導語：如何才能寫好一篇云計算數據論文，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

云計算是下一代的IT架構。運用云計算，可以把應用軟件和數據遷移到很大的數據中心。云計算的這一特點帶來了很大的安全問題。要研究云計算數據的安全特征，就要首先了解云計算的數據安全模型。

1.1云計算數據應用系統模型

云計算的平臺構架主要技術有并行編程的模式，分布式文件系統，數據處理模型。其層次如圖1所示。云計算的數據應用共分為三個層次：應用層、索引層和數據存儲層。同時要了解云計算數據應用系統的三個要素：用戶、應用服務器和數據中心。這三個要素各有著不同的功能，用戶的功能是存儲數據，在數據計算的基礎上，計算個體用戶和組織用戶的數據。應用服務器的功能是維護云計算的系統。數據中心的功能是存貯實際的數據信息。但是，在云計算數據應用系統模型中，存在著很大的安全威脅，主要是來自傳統數據的威脅，容易受到影響的對象有客戶端、主從結構和病毒的傳播，通信的安全性。其中，病毒的傳播主要是通過互聯網的數據交易服務，病毒侵入計算機網絡系統，它的破壞性遠遠大于單機系統，用戶也很難進行防范。現在的互聯網中，病毒一般有隱蔽性，傳播速度也很快。另外，病毒的制造技術也越來越高級，不僅可以破壞用戶的程序，還可以竊取信息，造成系統的交叉感染。這種感傳染性的病毒危害性非常大。對于通信故障，網絡中通常分為兩種類型的安全攻擊類型：主動攻擊和被動攻擊。常見的攻擊手段有偷竊、分析、冒充、篡改。對于數據安全來說，除了上述的數據安全，還有新數據的安全威脅，主要表現在幾個方面：保密失效威脅、分布式可用威脅、動態完整性威脅。

1.2云計算數據安全模型

典型云計算數據技術如圖2所示。該數據安全模型主要分三個層次：第一層的功能是負責驗證用戶的身份，保證云計算中數據的安全；第二層的功能是負責對用戶的數據進行保密處理，保護用戶的隱私；第三層的功能是恢復用戶誤刪的數據，是系統保護用戶數據的最后一道防線。這三層結構是相互聯系，層層深入。首先要驗證用戶的身份，保證用戶的數據信息不被篡改。如果非法用戶進入的系統，則進入系統后還要經過加密保護和防御系統。最后是文件恢復的層次，這一層次可以幫助用戶在數據受損的情況下修復數據。

2多維免疫的云數據安全

2.1多維免疫算法

多維免疫算法的組成主要依靠生物原理、免疫系統的多維模型、多維免疫的基本原則組成。其中，生物原理是把生物學的理論應用在云計算中。人工免疫系統發展到現在，在免疫能力的發揮方面有了很大的發展。免疫能力的增長是一個漫長的過程，后天的免疫的生成更是一個艱難的過程。在一個系統生成初期，完全沒有后天的免疫能力，但是隨著身體的成長，免疫細胞逐漸增多，免疫系統也開始形成。多維免疫系統的形成也是這樣的。

2.2多維免疫的數據安全原理

阻礙多維免疫的數據安全的因素主要有不可靠網絡、節點故障、超大規模的用戶訪問、數據更新引起的數據不一致性等。為了提高數據管理的安全性，云計算為用戶提供了一個一致的入口，只有向用戶提供透明的文件，進行文件數據的定位數據選擇。對于數據管理服務，應該注意，這項服務是連接用戶和系統的。應用服務器和數據中心共同組成了云計算數據應用系統。應用服務器主要目的是方便用戶訪問歷史和相關的文件信息。

2.3多維免疫的云數據安全策略

主要包括文件分布的策略，HDFS文件冗余度計算，多維免疫的文件分布，數據塊選擇機制等。對于云計算中的用戶文件，需要考慮到數據塊的數量分布、數據塊的顆粒度和數據庫的創建時間。多維免疫的文件分布中，首先要掌握文件分布的原理，多維免疫算法和云計算中文件的創建和文件塊的分配法是一致的。

