu điểm:

      – Sơ đồ nối điện đơn giản, vận hành linh hoạt, cung cấp đủ công suất cho phụ tải các cấp điện áp.

    Nhược điểm:

      – Có một phần lớn công suất truy ền qua máy biến áp sang bên trung (lớn nhất khi SUTmin).

      – Do có thêm một bộ máy phát điện – máy biến áp 2 cuộn dây nối bên cao nên giá thành cao hơn và tổn thất nhiều hơn so với phương án 2.

    1. Phương án 4

    Phương án 4 dùng năm bộ máy phát- máy biến áp 2 cuộn dây : ba bộ nối với thanh góp 110kV, hai bộ nối với thanh góp 220kV. Dùng hai máy biến áp tự ngẫu để liên lạc giữa hai cấp điện áp cao và trung, đồng thời để cung cấp điện cho phụ tải cấp điện áp máy phát SUF .


    Ưu điểm:

      – Cũng đảm bảo cung cấp điện liên tục.

    Nhược điểm:

      – Số lượng máy biến áp nhiều đòi hỏi vốn đầu tư lớn, đồng thời trong quá trình vận hành xác suất sự cố máy biến áp tăng, tổn thất công suất lớn.

    Kết luận :

    Qua 4 phương án ta có nhận xét rằng hai phương án 1 và 2 đơn giản và kinh tế hơn so với phương án còn lại. Hơn nữa, nó vẫn đảm bảo cung cấp điện liên tục, an toàn cho các phụ tải và thoả mãn các yêu cầu kỹ thuật. Do đó ta sẽ giữ lại phương án 1 và phương án 2 để tính toán kinh tế và kỹ thuật nhằm chọn được sơ đồ nối điện tối ưu cho nhà máy điện.

     

    2.2.2. Tính toán chọn máy biến áp cho các phương án

    2.2.2.1. Phương án 1

    1. Chọn máy biến áp

    Chọn máy biến áp 2 cuộn dây phía 110kV B3, B4, B5 :

    Máy biến áp 2 cuộn dây B3, B4, B5 được chọn theo điều kiện:

     

    Do đó ta có thể chọn máy biến áp B3, B4, B5 có các thông số kỹ thuật:

    Loại

    MBA

    Sđm

    MVA

    ĐA cuộn dây, kV

    Tổn thất, kW

    UN%

    I0%

    C

    H

    DP0

    DPN

    TPдцH

    80

    115

    10,5

    70

    310

    10,5

    0,55

    Chọn máy biến áp  tự ngẫu  B1, B2 :

    Máy biến áp tự ngẫu B1, B2 được chọn theo điều kiện:

    Với a là hệ số có lợi của máy biến áp tự ngẫu:

              Do đó :

    Từ kết quả tính toán trên ta chọn máy biến áp tự ngẫu B1, B2 có thông số kỹ thuật :

     

    Loại

    MBA

    Sđm

    MVA

    ĐA cuộn dây, kV

    Tổn thất, kW

    UN%

    I0%

    C

    T

    H

    DP0

    DPN

    C-T

    C-H

    T-H

    C-T

    C-H

    T-H

    ATдцTH

    160

    230

    121

    11

    85

    380

    –

    –

    11

    32

    20

    0,5

     

    1. Phân bố công suất cho các máy biến áp

    Máy biến áp 2 cuộn dây B3, B4, B5:

    Để vận hành kinh tế và thuận tiện, đối với bộ máy phát điện – máy biến áp 2 cuộn dây ta cho phát hết công suất từ 0 – 24h lên thanh góp, tức là làm việc liên tục với phụ tải bằng phẳng. Khi đó công suất tải qua máy biến áp bằng : 

     

     Máy biến áp tự ngẫu B1 và B2 :

    – Công suất phía cao áp :

    – Công suất phía trung áp:

    – Công suất phía hạ áp:

         Kết quả tính toán phân bố công suất cho các phía của máy biến áp tự ngẫu B1 và B2 được cho trong bảng sau :

     

    0-7

    7-8

    8-12

    12-18

    18-24

    SC (MVA )

    66,118

    64,739

    68,359

    72,440

    57,767

    ST (MVA)

    -37,226

    -37,226

    -24,145

    -11,063

    -37,226

    SH (MVA)

    28,892

    27,513

    44,214

    61,377

    20,541

         Dấu “ – ” trước công suất của phía trung có nghĩa là chỉ chiều truyền tải công suất từ phía trung áp sang phía cao áp của máy biến áp tự ngẫu. Như vậy, máy biến áp tự ngẫu làm việc trong chế độ tải công suất từ hạ và trung áp lên cao áp.

    1. Kiểm tra khả năng quá tải của máy biến áp

    Máy biến áp 2 cuộn  dây B3, B4, B5:

         Vì công suất của máy biến áp B3, B4, B5 đã được chọn lớn hơn công suất định mức của máy phát điện. Đồng thời từ 0 – 24h luôn cho bộ máy phát điện – máy biến áp này làm việc với phụ tải bằng phẳng nên đối với máy biến áp B3, B4, B5 ta không cần phải kiểm tra khả năng quá tải .

     

    Máy biến áp liên lạc B1 và B2 :

    Quá tải bình thường:

    Từ bảng phân bố công suất cho các phía của máy biến áp tự ngẫu ta thấy công suất qua các cuộn dây của máy biến áp tự ngẫu đều nhỏ hơn công suất tính toán : 

    Stt = aSTNđm = 0,5.160 = 80MVA

    Vậy trong điều kiện làm việc bình thường các máy biến áp tự ngẫu B1, B2 không bị quá tải.

    Quá tải sự cố:

    Sự cố một máy biến áp 2 cuộn dây bên trung áp :

    Xét sự cố xảy ra khi SUT = SUTmax = 174,419 MVA

          Khi đó  SVHT = 144,879 MVA; SUF = 8,276 MVA; STDmax = 16,176 MVA.

          Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

           – Công suất phía trung áp của máy biến áp tự ngẫu :

     

           – Công suất phía hạ áp của máy biến áp tự ngẫu :      

           – Công suất phía cao áp của máy biến áp tự ngẫu :

                      SC = SH – ST = 61,377 – 21,695 =39,682 MVA

         Trong trường hợp này công suất được tải từ hạ áp lên cao và trung áp nên cuộn hạ mang tải nặng nhất.

          Do Shạ = 61,377 MVA < Stt = aSTNđm = 0,5.160 = 80 MVA nên máy biến áp tự ngẫu không bị quá tải.

           Trong khi đó công suất cần phát lên hệ thống là SVHT = 144,879 MVA, vì vậy lượng công suất còn thiếu là:

    Sthiếu = SVHT – 2.SC = 144,879 – 2.39,682 = 65,515 MVA < SDT = 100 MVA

           Vì lượng công suất này nhỏ hơn công suất dự trữ quay của hệ thống nên hệ thống không bị mất ổn định.

    Sự cố một máy biến áp tự ngẫu khi phụ tải trung áp cực đại:

    Xét sự cố xảy ra khi SUT = SUTmax = 174,419 MVA

          Khi đó  SVHT = 144,879 MVA; SUF = 8,276 MVA; STDmax = 16,176 MVA.

              Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

           – Công suất phía trung áp của máy biến áp tự ngẫu :

           – Công suất phía hạ áp của máy biến áp tự ngẫu :      

           – Công suất phía cao áp của máy biến áp tự ngẫu :

                     SC = SH – ST = 57,239 + 22,126 = 79,365 MVA

           Do SC = 79,365 MVA < STNđm= 160 MVA nên máy biến áp tự ngẫu không bị quá tải.

           Trong khi đó công suất cần phát lên hệ thống là SVHT = 144,879 MVA, vì vậy lượng công suất còn thiếu là:

    Sthiếu = SVHT – SC = 144,879 – 79,365 = 65,514 MVA < SDT = 100 MVA

           Vì lượng công suất này nhỏ hơn công suất dự trữ quay của hệ thống nên hệ thống không bị mất ổn định.

    Sự cố một máy biến áp tự ngẫu khi phụ tải trung áp cực tiểu:

    Xét sự cố xảy ra khi SUT = SUTmin = 122,093 MVA

          Khi đó  SVHT = 132,235 MVA; SUF = 6,437 MVA; STDmax = 16,176 MVA             

          Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

           – Công suất phía trung áp của máy biến áp tự ngẫu :

           – Công suất phía hạ áp của máy biến áp tự ngẫu :      

           – Công suất phía cao áp của máy biến áp tự ngẫu :

                      SC = SH – ST = 59,078 + 74,452 = 133,53 MVA

         Do SC = 133,53 MVA < STNđm = 160 MVA nên máy biến áp tự ngẫu không bị quá tải.

          Trong khi đó công suất cần phát lên hệ thống là SVHT =132,235MVA < SC = 133,53MVA vì vậy lượng công suất phát thừa lên hệ thống.

         Kết luận : Các máy biến áp đã chọn cho phương án 1 hoàn toàn đảm bảo điều kiện quá tải bình thường và quá tải sự cố.     

    Tính toán tổn thất điện năng trong các máy biến áp

    Tổn thất điện năng trong máy biến áp hai cuộn dây B3, B4, B5 :

         Do bộ máy biến áp – máy phát điện làm việc với phụ tải bằng phẳng trong suốt cả năm SB3 = SB4 = SB5 = 65,515 MVA  nên tổn thất điện năng trong máy biến áp hai cuộn dây là :

    Tổn thất điện năng trong máy biến áp tự ngẫu B1, B2 :

     

        Trong đó:

            SCi, STi’ SHi : công suất tải qua cuộn cao, trung, hạ của mỗi máy biến áp tự ngẫu trong khoảng thời gian ti.

            DPNC, DPNT, DPNH : tổn thất công suất ngắn mạch các cuộn cao, trung, hạ. Các loại tổn thất này được tính theo các công thức sau :

     

        Ta có :

    Như vậy tổng tổn thất điện năng một năm trong các máy biến áp của phương án 1 là:

    DAS = 2.DATN + 3.DA2cd  = 2. 1411338,057 + 3.2434440,573

                                            = 10125997,83 kWh.

    1. Tính dòng điện cưỡng bức của các mạch

    Các mạch phía điện áp cao 220kV :

        – Đường dây nối giữa hệ thống điện và nhà máy điện thiết kế là một đường dây kép nên dòng điện cưỡng bức bằng :  

     

    – Mạch cao áp của máy biến áp tự ngẫu :

      Khi bình thường: SCmax = 72,44 MVA

      Khi sự cố một máy biến áp : SCmax = 123,388 MVA

         Do đó dòng cưỡng bức trong mạch cao áp của máy biến áp tự ngẫu bằng :

     

          Vậy dòng điện cưỡng bức phía điện áp cao 220kV là :

     

    Các mạch phía điện áp trung 110 kV :

          – Phụ tải trung áp gồm 3 đường dây cáp kép x 50MW, PTmax­= 150MW, cosφ = 0,86.

          Do đó dòng điện cưỡng bức trên mạch đường dây phụ tải trung áp bằng :

     

          – Dòng điện cưỡng bức phía bộ máy phát – máy biến áp 2 cuộn dây :

          – Dòng điện cưỡng bức phía trung áp của máy biến áp liên lạc:

     

    Trong đó : STmax – công suất lớn nhất bên trung của máy biến áp tự ngẫu.

    Khi bình thường : STmax = 37,226 MVA

    Khi sự cố một máy biến áp 2 cuộn dây  :

    Khi sự cố một máy biến áp tự ngẫu : 

     

         Do đó :

         Vậy dòng điện cưỡng bức phía điện áp trung 110 kV là :

     

    Các mạch phía hạ áp 10,5 kV :

         – Dòng điện cưỡng bức phía máy phát :

         – Dòng điện cưỡng bức phía hạ áp của máy biến áp liên lạc :

     

    Trong đó : SHmax – công suất lớn nhất bên hạ của máy biến áp tự ngẫu.

    Khi bình thường : SHmax = 61,377 MVA

    Khi sự cố một máy biến áp 2 cuộn dây  :

     

    Khi sự cố một máy biến áp tự ngẫu :       

     

         Do đó :

         Vậy dòng điện cưỡng bức phía hạ áp trung 10,5 kV là :

     

     Bảng tổng kết dòng cưỡng bức các cấp điện áp :

    IcbC(kA)

    IcbT(kA)

    IcbH(kA)

    0,380

    0,379

    3,969

     

    2.2.2.2. Phương án 2

    1. Chọn máy biến áp

        – Máy biến áp tự ngẫu B1, B2 và máy biến áp 2 cuộn dây bên trung áp 110kV B3, B4 chọn như phương án 1.

        – Máy biến áp 2 cuộn dây bên cao áp 220kV B5 được chọn theo điều kiện:

     

        Do đó ta có thể chọn máy biến áp B5 có các thông số kỹ thuật:

    Loại

    MBA

    Sđm

    MVA

    ĐA cuộn dây, kV

    Tổn thất, kW

    UN%

    I0%

    C

    H

    DP0

    DPN

    TPдцH

    100

    230

    11

    94

    360

    12

    0,7
    1. Phân bố công suất cho các máy biến áp

    Máy biến áp 2 cuộn dây B3, B4, B5:

    Để vận hành kinh tế và thuận tiện, đối với bộ máy phát điện – máy biến áp 2 cuộn dây ta cho phát hết công suất từ 0 – 24h lên thanh góp, tức là làm việc liên tục với phụ tải bằng phẳng. Khi đó công suất tải qua máy biến áp bằng : 

     Máy biến áp tự ngẫu B1 và B2 :

    – Công suất phía cao áp :

    – Công suất phía trung áp:

    – Công suất phía hạ áp:

         Kết quả tính toán phân bố công suất cho các phía của máy biến áp tự ngẫu B1 và B2 được cho trong bảng sau :

     

    0-7

    7-8

    8-12

    12-18

    18-24

    SC (MVA )

    33,36

    31,981

    35,602

    39,682

    25,009

    ST (MVA)

    -4,469

    -4,469

    8,613

    21,695

    -4,469

    SH (MVA)

    28,891

    27,512

    44,215

    61,377

    20,54

         Dấu “ – ” trước công suất của phía trung có nghĩa là chỉ chiều truyền tải công suất từ phía trung áp sang phía cao áp của máy biến áp tự ngẫu. Như vậy, máy biến áp tự ngẫu chỉ làm việc trong chế độ tải công suất từ hạ và trung áp lên cao áp khi phụ tải trung áp cực tiểu còn trong các thời điểm khác máy biến áp tự ngẫu đều làm việc trong chế độ tải công suất từ hạ áp lên cao và trung áp.

     

    1. Kiểm tra khả năng quá tải của máy biến áp

    Máy biến áp 2 cuộn  dây B3, B4, B5:

    Vì công suất của máy biến áp B3, B4, B5 đã được chọn lớn hơn công suất định mức của máy phát điện. Đồng thời từ 0 – 24h luôn cho bộ máy phát điện – máy biến áp này làm việc với phụ tải bằng phẳng nên đối với máy biến áp B3, B4, B5 ta không cần phải kiểm tra khả năng quá tải .

    Máy biến áp liên lạc B1 và B2 :

    Quá tải bình thường:

         Từ bảng phân bố công suất cho các phía của máy biến áp tự ngẫu ta thấy công suất qua các cuộn dây của máy biến áp tự ngẫu đều nhỏ hơn công suất tính toán :    

    Stt = aSTNđm = 0,5.160 = 80MVA

         Vậy trong điều kiện làm việc bình thường các máy biến áp tự ngẫu B1, B2 không bị quá tải.

              Quá tải sự cố:

    Sự cố một máy biến áp 2 cuộn dây bên trung áp :

    Xét sự cố xảy ra khi SUT = SUTmax = 174,419 MVA

          Khi đó  SVHT = 144,879 MVA; SUF = 8,276 MVA; STDmax = 16,176 MVA.

          Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

           – Công suất phía trung áp của máy biến áp tự ngẫu :

     

          – Công suất phía hạ áp của máy biến áp tự ngẫu :       

          – Công suất phía cao áp của máy biến áp tự ngẫu :

                      SC = SH – ST = 61,377 – 54,452 = 6,925 MVA

         Trong trường hợp này công suất được tải từ hạ áp lên cao và trung áp nên cuộn hạ mang tải nặng nhất.

          Do Shạ = 61,377 MVA < Stt = aSTNđm = 0,5.160 = 80 MVA nên máy biến áp tự ngẫu không bị quá tải.

          Trong khi đó công suất cần phát lên hệ thống là SVHT = 144,879 MVA, vì vậy lượng công suất còn thiếu là:

         Sthiếu = SVHT – 2.SC – SB5 = 144,879 – 2.6,925 – 65,515 = 65,514 MVA < SDT = 100 MVA

           Vì lượng công suất này nhỏ hơn công suất dự trữ quay của hệ thống nên hệ thống không bị mất ổn định.

    Sự cố một máy biến áp tự ngẫu khi phụ tải trung áp cực đại:

    Xét sự cố xảy ra khi SUT = SUTmax = 174,419 MVA

          Khi đó  SVHT = 144,879 MVA; SUF = 8,276 MVA; STDmax = 16,176 MVA.

              Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

           – Công suất phía trung áp của máy biến áp tự ngẫu :

          – Công suất phía hạ áp của máy biến áp tự ngẫu :        

          – Công suất phía cao áp của máy biến áp tự ngẫu :

                      SC = SH – ST = 57,239 – 43,389 = 13,85 MVA

         Trong trường hợp này công suất được tải từ hạ áp lên cao và trung áp nên cuộn hạ mang tải nặng nhất.

          Do Shạ = 57,239 MVA < Stt = aSTNđm = 0,5.160 = 80 MVA nên máy biến áp tự ngẫu không bị quá tải.

          Trong khi đó công suất cần phát lên hệ thống là SVHT = 144,879 MVA, vì vậy lượng công suất còn thiếu là:

           Sthiếu = SVHT – SC – SB5 = 144,879 – 13,85 – 65,515 = 65,514 MVA < SDT = 100 MVA

           Vì lượng công suất này nhỏ hơn công suất dự trữ quay của hệ thống nên hệ thống không bị mất ổn định.

    Sự cố một máy biến áp tự ngẫu khi phụ tải trung áp cực tiểu:

    Xét sự cố xảy ra khi SUT = SUTmin = 122,093 MVA

          Khi đó SVHT = 132,235 MVA; SUF = 6,437 MVA; STDmax = 16,176 MVA         

              Phân bố công suất tại các phía của máy biến áp tự ngẫu khi xảy ra sự cố:

            – Công suất phía trung áp của máy biến áp tự ngẫu :

           – Công suất phía hạ áp của máy biến áp tự ngẫu :      

           – Công suất phía cao áp của máy biến áp tự ngẫu :

                      SC = SH – ST = 59,078 + 8,937 = 68,015 MVA

         Do SC = 68,015 MVA < STNđm= 160 MVA nên máy biến áp tự ngẫu không bị quá tải.

         Trong khi đó công suất cần phát lên hệ thống là SVHT = 132,235 MVA, vì vậy lượng công suất còn thiếu là:

           Sthiếu = SVHT – SC – SB5 = 132,235 – 68,015 – 65,515 = 1,295 MVA < SDT = 100 MVA

          Vì lượng công suất này nhỏ hơn công suất dự trữ quay của hệ thống nên hệ thống không bị mất ổn định.

         Kết luận : Các máy biến áp đã chọn cho phương án 2 hoàn toàn đảm bảo điều kiện quá tải bình thường và quá tải sự cố.     

    1. Tính toán tổn thất điện năng trong các máy biến áp

    Tổn thất điện năng trong máy biến áp 2 cuộn dây phía trung B3, B4 :

        Theo phương án 1 ta có :

    Tổn thất điện năng trong máy biến áp 2 cuộn dây phía cao B5 :

         Do bộ máy biến áp – máy phát điện làm việc với phụ tải bằng phẳng trong suốt cả năm SB5 = 65,515 MVA  nên tổn thất điện năng trong máy biến áp hai cuộn dây phía cao là :

     

    Tổn thất điện năng trong máy biến áp tự ngẫu B1, B2 :

     

        Trong đó:

            SCi, STi’ SHi : công suất tải qua cuộn cao, trung, hạ của mỗi máy biến áp tự ngẫu trong khoảng thời gian ti.

            DPNC, DPNT, DPNH : tổn thất công suất ngắn mạch các cuộn cao, trung, hạ.Các loại tổn thất này được tính theo các công thức sau :

     

      Ta có :

        Như vậy tổng tổn thất điện năng một năm trong các máy biến áp của phương án 2 là:              DAS  = 2.DATN + 2.DAB3 + DAB5

                                 = 2.1148632,509 + 2.2434440,573 + 2177032,993 

                                 = 9343179,157 kWh.                

    1. Tính dòng điện cưỡng bức của các mạch

    Các mạch phía điện áp cao 220kV :

        – Đường dây nối giữa hệ thống điện và nhà máy điện thiết kế là một đường dây kép nên dòng điện cưỡng bức bằng :  

     

    – Mạch cao áp của máy biến áp tự ngẫu :

             Khi bình thường : SCmax = 39,682 MVA

             Khi sự cố một máy biến áp : SCmax = 68,015 MVA

         Do đó dòng cưỡng bức trong mạch cao áp của máy biến áp tự ngẫu bằng :

     

          – Dòng cưỡng bức phíabộ máy phát–máy biến áp 2 cuộn dây :

     

          Vậy dòng điện cưỡng bức phía điện áp cao 220kV là :

     

    Các mạch phía điện áp trung 110 kV :

          – Phụ tải trung áp gồm 3 đường dây cáp kép x 50MW, PTmax­= 150MW, cosφ = 0,86.

          Do đó dòng điện cưỡng bức trên mạch đường dây phụ tải trung áp bằng :

     

          – Dòng cưỡng bức phía bộ máy phát–máy biến áp 2 cuộn dây :

     

          – Dòng cưỡng bức phía trung áp của máy biến áp liên lạc :

     

    Trong đó : STmax – công suất lớn nhất bên trung của máy biến áp tự ngẫu.

    Khi bình thường :  STmax = 21,695 MVA

    Khi sự cố một máy biến áp 2 cuộn dây :

     

    Khi sự cố một máy biến áp tự ngẫu : 

     

    Do đó :

     Vậy dòng điện cưỡng bức phía điện áp trung 110 kV là :

     

    Các mạch phía hạ áp 10,5 kV :

         – Dòng cưỡng bức phía máy phát :

     

         – Dòng cưỡng bức phía hạ áp của máy biến áp liên lạc :

     

    Trong đó : SHmax – công suất lớn nhất bên hạ của máy biến áp tự ngẫu.

    Khi bình thường : SHmax = 61,377 MVA

     Khi sự cố một máy biến áp 2 cuộn dây bên trung  :

      Khi sự cố một máy biến áp tự ngẫu :    

     

      Do đó :

      Vậy dòng điện cưỡng bức phía hạ áp trung 10,5 kV là :

     

    Bảng tổng kết dòng cưỡng bức các cấp điện áp :                                             

    IcbC(kA)

    IcbT(kA)

    IcbH(kA)

    0,380

    0,379

    3,969

    2.3. Chọn các thiết bị đóng cắt, đo lường và bảo vệ

    • Chọn máy cắt điện .

       Máy cắt điện được chọn sơ bộ theo điều kiện sau

    • Loại máy cắt điện .

