Asadov F.Sh., Aminova N.B.

 Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

 Asadov Farmon Shukrullaevich – Master Student;

Aminova Niginabonu Bakhriddinovna – Student,

DEPARTMENT OF ECONOMICS,

BUKHARA STATE UNIVERSITY,

BUKHARA, REPUBLIC OF UZBEKISTAN

Abstract: the concept of logistics in tourism is an important and effective activity that directs people's travels in addition to supply chain management. Therefore, knowledge of this concept is important in a market economy. This article provides information on the role and types of transport logistics in the tourism industry, which is the main area of connection between the tourism industry and logistics. Airline Logistics, Railway Logistics and other types of logistics are highlighted separately by the authors.

Keywords: logistics, tourism, tourism industry, transportation, airline logistics, railway logistics, highway logistics, delivery, travel, tour agency, service, tour company, tourist.

ТРАНСПОРТНАЯ СИСТЕМА В ТУРИСТИЧЕСКОЙ ЛОГИСТИКЕ

Асадов Ф.Ш., Аминова Н.Б.

 Асадов Фармон Шукруллаевич - магистр;

Аминова Нигинабону Бахриддиновна - студент,

факультет экономики,

Бухарский государственный университет,

г. Бухара, Республика Узбекистан

Аннотация: концепция логистики в туризме является важной и эффективной деятельностью, которая направляет путешествия людей в дополнение к управлению цепями поставок. Поэтому знание этой концепции важно в рыночной экономике. В данной статье представлена информация о роли и видах транспортной логистики в индустрии туризма, которая является основной областью связи между индустрией туризма и логистикой. Авиационная логистика, железнодорожная логистика и другие виды логистики выделены авторами отдельно.

Ключевые слова: логистика, туризм, индустрия туризма, транспорт, авиатранспортная логистика, железнодорожная логистика, автодорожная логистика, доставка, путешествия, турагентство, сервис, турфирма, турист.

References

• Navruz-zoda B.N., Khurramov O.K. The role of information technologies in digital tourism // International scientific review of the problems of economics, finance and management, 2020. С. 22-36.
• Kayumovich K.O. The capability of internet in sphere of tourism and services // Polish science journal, 2019. С. 160.
• Navruz-Zoda B.N., Shomiev G.U. The different approaches of human capital formation // International Journal of Innovative Technologies in Economy, 2017. № 5 (11).
• Kayumovich K.O. et al. Directions for improvement digital tourism and tourism info structure in Uzbekistan // Journal of Critical Reviews, 2020. Т. 7. № 5. С. 366-369.
• Ibragimov N., Xurramov O. Types of competition in destination marketing and 6A mod-el of competitiveness, 2015.
• Khurramov O. Osobennosti ispol'zovaniya marketingovykh instrumentov v sotsial'nykh media // Alatoo Academic Studies, 2016. Т. 4. № 4. С. 61.
• Kayumovich K.O. Digital marketing strategy and tourism // Proceeding of The ICECRS, 2020. Т. 6.
• Tairova M.M. Optimization of tourism infrastructure in Bukhara // Questions of science and education, 2018. № 15. Р. 27.
• Kayumovich K.O. The highlight priorities for the development of digital tourism in Uzbekistan // International scientific review, 2020. № LXIX.
• Muhammedrisaevna T.M.S., Bayazovna G.N., Kakhramonovna D.A. Goal and objectives of integrated marketing communications // Economics, 2020. № 2 (45).
• Tairova M.M. et al. The essence and characteristics of clusters in regional economic systems // International scientific review of the problems of economics, finance and management, 2020. С. 4-9.
• Muhammedrisaevna T.M., Mubinovna R.F., Kizi M.N.U. The role of information technology in organization and management in tourism // Academy, 2020. № 4 (55).

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Asadov F.Sh., Aminova N.B. TRANSPORTATION SYSTEM IN TOURISM LOGISTICS // Наука, техника и образование № 6(70), 2020. - С.{см. журнал}.