3結束語

篇2

1.面向云計算數據中心的能耗建模方法 

2.云計算安全:架構、機制與模型評價

3.云計算訪問控制技術研究綜述 

4.云計算采納行為研究現狀分析 

5.Google三大云計算技術對海量數據分析流程的技術改進優化研究

6.大數據、云計算技術對審計的影響研究 

7.虛擬化云計算平臺的能耗管理  

8.云計算環境下的分布存儲關鍵技術 

9.推動中國云計算技術與產業創新發展的戰略思考 

10.云計算:體系架構與關鍵技術 

11.我國云計算教育應用的研究綜述  

12.云計算及云計算實施標準:綜述與探索

13.云計算:系統實例與研究現狀 

14.云計算環境下的聯網審計實現方法探析 

15.云計算和云數據管理技術  

16.基于云計算的多源信息服務系統研究綜述 

17.云計算安全問題研究綜述 

18.云計算系統相空間分析模型及仿真研究 

19.云計算時代關鍵技術預測與戰略選擇

20.云計算方案分析研究  

21.基于云計算的B2C電子商務企業價值鏈優化  

22.面向圖書館的云計算研究綜述  

23.云計算時代的數據中心建設與發展 

24.基于Hadoop的云計算輔助教學平臺研究 

25.云計算研究現狀綜述 

26.基于云計算的智能電網信息平臺 

27.云計算資源調度研究綜述 

28.論云計算的服務質量 

29.我國云計算教育應用的現狀與發展趨勢 

30.云計算及其關鍵技術  

31.云計算技術發展分析及其應用探討 

32.云計算應用服務模式探討 

33.云計算的發展及其對會計、審計的挑戰

34.構建云計算平臺的開源軟件綜述 

35.云計算安全研究 

36.云計算和虛擬化技術  

37.基于企業視角的云計算研究述評與未來展望  

38.云計算數據中心的新能源應用:研究現狀與趨勢  

39.云計算環境下的電子文件遷移模型研究 

40.云計算:構建未來電力系統的核心計算平臺

41.移動云計算的應用現狀及存在問題分析 

42.云計算中虛擬機放置的自適應管理與多目標優化 

43.云計算:概念、技術及應用研究綜述  

44.基于虛擬散列安全訪問路徑VHSAP的云計算路由平臺防御DDoS攻擊方法

45.云計算集群相空間負載均衡度優先調度算法研究 

46.電力系統云計算中心的研究與實踐 

47.云計算初探  

48.隨機任務在云計算平臺中能耗的優化管理方法 

49.基于“云計算”的數字圖書館服務模式 

50.云計算與信息資源共享管理  

51.云計算中調度問題研究綜述

52.云計算給圖書館管理帶來挑戰

53.云計算安全研究綜述  

54.云計算中數據隱私保護研究進展  

55.云計算應用及其安全問題研究  

56.基于云計算的電力數據中心基礎架構及其關鍵技術 

57.基于云計算和極限學習機的分布式電力負荷預測算法 

58.美國聯邦政府云計算戰略  

59.基于云計算平臺的新型電子取證研究 

60.云計算信息安全分析與實踐 

61.基于Openstack的科研教學云計算平臺的構建與運用  

62.云計算安全關鍵技術分析  

63.云計算技術研究與應用綜述 

64.基于云計算的義務教育學科課程資源共建共享模式 

65.面向云計算環境的能耗測量和管理方法 

66.基于云計算的實驗室管理信息系統設計

67.云計算概念、模型和關鍵技術  

68.云計算環境下的審計業務模式變革研究 

69.基于Hadoop的分布式云計算/云存儲方案的研究與設計

70.云計算環境中綠色服務級目標的分析、量化、建模及評價

71.基于云計算的圖書館建設與服務發展 

72.物聯網、大數據及云計算技術在煤礦安全生產中的應用研究 

73.基于專利分析的我國云計算技術發展現狀研究 

74.云計算的價值創造及其機理  