     – Điện áp định mức : UđmMC Umạng

     – Dòng diện định mức : IđmMC Icb

     – Kiểm tra ổn định nhiệt  : I2nh .tnh BN

     – Kiểm tra ổn định động  : Ilđ đ Ixk

     – Điều kiện cắt :IcắtMC I’’

      Dựa vào kết quả tính toán dòng cưỡng bức và dòng điện ngắn mạch ta có lựa chọn máy cắt cho các cấp điện áp như bảng sau :

    Phương án I

    Cấp điện áp (KV)

    Điểm ngắn mạch

    Đại lượng tính toán

    Loại máy cắt

    Đại lượng định mức

    Icb

    (KA)

    IN

    (KA)

    Ixk

    (KA)

    Uđm (KV)

    Iđm (KA)

    Icắtđm

    (KA)

    Ilđđ

    (KA)

    220

    N1

    0,366

    5,5625

    14,1598

    3AQ1

    245

    4

    40

    100

    110

    N2

    0,344

    10,912

    27,7774

    3AQ1

    123

    4

    40

    100

    10

    N’3

    3,61

    24,4906

    62,3429

    8BK41

    12

    12,5

    80

    225

    Phương án II

    Cấp điện áp (KV)

    Điểm ngắn mạch

    Đại lượng tính toán

    Loại máy cắt

    Đại lượng định mức

    Icb

    (KA)

    IN

    (KA)

    Ixk

    (KA)

    Uđm (KV)

    Iđm (KA)

    Icắtđm

    (KA)

    Ilđđ

    (KA)

    220

    N1

    0,366

    5,7978

    14,7588

    3AQ1

    245

    4

    40

    100

    110

    N2

    0,416

    10,912

    27,7774

    3AQ1

    123

    4

    40

    100

    10

    N’3

    3,61

    24,4906

    62,3429

    8BK41

    12

    12,5

    80

    225
    • Chọn sơ đồ thanh ghóp.

    Phía 220 KV ta chọn sơ đồ hệ thống hai thanh ghóp .

    Phía 110 KV ta chọn sơ đồ hai thanh ghóp

    Phía 10 KV ta ko cần dùng thanh ghóp điện áp máy phát

    2.3.3.  Chọn thanh dẫn cho mạch máy phát ( thanh dẫn cứng  )

    1. Chọn tiết diệnđây dẫn :

        Tiết diện của thanh dẫn được chọn theo điều kiện phát nóng lâu dài cho phép : Icp > Icb

        Trong đó dòng điện cho phép cần phải hiệu chỉnh theo nhiệt độ môi trường ( khi nhiệt độ môi trường xung quanh khác với nhiệt độ định mức )

    Với giả thiết dùng thanh dẫn đồng có nhiệt độ lâu dài cho phép là 700C , nhiệt độ của môi trường xung quanh là 350C nhiệt độ của môi trường tính toán quy định là 250C , ta có hiêu chỉnh theo nhiệt độ là :

              khc =

     

    Vậy ta có :

                                     Icp.Khc Icb

                                    Icp (KA).

     Khi dòng nhỏ thì có thẻ dùng thanh dẫn cứng hình chữ nhật , khi dòng trên 3000 A thì dùng thanh dẫn hình máng để giảm hiệu ứng mặt ngoài và hiệu ứng gần , đồng thời làm tăng khả năng làm mát cho chúng .

     Căn cứ vào số liệu tính ở trên ta chọn thanh dẫn hình máng bằng đồng có các thông số như sau:

     

    Kích thước

    (mm)

    Tiết diện một cực

    (mm2)

    Mômen trở kháng

    (cm3)

    Mômen quán tính

    (cm4)

    Dòng điện cho phép  (A)

    h

    b

    c

    r

    Mét thanh

    Hai thanh

    Mét thanh

    Hai thanh

    125

    55

    6,5

    10

    1370

    Wx-x

    Wy-y

    Wyo-yo

    Jx-x

    Jy-y

    Jyo-yo

    50

    9,5

    100

    290,3

    36,7

    625

    5500

     

     

    1. Kiểm tra ổn định nhiệt khi ngắn mạch :

      Bởi  vì thanh dẫn có dòng cho phép lớn hơn 1000 A nên không cần kiểm tra ổn định nhiệt

    1. Kiểm tra ổn định động .

      Theo tiêu chuẩn độ bền cơ học , ứng suất của vật liệu thanh dẫn không được lớn hơn ứng suất cho phép của nó , có nghĩa là : stt scp 

    Đối với nhôm thì ứng suất cho phép là 700 KG/cm2 , còn đối với đồng thì ứng suất cho phép là 1400 KG/ cm2.

       Đối với thanh dẫn ghép thì ứng suất trong vật liệu thanh dẫn bao gồm hai thành phần : ứng suất do lực tác dụng giữa các pha gây ra , và ứng suất do lực tưong tác của các thanh trong cùng một pha gây nên .

    Lực tác dụng lên thanh dẫn pha giữa trên chiều dài khoảng vượt theo công thức :

                                      Ftt =1,76.10 –8. i2xk (KG).

    Trong đó

      ixk : dòng điện xung kích của ngắn mạch ba pha (A)

      l1 : khoảng cách hai sứ liền nhau của một pha (cm)

      A : khoảng các giữa các pha (cm )

     Với cấp điện áp máy phát là 10 KV , có thể chọn l1 = 120 cm và khoảng cách giữa các pha a= 60 (cm ) , vậy lực tác dụng lên thanh dẫn khi đó sẽ là

              Ftt =1,76.10 –8. .( 63,3429.103)2  = 141,233 KG

    Xác định mômen uốn tác dụng lên một nhịp của thanh dẫn :

             M1 =  = 1694,805(KG.cm)

    Ứng suất do lực tác dụng giữa các pha gây nên :

                                s1 =  16,95 (KG/cm2)

    Lực tác dụng tương hỗ giữa các thanh trong một pha trên chiều dài l2 giữa cá miếng đệm sẽ là :

                                 F2 = 0,51.10 –8. i2xk

    Ta có lực tác dụng tưong hỗ giữa các thanh cùng một pha lên trêm 1 cm chiều dài là :

                               F2 = 0,51.10 –8. i2xk = 0,51.10-8. .( 62,3429.103)2 = 1,59 (KG/cm)

     Khi đó mômen uốn do lực tác dụng tương hỗ giữa các thanh trong cùng một pha gây nên

                                M2 =  = 0,13 (KG.cm)

    Để đảm bảo ổn định đọng của thanh dẫn sẽ là :

                                stt = s1 + s2 = s1 +  scp.

     

    Trong đó :

                         scp = 1400 KG/cm2

    Khoảng cách lớn nhất giữa hai miếng đệm

                                    l2max =

    Chọn khoảng cách giữa hai sứ thì đảm bảo ổn định động giá trị lmax tính phải thoả mãn lmax    l1

    Thay số vào tính ta được:

                             l2max =  314,9 (cm) > l1 = 120 (cm)

    Khi xét đến dao động riêng của thanh dẫ thì điều kiện dể ổn định cho thanh dẫn là dao động riêng của thanh dẫn nằm ngoài giới hạn 45- 55 Hz và 90 -110 Hz để tránh cộng hưởng tần số , tần số riêng của dao đọng thanh dẫn được xác định theo công thức :

                                    Wr =

    Trong đó  :

    – l : chiều dài thanh dẫn giữa hai sứ   (l = 120 cm)

    – E : mômên đàn hồi của vật liệu   (ECU = 1,1.106 KG/cm2)

    –   : mômên quán tính  ( = 625 cm4)

    – S : tiết diện thanh dẫn  2.13,7 = 27,4 cm2

    – g : khối lượng riêng của vật liệu (gcu = 8,93 g/cm3 )

                                  Þ Wr =  = 424,88 (Hz)

    Tần số này thoả mãn yêu cầu ở trên nên thoả mãn điều kiện ổn định khi xét dến dao động riêng .

    2.3.4.        Chọn sứ đỡ .

     Sứ đỡ được chọn theo các điều kiện :

    Loại sứ

       Điện áp  : Uđm S Uđm mg.

       Kiểm tra ổn định động :

       Điều kiện độ bền của sứ :     F’tt  Fcp = 0,6.Fph

       Trong đó  :

           Fcp  : lực cho phép tác dụng lên đầu sứ  (KG)

           Fph  : lực phá hoại định mức của sứ   (KG)

           F’tt = Ftt.

           Ftt   : lực tính toán trên khoảng vượt của thanh dẫn .

     

    Chọn loai sứ dặt trong nhà có các thông số như sau :

     

    Loại sứ

     

    Điện áp định mức  (KV)

    Điện áp duy tì ở trạng thái khô (KV)

    Lực phá hoại nhỏ nhất  Fph (KG)

    Chiều cao H (mm)

    OΦP-10-750Y3

    10

    755

    750

    160

    Với chiều cao thanh dẫn đã chọn là 125 mm

     H’ = H + h /2 = 160 + 125/2 = 166,25 mm

    Suy ra : F’tt = Ftt. = 141,23. = 146,75 (KG)

    Fcp = 0,6.Fph = 0,6.750 = 450 (KG) > 146,75 (KG) = F’tt

       Vậy sứ chọn thoả mãn điều kiện ổn định động

    2.3.5.  Chọn thanh ghóp mềm phía cao áp ( 220 KV)

    1. Chọn tiết diện

      Tiết diện của thanh dẫn và thanh ghóp mền được chọn theo điều kiện dòng điện cho phép trong chế độ làm việc lâu dài :

                                             I’cp = Icp.khc Icb.

      Theo tính toán từ các phần trước ta có dòng điện cưỡng bức lớn nhất phía cao áp của nhà máy thiết kế là :  Icb = 0,366 KA ; khc = 0,88. Dòng điện cho phép qua dây dẫn trong chế độ làm việc lâu dài là : Icp.Khc Icb

                                               ® Icp (KA).

    Với dòng cho phép 500 ta chọn dây nhôm lõi thép có các thông số sau :

     

    Tiết diện chuẩn nhôm /thép

    Tiết diện (mm2)

    Đường kính (mm)

    Icp­ (A)

    nhôm

    thép

    Dây dẫn

    Lõi thép

    300/39

    301

    38

    24

    8

    690

     

    1. Kiểm tra ổn định nhiệt .

     Điều kiện kiểm tra ổn định nhiệt  : qN qNcp.

    Hay :        Schän  Smin =

    -Trong đó :

            BN : là xung lượng nhiệt khi ngắn mạch

            C : hằng số tuỳ thuộc vào loại vật liệu làm dây dẫn . Với dây AC ta có  C = 79.

     Tính xung lượng nhiệt  (BN) :     BN = BN-CK + BN-KCK

       Xung lượng nhiệt của thành phần chu kỳ xác định theo phương pháp giải tích đồ thị (giả thiết thời gian tồn tại ngắn mạch là 1 (s) )

       Theo kết quả tính toán ở trên  :   (Ngắn mạch tại điểm N­1)

    Điện kháng tính toán phía nhà máy và phía hệ thống là :

                             =  = 1,3744

                              =  = 0,3238

    Tra bảng ta tìm được :

                 0,76 ,   3,2 , (∞) = 0,88 ,  (∞) = 2,2

     

    Dòng điện tính toán:

                       ®  =  = 4,0163 kA

                       ®  =  = 0,7844 kA

    • Tính dòng I’’

                       ®  = .  + .  = 5,5625 kA

    Bảng kết quả :

    t(s)

    0

    0.1

    0.2

    0.5

    1

    I”15(t)

    0.76

    0.69

    0.685

    0.68

    0.67

    I”23(t)

    3.2

    2.7

    2.45

    2.2

    2.1

    IN(kA)

    5.5625

    4.8891

    4.6729

    4.4568

    4.3382

    I2tb1 =  = 27,4224 (KA2)         ;           I2tb2 =  = 22,8696 (KA2)

    I2tb3 =  = 20,8495 (KA2)      ;            I2tb4 =  = 19,3415 (KA2)

     

        Với Dt = 0,1; 0,1; 0,3; 0,5.

    Từ đó ta có  :

         BN-CK = 0,1.27,4224 + 0,1.28,8696 + 0,3.20,8495 + 0,5.19,3415 = 21,5548 (KA2.s)

    – Khi đó ta có thể túnh gần đúng xung nhiệt lượng của thành phần dòng điện ngắn mạch không chu kỳ:

                  BN-KCK = (I’’N1)2.Ta = 5,56252.0,05 = 1,55 (KA2.s)

      Vậy xung lượng nhiệt của dòng ngắn mạch tại N1­ là :

                  BN = BN-CK + BN-KCK = 21,5548 + 1,55 = 23,102 (KA2.s)

    Tiết diện dây dẫn nhỏ nhất đảm bảo ổn định nhiệt ở cấp điện áp 220 KV :

                  Smin = .103 = 60,84 mm2.

      Dây dẫn đã chọn thoả mãn điều kiện ổn định nhiệt .

     

    1. Điều kiện vầng quang .

      Điều kiện  :Uvq Uđm

      Trong đó Uvq là điện áp tới hạn để phát sinh vầng quang . Nếu như dây dẫn ba pha được bố trí trên ba đỉnh của tam giác thì điệ áp vầng quang được tính như sau :

                                   Uvq = 84.m.r.lg  (KV) 

     Trong đó

       m : hệ số xét đến độ nhẵn của bề mặt. (m = 0,85)

       r : bán kính ngoài của dây dẫn (cm)

       a : khoảng cách giữa các pha của dây dẫn.

     Với loại dây đã chọn  : r = 1,2 (cm) ;  a = 500 (cm), ta có :

     Uvq = 84.m.r.lg  = 84.0,85.1,2.lg = 224,46 (KV) > Uđm=220 (KV)

            Dây AC- 300/39  thoả mãn điều kiện vầng quang

    2.3.6.  Chọn thanh ghóp mềm phía trung áp (110KV)

    1. Chọn tiết diện

      Tiết diện của thanh dẫn và thanh ghóp mền được chọn theo điều kiện dòng điện cho phép trong chế độ làm việc lâu dài :

                                      I’cp = Icp.khc Icb.

      Theo tính toán từ các phần trước ta có dòng điện cưỡng bức lớn nhất phía cao áp của nhà máy thiết kế là :  Icb = 0,402 KA ; khc = 0,88. Dòng điện cho phép qua dây dẫn trong chế độ làm việc lâu dài là : Icp.Khc Icb

                              ® Icp (KA).

    Với dòng cho phép lớn hơn 457 A ta chọn dây nhôm lõi thép có các thông số sau :

    Tiết diện chuẩn nhôm /thép

    Tiết diện (mm2)

    Đường kính (mm)

    Icp­ (A)

    nhôm

    thép

    Dây dẫn

    Lõi thép

    400/22

    394

    22

    26,6

    6

    835

     

    1. Kiểm tra ổn định nhiệt .

     Điều kiện kiểm tra ổn định nhiệt  : qN qNcp.

     Hay :        Schän  Smin =

       Trong đó :

            BN : là xung lượng nhiệt khi ngắn mạch

            C : hằng số tuỳ thuộc vào loại vật liệu làm dây dẫn .

                 Với dây AC ta có  C = 79.

       Tính xung lượng nhiệt  (BN) :     BN = BN-CK + BN-KCK

       Xung lượng nhiệt của thành phần chu kỳ xác định theo phương pháp giải tích đồ thị (giả thiết thời gian tồn tại ngắn mạch là 1 (s) )

     

     Điện kháng tính toán:

                             =  = 2,2736

                              =  = 0,2594

          Tra bảng ta tìm được :  0,47 ,   3,9

                                              (∞) = 0,47 ,  (∞) = 2,38

    Dòng điện tính toán:

                       ®  =  = 8,0327 kA

                       ®  =  = 1,5689 kA

    • Tính dòng I’’

                        ®  = .  + .  = 9,8941 kA

    Tương tự ta tính dòng điện ngắn mạch ở các thời điểm khác nhau ta có bảng sau:

    t (s)

    0

    0.1

    0.2

    0.5

    1

    I”24(t)

    0.47

    0.44

    0.44

    0.42

    0.41

    I”27(t)

    3.9

    3.2

    2.5

    2.3

    2.15

    IN

    9.8941

    8.5549

    7.4566

    6.9822

    6.6665

    I2tb1 =  = 85,5398 (KA2)         ;          I2tb2 =  = 64,3936 (KA2)

    I2tb3 =  = 52,176 (KA2)      ;            I2tb4 =  = 46,5967 (KA2)

        Với Dt = 0,1; 0,1; 0,3; 0,5.

     Từ đó ta có  :

     BN-CK=0,1.85,5398 + 0,1.64,3936 + 0,3.52,176 + 0,5.46,5967 = 53,9445 (KA2.s)

    – Khi đó ta có thể túnh gần đúng xung nhiệt lượng của thành phần dòng điện ngắn mạch không chu kỳ:

                  BN-KCK = (I’’N2)2.Ta = 9,89412.0,05 = 4,89 (KA2.s)

      Vậy xung lượng nhiệt của dòng ngắn mạch tại N2 là :

                  BN = BN-CK + BN-KCK = 53,9445 + 4,89 = 58,84 (KA2.s)

    Tiết diện dây dẫn nhỏ nhất đảm bảo ổn định nhiệt ở cấp điện áp 220 KV :

                  Smin = .103 = 97,1 mm2.

    Dây dẫn đã chọn thoả mãn điều kiện ổn định nhiệt .

    1. Điều kiện vầng quang .

    Điều kiện  :Uvq Uđm

    Trong đó Uvq là điện áp tới hạn để phát sinh vầng quang . Nếu như dây dẫn ba pha được bố trí trên ba đỉnh của tam giác thì điệ áp vầng quang được tính như sau :

                                   Uvq = 84.m.r.lg  (KV) 

    m : hệ số xét đến độ nhẵn của bề mặt. (m = 0,85)

    r : bán kính ngoài của dây dẫn (cm)

    a : khoảng cách giữa các pha của dây dẫn.

    Với loại dây đã chọn  : r = 1,33 (cm) ;  a = 500 (cm), ta có :

    Uvq = 84.m.r.lg  = 84.0,85.1,33.lg = 223,47 (KV) > Uđm=220 (KV)

            Dây AC- 400/22  thoả mãn điều kiện vầng quang

    2.3.7.  Chọn dao cách ly.

    Dao cách ly được chọn theo các điều kiện sau:

    +)Loại dao cách ly :

    +)Điện áp : Uđmcl Umang

    +)Dòng điện  : Iđmcl Ilvcb

    +)ổn định nhiệt : I2nh .tnh BN

    +)ổn định động : Ilđđ Ixk

     Ta thấy dao cách ly được chọn với dòng định mức trên 1000 A thì không cần kiểm tra điều kiện ổn định nhiệt khi ngắn mạch .

     Từ dòng cưỡng bức , dòng điện xung kích đã tính ta chọn dao cách ly nhu sau :

    Cấp điện áp

    (KV)

    Đại lượng tính toán

    Loại dao cách ly

    Đại lượng định mức

    Icb

    (KA)

    IN

    (KA)

    Ixk

    (KA)

    Uđm (KV)

    Iđm (KA)

    Ilđđ

    (KA)

    220

    0,366

    5,5625

    14,1598

    SGC-245/1250

    245

    1,25

    80

    110

    0,344

    9,8941

    25,1863

    SGCP-123/1250

    123

    1,25

    80

    10

    3,61

    24,4906

    62,3429

    PBK-20/7000

    20

    5

    200

    Trong đó dao cách ly ở cấp điện áp 220 KV và 110 KV là dao cách ly quay trong mặt phẳng ngang của hãng groupe schneider.

     

    TÓM LƯỢC & KẾT LUẬN

     

    Qua thời gian xem tài liệu tham khảo trên internet và kết hợp những kiến thức bài giảng, chúng em đã hoàn thành xong bài tập dài về tìm hiểu tự động hóa trong nhà máy nhiệt điện. Quá trình làm bài báo cáo, chúng em đã học thêm được nhiều kiến thức bổ ích về công nghệ vận hành, sản xuất nguồn điện trong  nhà máy nhiệt điện. Đây sẽ là những kiến thức quý báu cho chúng em vận dụng sau này khi có cơ hội làm trong các tổ máy của nhà máy nhiệt điện.

    Bài báo cáo mặc dù đã hoàn thành nhưng không tránh khỏi những thiếu sót về kiến thức lý thuyết cũng như thực tế, do chúng em chưa có điều kiện thăm quan, thực tập tại một nhà máy nhiệt điện. Chúng em rất mong được thầy nâng đỡ bài báo cáo này.

    Chúng em trân thành cảm ơn thầy rất nhiều!                                        

     

    Nhóm sinh viên thực hiện

    Nhóm 15
     

     

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]

  • Bài tập lớn Xây dựng trình quản lý hệ thống file mini

    Bài tập lớn Xây dựng trình quản lý hệ thống file mini

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Bài tập lớn Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%A0i-t%E1%BA%ADp-l%E1%BB%9Bn-X%C3%A2y-d%E1%BB%B1ng-tr%C3%ACnh-qu%E1%BA%A3n-l%C3%BD-h%E1%BB%87-th%E1%BB%91ng-file-mini.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Bài tập lớn Xây dựng trình quản lý hệ thống file mini

    MÔN : LẬP TRÌNH HƯỚNG ĐỐI TƯỢNG

    Bài tập lớn : Xây dựng trình quản lý hệ thống file mini

     

    I. Mục tiêu :

    • Giúp SV thực hành để hiểu biết hầu hết các tính chất và khả năng lập trình hướng đối tượng của VC# để xây dựng ứng dụng thực tế.

    II. Nội dung :

    • Thiết kế trực quan các cửa sổ ứng dụng FileManager theo đặc tả chi tiết dưới đây.
    • Viết code cho các hàm xử lý sự kiện thực hiện các chức năng quản lý hệ thống file của chương trình

    III. Chuẩn đầu ra :

    • Sinh viên nắm vững và dùng thành thạo qui trình kỹ thuật để thiết kế trực quan các cửa sổ giao diện của chương trình, thiết lập giá trị các thuộc tính cho từng phần tử giao diện, khai báo hàm xử lý sự kiện cho sự kiện quan tâm của đối tượng giao diện.
    • Sinh viên nắm vững và sử dụng thành thạo các tính chất lập trình hướng đối tượng như tính thừa kế, bao đóng, đa xạ để xây dựng các đoạn code tổng quát hóa.

    IV. Đặc tả chương trình FileManager :

    • Chương trình phải cung cấp được 5 chức năng quản lý hệ thống file sau đây :
    1. duyệt tìm và xóa các file thỏa mãn pattern qui định từ 1 thư mục bắt đầu do người dùng qui định.
    2. duyệt tìm và xóa các file *.exe do virus exe.exe tạo ra từ 1 thư mục bắt đầu do người dùng qui định.
    3. duyệt tìm phần tử có độ sâu sâu nhất trong 1 thư mục do người dùng qui định.
    4. duyệt tìm và tính số lượng các file và các thư mục thỏa mãn pattern qui định từ 1 thư mục bắt đầu do người dùng qui định.
    5. duyệt tìm và tính tổng kích thước các file thỏa mãn pattern qui định từ 1 thư mục bắt đầu do người dùng qui định.

    V. Phân tích :

    • Để giúp người dùng thực hiện 5 chức năng trên, chương trình nên có menubar như sau :
    • Để giúp người dùng thực hiện 5 chức năng trên dễ dàng và nhanh chóng hơn, chương trình nên có toolbar như sau (mỗi icon trong toolbar sẽ giúp thực hiện nhanh 1 chức năng tương ứng của chương trình) :
    • Phân tích 5 chức năng cần thực hiện của chương trình, ta thấy qui trình thực hiện các chức năng này đều có những công việc giống nhau như sau :
    • cần 1 form giao diện để người dùng xác định thư mục bắt đầu xử lý, chuỗi pattern nhận dạng các phần tử cần xử lý, hiển thị các thông tin xử lý theo thời gian… Thí dụ form có dạng sau :
    • cần 1 đoạn code thực hiện thuật giải duyệt cây phân cấp từ thư mục xác định bởi người dùng để tìm tất cả phần tử thỏa mãn pattern qui định để xử lý. Lưu ý mỗi chức năng qui định việc xử lý phần tử tìm được hoàn toàn khác nhau : chức năng xóa file thì sẽ xóa file, chức năng đếm số lượng thì sẽ tăng count đếm, …
    • Sau khi phân tích các chức năng của chương trình và nắm vững kiến thức về thiết kế phần mềm hướng đối tượng, ta thấy để giải quyết tốt nhất các chức năng của chương trình là dùng mẫu thiết kế phổ dụng có tên là “Template method” với lược đồ class như sau :
    • thiết kế trực quan 1 lần để tạo giao diện cho form giao diện tổng quát để người dùng xác định thư mục bắt đầu xử lý, chuỗi pattern nhận dạng các phần tử cần xử lý, hiển thị các thông tin xử lý theo thời gian… Đặt tên class cho form này là CRecursiveBrowseDlg, các thuộc tính dùng chung, hàm xử lý button Browse, button Start được viết 1 lần ở class CRecursiveBrowseDlg, ta gọi các hàm này là các template function, thí dụ hàm DuyetCay() sẽ miêu tả thuật giải duyệt cây phân cấp được dùng chung cho mọi chức năng xử lý hệ thống file.
    • Để thực hiện từng chức năng, ta định nghĩa 1 class con của CrecursiveBrowseDlg rồi chỉ cần override các hàm primitive như InitForm, Prolog, Action, Epilog.