Козлов А.С., Дудник С.В., Култазин Н.М., Ангапов В.Д., Гринер В.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Козлов Александр Сергеевич - старший системный администратор,

филиал

Корпорация "Алайн Текнолоджи Ресерч энд Девелопмент, Инк";

Дудник Сергей Викторович - ведущий эксперт,

департамент инфраструктурных решений,

Сбербанк,

г. Москва;

Култазин Нурлан Муратович - инженер инфраструктуры,

Astana International Exchange,

г. Нур-Султан, Республика Казахстан;

Ангапов Василий Данилович - старший системный архитектор,

Digital IQ, г. Улан-Удэ;

Гринер Вадим - главный инженер по качеству,

Red Hat, г. Модиин-Маккабим-Реут, Израиль

Аннотация: рассмотрены методы потоковой обработки данных и их математического моделирования. Предложена схема систематизации представлений об особенностях потоковой передачи данных. Построена базовая схема облачной платформы, показаны преимущества ее организации в виде распределенной информационной системы и задачи, которые при этом должны быть решены, в частности отмечена задача согласования графика обработки запросов, которая может быть решена через алгоритмы параллельной обработки. Построена математическая модель распределенной облачной платформы на базе набора параметров периферийных вычислительных узлов и центрального вычислительного узла, а также функций отображения процессов развертывания задания и маршрутизации потока данных. На базе данной модели проведен расчет пропускной способности и времени задержки при обработке заданий в сетевой среде.

Ключевые слова: облачная платформа, маршрутизация потока данных, распределенная информационная система, вычислительный узел, пропускная способность, время задержки, математическая модель, график заданий.

APPLICATION OF DISTRIBUTED COMPUTING FOR MULTIMEDIA STREAMING

Kozlov A.S., Dudnik S.V., Kultazin N.M., Angapov V.D., Griner V.

Kozlov Aleksandr Sergeevich - Sr. System Administrator,

BRANCH

"ALIGN TECHNOLOGY RESEARCH AND DEVELOPMENT INCORPORATED", EMEA RUSSIAN REGION;

Dudnik Sergei Victorovich - Leading Expert,

DEPARTMENT OF INFRASTRUCTURE SOLUTIONS,

SBERBANK,

MOSCOW;

Kultazin Nurlan Muratovich - Infrastructure Еngineer,

ASTANA INTERNATIONAL EXCHANGE,

NUR-SULTAN, REPUBLIC OF KAZAKHSTAN;

Angapov Vasilii Danilovich - Senior systems Architect,

 DIGITAL IQ, ULAN – UDE;

Griner Vadim - Senior Quality Engineer,

RED HAT, MODIIN MACCABIM REUT, ISRAEL

Abstract: the methods of streaming data processing and mathematical modeling are considered. A systematization scheme of streaming data transmission is proposed. The basic scheme of the cloud platform is developed, the advantages of its organization in the form of a distributed information system and the tasks that must be solved are shown. The task of coordinating the request processing schedule, which can be solved through parallel processing algorithms, is noted. A mathematical model of a distributed cloud platform is built on the basis of a set of parameters of peripheral computing nodes and a central computing node, as well as indication functions of task deployment processes and data flow routing. The model allowed calculating the bandwidth and delaying time of processing tasks in a network environment.

Keywords: cloud platform, data flow routing, distributed information system, computing node, bandwidth, delay time, mathematical model, task schedule.