75.云計算環境下高校實驗教學模式的創新與實踐 

76.寄心海上云:云計算環境下的知識管理 

77.基于云計算的居民用電行為分析模型研究 

78.云計算環境下的數據存儲  

79.基于效用的云計算容錯策略和模型 

80.云計算環境下的智能決策研究綜述  

81.云計算安全風險因素挖掘及應對策略 

82.我國云計算產業發展趨勢及政策建議 

83.云計算安全需求分析研究 

84.智能電網中虛擬化云計算安全的研究 

85.云計算架構下的移動學習 

86.基于云計算的終身教育服務平臺設計 

87.云計算在電力系統數據災備業務中的應用研究 

88.云計算與圖書館:為云計算研究辯護 

89.淺談云計算技術  

90.云計算研究現狀與發展趨勢 

91.云計算環境下的著作權制度:挑戰、機遇與未來展望 

92.基于云計算的數字化信息資源建設模型的研究 

93.云計算發展態勢與關鍵技術進展 

94.云計算技術在圖書館中的應用探討 

95.國外云計算發展現狀綜述  

96.云計算對知識產權保護的若干影響  

97.基于云計算的遠程教學資源建設模式——以浙江開放大學為例 

98.云計算在智慧校園中的應用研究  

99.對云計算技術及應用的研究 

100.云計算應用展望與思考  

101.云計算給圖書館帶來的發展機遇  

102.云學習:云計算激發的學習理念  

103.云計算環境下的信息資源云服務模式研究  

104.云計算研究進展綜述 

105.云計算及安全分析  

106.一種云計算操作系統TransOS:基于透明計算的設計與實現 

107.基于等級保護的云計算安全評估模型  

108.云計算:從概念到平臺  

109.云計算環境下信息安全分析  

110.云計算技術簡述  

111.云計算綜述與移動云計算的應用研究  

112.中國云計算產業結構和商業模式  

113.云計算安全問題  

114.云計算下的國外圖書館聯盟服務研究 

115.云計算技術的應用及發展趨勢綜述  

116.云計算在區域信息資源共享中的應用探究  

117.基于云計算的圖書館信息平臺的構建  

118.云計算技術驅動下構建數字圖書館虛擬化環境的探討  

119.云計算支撐信息服務社會化、集約化和專業化 

120.云計算環境下基于協同過濾的個性化推薦機制 

121.云計算環境下的網絡技術研究  

122.云計算模式在電力調度系統中的應用  

123.云計算環境下的隱私權保護初探 

篇3

關鍵詞：云計算； 負載平衡； 節能感知；資源分配；CloudSim；CloudAnalyst

中圖分類號：TP39文獻標識碼：ADOI：10.3969/j.issn.10036199.2017.01.031

1簡介

云計算的發展基于面向服務的體系結構、 網格計算、 并行計算和分布式計算等，這是一個新的脫穎而出的模式，是以高效的為用戶提供服務為前提的模式[1]。由于它的如基礎設施服務 ，平臺即服務和軟件即服務的卓越性能，云計算被人們廣泛的接受并使用。通過不斷提高了用戶的使用效率，同時向不同的消費層次提供各項服務，云計算環境已經成為數據中心的主要力量。

云算中降低數據中心的能源消耗是一個具有挑戰性且復雜的問題，這需要性能卓越的服務器。節約能源對于確保未來云計算是可一種持續的資源是相當必要的[2]。近些年綠色計算的宣傳提出解決這一問題的很多辦法，其中許多工作基于功率效率（電源效率）展開，如節能處理器，硬件支持DVFS技術等，也有其他方法來降低虛擬數據中心的能源消耗[3]。通過虛擬化技術可實現軟件應用與底層硬件相隔離，它包括將單個資源劃分成多個虛擬資源的裂分模式，也包括將多個資源整合成一個虛擬資源的聚合模式[4]。當虛擬機上運行的移動信息從一個網絡節點到另一個網絡節點時，需要應用虛擬機的快速遷移技術來平衡工作所產生的負載。