    VI. Qui trình xây dựng chương trình

    VI.1 Qui trình điển hình để tạo các icon đồ họa trong toolbar thể hiện các chức năng :

    Toolbar là 1 cửa sổ chứa nhiều button (icon), mỗi button cho phép thực hiện 1 chức năng của ứng dụng. Các button có kích thước đều nhau, nên kết hợp 1 ảnh bitmap với từng button, nội dung ảnh làm sao gợi ý cho người dùng về chức năng tương ứng (thí dụ ảnh dạng cái kéo gợi ý chức năng Cut,…).

    1. Công việc đầu tiên cần thực hiện là dùng 1 trình soạn thảo đồ họa (Paint, CorelDraw,…) để thiết kế (vẽ) từng ảnh bitmap gợi ý cho chức năng của từng button trong Toolbar. Bạn có thể vẽ mới hình bitmap hay dùng trình “Screen Capture” cắt các icon có sẵn của ứng dụng nào đo đang chạy và dán vào vùng soạn thảo ảnh của trình soạn thảo đồ họa. Sau khi soạn xong 1 ảnh, ta cất ảnh lên file dạng *.bmp. Lưu ý rằng các ảnh phải có cùng kích thước (thí dụ ta chọn 20*20) :

    –     file FilesDelete.bmp chứa ảnh của button (xóa file)

    –     file FilesCount.bmp chứa ảnh của button  (đếm số lượng)

    –     file FilesSize.bmp chứa ảnh của button    (tính tổng kích thước)

    –     file DeepLen.bmp chứa ảnh của button    (tính độ sâu max)

    –     file ExeVirusDel.bmp chứa ảnh của button  (tìm và diệt virus exe.exe)

    –     file Help.bmp chứa ảnh của button    (trợ giúp của chương trình)

    –     file About.bmp chứa ảnh của button  (giới thiệu thông tin về chương trình)

    VI.2 Qui trình điển hình để xây dựng MenuBar cho cửa sổ chương trình :

    1. Chạy VS .Net, chọn menu File.New.Project để hiển thị cửa sổ New Project.
    2. Mở rộng mục Visual C# trong TreeView “Project Types”, chọn mục Window, chọn icon “Windows Application” trong listbox “Templates” bên phải, thiết lập thư mục chứa Project trong listbox “Location”, nhập tên Project vào textbox “Name:” (td. FileManager), click button OK để tạo Project theo các thông số đã khai báo.
    3. Form đầu tiên của ứng dụng đã hiển thị trong cửa sổ thiết kế, việc thiết kế form là quá trình lặp 4 thao tác tạo mới/xóa/hiệu chỉnh thuộc tính/tạo hàm xử lý sự kiện cho từng đối tượng cần dùng trong form.
    4. Nếu cửa sổ ToolBox chưa hiển thị chi tiết, chọn menu View.Toolbox để hiển thị nó (thường nằm ở bên trái màn hình). Click chuột vào button (Auto Hide) nằm ở góc trên phải cửa sổ ToolBox để chuyển nó về chế độ hiển thị thường trực.
    5. Duyệt tìm phần tử MenuStrip (trong nhóm Menu & Toolbars), chọn nó, drag nó về vị trí bất kỳ trong form để tạo menubar cho cửa sổ chương trình. Menubar lập tức được tạo ra ở trên cửa sổ. Menubar mới chỉ có 1 menu trống có caption là “Type Here”.
    6. Click chuột vào chuỗi “Type Here” để thiết lập cursor ở đây rồi nhập vào caption của menu đầu tiên của chương trình “File”. Sau khi nhập xong caption cho menu, click chuột để chọn nó, cửa sổ thuộc tính của menu này được hiển thị trong cửa sổ thuộc tính (thường nằm ở dưới phải màn hình). Duyệt tìm và hiệu chỉnh nội dung của thuộc tính (Name) = mnuFile.
    7. Chọn lại menu File, hiện giờ nó chỉ chứa 1 MenuItem trống có caption là “Type Here” :

    Click chuột vào chuỗi “Type Here” trong menu pop-up “File” để thiết lập cursor ở đây rồi nhập vào caption của MenuItem đầu tiên là “Xóa file đệ quy”. Sau khi nhập xong caption cho MenuItem, click chuột trên nó để chọn nó, máy sẽ hiển thị cửa sổ thuộc tính của nó. Ấn phải chuột trên MenuItem để hiển thị menu lệnh, chọn chức năng “Set Image” để hiển thị cửa sổ “Set Resource”, đánh dấu chọn vào checkbox “Local resource”, click button Import, duyệt tìm và xác định file bitmap được dùng làm icon cho MenuItem này. Xem cửa sổ thuộc tính của MenuItem “Xóa file đệ quy” vừa tạo, duyệt tìm và hiệu chỉnh nội dung của thuộc tính (Name) = mnuFilesDelete.

    1. Lặp lại bước 8 để tạo các MenuItem chức năng còn lại :

    –     “Tính số lượng file đệ quy” có (Name) = mnuFilesCount

    –     “Tính tổng kích thước các file đệ quy” có (Name) = mnuFilesSize

    –     “Tính độ sâu maximum của 1 thư mục” có (Name) = mnuFileDeepLen

    –     “Diệt virus exe.exe” có (Name) = mnuFileVirusDel

    –     “-“ có (Name) = tên mặc định. Phần từ này tự biến thành làn phân cách (để tạo nhóm chức năng trong 1 menu pop-up).

    –     “Exit” có (Name) = mnuFileExit

    1. Lặp lại các bước 8 & 9 để tạo menu Help với (Name) = mnuHelp gồm 2 MenuItem chức năng sau đây :

    –     “Trợ giúp” có (Name) = mnuHelpHelp

    –     “Về chương trình…” có (Name) = mnuHelpAbout

    Sau khi thiết kế xong, cửa sổ có dạng y như hình vẽ ở mục V trên đây.

    VI.3 Qui trình điển hình để xây dựng ToolBar :

    1. Duyệt tìm phần tử ToolStrip (trong nhóm Menu & Toolbars), chọn nó, drag nó về vị trí bất kỳ trong form để tạo Toolbar cho cửa sổ chương trình. Toolbar lập tức được tạo ra ở trên cửa sổ. Toolbar mới chỉ có 1 Button trống như hình dưới :
    2. Click chuột vào mũi tên chỉ xuống của Button trống để hiển thị menu lệnh, chọn lệnh Button để tạo Button mới. Button mới có hình đồ họa mặc định là . Trong cửa sổ thuộc tính của button mới, duyệt tìm thuộc tính Image, click chuột vào button bên phải thuộc tính để hiển thị cửa sổ “Select Resource”, đánh dấu chọn vào checkbox “Local resource”, click chuột vào button “Import”, duyệt tìm và xác định file bitmap được dùng làm icon cho Button này (). Xem cửa sổ thuộc tính của Button vừa tạo, duyệt tìm và hiệu chỉnh thuộc tính (Name) = tbFileDelete.
    3. Lặp lại bước 12 nhiều lần để tạo các button còn lại :

    –     Button  có (Name) = tbFilesCount

    –     Button có (Name) = tbFilesSize

    –     Button  có (Name) = tbFileDeepLen

    –     Button có (Name) = tbFileVirusDel

    –     Button  có (Name) = tbHelpHelp

    –     Button  có (Name) = tbHelpAbout

      Sau khi thiết kế xong Toolbar, ta thấy Toolbar có dạng sau :

     

    VI.4 Qui trình điển hình để định nghĩa interface sử dụng :

    Trong chương trình, ta có 5 class miêu tả 5 chức năng mà chương trình cung cấp. Chi tiết hiện thực từng class chức năng cần được che dấu đối với phần còn lại của chương trình. Để giải quyết vấn đề này tốt nhất, ta sẽ định nghĩa interface sử dụng chung cho 5 class chức năng, interface này có tên là Icommand và chỉ chứa đúng 1 hàm dịch vụ :

    void Show(); //hiển thị form chức năng đề người dùng làm việc

    1. Để định nghĩa interface, ta dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.New Item để hiển thị cửa sổ “Add New Item”, chọn mục “Interface”, hiệu chỉnh tên interface là ICommand.cs, chọn button Add để máy tạo 1 interface mới.
    2. Cửa sổ soạn code cho interface ICommand được hiển thị, ta định nghĩa interface đơn giản như sau :

    namespace FileManager {

        interface ICommand {

            void Show(); //hiển thị form chức năng để người dùng làm việc với nó

        }

    }

    VI.5 Qui trình điển hình để xây dựng trực quan 1 Dialog Box :

    Giả sử ta cần 1 form tổng quát chứa các đối tượng giao diện sau đây để phục vụ chung cho tất cả các chức năng của chương trình FileManager :

    Qui trình điển hình để xây dựng trực quan Form (Dialog Box) trên gồm các bước thao tác sau :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Windows Form để hiển thị cửa sổ “Add New Item”, chọn mục “Windows Form”, hiệu chỉnh tên Form là CRecursiveBrowseDlg.cs, chọn button Add để máy tạo 1 form mới.
    2. Form mới tạo đã hiển thị trong cửa sổ thiết kế, việc thiết kế form là quá trình lặp 4 thao tác tạo mới/xóa/hiệu chỉnh thuộc tính/tạo hàm xử lý sự kiện cho từng đối tượng cần dùng trong form.
    3. Thay đổi phỏng chừng kích thước form cho đủ lớn hầu chứa đủ các đối tượng giao diện trong form như hình vẽ trên.
    4. Nếu cửa sổ ToolBox chưa hiển thị chi tiết, chọn menu View.Toolbox để hiển thị nó (thường nằm ở bên trái màn hình). Click chuột vào button (Auto Hide) nằm ở góc trên phải cửa sổ ToolBox để chuyển nó về chế độ hiển thị thường trực.
    5. Duyệt tìm phần tử Label (trong nhóm Common Controls), chọn nó, dời chuột về vị trí trên trái trong form và vẽ nó với kích thước mong muốn. Vì đây là phần tử tổng quát để các class con override nên ta không cần thiết lập nội dung cụ thể cho thuộc tính Text của nó, tuy nhiên để class con truy xuất dễ dàng, ta cần hiệu chỉnh thuộc tính (Name) = lblStartDir, Modifiers = protected.
    6. Duyệt tìm phần tử TextBox (trong nhóm Common Controls), chọn nó, dời chuột về vị trí ngay dưới Label vừa vẽ và vẽ nó với kích thước mong muốn. Hiệu chỉnh thuộc tính (Name) = txtStartDir, Modifiers = protected.
    7. Duyệt tìm phần tử Button (trong nhóm Common Controls), chọn nó, dời chuột về vị trí ngay bên phải TextBox vừa vẽ và vẽ nó với kích thước mong muốn. Hiệu chỉnh thuộc tính (Name) = btnBrowse, Modifiers = protected.
    8. Lặp lại 3 bước 20, 21, 22 để vẽ 1 Label có (Name) = lblPattern, Modifiers = protected, 1 TextBox có (Name) = txtPattern, Modifiers = protected, 1 button có (Name) = btnStart, Modifiers = protected. Bạn cũng có thể dùng phương pháp nhân bản vô tính để tạo các phần tử mới giống như những phần tử đã có, thí dụ bạn chọn 3 đối tượng đã vẽ (Label, TextBox, Button), copy chúng rồi paste vào vị trí mới, dời vị trí và thay đổi kích thước các phần tử mới theo yêu cầu.
    9. Duyệt tìm phần tử Label (trong nhóm Common Controls), chọn nó, dời chuột về vị trí ngay dưới TextBox txtStartDir và vẽ nó với kích thước mong muốn. Hiệu chỉnh thuộc tính (Name) = lblOutput, Modifiers = protected.
    10. Duyệt tìm phần tử ListBox (trong nhóm Common Controls), chọn nó, dời chuột về vị trí ngay dưới Label vừa vẽ và vẽ nó với kích thước mong muốn. Hiệu chỉnh thuộc tính (Name) = lbOutput, Modifiers = protected.

          Sau khi thiết kế form xong, Form có dạng đúng theo yêu cầu ở trên.

    VI.6 Định nghĩa các hàm xử lý sự kiện cần thiết trên các đối tượng giao diện :

    1. Dời chuột về button btnBrowse, ấn kép chuột vào nó để tạo hàm xử lý sự kiện Click chuột cho button, cửa sổ mã nguồn sẽ hiển thị để ta bắt đầu viết code cho hàm. Cách tổng quát để tạo hàm xử lý sự kiện là chọn đối tượng btnBrowse, cửa sổ thuộc tính của nó sẽ hiển thị, click icon để hiển thị danh sách các sự kiện của đối tượng, duyệt tìm sự kiện quan tâm (Click), ấn kép chuột vào comboBox bên phải sự kiện Click để máy tạo tự động hàm xử lý cho sự kiện này. Cửa sổ mã nguồn sẽ hiển thị khung sườn của hàm vừa được tạo với thân rỗng, nhiệm vụ của người lập trình là viết code miêu tả thuật giải thực hiện đúng chức năng mong muốn :

    //hàm sự lý sự kiện Click trên button btnBrowse

    private void btnBrowse_Click(object sender, EventArgs e)  {

        //tạo form duyệt chọn thư mục

              FolderBrowserDialog dlg = new FolderBrowserDialog();

        //hiển thị form duyệt chọn thư mục để người dùng duyệt chọn thư mục làm việc

              dlg.ShowDialog();

        //hiển thị đừơng dẫn thư mục vào textbox txtStartDir

              txtStartDir.Text = dlg.SelectedPath;

        }

    1. Lặp lại bước 24 để tạo hàm xử lý sự kiện Click chuột trên button btnStart, khung sườn của hàm vừa được tạo với thân rỗng, viết code cho hàm này như sau :

    //hàm sự lý sự kiện Click trên button btnStart

    //hàm này là 1 template method điển hình,

    //nó chỉ chứa 3 bước trừu tượng để giải quyết bất kỳ chức năng nào.

    private void btnStart_Click(object sender, EventArgs e)  {

        //1. thiết lập các giá trị đầu để thực hiện chức năng

             Prolog();

       //2. duyệt cây và thực hiện chức năng trên từng phần tử tìm được

             DuyetCay(txtStartDir.Text, txtPattern.Text);

       //3. thực hiện các công việc kết thúc chức năng

             Epilog();

        }

    1. Hiện thực tối thiểu các hàm primitive (có thân rỗng) để máy không báo lỗi (vì các hàm này sẽ được dùng trong các hàm template của class hiện hành). Ý tưởng là để cho các class con override các hàm này theo yêu cầu riêng :

          //thiết lập các chuỗi caption cho các đối tượng giao diện

          virtual public void InitForm() { }

    //thiết lập các giá trị đầu để thực hiện chức năng

          virtual public void Prolog() { }

          //thực hiện chức năng trên phần tử  tìm được

          virtual public void Action(String fname, byte fop) { }

          //thực hiện các công việc kết thúc chức năng

          virtual public void Epilog() { }

    1. Hiện thực hàm template quan trọng nhất của class hiện hành, hàm này sẽ duyệt cây phân cấp từ thư mục xác định để tìm tất cả các phần tử con thỏa mãn tiêu chuẩn được xác định trong chuỗi pattern :

          //duyệt cây và thực hiện chức năng trên từng phần tử tìm được   

          public void DuyetCay(String sdir, String spattern) {

                // tìm các file thỏa mãn pattern và xử lý

                string[] flist = Directory.GetFiles(sdir, spattern);

                foreach (string fname in flist)

                    Action(fname,0);

     

                //xác định tất cả thư mục con

                string[] sdlistw = Directory.GetDirectories(sdir);

                //xác định tất cả thư mục con thỏa pattern

                string[] sdlist = Directory.GetDirectories(sdir,spattern);

                //duyệt xử lý từng thư mục con

                foreach (string subdir in sdlistw)

                    if (thuocve(subdir,sdlist)) {  //thư mục thỏa pattern

                        DuyetCay(subdir, “*”);

                        Action(subdir,1);

                    }

                    else //thư mục không thỏa pattern

                        DuyetCay(subdir, spattern);

           }

          //kiểm tra chuỗi s có nằm trong danh sách các chuỗi sl   

          private bool thuocve(String s, String[] sl) {

                int max = sl.Length-1;

                for (int i = 0; i <= max; i++)

                    if (s == sl[i]) return true;

                return false;   //trả về false nếu s không nằm trong danh sách

            }

    1. Vì các đoạn code trên có dùng 1 số class thư viện trong namespace System.IO, nên ta phải khải báo namespace này bằng cách dời về đầu file mã nguồn của class CRecursiveBrowseDlg rồi thêm lệnh sau đây vào :

          using System.IO;

    1. Ta hiệu chỉnh lại lệnh định nghĩa class CRecursiveBrowseDlg như sau để nó hiện thực interface ICommand :

          //class CRecursiveBrowseDlg thừa kế class Form và hiện thực interface ICommand   

          public partial class CRecursiveBrowseDlg : Form, ICommand

    31b.    Ta hiệu chỉnh lại thân của hàm khởi tạo class CRecursiveBrowseDlg như sau  :

          //hàm khởi tạo class CRecursiveBrowseDlg   

            public CRecursiveBrowseDlg()   {

                InitializeComponent();

                InitForm();

            }

    VI.7 Định nghĩa class con phục vụ xóa file đệ quy :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Class để hiển thị cửa sổ “Add New Item”, chọn mục “Class”, hiệu chỉnh tên class là CFilesDeleteDlg.cs, chọn button Add để máy tạo 1 class mới.
    2. Khi cửa sổ soạn code cho class CFilesDeleteDlg hiển thị, hiệu chỉnh nội dung của class như sau :

    using System;

    using System.Collections.Generic;

    using System.Text;

    using System.IO;

     

    namespace FileManager {

        class CFilesDeleteDlg : CRecursiveBrowseDlg {

     

        //override hàm InitForm

        public override void InitForm() {

            //hiệu chỉnh các chuỗi caption cho các phần tử giao diện

            this.Text = “Chức năng xóa file và thư mục đệ qui”;

            this.lblStartDir.Text = “Thư mục bắt đầu xóa :”;

            this.lblPattern.Text = “Nhập pattern :”;

            this.lblOutput.Text = “Các file & thư mục bị xóa :”;

            this.btnBrowse.Text = “Browse”;

            this.btnStart.Text = “Start”;

        }

     

        //override hàm Prolog

        public override void Prolog() { }

     

        //override hàm Action để thực hiện xóa thư mục hay file tùy trường hợp

        public override void Action(String fname, byte fop) {

            if (fop == 1) { //thư mục

                Directory.Delete(fname);

                lbOutput.Items.Add(“Remove ” + fname);

            } else { //file

                File.Delete(fname);

                lbOutput.Items.Add(“Delete ” + fname);

            }

        }

     

        //override hàm Epilog

        public override void Epilog() { }

        } //hết class

    } //hết namespace

    VI.8 Định nghĩa class con phục vụ đếm số lượng file đệ quy :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Class để hiển thị cửa sổ “Add New Item”, chọn mục “Class”, hiệu chỉnh tên class là CFilesCountDlg.cs, chọn button Add để máy tạo 1 class mới.
    2. Khi cửa sổ soạn code cho class CFilesCountDlg hiển thị, hiệu chỉnh nội dung của class như sau :

    using System;

    using System.Collections.Generic;

    using System.Text;

     

    namespace FileManager {

        class CFilesCountDlg : CRecursiveBrowseDlg {

        //định nghĩa các thuộc tính dữ liệu cần dùng

         private int dcount;

         private int fcount;

     

        //override hàm InitForm

        public override void InitForm() {

            //hiệu chỉnh các chuỗi caption cho các phần tử giao diện

            this.Text = “Chức năng đếm file & thư mục đệ quy”;

            this.lblStartDir.Text = “Thư mục bắt đầu đếm :”;

            this.lblPattern.Text = “Nhập pattern :”;

            this.lblOutput.Text = “Kết quả đếm :”;

            this.btnBrowse.Text = “Browse”;

            this.btnStart.Text = “Start”;

        }

     

        //override hàm Prolog

        public override void Prolog() {

            fcount = dcount = 0;

        }

     

        //override hàm Action để thực hiện đếm số thư mục và số file

        public override void Action(String fname, byte fop) {

            if (fop == 1) { //thư mục

                dcount++;

            } else {  //file

                fcount++;

            }

        }

     

        //override hàm Epilog

        public override void Epilog() {

            lbOutput.Items.Clear();

            lbOutput.Items.Add(“So file la : ” + fcount);

            lbOutput.Items.Add(“So thu muc la : ” + dcount);

        }

        } //hết class

    } //hết namespace

    VI.9 Định nghĩa class con phục vụ tính tổng kích thước các file đệ quy :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Class để hiển thị cửa sổ “Add New Item”, chọn mục “Class”, hiệu chỉnh tên class là CFilesSizeDlg.cs, chọn button Add để máy tạo 1 class mới.
    2. Khi cửa sổ soạn code cho class CFilesSizeDlg hiển thị, hiệu chỉnh nội dung của class như sau :

    using System;

    using System.Collections.Generic;

    using System.Text;

    using System.IO;

    using System.Runtime.InteropServices;

    namespace FileManager {

        class CFilesSizeDlg : CrecursiveBrowseDlg {

            //định nghĩa các thuộc tính dữ liệu cần dùng

            ulong ClusterSize;

            ulong SumSize;

            ulong SumWaste;

     

            //khai báo hàm API Windows cần dùng

            [DllImport(“kernel32”)]

            public static extern int GetDiskFreeSpace(

            string lpRootPathName,

            out int lpSectorsPerCluster,

            out int lpBytesPerSector,

            out int lpNumberOfFreeClusters,

            out int lpTotalNumberOfClusters

            );

     

        //override hàm InitForm

        public override void InitForm() {

            //hiệu chỉnh các chuỗi caption cho các phần tử giao diện

            this.Text = “Chức năng tính tổng kích thước các file đệ quy”;

            this.lblStartDir.Text = “Thư mục bắt đầu tính :”;

            this.lblPattern.Text = “Nhập pattern :”;

            this.lblOutput.Text = “Kết quả tính :”;

            this.btnBrowse.Text = “Browse”;

            this.btnStart.Text = “Start”;

        }

     

        //override hàm Prolog

        public override void Prolog() {

                SumSize = SumWaste = ClusterSize = 0;

        }

     

        //override hàm Action để thực hiện tổng kích thước các file

        public override void Action(String fname, byte fop) {

                if (ClusterSize == 0)  { //nếu chưa có kích thước cluster đĩa

                    Int32 cs, ss, fs, ts;

                    string[] parts = fname.Split(‘\\’);

                    GetDiskFreeSpace(parts[0] + “\\”, out cs, out ss, out fs, out ts);

                    ClusterSize = (ulong)cs * (ulong)ss;