Список литературы / References

• Yang L., Cao J., Yuan Y., Li T., Han A., Chan C. A framework for partitioning and execution of data stream applications in mobile cloud computing. In: International Conference on Cloud Computing 2012. Vol. 40. Р 23–32. https://doi.org/10.1145/2479942.2479946/.
• Zeadally S., Das A.K. & Sklavos N., Cryptographic technologies and protocol standards for Internet of Things. Internet of Things, 100075. doi: 10.1016/j.iot.2019.100075.
• Yang L., Cao J., Cheng H., Ji Y. Multi-user computation partitioning for latency sensitive mobile cloud applications. IEEE Trans. Comput. 8 (64), 2253–2266,
• Soyata T. et al. Combat: mobile cloud-based compute/communications infrastructure for battlefield applications. In: Proceedings of SPIE. Vol. 8403. Pp. 1–13. https://doi.org/10.1117/12.919146.
• Akidau T. et al. The dataflow model: a practical approach to balancing correctness, latency, and cost in massive-scale, unbounded, out-of-order data processing. In: Very Large Data Bases 2015. Vol. 8. 1792–1803, 2015.
• Marcu O.-C., Costan A., Antoniu G. & Perez-Hernandez M.S., Spark Versus Flink: Understanding Performance in Big Data Analytics Frameworks. 2016 IEEE International Conference on Cluster Computing (CLUSTER). doi: 10.1109/cluster.2016.22.
• Dixit A., Choudhary J. & Singh D.P., Survey of Apache Storm Scheduler. SSRN Electronic Journal. doi: 10.2139/ssrn.3168564.
• Chellappan S. & Ganesan D., Introduction to Apache Spark and Spark Core. Practical Apache Spark, 79–113.
• Chintapalli S. et al. Benchmarking streaming computation engines: storm, flink and spark streaming. In: International Parallel and Distributed Processing Symposium, 2016. Р 1789–1792 (2016).
• Fukui T., Matsuura S., Inomata A. & Fujikawa K., A Two-tier Overlay Publish/Subscribe System for Sensor Data Stream Using Geographic Based Load Balancing, 2013 27th International Conference on Advanced Information Networking and Applications Workshops. doi: 10.1109/waina.2013.170.
• Jonathan A., Chandra A., Weissman J.B. Multi-query optimization in wide area streaming analytics. In: Symposium on Cloud Computing, 2018. Р 412–425 (2018).
• Yin F., Li X., Li X. & Li Y., Task Scheduling for Streaming Applications in a Cloud-Edge System. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science, 105–114. doi: 10.1007/978-3-030-24900-7_9.
• Heintz B., Chandra A., Sitaraman R.K. Optimizing grouped aggregation in geo-distributed streaming analytics. In: High Performance Distributed Computing, 2015. Р 133–144, 2015.
• Heintz B., Chandra A., Sitaraman R.K. Trading timeliness and accuracy in geodistributed streaming analytics. In: Symposium on Cloud Computing 2016. Р 361–373, 2016. https://doi.org/10.1145/2987550.2987580.
• Hwang J., Cetintemel U., Zdonik S.B. Fast and highly-available stream processing over wide area networks. In: International Conference on Data Engineering 2008. Р 804–813, 2008.
• Yin F., Li X., Li X. & Li Y., 2019. Task Scheduling for Streaming Applications in a Cloud-Edge System. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science, 105–114. doi: 10.1007/978-3-030-24900-7_9.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Козлов А.С., Дудник С.В., Култазин Н.М., Ангапов В.Д., Гринер В. ПРИМЕНЕНИЕ РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ ПРИ РАБОТЕ С ПОТОКОВЫМ МУЛЬТИМЕДИА // Наука, техника и образование № 6(70), 2020. - С.{см. журнал}.

Абдурахмонов У.Н.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Абдурахмонов Урол Нурматович - кандидат технических наук, доцент, кафедра наземных транспортных систем, Каршинский инженерно-экономический институт, г. Карши, Республика Узбекистан

Аннотация: в статье приведены результаты теоретических и экспериментальных исследований по изучению динамики движения рыхлителя орудия для поверхностной обработки почвы.

В процессе работы орудия вследствие изменчивости физико-механических свойств почвы, неравномерности микрорельефа поля силы, действующие на рыхлитель со стороны почвы, беспрерывно меняются, а следовательно равновесие рыхлителя постоянно нарущается и он совершает угловые колебания, изменяющие глубину обработки почвы.

При помощи общего уравнения динамики выведено уравнение угловых колебаний рыхлителя вокруг неподвижных шарниров механизма его навески. Анализ этого уравнения показал, что для заданных условий работы и скорости движения требуемая равномерность глубины хода рыхлителя достигается путем выбора силы предварительного натяжения пружины механизма его навески и ее жесткости. Чтобы обеспечить глубину рыхления см, как показали экспериментальные исследования, сила натяжения нажимной пружины должна составлять 300-350 Н, жесткость - 40-50 Н/см.

Ключевые слова: борона, рыхлитель, почва, силы, параллелограммный механизм, сила натяжения пружины, жесткость пружины, глубина обработки почвы, угловые колебания.

DYNAMICS OF MOVEMENT THROUGH BARONAL WEAPONS

Abdurahmonov U.N.

Abdurakhmonov Urol Nurmatovich - Candidate of Technical Sciences, Associate Professor, DEPARTMENT OF GROUND TRANSPORTATION SYSTEMS, KARSHI ENGINEERING AND ECONOMICS INSTITUTE, KARSHI, REPUBLIC OF UZBEKISTAN

Abstract: the article presents the results of theoretical and experimental studies of the dynamics of the movement of the cultivator from tools for tillage.

During the operation of the tool, due to the variability of the physicomechanical properties of the soil, the unevenness of the field microrelief, the forces acting on the cultivator from the side of the soil are constantly changing, and therefore the balance of the Cultivator is constantly disturbed and makes angular vibrations that change the depth of the soil cultivation.

Using the general equations of dynamics, the equation of the angular oscillations of the cultivator around the fixed hinges of its clutch mechanism is obtained. An analysis of this equation showed that for a given conditional work and speed of movement, the necessary uniformity of the cultivator depth is achieved by choosing the pre-tensioning force of the spring mechanism of its suspension and its stiffness.