                }

                if (fop == 1) { //thư mục

                   DirectoryInfo fi = new DirectoryInfo(fname);

               }  else { //file

                   FileInfo fi = new FileInfo(fname);

                   SumSize += (ulong) fi.Length;

                   SumWaste += (ClusterSize – (ulong)fi.Length % ClusterSize);

              }

        }

     

        //override hàm Epilog

        public override void Epilog() {

            lbOutput.Items.Clear();

            lbOutput.Items.Add(“Kich thuoc cluster disk : ” + ClusterSize);

            lbOutput.Items.Add(“Tong kich thuoc cac file la : ” + SumSize);

            lbOutput.Items.Add(“Tong kich thuoc lang phi : ” + SumWaste);

            lbOutput.Items.Add(“Khong gian chiem tren disk : ” + (SumSize + SumWaste));

        }

        } //hết class

    } //hết namespace

    VI.10 Định nghĩa class con phục vụ tính tổng độ sâu max của cây thư mục :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Class để hiển thị cửa sổ “Add New Item”, chọn mục “Class”, hiệu chỉnh tên class là CDeepLengthDlg.cs, chọn button Add để máy tạo 1 class mới.
    2. Khi cửa sổ soạn code cho class CDeepLengthDlg hiển thị, hiệu chỉnh nội dung của class như sau :

    using System;

    using System.Collections.Generic;

    using System.Text;

     

    namespace FileManager

    {

        class CDeepLengthDlg : CRecursiveBrowseDlg {

            //định nghĩa các thuộc tính dữ liệu cần dùng

            int DeepLength;

            String path;

     

        //override hàm InitForm

        public override void InitForm() {

            //hiệu chỉnh các chuỗi caption cho các phần tử giao diện

            this.Text = “Chức năng tính độ sâu sâu nhất của 1 nhánh thư mục”;

            this.lblStartDir.Text = “Thư mục bắt đầu tính :”;

            this.lblPattern.Text = “Nhập pattern :”;

            this.lblOutput.Text = “Kết quả tính :”;

            this.btnBrowse.Text = “Browse”;

            this.btnStart.Text = “Start”;

        }

     

        //override hàm Prolog

        public override void Prolog() {

                DeepLength = 0;

        }

     

        //override hàm Action để thực hiện tính độ sâu max của căy thư mực

        public override void Action(String fname, byte fop) {

              //tách đường dẫn của phần tử thành các thành phần rời rạc

              string[] parts = fname.Split(‘\\’);

                if (parts.Length > DeepLength) {  //nếu độ sâu của thành phần hiện hành lớn nhất

                    DeepLength = parts.Length;

                    path = fname;

                }

        }

     

        //override hàm Epilog

        public override void Epilog() {

            lbOutput.Items.Clear();

            lbOutput.Items.Add(“Do sau max la : ” + DeepLength);

            lbOutput.Items.Add(“Phan tu co do sau max la : “);

            lbOutput.Items.Add(path);

        }

        } //hết class

    } //hết namespace

    VI.11 Định nghĩa class con phục vụ xóa các file bị nhiễm virus exe.exe :

    1. Dời chuột về phần tử gốc của cây Project trong cửa sổ “Solution Explorer”, ấn phải chuột vào nó để hiển thị menu lệnh, chọn chức năng Add.Class để hiển thị cửa sổ “Add New Item”, chọn mục “Class”, hiệu chỉnh tên class là CExeVirusDelDlg.cs, chọn button Add để máy tạo 1 class mới.
    2. Khi cửa sổ soạn code cho class CExeVirusDelDlg hiển thị, hiệu chỉnh nội dung của class như sau :

    using System;

    using System.Collections.Generic;

    using System.Text;

    using System.IO;

     

    namespace FileManager {

        class CExeVirusDelDlg : CrecursiveBrowseDlg  {

     

        //override hàm InitForm

        public override void InitForm() {

            //hiệu chỉnh các chuỗi caption cho các phần tử giao diện

            this.Text = “Chức năng xóa các file nhiễm exe.exe virus”;

            this.lblStartDir.Text = “Thư mục bắt đầu diệt :”;

            this.lblPattern.Text = “Nhập pattern :”;

            this.lblOutput.Text = “Các file & thư mục bị xóa :”;

            this.btnBrowse.Text = “Browse”;

            this.btnStart.Text = “Start”;

        }

     

        //override hàm Prolog

        public override void Prolog() {

    lbOutput.Items.Clear();

        }

     

         //override hàm Action để thực hiện xóa file bị nhiễm virus exe.exe

         public override void Action(String fname, byte fop) {

            if (fop == 1) { //thư mục

            } else { //file

                FileInfo fi = new FileInfo(fname);

                if (fi.Length == 61440) { //nếu kích thước file = 61440

                    File.Delete(fname);

                    lbOutput.Items.Add(“Delete ” + fname);

                }

            }

        }

     

        //override hàm Epilog

        public override void Epilog() {  }

        } //hết class

    } //hết namespace

    VI.12 Viết code cho chương trình chính

    1. Duyệt tìm mục Form1.cs trong cửa sổ “Solution Explorer” miêu tả cửa sổ chính của chương trình, ấn phải chuột vào nó để hiển thị menu lệnh, chọn lệnh “View Code” để hiển thị cửa sổ soạn mã nguồn của class Form tương ứng. Thêm lệnh định nghĩa thuộc tính dữ liệu sau vào đầu class Form1 :

            ICommand dlg;  //tham khảo đến form chức năng mà người dùng muốn dùng

    1. Duyệt tìm mục Form1.cs trong cửa sổ “Solution Explorer” miêu tả cửa sổ chính của chương trình, ấn kép chuột vào nó để hiển thị lại cửa sổ chính của chương trình.
    2. Click chuột vào menu File để hiển thị các MenuItem của nó. Dời chuột về MenuItem “Xóa file đệ quy” rồi ấn kép chuột trên nó để tạo hàm xử lý sự kiện Click chuột trên nó. Khi cửa sổ code hiển thị, viết code đơn giản sau đây cho hàm :

            //hàm xóa file theo pattern

            private void mnuFilesDelete_Click(object sender, EventArgs e)

            {

                //tạo Form xóa file theo pattern và hiển thị nó để người dùng làm việc

                dlg = new CFilesDeleteDlg();

                dlg.Show();

            }

    1. Lập lại các bước 40 và 41 nhiều lần để tạo và viết các hàm xử lý sự kiện Click chuột cho các MenuItem chức năng còn lại. Code của các hàm như sau :

            //hàm đếm số file theo pattern

            private void mnuFilesCount_Click(object sender, EventArgs e)

            {

                //tạo Form đếm số file theo pattern và hiển thị nó để người dùng làm việc

                dlg = new CFilesCountDlg();

                dlg.Show();

            }

     

            //hàm xóa các file bị nhiễm virus exe.exe

            private void mnuFileVirusDel_Click(object sender, EventArgs e)

            {

                //tạo Form xóa virus và hiển thị nó để người dùng làm việc

                dlg = new CExeVirusDelDlg();

                dlg.Show();

            }

     

            //hàm tính độ sâu max

            private void mnuFileDeepLen_Click(object sender, EventArgs e)

            {

                //tạo Form đếm số file theo pattern và hiển thị nó để người dùng làm việc

                dlg = new CDeepLengthDlg();

                dlg.Show();

            }

     

            //hàm tính tổng kích thước các file

            private void mnuFilesSize_Click(object sender, EventArgs e)

            {

                //tạo Form tính tổng kích thước các file theo pattern

    //và hiển thị nó để người dùng làm việc

                dlg = new CFilesSizeDlg();

                dlg.Show();

            }

     

            //hàm hiển thị thông tin trợ giúp

            private void mnuHelpHelp_Click(object sender, EventArgs e)

            {

                MessageBox.Show(“Xin lỗi, chức năng này chưa được hiện thực!”);

            }

     

            //hàm hiển thị thông tin về chương trình

            private void mnuHelpAbout_Click(object sender, EventArgs e)

            {

                MessageBox.Show(“Xin lỗi, chức năng này chưa được hiện thực!”);

            }

    1. Duyệt tìm mục Form1.cs trong cửa sổ “Solution Explorer” miêu tả cửa sổ chính của chương trình, ấn kép chuột vào nó để hiển thị lại cửa sổ chính của chương trình.
    2. Dời chuột về Button “Xóa file đệ quy” trong Toolbar rồi ấn kép chuột trên nó để tạo hàm xử lý sự kiện Click chuột trên nó. Khi cửa sổ code hiển thị, viết code đơn giản sau đây cho hàm :

            //hàm xóa file theo pattern

            private void tbFilesDelete_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuFilesDelete_Click(sender, e);

            }

    1. Lập lại các bước 40 và 41 nhiều lần để tạo và viết các hàm xử lý sự kiện Click chuột cho các Button chức năng còn lại trong Toolbar. Code của các hàm như sau :

            //hàm đếm số file theo pattern

            private void tbFilesCount_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuFilesCount_Click(sender, e);

            }

     

            //hàm xóa các file bị nhiễm virus exe.exe

            private void tbFileVirusDel_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuFileVirusDel_Click(sender, e);

            }

     

            //hàm tính độ sâu max

            private void tbFileDeepLen_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuFileDeepLen_Click(sender, e);

            }

     

            //hàm tính tổng kích thước các file

            private void tbFilesSize_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuFilesSize_Click(sender, e);

            }

     

            //hàm hiển thị thông tin trợ giúp

            private void tbHelpHelp_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuHelpHelp_Click(sender, e);

            }

     

            //hàm hiển thị thông tin về chương trình

            private void tbHelpAbout_Click(object sender, EventArgs e)

            {

                //gọi hàm xử lý MenuItem có chức năng tương ứng

                mnuHelpAbout_Click(sender, e);

            }

    1. Chọn menu Debug.Start Debugging để dịch và chạy thử ứng dụng, nếu máy báo lỗi thì tìm hiểu và sửa lỗi cho đến khi hết lỗi. Khi cửa sổ chính chương trình hiển thị, hãy thử từng lệnh trong MenuBar và trong Toolbar để kiểm tra kết quả.

    VI.13 Xem xét code cho 5 class con và rút ra các kết luận hữu ích :

    • Tính thừa kế trong hướng đối tượng cho phép ta tập trung viết code dùng chung cho nhiều chức năng trong 1 class (cha), chứ không cần lập lại trong từng class (con) miêu tả từng chức năng.
    • Để miêu tả từng chức năng, ta chỉ cần định nghĩa 1 class con thừa kế class cha đã có rồi override các hàm primitive, cụ thể ta chỉ cần override các hàm sau :
    • Hàm InitForm để thiết lập chuỗi caption cho các đối tượng giao diện.
    • Hàm Prolog (nếu cần) để thiết lập giá trị đầu cho các thuộc tính dữ liệu.
    • Hàm Action để miêu tả công việc xử ly trên phần tử tìm được.
    • Hàm Epilog (nếu cần) để thực hiện 1 số việc kết thúc chức năng.
    • Mặc dù các hàm template được viết trong class cha và gọi các hàm primitive được định nghĩa trong class cha (lúc này các class con chưa có), nhưng khi chạy trên đối tượng thuộc class con nào, nó sẽ kích hoạt được đúng hàm primitive được override trong class con đó (nhờ tính đa xạ).
    • Mặc dù các class chức năng có nhiều thành phần có tầm vực public, protected,… nhưng chương trình chính (Client) dùng các đối tượng thông qua interface ICommand, interface này chỉ có 1 hàm chức năng Show() nên chương trình chính chỉ có thể gọi được hàm Show chứ không thể truy xuất được dịch vụ gì khác của các đối tượng mà mình đang tham khảo tới. Điều này thể hiển rất rõ nét tính bao đóng và lợi ích của nó.
    • Dùng macro [DllImport] trong thư viện Runtime.InteropServices để chuyển 1 hàm API có sẵn trong thư viện lập trình cổ điển thành 1 tác vụ của 1 class VC#, nhờ đó ứng dụng hướng đối tượng VC# có thể gọi các hàm API dễ dàng (nhưng theo cơ chế gởi thông điệp của hướng đối tượng).

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Bài tập lớn Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam

    Bài tập lớn Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam

    Bài tập lớn Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Bài tập lớn Công nghệ phần mềm Điện toán đám mây và ứng dụng

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%A0i-t%E1%BA%ADp-l%E1%BB%9Bn-Nghi%C3%AAn-c%E1%BB%A9u-h%E1%BB%87-th%E1%BB%91ng-truy%E1%BB%81n-d%E1%BA%ABn-v%C3%B4-tuy%E1%BA%BFn-v%C3%A0-%C3%A1p-d%E1%BB%A5ng-cho-m%E1%BA%A1ng-th%C3%B4ng-tin-h%C3%A0ng-h%E1%BA%A3i-Vi%E1%BB%87t-Nam.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Bài tập lớn Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam

    MỞ ĐẦU

    Thông tin cấp cứu là thông tin khi một tàu bị nạn sẽ gửi thông báo về tình trạng nguy cập của con tàu và con người trên tàu và yêu cầu được giúp đỡ ngay lập tức [1], [2]. Vì vậy sự thiệt hại lớn hay nhỏ phụ thuộc một phần rất lớn của quá trình thông tin [3]. Mặt khác số lượng tàu thuyền không ngừng gia tăng. Cùng với sự phát triển của khoa học công nghệ hệ thống thông tin liên lạc Hàng Hải không ngừng được phát triển để đảm bảo an toàn và sinh mạng trên biển [22]. Chính vì thế tổ chức hàng hải quốc tế (IMO) và liên minh viễn thông quốc tế (ITU) cho ra đời hệ thống an toàn và báo nạn hàng hải toàn cầu (GMDSS) [1],[2],[3],[4], [5]. Hiện tại qui trình thông tin cấp cứu như sau: Khi đài bờ nhận được báo động cấp cứu và điện cấp cứu từ một tàu bị nạn, đài bờ sẽ chuyển thông tin cấp cứu đó cho trung tâm tìm kiếm cứu nạn quốc gia bằng điện thoại hoặc telex[21], [22]. Sau đó trung tâm tìm kiếm cứu nạn muốn liên lạc với tàu bị nạn lại chuyển thông tin ngược lại cho đài bờ và đài bờ thực hiện chuyển tiếp đến tàu. Như vậy thông tin sẽ bị chậm và nhiều khi không thật sự chính xác và đặc biệt là việc triển khai cứu nạn sẽ không hiệu quả.  Nhằm mục đích đảm bảo hơn về sinh mạng của con tàu và con người trên tàu khi gặp nạn trên biển, việc thông tin liên lạc nhanh hơn, và dễ dàng hơn đặc biệt là việc phối hợp cứu nạn phải được thực hiện đồng bộ thống nhất từ Trung tâm tìm kiếm cứu nạn quốc gia đến các trung tâm tìm kiếm cứu nạn khu vực thông qua các đài bờ là một vấn đề cấp thiết. Muốn được như vậy tất các thông tin cấp cứu qua bất kỳ thiết bị nào cũng ngay lập tức được chuyển về trung tâm phối hợp tìm kiếm cứu nạn và trung tâm cứu nạn có thể điều khiển bất kỳ đài bờ nào trong hệ thống đài ven biển để liên lạc trực tiếp với tàu bị nạn. Với lý do đó Đề tài “Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam” sẽ là cơ sở lý thuyết ban đầu cho việc thực hiện ý tưởng điều khiển từ xa đài bờ thích hợp trong thông tin cấp cứu trực tiếp từ trung tâm phối hợp tim kiếm cứu nạn với tàu bị nạn.

    PHẦN 1:TỔNG QUAN

    1. Tính cấp thiết và thực tiễn của đề tài

    Trong những năm gần đây rất nhiều tai nạn tàu thủy liên tiếp xảy ra và đã gây ra tổn thất rất lớn về tài sản và đặc biệt là tính mạng của con người. Tuy vậy việc tổ chức cứu nạn và điều khiển cứu nạn chưa được nhanh chóng, kịp thời đã gây ra những thiệt hại to lớn, thiết nghĩ nếu việc tổ chức cấp cứu đồng bộ hơn và đặc biệt là thông tin và điều khiển thông tin được tập trung tại nơi tổ chức cứu nạn mà cụ thể là trung tâm tìm kiếm cứu nạn quốc gia thì chắc rằng việc tổ chức cứu nạn sẽ được thuận tiện hơn cho việc tổ chức cấp cứu và cụ thể hơn trong việc tổ chức các tàu đang hoạt động tại nơi bị nạn và theo theo dõi được diễn biến sự việc để cử các đội tìm kiếm cứu nạn SAR(Search and Rescue) hợp lý hơn. Muốn vậy tất cả các thông tin báo động cấp cứu và điện cấp cứu của tàu bị nạn và thông tin hiện trường tại nơi bị nạn phải được giám sát và điều khiển ngay tại trung tâm cứu nạn quốc gia. Chính vì vậy, với sự bùng nổ của thông tin hiện nay tác giả muốn đề xuất một phương án điều khiển thông tin tập trung thông qua một mạng truyền dẫn vô tuyến từ tất cả các đài bờ đến trung tâm phối hợp tìm kiếm quốc gia với tất cả các loại thông tin mà đài tàu bị nạn gửi về và qua bất kỳ đài bờ nào của quốc gia. Nhằm hạn chế tối thiểu những thiệt hại về vật chất và đặc biệt là tính mạng con người khi tàu thuyền gặp nạn.

    2. Các nghiên cứu đã ứng dụng cho thông tin Hàng hải

    Trước đây hệ thống thông tin vô tuyến điện sử dụng cho hàng hải có đặc điểm là sử dụng điện báo Moorse  và tần số cấp cứu ở dải sóng trung (500Khz cho điện báo và 2182Khz cho điện thoại) nên chúng có rất nhiều nhược điểm như đó là cự ly thông tin cấp cứu thấp, không có hệ thống tự động trong mối liên lạc tàu- bờ và tàu- tàu, khi thực hiện cấp cứu phải thực hiện rất nhiều thao tác gây khó khăn cho nhân viên [1]. Chính vì vậy nên kể từ năm 1982 tổ chức hàng hải quốc tế (International Maritime Organization IMO) và Liên minh viễn thông quốc tế (International Telecommunication Union ITU) đã bắt đầu nghiên cứu một hệ thống thông tin hàng hải mới, có nhiều công nghệ tiên tiến và đặc biệt là có tự động trong mối quan hệ giữa tàu – bờ và tàu – tàu trong thông tin cấp cứu hệ thống đó là hệ thống an toàn và báo nạn hàng hải toàn cầu (Global Maritime Distress and Safety System – GMDSS) Hệ thống này có hiệu lực từng phần từ ngày 1/2/1992 và có hiệu lực toàn phần kể từ ngày 1/2/1999 [2], [3], [4].

    Chức năng thông tin của GMDSS có thể phân làm 3 nhóm nhính như sau [1]:

    • Thông tin phục vụ mục đích tìm kiếm và cứu nạn trên biển
    • Thông tin phục vụ mục đích an toàn hàng hải
    • Thông tin phục vụ mục đích thương mại, khai thác và quản lý đội tàu

    Các công nghệ sử dụng trong GMDSS bao gồm hệ thống thông tín vệ tinh:

    Thông tin vệ tinh thực chất là các loại Inmarsat B/C/M/F với các công nhệ chủ yếu là thoại (voice), Fax, Data trong các loại Inmarsat B/M/F, Và Telex trong Inamrsat B/C, Nhưng Inamarsat-C là loại Inamrsat bắt buộc trong GMDSS [3]. Thông tin sẽ được gửi qua đài bờ mặt đất. Hiện tại Việt nam có đài bờ mặt đất Vishipel LES đặt tại Hải Phòng trong đó có cả thông tin thương mại và thông tin cấp cứu. Thông tin cấp cứu thường được phát đến một đại bờ mặt đất LES (Land Earth Station) sau đó đài bờ mặt đất sẽ gửi thông tin đến trung tâm tìm kiếm cứu nạn MCC (Mission Control Center) thông qua hệ thống điện thoại hoặc telex của mạng bưu điện. [11]

    Thông tin mặt đất: Thông tin mặt đất được sử dụng trên tàu thủy được phát trên nhiều dải tần số VHF/MF/HF tùy thuộc vào cự ly thông tin mà sử dụng dải tần số nào cho thật sự hiệu quả. Với các công nghệ được sử dụng là: công nghệ Gọi chọn số DSC (Digital selective calling)[7], DSC được sử dụng để phát các báo động cấp cứu (Distress Alert) với các thông tin kèm theo bao gồm vị trí bị nạn, và tính chất bị nạn. để phát các điện cấp cứu (Distress message) và thông tin cấp cứu (Distress communication) người ta thường sử dụng  công nghệ truyền chữ trực tiếp băng hẹp NBDP (Narrow Band Direct Printer) là loại công nghệ được sử dụng để gửi điện cấp cứu dưới dạng các bản điện text và thông tin thoại [1], [2], [3], [11],[22]

    Trong trường hợp khi tàu bị chìm mà người khai thác không có khả năng cung cấp vị trí chính xác của tàu mình còn có hệ thống COSPAS-SARSAT [18] với thiết bị đầu cuối sử dụng trên tàu thủy là EPIRT (Emergency Position Indicating Radio Becon) là hệ thống vệ tinh quỹ đạo cực có thể cho phép đài mặt đất khu vực LUT (Local Used Terminal) tính toán và khoanh vùng vị trí của tàu bị nạn.

    Ngoài ra hiện nay nó còn được bổ sung thêm hệ thống báo động an ninh hàng hải Social Security Advisory Service (SSAS) là hệ thống báo động khi có cướp biển tấn công.  Và hệ thống Long Range Identification and Tracking (LRIT) là hệ thống nhận dạng và theo giỏi tàu biển từ xa để khoang vùng tàu bị nạn khi mất liên lạc. [11],[18], [21], [22]

    Trong GMDSS đảm bảo thông tin toàn cầu với sự phân chia 4 vùng hoạt động tàu biển như sau: [1], [3]

    Vùng A1:  Là vùng biển trong phạm vi bao phủ của ít nhất một đài bờ trực canh cấp cứu liên tục bằng VHF/DSC trên kên 70 (25-30 hải lý [11], [12])

    Vùng A2: Là vùng biển ngoài A1 nhưng trong phạm vi bao phủ của ít nhất một đài bờ trực canh cấp cứu liên tục bằng DSC trên tần số 2187.5Khz (160 đến 200 hải lý [11], [12])

    Vùng A3: Là vùng biển ngoài A1, A2 nhưng trong phạm vi bao phủ của vệ tinh địa tĩnh từ 700N đến 700S

    Vùng A4: Là vùng biển ngoài A1, A2, A3 Thực chất là vùng hai đầu cực

    Từ những giới thiệu trên ta thấy rằng việc khi một tàu bị nạn thì các phương tiện để gửi báo động cấp cứu và thông tin cấp cứu đến một đài bờ trong hệ thống đài bờ đã được nghiên cứu hoàn chỉnh. Theo GMDSS shore base plan do IMO cập nhật vào tháng tư năm 2010 thì ở Việt Nam hiện nay có 18 đài bờ VHF [22], [10] bao gồm: Móng Cái, Cửa Ông, Hòn Gai, Hải Phòng, Thanh Hóa, Bến Thủy, Huế, Đà Nẵng, Qui Nhơn, Phú yên, Nha Trang, Phan Rang, Phan Thiết, Vũng Tàu, Hồ Chí Minh, Cần Thơ, Cà Mau, Kiên Giang. 13 Đài bờ MF [22],[10] bao gồm: Móng Cái, Cửa Ông, Hòn Gai, Hải Phòng, Bến Thủy, Huế, Đà Nẵng, Phú yên, Nha Trang, Vũng Tàu, Hồ Chí Minh, Cà Mau, Kiên Giang. Và 3 đài bờ trực canh HF [22],[10] là: Hải Phòng, Đà Nẵng, Hồ chí Minh. Tuy nhiên các đài bờ lại hoạt động độc lập với nhau và đài bờ có thể hiểu là cổng thông tin để kết nối với mạng viễn thông chứ không phải là đơn vị tổ chức cứu nạn.  Việc thực hiện cứu nạn và tổ chức tìm kiếm cứu nạn lại do trung tâm phối hợp tìm kiếm cứu nạn quốc gia đảm nhận, Chính vì vậy việc tập trung thông tin tại trung tâm phối hợp tìm kiếm cứu nạn là hết sức cần thiêt.

    3.  Tình hình nghiên cứu thế giới:

    Hiện tại đã có một số nước đã tiến hành nghiên cứu việc điều khiển từ xa các đài bờ trong hệ thống của một quốc gia, trong đó tiêu biểu nhất là Nauy. Nauy là nước phát triển hoàn thiện nhất vùng biển A1 và A2, đây là một nước thuộc Bắc Âu, có vùng biển vĩ tuyến cao, có bờ biển cũng khoảng hơn 3000km như Việt nam, nhưng hệ thống các đài bờ VHF và MF cũng như HF rất phát triển cả về số lượng cũng như cách tổ chức hệ thống đài. [22]

    Hệ thống đài bờ VHF của Nauy gồm 5 đài chính (Main Station) điều khiển hơn 100 đài điều khiển từ xa (Monitor station) [5]. Hệ thống đài MF có 16 đài nhưng chỉ được điều khiển tại một đài chính (Main Station)[5]. Như vậy có thể thấy rằng với hệ thống đài bờ phủ khắp và cự ly lớn nhưng việc điều khiển rất đơn giản bởi sự tập trung và không tốn nhiều nhân công trực canh điều khiển tại chỗ như ở Việt Nam. Một lợi thế nữa là các đài monitor station vì không cần nhân công điều khiển trực tiếp nên có thể đặt anten trên núi cao và như vậy có thể tăng cự ly thông tin lên rất lớn. có thể thấy tất cả đài bờ VHF Việt Nam đều có cự ly thông tin là 30 hải lý [5] trong khi đó ở Nauy có những đài bờ cự ly thông tin lên tới 93 hải lý [5]. Điều này có thể khẳng định là đài này được đặt trên đỉnh núi rất cao.

    4. Tình hình nghiên cứu Việt Nam:

    Ở Việt Nam có một số đề tài nghiên cứu về vấn đề qui hoạch vùng biển A1 và A2 Của TS Trần Xuân Việt [6] , trong đó có đề cập phương pháp tính toán vùng phủ sóng của các đài bờ VHF/MF và HF hiện có của Việt Nam. Trong đó có đề xuất việc lắp thêm một số đài bờ MF ở khu vực miền trung nhằm đảm bảo phủ kín vùng biển A2 của Việt nam. Báo cáo đề tài khoa học cấp nhà nước KHCN 10-03 [10] về qui hoạch đài bờ Việt Nam do PGS TS Trần Đắc Sửu làm chủ nhiệm đề tài đã đề cập đến số lượng đài bờ hiện có và cần thiết cho số lượng đài bờ Việt Nam theo khuyến nghị 108A của IMO. Hoặc đã có các nghiên cứu ứng dụng sử dụng hệ thông Viba để điều khiển hệ thống máy phát vô tuyến điện từ xa của trung tâm Vishipel [8] (Trung tâm điều khiển ở số 5 Nguyễn Thượng Hiền – Hải Phòng trong khi đó hệ thống máy phát đặt ở Đông Hải, và máy thu đặt ở quận Dương kinh). Tuy nhiên chưa đề tài nào nêu lên việc kết hợp mạng lưới đài bờ và điều khiển đài bờ từ xa khi có yêu cầu.

    5. Phạm vi nghiên cứu của đề tài.

    Trên cơ sở của các nghiên cứu trước đây và hệ thống cơ sở hạ tầng đã có, đề tài này chỉ đưa ra một số nghiên cứu nhằm ghép nối hệ thống đài bờ sẵn có thể thông qua mạng truyền dẫn băng thông rộng để nhằm mục đính chuyển thông tin nhận được từ tàu bị nạn trực tiếp về trung tâm cứu nạn quốc gia thông qua mạng truyền dẫn viba và điều khiển hoạt động của các đài monitor từ trung tâm cứu nạn, Trong đó cho phép trung tâm cứu nạn lựa chọn đài bờ nào hoạt động và liên lạc cấp cứu trong trường hợp tàu bị nạn ở nơi có thể liên lạc với nhiều hơn một đài bờ. Tuy nhiên do điều kiện nên đề tài chỉ có thể dùng lại ở mức mô phỏng và lấy kết quả. Sau đó đề xuất phương án lựa chọn thiết bị lắp đặt cũng như các giải pháp kỹ thuật để có được hệ thống đảm bảo về tính năng kỹ thuật cũng như đảm bảo về kinh tế.

     

    PHẦN 2: NỘI DUNG ĐỀTÀI

    Chương 1: Hiệu suất băng thông và hiệu quả sử dụng công suất của các phương pháp điều chế trong các hệ thống thông tin số

    1.1. Sơ đồ khối hệ thống truyền dẫn thông tin số

    1.2. Các phương pháp điều chế số và ưu nhược điểm của từng loại

    1.3. Hiệu suất băng thông của các tín hiệu điều chế

    1.4. Xác suất lỗi bít

    1.5. Mặt phẳng hiệu suất băng thông

    Chương 2: Các yêu cầu cơ bản của mạng thông tin hàng hải Việt Nam, Xu hướng phát triển, và các giải pháp thiết kế mạng hàng hải Việt Nam

    2.1. Đánh giá thực trạng của đài duyên hải Việt Nam

    2.2. Phân loại đài duyên hải Việt Nam

    2.3. Một số phương pháp truyền dẫn có thể sử dụng phù hợp với khoảng cách phương pháp truyền dẫn và tính kinh tế

    2.4. Sơ đồ khối cho hệ thống truyền dẫn Viba dung lượng nhỏ tốc độ 2MBit/s lựa chọn

    2.5 Các chỉ tiêu kỹ thuật đối với truyền dẫn viba của mạng thông tin hàng hải

    2.6 Đánh giá lỗi bit và quan hệ giữa độ tin cậy của hệ thống với thời gian gián đoạn

    2.7 Chỉ tiêu chất lượng đường truyền với điều kiện địa hình và thời tiết của Việt Nam

    Chương 3: Mô phỏng hệ thống thông tin vô tuyến điện tốc độ 2Mbit/s giả định và đề xuất phương án chọn thiết bị mô phỏng

    3.1 Câu trúc của hệ thống vô tuyến điện truyền dẫn 2Mbit/s

    3.2 Sơ đồ mô phỏng tương đương băng gốc của hệ thống viba số.

    3.3 Viết phương trình và chạy mô phỏng

    3.4 Kết quả mô phỏng và kết luận

     

     

    PHẦN 3: KẾT LUẬN

    Đề tài “Nghiên cứu hệ thống truyền dẫn vô tuyến và áp dụng cho mạng thông tin hàng hải Việt Nam” là một đề tài có tính lý thuyết và thực tiễn cao

    Về lý thuyết: Có thể giúp tiếp cận với hệ thống thông tin hiện đại trong truyền thông và điều khiển từ xa, đã và đang được sử dụng trên thế giới hiện nay đó là thông tin số và hệ thống điều khiển thông qua mạng viba số.

    Về thực tế: Nếu được triển khai và hoàn thành có thể nói với độ dài bờ biển hơn 3000km và với lực lượng đài bờ hiện có viện tiến hành thông tin mà đặc biệt là thông tin cấp cứu được nhanh chóng và việc phối hợp tìm kiếm cứu nạn ngày một hiệu quả hơn. Như vậy làm giảm thiệt hại đáng kể về vật chất cũng như con người khi gặp nạn trên biển. Mặt khác với việc các đài monitor không cần người trực canh có thể được lắp đặt trên những núi cao như ở Hải Phòng, Thanh hóa, Huế, Đà Nẵng, Qui nhơn, Vũng Tàu có thể tăng phạm vi phủ sóng của đài bờ dẫn đến việc thông tin liên lạc không những cho tàu hàng mà ngay cả với việc thông tin mà đặc biệt thông tin kêu gọi tàu thuyền đánh cá về nơi trú ẩn khi có bão hoặt thời tiết xấu có thể thực hiện được ngay thông qua hệ thống liên lạc VHF giá thành rất thấp mà không cần phải bắn pháo hiệu kém hiệu quả như hiện nay.

    Tuy nhiên trong thông tin hàng hải, các tuyến thông tin được thiết lập có môi trường phức tạp, địa hình ven biển có nhiều song ngòi, ao hồ, đồi núi,… đó là môi trường gây pha đinh mạnh. Đối với việc thiết kế vi ba số vấn đề lựa chọn thiết bị truyền dẫn hợp lý là rất quan trọng. Việc đánh giá chất lượng thiết bị trước khi mua và lắp đặt cần phải được tiến hành, nhằm chọn thiết bị đảm bảo các yêu cầu kỹ thuật đồng thời tránh những sai sót gây tổn thất về kinh tế. Việc đánh giá thiết bị như vậy có thể thực hiện bằng thực nghiệm hoặc bằng mô phỏng. Trong điều kiện nước ta hiện nay phương pháp đánh giá bằng thực nghiệm là rất khó khăn, nhiều khi không có thiết bị thử nghiệm. Vì vậy phương pháp đánh giá bằng mô phỏng là hợp lý, đây cũng là phương pháp phù hợp với xu hướng của thế giới. Mục đích của mô phỏng nhằm đánh giá chất lượng hệ thống viba số, với các thiết bị có các thông số cho trước, khi chịu ảnh hưởng của pha đing nhiều tia và của nhiễu kênh lân cận. Thông qua mô phỏng thiết kế có thể lựa chọn chính xác thiết bị phù hợp cho tuyến cần thiết kế.

     

    TÀI LIỆU THAM KHẢO

    [1] ITU:  “GMDSS Hand book”.

    [2] Graham D.Lees, Wiliamson:  “Hand book for Marine Radio Communication” Lloyd’s of London Ltd, 1993

    [3] ITU “Manual for used by the Maritime mobile and Maritime Mobile-Satellite Services” Radiocommunication Bureau 1999

    [4] IMO, “Hand book on the Global Maritime Distress and safety system” London 3rd Edition, 2001.

    [5]. GMDSS 1/Circ.12, Master Plan of Shore-based facilities for Global Maritime Distress and safety system, London April 2010

    [6] Trần Xuân Việt: “Phương pháp xác định vùng biển A2 trong hệ thống thông tin hàng hải toàn cầu” Kỷ yếu hội nghị thông tin và định vị vì sự phát triển kinh tế biển Việt Nam

    [7] ITU-IMO Digital selective calling system for used maritime mobile service

    [8] Nguyễn Quốc Bình “Kỹ thuật truyền dẫn số giản yếu” Trường chỉ huy kỹ thuật thông tin Nha Trang 2000

    [9] Nguyễn Minh Tuệ “Nghiên cứu hệ thống truyền dẫn số 2Mbps” Học viện kỹ thuật quân sự Hà Nội 2000

    [10] “Dự án khả thi xây dựng và phát triển hệ thống các đài duyên hải Việt Nam” Cục Hàng hải Việt Nam 1996

    [11] ITU Radio Reguration

    [12] Phan Anh “Trường điện từ và truyền sóng” Nhà xuất bản Đại học Quốc gia Hà nội 2000

    [13] ITU Recommendation P,368-7, 1992 Ground-wave propagation verves for frequencies between 10khz and 30khz

    [14] Leon W. Cough II Digital and Analog communication systems Prentice-Hall International 1977

    [15] Michel C.Jerchim, Philip Balaban, K. Sam Shanmugan: “Simulation of communication System” New York, 1994

    [16] John G. Proakis: “Digital communications”, McGraw-Hill Book company, 1998

    [17] A.A.R Townsend: “Digital Line of Sight Radio Links”, Prentice-hall, 1991

    [18] IMO : “Cospas – Sarsat system” London 2007

    [19] Đặng Văn Chuyết, Nguyễn Tuấn Anh; “Cơ sở lý thuyết truyền tin” NXB giáo dục 1998

    [20] Nguyễn Văn Thưởng: “Cơ sở kỹ thuật truyền số liệu” Nhà xuất bản khoa học kỹ thuật 1998.

    [21] Performance Standards for Ship borne Radio Communications and Navigation Equipment” Edition 1997.

    [22] IMO: “SOLAS” Consolidated Edition, 2007

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Bài tập lớn Công nghệ phần mềm Điện toán đám mây và ứng dụng

    Bài tập lớn Công nghệ phần mềm Điện toán đám mây và ứng dụng

    Bài tập lớn Công nghệ phần mềm Điện toán đám mây và ứng dụng

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected] 

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Tiểu Luận Công nghệ sinh học thực vật

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/B%C3%A0i-t%E1%BA%ADp-l%E1%BB%9Bn-C%C3%B4ng-ngh%E1%BB%87-ph%E1%BA%A7n-m%E1%BB%81m-%C4%90i%E1%BB%87n-to%C3%A1n-%C4%91%C3%A1m-m%C3%A2y-v%C3%A0-%E1%BB%A9ng-d%E1%BB%A5ng.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Bài tập lớn Công nghệ phần mềm Điện toán đám mây và ứng dụng

    Chương I: Tổng Quan Về Điện Toán Đám Mây

     

     

    I.  Giới thiệu điện toán đám mây

     

    1.  Giới thiệu

    Điện toán đám mây (Cloud Computing), còn gọi là điện toán máy chủ ảo, là mô hình điện toán sử dụng các công nghệ máy tính và phát triển dựa vào mạng Internet. Thuật ngữ “đám mây” ở đây là lối nói ẩn dụ chỉ mạng Internet (dựa vào cách được bố trí của nó trong sơ đồ mạng máy tính) và như một liên tưởng về độ phức tạp của các cơ sở hạ tầng chứa trong nó. Ở mô hình điện toán này, mọi khả năng liên quan đến công nghệ thông tin đều được cung cấp dưới dạng các “dịch vụ”, cho phép người sử dụng truy cập các dịch vụ công nghệ từ một nhà cung cấp nào đó “trong đám mây” mà không cần phải có các kiến thức, kinh nghiệm về công nghệ đó, cũng như không cần quan tâm đến các cơ sở hạ tầng phục vụ công nghệ đó. Theo tổ chức Xã hội máy tính IEEE “Nó là hình mẫu trong đó thông tin được lưu trữ thường trực tại các máy chủ trên Internet và chỉ được được lưu trữ tạm thời ở các máy khách, bao gồm máy tính cá nhân, trung tâm giải trí, máy tính trong doanh nghiệp, các phương tiện máy tính cầm tay, ...”.

    Điện toán đám mây là khái niệm tổng thể bao gồm cả các khái niệm như “phần mềm dịch vụ”, “Web 2.0” và các vấn đề khác xuất hiện gần đây, các xu hướng công nghệ nổi bật, trong đó đề tài chủ yếu của nó là vấn đề dựa vào Internet để đáp ứng những nhu cầu điện toán của người dùng. Ví dụ, dịch vụ Google AppEngine cung cấp những ứng dụng kinh doanh trực tuyến thông thường, có thể truy nhập từ một trình duyệt web, còn các phần mềm và dữ liệu đều được lưu trữ trên các máy chủ.

     

    Hình 1: Mô hình điện toán đám mây

                                  

    Thuật ngữ điện toán đám mây xuất hiện bắt nguồn từ ứng dụng điện toán lưới (grid computing) trong thập niên 1980, tiếp theo là điện toán theo nhu cầu (utility computing) và phần mềm dịch vụ (SaaS).

    Điện toán lưới đặt trọng tâm vào việc di chuyển một tải công việc (workload) đến địa điểm của các tài nguyên điện toán cần thiết để sử dụng. Một lưới là một nhóm máy chủ mà trên đó nhiệm vụ lớn được chia thành những tác vụ nhỏ để chạy song song, được xem là một máy chủ ảo.

    Với điện toán đám mây, các tài nguyên điện toán như máy chủ có thể được định hình động hoặc cắt nhỏ từ cơ sở hạ tầng phần cứng nền và trở nên sẵn sàng thực hiện nhiệm vụ, hỗ trợ những môi trường không phải là điện toán lưới như Web ba lớp chạy các ứng dụng truyền thống hay ứng dụng Web 2.0.

     

    2. Định Nghĩa

    Hiện tại khái niệm về điện toán đám mây vẫn đang được giới công nghệ chỉnh lại hàng ngày. Sau đây là một vài định nghĩa về điện toán đám mây:

    Theo Wikipedia:

    “Điện toán đám mây (cloud computing) là một mô hình điện toán có khả năng co giãn (scalable) linh động và các tài nguyên thường được ảo hóa được cung cấp như một dịch vụ trên mạng Internet”.

    Theo Gartner (http://www.buildingthecloud.co.uk) :

    “Một mô hình điện toán nơi mà khả năng mở rộng và linh hoạt về công nghệ thông tin được cung cấp như một dịch vụ cho nhiều khách hàng đang sử dụng các công nghệ trên Internet”.

    Theo Ian Foster:

    “Một mô hình điện toán phân tán có tính co giãn lớn mà hướng theo co giãn về mặt kinh tế, là nơi chứa các sức mạnh tính toán, kho lưu trữ, các nền tảng (platform) và các dịch vụ được trực quan, ảo hóa và co giãn linh động, sẽ được phân phối theo nhu cầu cho các khách hàng bên ngoài thông qua Internet”.

    Hiểu một cách đơn giản điện toán đám mây là việc ảo hóa các tài nguyên tính toán và các ứng dụng, thay vì việc bạn sử dụng một hoặc nhiều máy chủ thật thì nay bạn sử dụng các tài nguyên được ảo hóa thông qua môi trường Internet.

    Từ “đám mây” trong điện toán đám mây thực chất chỉ là 1 phép ẩn dụ để mô tả Internet. Theo định nghĩa thì điện toán đám mây là biện pháp sử dụng dựa trên kết nối Internet, nơi mà những người dùng chia sẻ cùng một mạng máy chủ, phần mềm và dữ liệu.

    Bạn có thể tưởng tưởng ra ứng dụng của điện toán đám mây là gì không? Nếu như bạn đang sử dụng những ứng dụng web từ các hang lớn như Google hoặc Microsoft thì chính bạn đang sử dụng Cloud Computing. Các ứng dụng web như Gmail, Google Calender, Hotmail, SaleForce, Dropbox và Google Docs đều dựa trên Cloud Computing bởi vì khi kết nối tới những dịch vụ đó, ngươi dung đã được truy cập và những cụm nhóm máy chủ đồ sộ thống nhất trên Internet.      

    3. Mô hình và hoạt động

    Về cơ bản, “điện toán đám mây” được chia ra thành 5 lớp riêng biệt, có tác động qua lại lẫn nhau:

     

    Lớp khách hàng

     

    Lớp ứng dụng

     

    Lớp nền tảng

     

    Lớp cơ sở hạ tầng

     

    Lớp máy chủ

    Hình 2: Cấu trúc của điện toán đám mây

    1. Lớp khách hàng (Client): lớp khách hàng của điện toán đám mây bao gồm phần cứng và phần mềm, để dựa vào đó khách hàng có thể truy cập và sử dụng các ứng dụng/dịch vụ được cung cấp từ điện toán đám mây. Chẳng hạn máy tính và đường dây kết nối Internet ( thiết bị phần cứng ) và các trình duyệt web (phần mềm )..
    2. Lớp ứng dụng (Application): lớp ứng dụng của điện toán đám mây làm nhiệm vụ phân phối phần mềm như một dịch vụ thông qua Internet, người dùng không cần phải cài đặt và chạy các ứng dụng đó trên máy tính của mình, các ứng dụng dễ dàng được chỉnh sửa và người dùng dễ dàng nhận được sự hỗ trợ.
    3. Lớp nền tảng ( Platform): cung cấp nền tảng cho điện toán đám mây và các giải pháp của dịch vụ, chi phối đến cấu trúc hạ tầng của “đám mây” và là điểm tựa cho lớp ứng dụng, cho phép các ứng dụng hoạt động trên nền tảng đó. Nó giảm nhẹ sự tốn kém khi triển khai các ứng dụng khi người dùng không phải trang bị cơ sở hạ tầng ( phần cứng và phần mềm) của riêng mình.
    4. Lớp cơ sở hạ tầng ( Infrastructure): cung cấp hạ tầng máy tính, tiêu biểu là môi trường nền ảo hóa. Thay vì khách hàng phải bỏ tiền ra mua các máy chủ, phần mềm, trung tâm dữ liệu hoặc thiết bị kết nối…giờ đây, họ vẫn có thể có đầy đủ tài nguyên để sử dụng mà chi phí được giảm thiểu, hoặc thậm chí là miến phí. Đây là một bước tiến hóa của mô hình máy chủ ảo (Virtual Private Sever).
    5. Lớp máy chủ (Sever): bao gồm các sản phẩm phần cứng và phần mềm máy tính, được thiết kế và xây dựng đặc biệt để cung cấp các dịch vụ của đám mây. Các sever phải được xây dựng và có cấu hình đủ mạnh (thậm chí là rất mạnh) để đáp ứng nhu cầu sử dụng của số lượng đông đảo các người dùng và các nhu cầu ngày càng cao của họ.

    3.1. Mô hình điện toán đám mây

     

    Có 3 mô hình điện toán đám mây chính

    1) Public Cloud (đám mây công cộng) cung cấp các dịch vụ :  email, VoIP, Chat, blog, facebook, .. .(dữ liệu người dùng lưu trữ trong “đám mây” do nhà cung cấp quản trị, khách hàng chia sẻ tài nguyên tính toán – lưu trữ và dịch vụ mà không cần biết “đám mây” đó đang tồn tại ở đâu). Hãy xem Google, người dùng (user) đăng ký tài khoản và được cung cấp vùng lưu trữ cho : dữ liệu, video clip, hình ảnh, sổ địa chỉ … cùng với quyền sử dụng dịch vụ : lịch, chia sẽ dữ liệu, email, tìm kiếm trên internet … về cơ bản là miễn phí trên Google cloud.  Amazon còn đơn giản hơn : user sau khi đăng ký dịch vụ public cloud “Ubuntu One” ngay lập tức được cấp một vùng lưu trữ (dữ liệu, sổ điện thoại và tin nhắn) có dung lượng tới 2 Gb.  Về cơ bản Google và Amazon chỉ đáp ứng nhu cầu user cá nhân nhưng không thể áp dụng cho hoạt động của một cơ quan, tổ chức và doanh nghiệp.

    Hình 3: Mô hình đám mây riêng

    2) Private Cloud – Enterprise cloud (đám mây riêng): cung cấp nhu cầu cho nội bộ một cơ quan, tổ chức hoặc doanh nghiệp. Những đám mây này tồn tại bên trong tường lửa công ty và chúng được doanh nghiệp trực tiếp quản lý.  Hiện đang tồn tại hai loại giải pháp cho mô hình private cloud :   

    Đám mây riêng vô hình là mô hình dịch vụ “đám mây”  được cung cấp cho doanh nghiệp trực tiếp quản lý nhưng hoàn toàn không biết nó tồn tại và hoạt động tương tác như thế nào trong “đám mây” của nhà cung cấp dịch vụ. Các cơ quan, tổ chức hay doanh nghiệp từ nay không cần mua bản quyền phần mềm nhân sự, tài chính, kinh doanh,  … không cần trang bị máy chủ mạnh để lưu trữ dữ liệu, không cần mua phần mềm nữa, . . .mà chỉ cần trả phí sử dụng dịch vụ cho nhà cung cấp mà thôi.  Nhà cung cấp dịch vụ “đám mây” cài đặt các phần mềm ứng dụng tại trung tâm điện toán mà điển hình là Google và Amazon như đã nói ở trên.  Tuy vậy giải pháp trên có nhược điểm :  kết nối không ổn định, không tích hợp được các ứng dụng mang tính đặc thù của các cơ quan, tổ chức, công ty như quản lý văn bản số hóa, chuyển giao văn bản số hóa.  Ngoài ra không đảm bảo : chủ động, tính riêng tư, quyền sở hữu, bảo mật…

    Đám mây riêng hữu hình là một dạng mô hình dịch vụ đám mây cấp cho doanh nghiệp trực tiếp quản lý và sở hữu tại chỗ tương tác với “đám mây” riêng khác và “đám mây” công cộng khác. Giải pháp này khắc phục được những nhược điểm của giải pháp “đám mây” riêng vô hình.