To ensure loosening to a depth of 5 cm, as shown by experimental studies, the tension force of the compression spring should be 300-350 N, stiffness - 40-50 N / cm.

Keywords: harrow, cultivator, soil, forces, parallelogram mechanism, spring tension force, spring hardness, soil tillage, angular oscillations.

Список литературы / References

• Карпенко А.Н., Халанский В.М. Сельскохозяйственные машины. М.: Агропромиздат, 1989. 240 с.
• Абдурахмонов У.Н. Схема орудия для поверхностной обработки почвы // «Создание ресурсосберегающие технологии и технических средств в сельском хозяйстве и её перспективы эффективное использование» Респ. Науч.-техн. конф. (Карши, 15 - 16 мая 2019). Карши: Изд-во Ин-та КарИЭИ, 2019. С. 96-97.
• Курбанов Э.С. Выбор типа и обоснование параметров рыхлителя навесного бороновального агрегата для зоны хлопкосеяния: Дисс. … канд. техн. наук. Янгиюль, 1990. 163 с.
• Тухтакузиев А. Совершенствование механизма навески рабочих органов хлопковых культиваторов // Совершенствование машин и механизмов для хлопководства. Сб.тр./САИМЭ. Ташкент, 1988. С. 83-87.
• Туранов Х., Тухтакузиев А., Курбанов Э.С. Аналитическая механика рыхлителя бороновального агрегата // Известия АН УзССР, 1991. № 1. С.41-45.
• Байметов Р.И., Тухтакузиев А., Курбанов Э.С. К обоснованию параметров механизма навески рыхлителя бороновального агрегата // Механизация хлопководства, 1989. № 6. С. 3-4.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Абдурахмонов У.Н. ДИНАМИКА ДВИЖЕНИЯ РЫХЛИТЕЛЯ БОРОНОВАЛЬНОГО ОРУДИЯ // Наука, техника и образование № 6(70), 2020. - С.{см. журнал}.

Безбочина А.А.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Безбочина Александра Андреевна – бакалавр, кафедра прикладной математики и экономико-математических методов,Санкт-Петербургский государственный экономический университет, г. Санкт-Петербург

Аннотация: в статье анализируются возможности статистического пакета анализа данных R для прогнозирования временного ряда. Идентификация модели производится двумя способами: определение стационарности ряда, дифференцирование, анализ автокорреляционной и частной автокорреляционной функций и автоматический подбор статистическим пакетом. Полученные модели анализируются на наличие всех предпосылок (соответствие остатков белому шуму, отсутствие гетероскедастичности и т.д.). Наилучшая модель выбирается исходя из показателей точности и критериев Акаике и Шварца.

Ключевые слова: временной ряд, прогнозирование, авторегрессия, методология Бокса-Дженкинса, оптимизация модели.

MODELING THE AUTOREGRESSION PROCESS USING THE STATISTICAL DATA PROCESSING PROGRAMMING LANGUAGE

Bezbochina A.A.

Bezbochina Aleksandra Andreevna – Вachelor, DEPARTMENT OF APPLIED MATHEMATICS AND ECONOMIC AND MATHEMATICAL METHODS, SAINT-PETERSBURG STATE UNIVERSITY OF ECONOMICS, SAINT-PETERSBURG

Abstract: the article analyzes the capabilities of the statistical data analysis package R for forecasting the time series. Identification of models based on two products: determination of stationary series, differentiation, analysis of autocorrelation and partial autocorrelation functions and automatic selection of a statistical package. The obtained models are analyzed for the presence of all possible ones (correspondence to residual white noise, lack of heteroskedasticity, etc.). The best model is selected based on accuracy indicators and Akaike and Schwartz criteria.

Keywords: time series, forecasting, autoregression, Box-Jenkins methodology, model optimization.

Список литературы / References

• Hyndman R. Automatic time series forecasting: the forecast package for R // Journal of Statistical Software, 2007. № 6. 31 p.
• Трегуб А. Методика построения модели ARIMA для прогнозирования динамики временных рядов // Лесной вестник. 2011. №5. С. 179-183.
• Елисеева И.И. Эконометрика: учебник для магистров. М.: Юрайт, 2012. 453 с.
• Канторович Г. Анализ временных рядов // Экономический журнал ВШЭ, 2002. № 3. С. 379-401.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Безбочина А.А. МОДЕЛИРОВАНИЕ ПРОЦЕССА АВТОРЕГРЕСИИ С ПОМОЩЬЮ ЯЗЫКА ПРОГРАММИРОВАНИЯ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ // Наука, техника и образование № 4(68), 2020. - С.{см. журнал}.