    Hình 4: Private Cloud và Public Cloud

    3) Hybrid Cloud – đám mây chung hợp: đó là sự chung hợp giữa public cloud và private cloud đáp ứng yêu cầu ứng dụng lớn phải có sự tương tác giữa public cloud và private cloud và khả năng quản trị thống nhất lúc cao điểm, sau đó trả lại sức chứa và sử dụng cho public cloud khi không cần dùng nữa.

    Hình 5: Hybrid Cloud

     

     

     

    3.2 Cách thức hoạt động

     

    Để hiểu cách thức hoạt động của “đám mây”, tưởng tượng rằng “đám mây” bao gồm 2 lớp: Lớp Back-end và lớp Front-end.

     

    Hình :6 Hạ tầng thiết bị được chứa ở lớp Back-End, và giao diện người dùng của các ứng dụng được chứa tại lớp Front-End.

     

    Lớp Front-end là lớp người dùng, cho phép người dùng sử dụng và thực hiện thông qua giao diện người dùng. Khi người dùng truy cập các dịch vụ trực tuyến, họ sẽ phải sử dụng thông qua giao diện từ lớp Front-end, và các phần mềm sẽ được chạy trên lớp Back-end nằm ở “đám mây”. Lớp Back-end bao gồm các cấu trúc phần cứng và phần mềm để cung cấp giao diện cho lớp Front-end và được người dùng tác động thông qua giao diện đó.

    Bởi vì các máy tính trên “đám mây” được thiết lập để hoạt động cùng nhau, do vậy các ứng dụng có thể sử dụng toàn bộ sức mạnh của các máy tính để có thể đạt được hiệu suất cao nhất. Điện toán đám mây cũng đáp ứng đầy đủ tính linh hoạt cho người dùng. Tùy thuộc vào nhu cầu, người dùng có thể tăng thêm tài nguyên mà các đám mây cần sử dụng để đáp ứng, mà không cần phải nâng cấp thêm tài nguyên phần cứng như sử dụng máy tính cá nhân. 

    Ngoài ra, với điện toán đám mây, vấn đề hạn chế của hệ điều hành khi sử dụng các ứng dụng không còn bị ràng buộc, như cách sử dụng máy tính thông thường.

    4. Đặc điểm của điện toán đám mây

           Trước đây để có thể triển khai một ứng dụng (ví dụ một trang Web) bạn phải đi mua/thuê một hay nhiều máy chủ (sever), sau đó đặt máy chủ tại các trung tâm dữ liệu (data center) thì nay điện toán đám mây cho phép bạn giản lược quá trình mua/thuê đi. Bạn chỉ cần nêu ra yêu cầu của mình, hệ thống sẽ tự động gom nhặt các tài nguyên rỗi (free) để đáp ứng yêu cầu của bạn. Chính vì vậy có thể kể đến những lới ích mà điện toán đám mây mang lại:

     

    • Tốc độ xử lý nhanh, cung cấp cho người dùng những dịch vụ nhanh chóng và giá thành rẻ dựa trên nền cơ sở hạ tầng tập trung (đám mây).
    • Chi phí đầu tư ban đầu về cơ sở hạ tầng, máy móc và nguồn nhân lực của người sử dụng điện toán đám mây được giảm đên mức thâp nhất.
    • Không còn phụ thuộc vào vị trí địa lý, cho phép người dùng truy cập và sử dụng hệ thống thông qua trình duyệt web ở bất kỳ đâu và trên bất kỳ thiết bị kết nối internet nào mà họ sử dụng ( chẳng hạn là PC hoặc điện thoại di động..)
    • Chia sẻ tài nguyên trên một địa bàn rộng lớn mang lại những lợi ích cho người dùng như:
    • Tập trung cơ sở hạ tầng tại một vị trí giúp người dùng không tốn nhiều thời giá thành đầu tư về trang thiết bị.
    • Công suất xử lý nhanh hơn do tài nguyên được tập trung. Ngoài ra, người dùng không cần đầu tư về nguồn nhân lực quản lý hệ thống.
    • Khả năng khai thác và hiệu suất được cải thiện hơn 10-20% so với hệ thống máy tính cá nhân thông thường.
    • Độ tin cậy cao: không chỉ giành cho người dùng phổ thông, điện toán đám mây phù hợp với yêu cầu cao và liên tục của các công ty kinh doanh và các nghiên cứ khoa học.
    • Khả năng bảo mật được cải thiện do sự tập trung về dữ liệu
    • Các ứng dụng trên đám mây dễ dàng để sửa chữa hơn bởi lẽ chúng không được cài đặt cố định trên một máy tính nào. Chúng dễ dàng hỗ trợ và cải thiện tính năng.
    • Tài nguyên sử dụng của điện toán đám mây luôn được quản lý và thống kê trên từng khách hàng và ứng dụng theo từng ngày, từng tuần, từng tháng. Điều này đảm bảo cho việc định lượng giá cả của mỗi dịch vụ do điện toán đám mây cung cấp để người dùng có thể lựa chọn phù hợp.

    Bất cứ hệ thống nào cũng có những ưu và nhược điểm của nó và điện toán đám mây cũng không ngoại trừ. Trong quá trình thực hiện điện toán đám mây người ta nhận thấy những khó khăn và thách thức sau:

    • Tính riêng tư: các thông tin người dùng và dữ liệu chứa trên điện toán đám mây có đảm bảo được riêng tư và liệu các thông tin đó có bị sử dụng vì một mục đích khác?
    • Tính sẵn dùng: liệu các dịch vụ đám mây có bị “treo” bất ngờ, khiến cho người dùng không thể truy cập các dịch vụ và dữ liệu của mình trong nhữn khoảng thời gian nào đó khiến ảnh hưởn đến công việc?
    • Mất dữ liệu: một vài dịch vụ lưu trữ dữ liệu trực tuyến trên đám mây bất ngờ ngừng hoạt động hoặc không tiếp tục cung cấp dịch vụ, khiến cho người dùng phải sao lưu dữ liệu của họ từ “đám mây” về máy tính cá nhan. Điều này sẽ mất nhiều thời gian. Thậm chí một vài trường hợp, vì một lý do nào đó, dữ liệu người dùng bị mất và không thể phục hồi được.

    Hình 7: Dữ liệu chứa trên các “đám mây” sẽ phải giao phó toàn bộ”số phận” cho “đám mây”

     

     

    • Tính di động của dữ liệu và quyền sử hữu: một câu hỏi đặt ra, liệu người dùng có thể chia sẻ dữ liệu từ dịch vụ đám mây này sang dịch vụ của đám mây khác? Hoặc trong trường hợp không muốn tiếp tục sử dụng dịch vụ cung cấp từ đám mây, liệu người dùng có thể sao lưu toàn bộ dữ liệu của họ từ đám mây? Và làm cách nào để người dùng có thể chắc chắn rằng các dịch vụ đám mây sẽ không hủy toàn bộ dữ liệu của họ trong trường hợp dịch vụ ngừng hoạt động.
    • Khả năng bảo mật: vấn đề tập trung dữ liệu trên các “đám mây” là cách thức hiệu quả để tăng cường bảo mật, nhưng mặt khác cũng chính là mối lo của người sử dụng dịch vụ của điện toán đám mây. Bởi lẽ một khi các đám mây bị tấn công hoặc đột nhập, toàn bộ dữ liệu sẽ bị chiếm dụng.

    Chương II. Ứng dụng của điện toán đám mây

     

    Thực ra ứng dụng của công nghệ đám mây là vô giới hạn. Chỉ cần có một phần mềm trung gian phù hợp là một hệ thống mây có thể xử lý tất cả các chương trình như bất kỳ một máy tính bình thường nào khác. Tất cả các loại phần mềm, từ trình xử lý văn bản tới ứng dụng tin học tùy biến được thiết kế cho một công ty cụ thể nào đó đều có thể tự do hoạt động trong “đám mây”. Có thể kể đến 1 vài chương trình hay phần mềm ứng dụng điện toán đám mây phổ biến mà chúng ta có thể bạn biết dưới đây :

    * Google Docs

    (http://docs.google.com/):

    Có thể bạn đã khá quen với ứng dụng này nhưng chúng tôi vẫn muốn đưa ra, trước hết là bởi Google luôn là hãng tiên phong trong việc cung cấp tiện ích đám mây. Hiện tại có thể là Google Docs, nhưng trong thời gian tới sẽ có thêm các ứng dụng đám mây khác. Google Docs bao gồm ứng dụng văn bản, bảng tính, và trình bày. Các văn bản do người dùng tạo ra sẽ được lưu trữ trên máy chủ Google. Với Google Docs, nhiều người dùng có thể cùng làm việc trên một văn bản từ nhiều máy tính khác nhau, các thay đổi sẽ diễn ra đồng thời và nhất quán.

    * Jooce

    (http://www.jooce.com/):

    Là một giao diện dựa trên nền flash, Jooce cho phép người dùng có thể kéo thả tệp tin vào đó rồi có thể truy cập từ bất cứ chiếc PC kết nối Internet nào.

    * Blender 3D

    (http://www.blender.org/):

    Đây là trung tâm dữ liệu cho thuê của Sun dành cho doanh nghiệp. Người dùng cần bao nhiêu khả năng xử lý sẽ được đáp ứng bấy nhiêu. Blender 3D thường dùng để phân tích các dữ liệu khoa học, nhưng cũng có thể sử dụng để làm hoạt hình 3D.

    * Twitterfone

    (http://www.twitterfone.com/:

    Dịch vụ này sử dụng khả năng nhận dạng giọng nói để chuyển đổi tin nhắn thoại thành các đoạn tin nhắn (tweet) rồi đăng tải trên trang Twitter.

     

     

    * Picnik

    (http://www.picnik.com/):

    Đây là ứng dụng chỉnh sửa ảnh “đám mây”, cho phép bạn upload ảnh từ PC lên trang hoặc lấy ảnh từ các trang chia sẻ ảnh như Flick hoặc mạng xã hội Facebook. Picnik có nhiều công cụ chỉnh sửa ảnh rất mạnh, và chắc chắn sẽ làm bạn hài lòng.

    * Adobe Photoshop Express:

    APE là phiên bản thu gọn của Photoshop nhưng cũng có đầy đủ tính năng, và quan trọng hơn là người dùng có thể làm trực tiếp trên mạng thay vì phải cài đặt bộ phần mềm Photoshop rất nặng trên PC.

    * Antivirus

    Xu hướng điện toán đám mây là một xu hướng mới trong bảo mật thông tin. Các chương trình diệt virus (antivirus) cũng không nằm ngoài xu hướng này.Bằng cách sử dụng ĐTĐM, các chương trình diệt virus đã có một bước phát triển vượt bậc trong công nghệ an toàn và bảo mật thông tin. Có thể nói rằng, ĐTĐM đã đưa công nghệ diệt virus sang một nấc thang mới. Chỉ cần máy tính của bạn kết nối Internet và bạn sử dụng một chương trình antivirus uy tín, bạn có thể yên tâm về việc phòng tránh virus trên máy tính của mình. Các virus sẽ được cập nhật liên tục lên “đám mây”, và công việc của chương trình antivirus sẽ kết nối với “đám mây” đó và ngăn ngừa sự xâm nhập của chúng vào máy tính của bạn. Các chương trình sẽ tự động cập nhật thường xuyên để cập nhật các mẫu virus mới nhất. Còn nếu máy tính của bạn không kết nối Internet, hãy yên tâm bởi vì các chương trình antivirus có hệ thống dữ liệu riêng trên máy tính của bạn, có thể hạn thế với công suất cao nhất sự xâm nhập của virus. Nhưng nếu muốn bảo vệ máy tính tốt nhất, hãy cập nhật chúng mỗi ngày.

    1. Ứng dụng của điện toán đám mây tại các quốc gia trên thế giới

    Hiện nay tại Cộng đồng châu Âu, Ủy ban châu Âu và một số nước thành viên đang triển khai các hoạt động, mà theo nhiều người cảm nhận, là để hướng tới việc xây dựng một cơ sở hạ tầng chung dựa trên điện toán đám mây cho các quốc gia thành viên. Tuy nhiên, chúng ta cũng đã thấy có những mô hình điện toán đám mây cụ thể đang được sử dụng tại nhiều khu vực trên thế giới.

    Vương quốc Anh

    Chính phủ đã xây dựng “G-cloud,” một mạng điện toán đám mây trên quy mô toàn chính phủ và cũng là một ưu tiên chiến lược. Bản báo cáo Digital Britain Report phát hành vào tháng 6 năm 2009 tại Anh đã kêu gọi chính phủ Anh đi đầu trong chiến lược số hóa quy mô lớn cho toàn bộ quốc gia. Thủ tướng Gordon Brown cũng đã công bố khi đưa ra bản báo cáo: “Digital Britain hướng tới việc trang bị cho đất nước những công cụ để thành công và đi đầu trong nền kinh tế tương lai”.

    Nhật Bản

    Tại Nhật Bản, Chính phủ đang triển khai một sáng kiến lớn về điện toán đám mây, nhân rộng “đám mây Kasumigaseki”. Sáng kiến này tìm cách phát triển một môi trường điện toán đám mây riêng có thể host toàn bộ hệ thống tính toán của chính phủ Nhật Bản.Đám mây Kasumigaseki sẽ hỗ trợ sự chia sẻ thông tin và tài nguyên ở mức độ cao hơn và khuyến khích hoạt động tiêu chuẩn hóa, tập trung hóa các tài nguyên CNTT của chính phủ, theo như Bộ Nội vụ và Truyền thông (MIC) Nhật Bản cho biết (2009).

    Thông qua tập trung hóa toàn bộ hoạt động CNTT của chính phủ vào một cơ sở hạ tầng điện toán đám mây duy nhất, chính phủ Nhật Bản tin rằng họ sẽ không chỉ cắt giảm được chi phí và thu được những lợi ích trong hoạt động mà họ còn có các hoạt động CNTT “xanh” hơn, thân thiện hơn với môi trường.

    Đám mây Kasumigaseki là một phần trong Dự án Digital Japan Creation. Dự án này chính là một nỗ lực của chính phủ nhằm sử dụng các khoản đầu tư CNTT (trị giá gần 100 nghìn tỷ Yên) để hỗ trợ khôi phục kinh tế thông qua tạo ra thêm hàng trăm nghìn việc làm mới trong lĩnh vực CNTT trong vòng vài năm tới và tăng gấp đôi quy mô của thị trường CNTT Nhật Bản vào năm 2020.

    Thái Lan

    Tại Thái Lan, Cơ quan Dịch vụ Công nghệ Thông tin Chính phủ (Government Information Technology Service – GITS) đang xây dựng một đám mây điện toán riêng để các cơ quan chính phủ Thái Lan sử dụng. GITS đã thiết lập một dịch vụ e-mail dựa trên điện toán đám mây và có kế hoạch bổ sung các giải pháp SaaS trong tương lai gần. GITS tin rằng việc tập trung hóa như vậy sẽ nâng cao chất lượng cung cấp dịch vụ cho các cơ quan chính phủ, trong khi vẫn hạ thấp “đáng kể” chi phí CNTT (Hicks, 2009b).

    Việt Nam

    IBM đang hợp tác với Chính phủ và các trường Đại học Việt Nam để giúp đất nước này sử dụng sức mạnh của điện toán đám mây trong cả lĩnh vực công và lĩnh vực tư nhân của nền kinh tế vốn xuất phát từ một nền kinh tế nông nghiệp có tốc độ phát triển nhanh chóng này (nystedt, 2009). Mới đây, ông Willy Chiu thuộc Phòng thí nghiệm IBM Cloud Labs đã quan sát thấy rằng cam kết của Việt Nam đối với mô hình mới là do thực tế: “Chính phủ xem điện toán đám mây như là một cách thức để hướng tới một nền kinh tế dịch vụ” (được trích dẫn trong Babcock, 2009).

     

     

    Trung Quốc

    Tại Trung Quốc, các chương trình điện toán đám mây đến nay đã rất phổ biến nhờ các nhà lãnh đạo địa phương. Thành phố Dongying tại miền Bắc Trung Quốc đang triển khai một sáng kiến về điện toán đám mây để không chỉ cải thiện các giải pháp chính phủ điện tử mà còn hỗ trợ phát triển kinh tế thông qua lãnh đạo các hoạt động xây dựng cái được gọi là Trung tâm Điện toán Đám mây Sông Hoàng Hà. Phó Thị trưởng của Dongying, ông Li Jinkun, đã hình dung ra rằng Dongying có thể trở thành một “thành phố của những sáng tạo số” thông qua một nền tảng điện toán đám mây do IBM phát triển nằm ở tâm điểm của sáng kiến này.

    Tương tự như vậy, tại thành phố Wuxi, nằm ở miền Nam Trung Quốc, chính quyền thành phố đã xây dựng một “nhà máy dịch vụ điện toán đám mây” để nâng cao chất lượng các tài nguyên điện toán dành cho các công ty. Nhiều công ty mới khởi nghiệp tại “công viên phần mềm” của thành phố phải đối mặt với một vấn đề chung của việc không có đủ các nguồn lực tài chính cần thiết để đầu tư cơ sở hạ tầng CNTT cần thiết để có thể cạnh tranh hiệu quả.

    Để đáp ứng yêu cầu này, và để thu hút thêm nhiều công ty tham gia vào dự án phát triển kinh tế của mình, Chính quyền thành phố Wuxi đã hợp tác với IBM để xây dựng một trung tâm điện toán đám mây nhằm cung cấp các tài nguyên theo nhu cầu cho các công ty tại công viên phần mềm. Sử dụng nhà máy dịch vụ điện toán đám mây, các nhà phát triển phần mềm có thể dễ dàng truy cập vào các tài nguyên điện toán cần thiết cho các dự án của họ. Các công ty tham gia vào dự án có một cơ sở hạ tầng điện toán sẵn sàng, theo nhu cầu, giải phóng các nguồn lực tài chính cho các nhu cầu khác và giúp các công ty mới khởi nghiệp phát triển dễ dàng hơn, tạo ra sự thịnh vượng kinh tế và công ăn việc làm tại thành phố.

    Singapore

    Cơ quan phát triển Thông tin & Truyền thông Singapore (Infocomm Development Authority of Singapore – iDA) khẳng định rằng điện toán đám mây thể hiện “một bối cảnh mới quan trọng trong lĩnh vực công nghệ thông tin,” và do đó, “điều quan trọng là phải chuẩn bị cho Singapore thật tốt để khai thác điện toán đám mây với quy mô, ảnh hưởng và tính cạnh tranh kinh tế lớn hơn”.

    1. Các dịch vụ điện toán đám mây lớn

    a. Amazon Web Services

    Amazon Web Services là tập hợp các dịch vụ cung cấp cho người lập trình có khả năng truy cập tới hạ tầng kiến trúc tính toán kiểu sẵn sàng-để-sử dụng (ready-to-use) của Amazon. Các máy tính có nền tảng vững chắc đã được xây dựng và tinh chế qua nhiều năm của Amazon bây giờ là có thể cho phép bất cứ ai cũng có quyền truy cập tới Internet. Amazon cung cấp một số dịch vụ Web nhưng ở đây ta chỉ tập trung vào các dịch vụ cơ bản, cái mà đáp ứng được một số yêu cầu cốt lõi của hầu hết các hệ thống như: lưu trữ, tính toán, truyền thông điệp và tập dữ liệu.

    Bạn có thể xây dựng các ứng dụng phức tạp và gồm nhiều phần khác nhau bằng cách sử dụng các chức năng phân tầng với các dịch vụ đáng tin cậy, hiệu quả khối hợp nhất được cung cấp bởi Amazon. Các dịch vụ Web mà tồn tại bên trong đám mây phía bên ngoài môi trường của bạn và có khả năng thực hiện là rất cao.

    Bạn sẽ chỉ trả dựa trên những cái bạn sử dụng mà không cần phải trả trước các chi phí và vốn đầu tư ban đầu. Bạn không cần phải mất chi phí cho bảo trì bởi vì phần cứng được duy trì và phục vụ bởi Amazon. Bạn có thể nhanh chóng kết hợp thành một nền tảng hạ tầng. Điểm quan trọng là  cơ sở hạ tầng là mềm dẻo và có thể thay đổi lên hay xuống tùy theo nhu cầu sử dụng.

    Các thành phần chính của hạ tầng cơ sở của trang Web này gồm có:

    Lưu trữ (Storage)

    Mọi người đều cần phải lưu trữ cho các tệp, các tài liệu, các dữ liệu tải về của mình hoặc các bản sao lưu. Có thể tiến hành lưu trữ bất kỳ các ứng dụng cần thiết của bạn trong Amazon Simple Storage Service (S3) và nhận được các lợi ích với nó như có khả năng mở rộng, đáng tin cậy và với mức chi phí thấp cho việc lưu trữ. Amazon Simple Storage Service (S3) cung cấp các giao diện dịch vụ Web cho việc lưu trữ và khôi phục dữ liệu. Dữ liệu được cho ở bất kỳ loại nào và có thể được lưu trữ và truy cập đến từ bất kỳ vị trí nào thông qua Internet. Bạn có thể lưu trữ không giới hạn một lượng lớn các đối tượng trong S3 với kích thước của mỗi đối tượng trong khoảng từ 1 byte tới 5 GB. Các lưu trữ là có thể ở trong Hoa Kỳ hoặc trong Liên Minh Châu Âu. Bạn có thể chọn vị trí lưu trữ cho các đối tượng của bạn khi bạn tạo ra “buckets”, cái mà tương tự như khái niệm của thư mục trong hệ thống xử lý của bạn. Dữ liệu được lưu trữ an toàn bằng cách sử dụng cùng hạ tầng cơ sở lưu trữ Amazon sử dụng sức mạnh của mình trên toàn thế giới với một mạng lưới các trang Web thương mại điện tử.

    Sự hạn chế truy cập có thể được xác định cho từng đối tượng bạn lưu trữ trong S3, và các đối tượng này có thể được truy cập với các yêu cầu HTTP đơn giản. Thậm chí bạn có thể tạo ra các đối tượng để tải về bằng cách sử dụng giao thức BitTorrent. S3 giải phóng hoàn toàn cho bạn về các lo lắng cho không gian lưu trữ, truy cập vào dữ liệu, hoặc bảo vệ dữ liệu. Bạn thậm chí không phải đối phó với chi phí của việc bảo trì các máy chủ lưu trữ.

    Tính năng của S3 bao gồm:

    Tính ổn định

    Nó được thiết kế để chịu được các hỏng hóc và phục hồi hệ thống rất nhanh với thời gian tối thiểu. Amazon cung cấp một thỏa thuận cấp dịch vụ (service-level agreement -SLA) để duy trì tính sẵn sàng ở mức 99.99 phần trăm.

    Đơn giản, dễ dùng

    S3 được xây dụng trên các khái niệm đơn giản và cung cấp tính mềm dẻo cao cho việc phát triển các ứng dụng của bạn. Bạn có thể xây dựng các lược đồ lưu trữ phức tạp hơn, nếu cần, bằng cách thêm các hàm vào các thành phần của S3.

    Tính mở rộng

    Thiết kế của S3 cung cấp một cấp độ cao về tính mở rộng và cho phép sự điều chỉnh dễ dàng trong dịch vụ khi lượng truy cập vào ứng dụng web của bạn tăng đột biến với lưu lượng khổng lồ.

    Rẻ

    Chi phí sử dụng S3 rất cạnh tranh với các giải pháp của công ty và cá nhân khác trên thị trường.

    Ba khái niệm nền tảng cho khung làm việc S3 là thùng (buckets), đối tượng (objects), và khóa (keys).

    Tính toán (Computing)

    Amazon EC2 là dịch vụ Web cho phép bạn yêu cầu các máy ảo trong vòng một vài phút và dễ dàng thay đổi khả năng của bạn hoặc tải xuống dựa trên nhu cầu. Bạn chỉ cần phải trả chi phí cho khoảng thời gian mà bạn sử dụng. Nếu bạn muốn tăng khả năng tính toán của bạn nên, bạn có thể nhanh chóng tiếp cận khởi tạo máy áo và sau đó chấm dứt chúng khi mà nhu cầu của bạn giảm đi.

    Môi trường của EC2 là được xây dựng trên cùng mã nguồn mở Xen hypervisor, cái được phát triển tại trường Đại học Cambridge. Amazon cho phép bạn tạo ra hình ảnh máy Amazon (AMIs) cái thực hiện hành động như là các khuôn mẫu cho các ví dụ của bạn. Truy cập với các ví dụ có thể được điều khiển bằng việc xác định được các quyền cho phép. Bạn cũng có thể làm bất cứ cái gì bạn muốn với chúng tuy chỉ có một hạn chế duy nhất là yêu cầu bạn cần sử dụng dựa trên Linux. Thời gian gần đây, khi mà Open Solaris được công bố trong một quan hệ đối tác với Sun Microsoftsystem, nhưng phần lớn các thương mại miễn phí và có sẵn được xây dựng cho EC2 đều dựa trên nền tảng Linux.

    Amazon EC2 cung cấp chính xác quy mô máy tính cái cho phép dễ dàng để thay đổi quy mô tài nguyên tính toán của bạn lên và xuống. Bạn hoàn toàn kiểm soát được môi trường tính toán cái mà chạy trong trung tâm dữ liệu của Amazon. Amazon cung cấp năm kiểu của các máy chủ; để cho phép bạn chọn lựa một trong các loại này phù hợp với ứng dụng cần thiết của bạn. Các máy chủ cung cấp từ loại đơn lõi x86 đến loại tám lõi x86_64. Bạn có thể thay thế các trường hợp trong các mô hình địa lý khác nhau hoặc trong các vùng mà từ chỗ đảm bảo thực hiện đến chỗ có thể thất bại. Amazon cũng chỉ dẫn khái niệm của địa chỉ IP thay đổi cho phép làm việc với địa chỉ động. EC2 có thể cung cấp cho ứng dụng ảo của bạn khả năng để: Cấu hình các yêu cầu tính toán của chúng ngay trong khi hoạt động. Điều chỉnh dung lượng dựa trên yêu cầu.

    Một số đặc tính đáng giá được cung cấp bởi mô hình mới này:

    Độ tin cậy

    EC2 được thiết kế để dễ dàng cung cấp các thể hiện của ứng dụng và hủy chúng khi không cần thiết.

    Tính đơn giản

    Được xây dựng trên các khái niệm đơn giản, EC2 cung cấp tính mềm dẻo để kiến thiết các hệ thống của bạn. Amazon cung cấp tất cả các nguyên vật liệu bạn cần; bạn có thể kết hợp những nguyên liệu đó theo cách mà phù hợp với ứng dụng của bạn.

    Bảo mật

    EC2 được thiết kế để cung cấp tính bảo mật cấp độ cao. Các thể hiện của ứng dụng đều hoạt động trong các trung tâm dữ liệu an toàn của Amazon, với khả năng cấu hình tường lửa để giới hạn tất cả các truy cập tới các nhóm mà bạn tin tưởng.

    Bền vững

    Bạn có thể xây dựng tính bền vững trong ứng dụng của bạn bằng cách đặt các thể hiện của ứng dụng của bạn vào trong các các vị trí địa lý khác nhau, và bằng cách sử dụng các vùng lưu trữ bền vững và độc lập với các thể hiện của ứng dụng.

    Giá rẻ

    Dịch vụ EC2 được tính với giá rất kinh tế và là thay thế hấp dẫn cho tất cả các nhu cầu về máy chủ của bạn.

    Gửi thông điệp (Messaging)

    Amazon Simple Queue Service (SQS) là một khung làm việc truyền tin mở rộng và đáng tin cậy nó làm cho việc tạo, lưu trữ, và lấy các thông điệp trở nên đơn giản. Bạn có thể sử dụng nó như là một cơ sở cho sự gắn kết các ứng dụng dựa trên dịch vụ Web của Amazon của bạn. Sử dụng SQS là cách tuyệt vời để xây dựng các ứng dụng mở rộng trên nền web. Bạn trả phí cho các thông điệp dựa trên lượng sử dụng của bạn.

    Toàn bộ khung hàng đợi hoạt động bên trong môi trường bảo mật của các trung tâm dữ liệu của chính Amazon.

    Một số đặc tính cung cấp bởi SQS:

    Tính tin cậy

    SQS được xây dựng để lưu trữ các thông điệp SQS một cách dư thừa trên các trung tâm đa dữ liệu và để làm cho chúng luôn sẵn sàng bất cứ khi nào.

    Tính đơn giản

    Mô hình lập trình cho việc truy cập và sử dụng SQS rất đơn giản và có thể được sử dụng từ rất nhiều ngôn ngữ lập trình khác nhau.

    Bảo mật

    SQS được thiết kế để cung cấp mức độ bảo mật cao. Sự truy cập tới các thông điệp bị giới hạn trong những người dùng có thẩm quyền.

    Tính có thể mở rộng được

    SQS cho bạn khả năng để tạo các ứng dụng dựa trên hàng đợi mà có thể đọc và viết các thông điệp không giới hạn, không có một giới hạn nào.

    Rẻ

    Sử dụng SQS rất kinh tế và là sự thay thế hấp dẫn cho nhu cầu truyền tin của bạn.

     

    Tập hợp dữ liệu (Datasets)

    Amazon SimpleDB (SDB) cung cấp khả năng mở rộng, lập chỉ mục, khả năng lưu trữ mà không cần bảo trì, cùng với việc thực hiện xử lý và truy vấn với tập hợp dữ liệu.

    Amazon SimpleDB (SDB) là dịch vụ Web cho phép lưu trữ, xử lý và truy vấn tập hợp dữ liệu có cấu trúc. Ở đây không phải là một cơ sở dữ liệu quan hệ theo cách tiếp cận truyền thống mà ở mức độ cao hơn dưới dạng các sơ đồ, với dữ liệu ít cấu trúc lưu trữ trong các đám mây và trong đó bạn có thể sử dụng để lưu trữ và khôi phục các giá trị khóa. Mỗi một tập hợp các giá trị khóa cần phải có một tên một mục duy nhất; các mục là được phân chia vào từng miền khác nhau. Mỗi một mục có thể lưu giữ lên tới 256 cặp giá trị khóa của dữ liệu. Bạn có thể thực thi các truy vấn dựa trên tập dữ liệu của bạn trong từng miền khác nhau. Các truy vấn dựa theo từng miền là không được hỗ trợ bởi SDB.

    SDB là một cách đơn giản để sử dụng và cung cấp hầu hết các chức năng của cơ sở dữ liệu quan hệ. Sự duy trì là đơn giản hơn nhiều so với cơ sở dữ liệu điển hình bởi vì không cần phải cài đặt hoặc định dạng. Amazon quan tâm nhiều tới tất cả các việc liên quan đến quản trị. Dữ liệu là được tự động đánh chỉ mục bởi Amazon và là sẵn có cho bạn tại bất kỳ thời điểm nào từ bất kỳ chỗ nào. Một lợi thế quan trọng của khóa là không được sử dụng cho các sơ đồ đó là khả năng chèn dữ liệu vào khi đang hoạt động và thêm các cột hoặc các khóa động.

    SDB là một phần của cơ sở hạ tầng Amazon, và khả năng mở rộng được thực hiện một cách tự động đối với bạn tùy từng tình huống. Bạn có thể tự do tập trung sự chú ý của bạn vào một số thứ quan trọng. bạn chỉ phải trả chi phí chỉ cho tập dữ liệu tài nguyên mà bạn sử dụng.

    Một số tính năng đáng giá cung cấp bởi SDB:

    Tính tin cậy

    SDB được thiết kế để lưu trữ dữ liệu được đánh chỉ số của bạn một cách dư thừa xuyên qua các trung tâm dữ liệu để làm cho chúng sẵn sàng tại mọi thời điểm.

    Tốc độ

    SDB được thiết kế để cung cấp truy xuất dữ liệu nhanh, đặc biệt nếu các yêu cầu của bạn được tạo ra từ một thể hiện EC2 trong môi trường Amazon Web Services.

    Tính đơn giản

    Mô hình lập trình cho việc truy cập và sử dụng SDB rất đơn giản và có thể được sử dụng từ rất nhiều ngôn ngữ lập trình khác nhau.

    Bảo mật

    SDB được thiết kế để cung cấp độ bảo mật cao. Chỉ có những người dùng được chứng thực mới có thể truy cập tới dữ liệu.

    Tính mềm dẻo

    SBD cung cấp khả năng để lưu trữ dữ liệu ngay trong quá trình xử lý mà không cần bất cứ lược đồ được định nghĩa trước nào.

    Giá rẻ

    Phí sử dụng SDB rất kinh tế. Bạn chỉ phải trả cho những gì bạn thực sự dùng.

    b.  Dịch vụ điện toán đám mây cho giáo dục: Google Apps For Education

    Dịch vụ Google Apps của Google ứng dụng các phần mềm trên nền điện toán đám mây.

    Việc tận dụng Google Apps vào  các trường đại học cao đẳng sẽ tiết kiệm đáng kể ngân sách cho hệ thống CNTT của mình. Ngoài các dịch vụ quen thuộc như dịch vụ tìm kiếm, gmail, quảng cáo từ khóa, Google còn có hàng trăm danh mục sản phẩm của hãng miễn phí bản quyền sử dụng cho tất cả các cơ sở giáo dục trên toàn cầu, trong khi tính phí $50 USD/tài khoản/năm đối với doanh nghiệp khi sử dụng phiên bản có tính năng tương tự.

    Công cụ Google Apps chính là một trong những dự án được phát triển thành công từ đại học . Mặt khác, thị trường giáo dục là một thị trường rộng lớn để truyền bá sản phẩm, công nghệ nên đây cũng là cách để Google thực hiện các hoạt động tiếp thị những sản phẩm của họ…

    Có hàng trăm ứng dụng dành cho ngành giáo dục và  việc tranh thủ các ứng dụng này để nâng cao khả năng nghiên cứu, học tập là thật sự cần thiết.  Để phục vụ giáo dục, ngoài những ứng dụng miễn phí thông thường như email, calendar (lịch hẹn), talk (tán gẫu), Google còn cung cấp một loạt các hỗ trợ miễn phí khác như Docs (duyệt văn bản), Site (website nội bộ), Video, Group (trao đổi nhóm)… nhằm giúp cho môi trường học tập thêm đa dạng và phong phú. Các ứng dụng này được xây dựng dựa trên nền tảng điện toán đám mây, phần mềm như là dịch vụ (software as a service – SaaS) nên mang lại nhiều tiện ích cho nhà trường như không cần phải đầu tư hệ thống máy chủ, không cần mua bản quyền hay thực hiện bảo trì, bảo dưỡng cũng như giảm thiểu rủi ro và công sức cho việc vận hành hệ thống CNTT trong nhà trường.

    Ở các nước, đặc biệt là Mỹ, các trường học đã tranh thủ nhanh việc ứng dụng này để giúp giảm thiểu những chi phí liên quan đến việc đầu tư hệ thống, bản quyền phần mềm và nhân sự. Điều này càng phù hợp hơn đối với các trường cao đẳng, đại học, nơi phải phục vụ cho một khối lượng người dùng lên đến hàng chục nghìn.

    Thay vì dành một ngân sách khá lớn để đầu tư cho hệ thống máy tính hoặc sử dụng những phần mềm không có bản quyền khoa CNTT trường Đại Học Kinh Tế Công Nghiệp Long An đã  ứng dụng điện toán đám mây Google For Education vào việc quản lý hệ thống CNTT nhằm đẩy mạnh chất lượng dạy học, nhanh chóng thoát khỏi tình trạng lạc hậu.

    Việc áp dụng điện toán đám mây Google For Education bước đầu đã đem lại các lợi ích sau đây cho nhà trường:

    Giúp nhà trường tiếp thị, xây dựng hình ảnh một cách dễ dàng

    Giảm chi phí xây dựng, bảo trì hệ thống email như chi phí đầu tư server, chi phí bảo trì, Không cần phải có cơ sở hạ tầng nội bộ, bộ máy nhân sự cồng kềnh và cơ chế thuê bao, có thể dễ dàng thay đổi quy mô khi cần thiết.

    Giúp nhà trường tham gia cộng đồng điện toán đám mây của Google .

    Đạt 4 không (không máy chủ, không bảo trì, không rủi ro, không bản quyền) Giảm chi phí cho việc liên hệ và quản lý cán bộ công nhân viên và sinh viên Nâng mặt bằng CNTT của nhà trường .

    Hỗ trợ giảng viên không gian lưu trữ tài liệu trên mạng .

    Hỗ trợ hệ thống email ổn định cho từng giảng viên.

    Tăng cường trao đổi thông tin giữa các phòng ban trường thông qua hệ thống Intranet.

    c. Hệ điều hành

    • Chrome os

    Nó là một hệ điều hành do Google phát triển. Và điều đặc biệt ở Chrome OS chính là cách thức hoạt động của nó: hoàn toàn dựa vào trình duyệt web, hay nói cách khác, nó là một hệ điều hành dựa trên công nghệ “điện toán đám mây”.

    Một đặc điểm khác của Chrome OS là người dùng có thể sử dụng nó bất kỳ lúc nào, trên bất kỳ nền tảng nào (Windows, Mac hay Linux), miễn là cài sẵn trình duyệt Chrome (cũng của Google) trong máy. Hoặc, nếu thích, họ cũng có thể cài đặt thẳng vào netbook để sử dụng như một hệ điều hành bình thường.

    Chrome sẽ cho phép người dùng truy cập đến các “thư mục” từ bên trong trình duyệt, lưu trữ tất cả tài liệu và các ứng dụng cần thiết để họ tiếp tục công việc của mình khi không kết nối internet

    Tuy vậy, một vài tính năng của Chrome OS vẫn chưa hoàn thiện và đang được tiếp tục phát triển. Đầu tiên (và rất quan trọng) là hỗ trợ USB – Google nói rằng đây là một trong những vấn đề họ đang giải quyết (và vẫn chưa xong). Tính năng nữa là Google Print, cho phép người dùng sử dụng bất kỳ máy in nào được kết nối vào internet mà không cần phải sử dụng driver, một tính năng rất hứa hẹn.

    Các chương trình dành cho Chrome OS:

    Các ứng dụng nền web có thể hoạt động ở chế độ toàn màn hình, (hi vọng) đem đến một trải nghiệm mới mẻ hơn cho người dùng, phần nào giảm đi cảm giác đang sử dụng một ứng dụng web thông thường. Tốc độ của các ứng dụng này hứa hẹn sẽ ở mức chấp nhận được so với các ứng dụng truyền thống.

    WebGL hỗ trợ Chrome OS chạy các ứng dụng 3D phức tạp mà không cần phải cài đặt thêm plugin với một tốc độ (có thể là) khá ổn. Là một hệ điều hành nền web, tất nhiên các ứng dụng của Chrome OS sẽ hoạt động dựa trên nền tảng này, nhưng cũng có một số ứng dụng cho phép người dùng cài đặt vào máy (mà thực ra là lưu lại trong cache) để sử dụng khi không có mạng internet. Các ứng dụng sẽ tự động được chạy ở dạng toàn màn hình và xuất hiện dưới dạng một tab của trình duyệt.

    • Glide os:

    Glide OS là một dịch vụ hệ điều hành trên web hoàn toàn miễn phí được xây dựng trên nền điện toán đám mây, cung cấp cho người dùng những ứng dụng cơ bản và cần thiết nhất. Glide cung cấp khả năng tương thích đa nền tảng cho Windows, Mac OS X, Linux, Solaris, Android, BlackBerry, iPad, iPod, iPhone, Palm Pre, Symbian và Windows Mobile dựa trên khả năng nhận biết thiết bị tự động và chuyển mã file.

    Với gói miễn phí Glide OS cung cấp cho bạn chỗ lưu trữ trực tuyến với dung lượng 30GB, trong khi với gói tính phí (50 đô la Mỹ 1 năm) bạn sẽ được cung cấp 250GB dung lượng lưu trữ.

    Tính năng bao gồm:

    * Đồng bộ hóa các file từ máy tính của bạn với Glide OS

    * Quản lý tập tin và thư mục

    * Sử dụng các ứng dụng của Glide: soạn thảo văn bản, chỉnh sửa ảnh, email …

    * Tùy biến Desktop

     

    Chương III. Tiềm năng phát triển của điện toán đám mây tại Việt Nam

     

    1. Hiện trạng phát triển công nghệ “điện toán đám mây” tại Việt Nam

    Dù được thế giới dự đoán sẽ là “cơn sóng thần công nghệ ” song khái niệm “điện toán đám mây vẫn còn khá mới mẻ tại Việt Nam.”

    IBM là doanh nghiệp tiên phong khai trương trung tâm điện toán đám mây tại Việt Nam vào tháng 9/2008 với khách hàng đầu tiên là là Công ty cổ phần công nghệ và truyền thông Việt Nam (VNTT). Sau đó, Microsoft là một trong những “đại gia” tiếp bước điện toán đám mây ở thị trường Việt Nam, nhưng hiện vẫn đang trong giai đoạn phát triển thử nghiệm.

    Theo Ông Võ Tấn Long, Tổng Giám đốc công ty IBM Việt Nam: “Điện toán đám mây không còn là xu hướng mà là thực tế đang diễn ra. Có thể nói Việt Nam là một trong những nước đầu tiên ở ASEAN đưa vào sử dụng điện toán đám mây. Từ năm 2008 đến nay, ngày càng có nhiều khách hàng tìm đến các dịch vụ điện toán đám mây của IBM”.

    Tiếp đến, điện toán đám mây ở Việt Nam bắt đầu có những tín hiệu khả quan khi khi FPT – nhà công nghệ hàng đầu của Việt Nam đã khẳng định vị thế tiên phong của mình trong công nghệ bằng lễ ký kết với Microsoft châu Á-Trend Micro để hợp tác phát triển “đám mây” ở châu Á. Nhận định về hợp tác này, đại diện Trend Micro cho rằng, điện toán đám mây sẽ đem lại cơ hội cho Việt Nam bởi công nghệ hoàn toàn mới sẽ giúp giới trẻ Việt Nam vốn rất năng động sẽ có thêm điều kiện sáng tạo và phát huy tài năng của mình. Đồng thời, với tiềm năng về nhân lực, cơ sở hạ tầng và nhất là “tính sẵn sàng” của FPT hai bên sẽ không chỉ dừng lại ở cung cấp dịch vụ về điện toán đám mây ở Việt Nam mà sẽ vươn ra toàn cầu.

    Sau cuộc ký kết đó một tuần, FPT tiếp tục hợp tác cùng “đại gia” Microsoft vào tháng 05/2010. Tâm điểm của hợp tác này là một thỏa thuận nhằm phát triển nền tảng điện toán đám mây dựa trên công nghệ của Microsoft. Hai bên đều cùng hướng đến việc phát triển nền tảng cho các dịch vụ đám mây bao gồm truyền thông, hợp tác, lưu trữ dữ liệu và các dịch vụ hạ tầng, nhằm phục vụ nhu cầu của đông đảo khách hàng.

    Gần đây nhất, “Journey to the cloud” (Hành trình tới công nghệ điện toán đám mây) với châm ngôn “New ways to do new things” là chủ đề hội thảo do Microsoft tổ chức hôm 02/03/2011 vừa qua tại Hà Nội, đã thu hút sự tham dự của hơn 300 chuyên gia IT và các nhà lãnh đạo của các doanh nghiệp. Điều này chứng tỏ những vấn đề về điện toán đám mây hiện đang thu hút sự quan tâm của rất nhiều doanh nghiệp trong nước, những người đang kiếm tìm giải pháp nâng cao năng suất cho doanh nghiệp.

    Tuy vậy, tiếp theo sau hội thảo ngày 02/03, “Vietnam Cloud computing Day 2011” (Ngày Điện toán đám mây Việt Nam 2011) diễn ra ngày 9/3 tại Hà Nội cũng đưa ra nhận định: mặc dù điện toán đám mây hiện đang được ứng dụng rộng rãi ở nhiều nước phát triển trên thế giới bởi lợi ích đáng kể mà nó đem lại, nhưng ở Việt Nam các doanh nghiệp vẫn chưa thực sự mặn mà với công nghệ này. Tuy nhiên theo các chuyên gia nhận định, đây chính là giải pháp tối ưu để các doanh nghiệp nước ta giảm thiểu chi phí cũng như tăng hiệu suất làm việc ở mức tối đa.

    Về thực trạng ứng dụng điện toán đám mây ở các doanh nghiệp Việt Nam, có thể rút ra kết luận như sau: Hiện nay đã có một vài doanh nghiệp lớn tại Việt Nam đưa điện toán đám mây vào ứng dụng và hiệu suất kinh doanh được cải thiện đáng kể. Tuy nhiên số lượng là khá ít. Phần lớn vẫn chỉ dừng ở mức quan tâm và tìm hiểu.

    1. Phát triển điện toán đám mây tại Việt Nam – còn nhiều thách thức

    Không nằm ngoài xu thế chung của ngành công nghệ thông tin thế giới, Việt Nam đang dần tiếp cận dịch vụ đám mây thông qua các dự án của một số doanh nghiệp nước ngoài như Microsoft, Intel … Công nghệ này được coi là giải pháp cho những vấn đề mà nhiều công ty đang gặp phải như thiếu năng lực công nghệ thông tin, chi phí đầu tư hạn chế… Hầu hết các nhà lãnh đạo công nghệ thông tin đều khá kỳ vọng khi nhận định về công nghệ này.

     Điện toán đám mây liệu có phát triển tại Việt Nam?

    Ông Dương Dũng Triều, Giám Đốc điều hành FIS chia sẻ: “Chúng tôi nhận ra nhiều lợi ích khi đồng hợp tác xây dựng trung tâm dữ liệu sử dụng công nghệ điện toán đám mây của Microsoft. Hai bên chia sẻ tầm nhìn về tương lai của ngành tin học -nơi mà các dịch vụ điện toán đám mây sẽ trở nên phổ biến và được sử dụng rộng rãi ở Việt Nam vào năm 2015- và chúng tôi có mục tiêu trở thành những người dẫn đầu trong lĩnh vực mới mẻ này.”

    Theo ông Nguyễn Huy Cương, CEO của Tinh Vân Consulting, hiện nay nhiều công ty đang hoang phí tài nguyên như không khai thác hết công suất của hệ thống máy chủ, đầu tư quá nhiều về mặt con người. Trong khi đó, về lý thuyết, cloud computing sẽ cho phép doanh nghiệp không cần tập trung quá nhiều cho cơ sở hạ tầng hoặc nâng cấp ứng dụng, không đòi hỏi nguồn nhân lực lớn và có thể dễ dàng thay đổi quy mô khi cần.

    Ông Hoàng Lê Minh, Viện trưởng Viện công nghiệp phần mềm và nội dung số Việt Nam (NISCI), khẳng định điện toán đám mây là mục tiêu mà thế giới cũng như ngành công nghệ thông tin trong nước hướng tới và đây chính là nhân tố thúc đẩy các quá trình chuyển đổi kinh doanh.

    Tuy nhiên, theo các chuyên gia của Intel nhận định thì điện toán đám mây chắc chắn không phải dành cho tất cả mọi người và cho mọi nhu cầu. Mặc dù lợi ích của điện toán đám mây là không thể phủ nhận, nhưng các doanh nghiệp cần cân nhắc đến các yếu tố khác nhau khi tính đến chuyện ứng dụng điện toán đám mây, cụ thể như: rào cản kỹ thuật, an toàn thông tin, nguồn vốn để hiện đại quy trình kinh doanh bằng việc ứng dụng công nghệ thông tin, giảm chi tiêu cho phần cứng, phần mềm, an toàn bằng thuê ngoài phần mềm cơ sở hạ tầng, tính linh hoạt và khả năng mở rộng của nguồn lực công nghệ thông tin trước khi quyết định ứng dụng điện toán đám mây vào sản xuất kinh doanh. Việt Nam cũng không phải là một ngoại lệ.

    Bên lề hội nghị “Ngày Điện toán đám mây Việt Nam 2011”, ông Phan Thanh Sơn, Giám đốc công nghệ của công ty Cisco, chia sẻ còn nhiều khó khăn trong việc triển khai điện toán đám mây tại Việt Nam. Theo ông, vấn đề chính sách, đường truyền băng thông và nhận thức của doanh nghiệp là những thách thức lớn nhất với công nghệ mới này.

    Đồng thời, một số doanh nghiệp cho biết họ đã và đang sử dụng các dịch vụ đám mây miễn phí như Google Apps, nhưng vẫn cần thời gian để tìm hiểu nhiều hơn những lợi ích cũng như rủi ro về tính an toàn dữ liệu. Ông Nguyễn Thiện Tâm, Giám đốc khách hàng của Công ty Sutrix Media Việt Nam, cho biết nếu sử dụng các dịch vụ điện toán đám mây thì đòi hỏi mỗi nhân viên phải có kỹ năng nhất định về công nghệ thông tin. Hiện công ty có sử dụng Google Docs, nhưng chỉ dừng ở mức độ trao đổi, chia sẻ tài liệu.

    Không chỉ có vậy, Ông Lê Đức Quyết, Phó giám đốc Công ty cổ phần Thế giới vận tải, cho biết ông vẫn còn e ngại khi đưa những thông tin liên quan đến tài chính của công ty lên dịch vụ điện toán đám mây vì không biết được dữ liệu của mình ở đâu đó trên mạng. Ông Quyết cũng nói mô hình ứng dụng điện toán đám mây phụ thuộc nhiều vào Internet mà chưa chắc lúc nào cũng có thể truy cập vào Internet.

    Tóm lại “Bản chất của điện toán đám mây là sự hội tụ các thành tựu về nghiên cứu phát triển các công nghệ mới; các quan điểm về ứng dụng CNTT hiện nay ở trên thế giới cũng như Việt Nam. Điện toán đám mây cũng là một trong những khái niệm mơ hồ nhất từ trước đến nay chúng ta gặp phải. Nó cũng giống như cái gì ở trên cao, ở trong mây, chúng ta không thể nhận biết được. Nhưng đó cũng chính là mục tiêu mà hiện nay ngành CNTT truyền thông đang hướng tới”.

    1. Điện toán mây và ứng dụng thiết thực tới xã hội

    Bài toán Quản Lý Giao Thông

    Trong hệ thống giao thông của Việt Nam, tại các thành phố lớn như Hà nội, HCM hàng ngày chúng ta nhìn thấy các anh cảnh sát giao thông đứng giữa đường hay núp dưới bóng cây, để phạt người qua đường khi vi phạm luật giao thông. Các anh sẽ ghi 1 cái giấy phạt….. như thế nào thì các bạn cũng biết rồi, tệ nạn nhận tiền, trốn phạt, rồi cãi nhau….

    Nhưng hãy tưởng tượng, chúng ta có 1 hệ thống giao thông “Thông minh, tự động” cho phép quan sát và tự động gồm 4 chức năng căn bản như sau như sau :

    – Theo dõi giao thông tự động ( Phát hiện người vượt đèn đỏ, vi phạm đường cấm. …)

    – Hệ thống lưu trữ toàn bộ thông tin các phương tiện đi lại và đăng ký xe

    – Hệ thống thu phí tự động ( Tính phí tự động , liên kết với các ngân hàng, gửi hóa đơn tự động tới người dùng

    – Hệ thống tính phí phạt tự động , tính điểm số phạt cho những người tham gia giao thông. ( Tiền phạt , hoặc thu bằng…. . )

    Quy trình phạt phí giao thông, sau khi có sự trợ giúp của hệ thống như thế này , một số điểm nhấn thú vị sau:

    • Tiền phạt được nộp tự động qua tin nhắn , hoặc gửi qua đường bưu điện đến tận nhà.
    • Vượt đèn đỏ lúc không người tưởng không ai biết
    • Cảnh báo có thể bị tước mất bằng lái, nếu không chấp hành hình phạt . Tranh cãi thì có toàn bộ ảnh chụp đính kèm với chứng cớ vi phạm .

    Thực tế , hệ thống trên đã được triển khai tại châu Âu và Mỹ, kinh nghiệm tại Ý cũng thấy hệ thống này được triển khai .Những lợi ích nó đem lại thì rất nhiều, nhưng nghĩ đến triển khai nó, chúng ta cần những gì, về mặt đầu tư kinh tế và công nghệ.

    Điện toán mây chính là giải pháp cho chúng ta. Tại sao lại nói thế, câu trả lời là, chỉ có điện toán mây mới giải quyết được bài toán phức tạp với chi phí thấp và hiệu quả cao. Về mặt công nghệ, điện toán mây sẽ giúp bạn xử lý một lượng dữ liệu cực kỳ lớn trên 1 thời gian ngắn. Để minh họa điểm này , chúng ta sẽ phân tích 1 phần cơ bản của việc xử lý dữ liệu siêu lớn trong việc đăng ký lưu trữ thông tin phương tiện đi lại tại thành phố Hà nội

    1. Giả sử tổng các phương tiện đi lại tại Hà nội là 10 triệu phương tiện
    2. Tổng số dân đăng ký thông tin cá nhân là 10 triệu người
    3. Sẽ có hàng triệu phương tiện được đi lại trong 1 ngày, tính trung bình là 4 triệu phương tiện hoạt đông.
    4. Với 4 triệu phương tiện hoạt đông, 1 hệ thống Camera ( hàng trăm Camera) được lắp đặt trên 100 tuyến phố chính để theo dõi toàn bộ hoạt động và đưa ra cảnh báo vi phạm trên từng đối tượng.
    5. Mỗi ngày hệ thống sẽ phải xử lý khoảng trên 100 triệu tín hiệu hình ảnh video thu được từ các Camera, phân tích xử lý .

    Để một hệ thống có thể xử lý được toàn bộ giao dịch trên, thì hệ thống sẽ phải được hoạt động trên một nền điện toán mây, việc xử lý sẽ được chia nhỏ và xử lý trên khoảng 100 máy tính hoạt động cùng lúc, rồi hợp kết quả với nhau. Thay cho một máy tính xử lý mất khoảng 1 tháng, thì 100 máy tính sẽ xử lý trong vòng 7.2 giờ,

    Nếu dữ liệu được xử lý trên 1000 máy tính đồng thời , thì chỉ mất có 0.72 giờ , tức là chưa đầy 40 phút, chúng ta có thể xử lý toàn bộ dữ liệu của hàng trăm Camera cho 10 triệu phương tiện đi lại .

    Như thế bài toán của chúng ta đã được giải quyết một cách nhanh chóng mà chi phí được giảm tới mức tối đa có thể.

     

     

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]
  • Nâng cấp công nghệ trong họ GSM lên 3G

    Nâng cấp công nghệ trong họ GSM lên 3G

    Nâng cấp công nghệ trong họ GSM lên 3G

    Mọi ý kiến đóng góp xin gửi vào hòm thư: [email protected]

    Kéo xuống để Tải ngay đề cương bản PDF đầy đủ: Sau “mục lục” và “bản xem trước”

    (Nếu là đề cương nhiều công thức nên mọi người nên tải về để xem tránh mất công thức)

    Đề cương liên quan: Luận văn Tổng luận về công nghệ xử lý chất thải rắn của một số nước và ở Việt Nam

    [toc]

    [pdfviewer width=”800px” height=”1000px” beta=”true/false”]http://hotroontap.com/wp-content/uploads/2019/07/N%C3%A2ng-c%E1%BA%A5p-c%C3%B4ng-ngh%E1%BB%87-trong-h%E1%BB%8D-GSM-l%C3%AAn-3G.pdf[/pdfviewer]

    Tải ngay đề cương bản PDF tại đây: Nâng cấp công nghệ trong họ GSM lên 3G

    Nâng cấp công nghệ trong họ GSM lên 3G

     

    Các thế hệ công nghệ trong họ GSM

     

    Với thị trường Việt Nam, công nghệ di động đầu tiên GSM, thế hệ 2G đơn giản, chỉ cho phép thoại là chính. Việc nâng cấp lên công nghệ GPRS vào cuối năm 2003 đã giúp người dùng bắt đầu làm quen với những ứng dụng dữ liệu. Cuối năm 2007 vừa qua, sau khi ứng dụng EGDE, tốc độ đã được nâng cao hơn với đỉnh tốc độ đạt khoảng 384 kb/s. Nhưng tốc độ thực tế vẫn còn thấp khiến các dịch vụ dựa trên nền dữ liệu không thể phát triển và bùng nổ mạnh như dịch vụ thoại hiện nay.

     

    Trên thế giới bây giờ còn 2 thế hệ cao cấp của họ GSM vẫn chưa được ứng dụng tại thị trường Việt Nam, đó là WCDMA – thế hệ 3G với tốc độ 2Mbps và HSPA (HSDPA & HSUPA) – thế hệ 3,5G với khả năng truyền lên đến 14,4 Mbps. Đây là những công nghệ tiên tiến đang được ứng dụng rộng rãi trên thế giới với hơn 200 triệu thuê bao, trên 220 mạng thuộc 94 quốc gia, chiếm 2/3 thuê bao 3G trên toàn cầu (GSA, 6/2008).

     

    Theo thông tin từ các nhà cung cấp có ưu thế về thuê bao cũng như hạ tầng lớn nhất Việt Nam hiện nay, ngoài mục đích thi tuyển, các mạng đang chuẩn bị mọi thứ để có thể triển khai ngay 3G khi có kết quả: đấu thầu, lắp đặt, thử nghiệm,

     

    triển khai v.v… Người dùng Việt Nam sẽ sớm tiếp cận được công nghệ này, bắt kịp xu thế cho “bằng chị bằng em” với gần 100 quốc gia khác.

     

    Hạ tầng mạng phải thay đổi ra sao?

     

    Các công nghệ GSM/GPRS/EDGE có cùng một cơ sở nền tảng đó là kỹ thuật truy cập TDMA và FDMA vì vậy hoạt động trên cùng một băng thông (với mỗi kênh băng tần số 200kHz). Sự nâng cấp do đó cũng không quá phức tạp.

     

    Khi nâng cấp lên 3G, công nghệ WCDMA hoạt động trên một kỹ thuật truy cập

     

    khác hoàn toàn, đó là CDMA, do đó băng tần hoạt động sẽ phải tách biệt với GSM

     

    (WCDMA mỗi kênh băng tần số là 5MHz). Sẽ cần một dải tần 3G mới khác với

     

    tần số đang hoạt động hiện nay (thực chất của cuộc thi 3G là để giành được sự cấp

     

    phép tần số này). Sự đổi mới như vậy sẽ cần một thiết bị thu phát sóng BTS hoàn

     

    toàn mới, được đặt tên là Node B, cùng với nó là một thiết bị quản lý trạm gốc

     

    (BSC) mới, tên là điều khiển mạng vô tuyến RNC (Radio Network Controller).

     

    Do tính kế thừa khi nâng cấp, hệ thống mạng lõi (tổng đài chuyển mạch) hiện hữu vẫn có thể được sử dụng để kết nối với mạng vô tuyến (Node B và RNC) của công nghệ WCDMA mới (Hình 1).

     

     

    Hình 1: Phương án chung mạng lõi

     

     

    Mặt khác, để tránh tác động đến mạng đang hoạt động cũng như để mở rộng dung lượng, một giải pháp khác cũng được các nhà cung cấp sử dụng là đầu tư một hệ thống mạng mới hoàn toàn. (Hình 2).

     

     

    Hình 2: Phương án thêm mạng lõi

     

    Theo thời gian, tất cả các thiết bị mạng lõi và vô tuyến sẽ tích hợp chung như Hình

     

    1. Các thiết bị BTS, BSC cũ sẽ hết khấu hao hoặc di chuyển ra các vùng sâu, vùng xa khác để hỗ trợ sóng GSM/EDGE.

     

    Hình 3: Phương án tích hợp chung

     

    Sự phát triển liền mạch

     

    Nếu chỉ nhìn vào Hình 2, có không ít người nhận xét sự nâng cấp lên 3G chỉ là sự ghép thêm 1 hệ thống mới với công nghệ mới vào hệ thống có sẵn. Để giúp bạn đọc hiểu rõ hơn tính kế thừa, liền mạch khi phát triển lên 3G của GSM, xin tham

     

    khảo Hình 4.

     

     

     

    Hình 4: Sự phát triển liền mạch.

     

    • Ở đây, ngoài hệ thống vô tuyến WCDMA (bao gồm RNC và Node B) là cần đầu tư mới, tất cả hệ thống khác sẽ được tận dụng lại. Hầu hết các nhà sản xuất tổng đài hiện nay đều có giải pháp để nâng cấp hệ thống mạng lõi, truyền dẫn, cơ sở dữ liệu, hệ thống vận hành… hiện hữu để hỗ trợ cả GSM và WCDMA.

    Như vậy, muốn phủ sóng 3G ở đâu, các nhà cung cấp dịch vụ sẽ đặt thiết bị thu phát sóng 3G khu vực đó (sử dụng nhà trạm có sẵn) và nối về tổng đài. Tất nhiên, với số lượng hơn 3000 – 4000 nhà trạm/1 mạng như hiện nay tại Việt Nam, việc đầu tư 3G phủ sóng toàn quốc không phải dễ dàng và khá tốn kém.

     

    Tuy nhiên từ sự đầu tư WCDMA này, việc nâng cấp lên mạng 3,5G HSPA sẽ rất đơn giản khi chỉ cần nâng cấp phần mềm, tương tự như khi người ta nâng cấp từ GPRS lên EDGE, là người dùng có thể sử dụng được dịch vụ di động không thua kém gì mạng ADSL hữu tuyến hiện nay.

     

    • Tuy nằm trên 2 thiết bị khác nhau, sự vận hành của 2 hệ thống vô tuyến bao gồm GSM và WCDMA cũng sẽ được quản lý thống nhất, đảm bảo chuyển giao liền mạch giữa 2 hệ thống. Cuộc gọi sẽ vẫn đảm bảo duy trì khi chuyển băng tần và chuyển công nghệ, điều này sẽ xảy ra khi người dùng di chuyển ngoài vùng phủ sóng của một công nghệ hoặc bị quá tải.

    Nhờ tính liền mạch này, việc sử dụng băng thông sẽ rất hiệu quả (có sự điều tiết, phân bố qua lại giữa các cuộc gọi trên các băng tần), tức sẽ giảm nghẽn mạng; các thiết bị sẽ được tận dụng tối đa (dùng chung tài nguyên cho cả hai hệ thống); và việc đầu tư WCDMA không cần phải đồng loạt toàn mạng.

     

    Hình dung sự vận hành của một mạng 3G

     

    Tùy vào mức độ phát triển của từng thị trường và từng mạng, mô hình triển khai 3G của mỗi nhà khai thác sẽ khác nhau. Hoặc phủ sóng đồng loạt 3G trên toàn thị trường, hoặc phủ sóng dần dần từ khu vực đô thị rồi mở rộng dần. Khi đó tại vùng 3G, sẽ tồn tại một loạt các công nghệ GSM, GPRS, EDGE, WCDMA (và cả HSPA nếu đã nâng cấp), tùy thuộc vào công nghệ của chiếc điện thoại mà bạn đang sử dụng, bạn có thể tận hưởng tốc độ tương ứng.

     

    Lấy ví dụ điện thoại của bạn là chiếc GSM (hoặc GPRS, EDGE), cuộc gọi của bạn sẽ vẫn chạy trên băng tần cũ, đến trạm thu phát sóng GSM và theo hệ thống tổng đài chuyển mạch cũ. Tương ứng với công nghệ của chiếc điện thoại (GSM/GPRS/EDGE) mà bạn có thể thưởng thức tốc độ truy cập khác nhau.

     

    Nếu sắm được chiếc điện thoại 3G (WCDMA hoặc HSPA, chiếc iPhone 3G chẳng hạn), thì cuộc gọi của bạn sẽ theo băng tần mới, trạm Node B mới và chạy về tổng đài. Cấu hình chiếc điện thoại 3G này chắc chắn sẽ phải hoạt động được với 2G, tức là điện thoại phải đa chế độ GSM/GPRS/EDGE/WCDMA … Điều này là bắt

     

    buộc vì vùng phủ sóng 2G và 3G không đồng nhất, nếu ra ngoài vùng phủ 3G, bạn sẽ vẫn liên lạc được nhờ vào sóng 2G có sẵn.

     

    Với một mạng đa chế độ như vậy, các tổng đài sẽ có 3 cơ chế điều khiển, cung cấp loại công nghệ thích hợp cho các cuộc gọi:

     

    • Nhà cung cấp quy định về chính sách dịch vụ: mỗi loại cuộc gọi sẽ được gán 1 loại công nghệ, ví dụ các cuộc gọi thoại sẽ đi theo mạng GSM, cuộc gọi dữ liệu sẽ theo mạng 3G.
    • Điều khiển cân bằng tải giữa các chế độ: ví dụ khi cuộc gọi trên băng tần GSM quá tải, một số thuê bao sẽ được chuyển qua WCDMA để tiếp tục cuộc gọi, hoặc ngược lại.
    • Gói cước, loại hình thuê bao của người dùng: mỗi thuê bao sẽ thuộc một nhóm khách hàng với độ ưu tiên khác nhau. Thuê bao vàng sẽ được ưu tiên gán vào chế độ có tải thấp nhất hoặc tốc độ cao nhất. Trong khi thuê bao thường chỉ được sử dụng dịch vụ tốc độ thấp, hoặc vẫn sử dụng GSM ngay cả trong vùng phủ

    WCDMA.

     

    Để hiểu hơn sự vận hành này, chúng ta hãy cùng xem một minh họa sau. Một người dùng với điện thoại đa chế độ GSM/WCDMA đáp chuyến tàu hỏa từ trung tâm thành phố đi ra vùng quê. Mạng mà anh này thuê bao là GSM với vùng phủ sóng EDGE toàn quốc, tại một số thành phố đã có sóng WCDMA.

     

    Khi tàu bắt đầu chạy, anh gọi cho người thân, sau đó anh gửi một đoạn phim video trong khi vẫn tiếp tục cuộc nói chuyện (WCDMA cho phép thực hiện 2 cuộc gọi dữ liệu và thoại cùng lúc như thế này). Khi tàu chạy ra khỏi thành phố, hết sóng WCDMA, tổng đài sẽ chuyển cuộc gọi thoại sang mạng GSM và chuyển cuộc gọi

     

    video sang mạng EDGE. Anh này sẽ thấy chất lượng cuộc gọi video giảm đi trong khi chất lượng cuộc gọi sẽ không đổi.

     

    Mô hình triển khai 3G

     

    Nói về việc nâng cấp 3G không thể không bàn đến mô hình, hay chiến lược để

     

    triển khai 3G. Có 3 chiến lược chính là: (1) Triển khai nhanh chóng WCDMA toàn mạng, (2) Triển khai WCDMA dần dần (3) Triển khai 3G sau.

     

    1. Triển khai nhanh chóng WCDMA trên toàn mạng: Có nhiều nguyên nhân để các nhà cung cấp chọn phương án này: mức độ cạnh tranh thị trường cao; theo yêu cầu của nhà nước; thị trường có nhu cầu dịch vụ dữ liệu cao; tình hình tài chính mạnh; dung lượng mạng GSM hiện tại đang bị hạn chế; tỉ lệ rời mạng cao; tham vọng chiếm thêm thị phần và nâng cao chỉ số doanh thu trên một thuê bao (ARPU).

    Nếu vùng phủ sóng 3G thì rộng khắp mà khách hàng lại không có thiết bị để sử dụng thì cũng vô nghĩa. Vì vậy, muốn chiến lược này thành công, các nhà khai thác phải có một chính sách phát triển thuê bao tương ứng: khuyến khích khách hàng thay máy mới, tiếp thị các thiết bị mới gắn với dịch vụ dữ liệu v.v…

     

    1. Triển khai WCDMA dần dần: phủ sóng WCDMA bắt đầu từ vùng đô thị rồi lan tỏa dần ra, trong khi đó vẫn tiếp tục đầu tư GSM để nâng cao dung lượng dịch vụ thoại và dịch vụ dữ liệu tốc độ thấp GPRS. Các lý do để chọn chiến lược này: khả năng phát triển của GSM và GPRS vẫn còn cao; chất lượng và dung lượng của GSM và GPRS có vấn đề (cần phải đầu tư để cải thiện phục vụ khách hàng 2G); mạng GSM và số thuê bao quá lớn; điện thoại 2G vẫn còn nhiều; thị trường dữ liệu di động chỉ mới phát triển; tình hình tài chính ổn định.

    Các thiết bị đầu cuối đa chế độ GSM/GPRS/WCDMA vì vậy cũng sẽ được giới thiệu, tiếp thị dần dần, phụ thuộc vào nhu cầu và khả năng của khách hàng.

     

    1. Triển khai 3G sau: khi nhu cầu thị trường về dịch vụ dữ liệu cao còn thấp, nhu cầu về thoại vẫn là chủ yếu và tiếp tục phát triển, hoặc chính phủ chưa cấp phép băng tần 3G, thì nhà cung cấp tại thị trường này chỉ cần phát triển lên EDGE là vừa đủ. Việc nâng cấp lên WCDMA sẽ được cân nhắc trong tương lai. Tuy nhiên khi đầu tư hạ tầng mạng GSM hoặc GPRS, nhà khai thác này phải chú ý chọn hệ thống hỗ trợ tốt việc nâng cấp WCDMA trong tương lai.

    Từ những miêu tả trên, có thể nhận thấy mô hình phù hợp với 3 mạng GSM của Việt Nam hiện nay nếu trúng tuyển 3G sẽ là mô hình 2, phát triển 3G từ các thành phố rồi mở rộng dần ra vùng sâu vùng xa. Tốc độ nhanh hay chậm là tùy thuộc vào tham vọng cũng như năng lực của từng nhà cung cấp.

     

    Lời kết

     

    Việc nâng cấp mạng lưới là rất cần thiết cho sự hình thành và phát triển của các dịch vụ di động cao cấp ngoài dịch vụ thoại truyền thống, giúp nâng cao khả năng và dung lượng của hệ thống. Thêm vào đó, tính liền mạch và kế thừa khi nâng cấp là rất quan trọng vì tận dụng được hệ thống có sẵn, không lãng phí đầu tư, và nhất là bảo đảm sự hoạt động của nhiều loại công nghệ trong một hệ thống duy nhất. Sự nâng cấp liền mạch lên 3G này sẽ giúp các nhà khai thác duy trì được sự trung thành và thỏa mãn nhu cầu ngày càng cao của khách hàng, đồng thời gia tăng cơ hội và doanh thu cho ngành viễn thông.

    Tải xuống tài liệu học tập PDF miễn phí

    [sociallocker id=”19555″] Tải Xuống Tại Đây [/sociallocker]