虛擬機管理是提高云計算數據中心效率的關鍵問題。許多研究工作都圍繞這個問題展開，不同的資源分配策略會導致不同的成本和效率水平[5]。因此，如何找到一個高效的資源分配策略，特別是針對有限的能源的分配，同時消耗較低的能源消耗，這是一項艱巨的任務。

這篇文章當中，我們提出了一種改進的遺傳算法，該算法重點研究考慮網絡延遲和能源消耗的動態資源管理。我們認為在云計算環境中的用戶的服務質量是非常重要的，因此應答時間也是這個實驗的關鍵點。這篇論文的貢獻在于以下倆點：第一，在相同功率條件下，我們的方法降低了用戶請求的響應時間，提高了用戶的服務質量；第二，在相同的響應時間內，我們的方法又能有效的降低能量功耗。

計算技術與自動化2017年3月

第36卷第1期李爽：基于云計算服務質量感知的虛擬機節能管理研究

2研究背景和相關工作

在云計算中，能量感知一直是研究的一個重點內容。近期的研究方式是通過關閉不活躍的服務器來達到節約能源的作用。文獻[6]定義了一個高效節能云計算解決方案的體系結構框架和原則，然后又介紹了高效節能管理的虛擬機分配算法。王曉瑩等[7]提出的資源分配和使用可變時工作負載和異構多級應用的能源管理的自適應模型方法。根據文獻[8]的論述，該作者使用新的自適應粒子游動來優化的虛擬機配置，以使空閑服務器的處于省電狀態。

很多工作圍繞負載平衡結合若干的途徑能解決節約能源的問題。前人通過使用關閉計算機電源的方法并不能起到根本的作用，且此種做法只能在理論層面實現。在文獻[11]中，作者建議使用局部優化的隨機爬山算法來動態分配進入服務器和虛擬機的工作。文獻[12]解決了在云計算環境下基于使用映射-規約編程模型的資源管理問題。趙劍鋒等人的論文[8]將資源調度模型轉化為具有負載均衡目標的有向化多背包問題。文獻[14]提出了一種資源調度模型，它使用的概念資源服務比率作為目標函數，而不是任務完成時間，然后采用分布估計算法（EDA）做了驗證。研究者通過大量的實驗證明了他們提出的調度模型比EDA的資源服務比率算法的效率平均提高了至少1.004，最多1.793倍。

3利用改進遺傳算法的資源配置

為了節約能源和提升用戶的響應時間，在這部分中，我們首先描述一個系統的模型，然后我們介紹能源損耗的定義，最后，我們提出一種采用改進能量功率的遺傳算法的優化算法。

3.1系統模型

本文定義的系統模型與以往有倆種不同：首先，不同于大多數的節能系統如在文獻[6][7]中提到的，注重考慮CPU和RAM的負載平衡，本文著重從用戶方面考慮網絡延遲和應答時間；第二，云計算可以跨越不同的地理數據中心，所以與文獻[10]認為數據中心是一個單一的物理位置不同，我們假設數據中心分布在多個地區。

在本文的系統模塊中，數據中心層是由不同地區的物理網絡連接的，如圖1。每一個地區的數據中心一般是由N臺如計算機、服務器這樣的等獨立機器組成的節點集，這些個獨立的機器集合被描繪成集合 P= {pm1， pm2， … ， pmN}。這些節點集的通訊是通過全互聯通訊子系統（如圖1）連接的。節點集中每一臺節點機器都是獨立的，可以單獨的打開或關閉。在每一臺機器上，都安裝了基于內核的虛擬機虛擬化軟件，可以運行N個獨立的虛擬機管理程序集，這個集合被表示為集合V= {vm1， vm2， …， vmM}。在這個模型中，個人機上面運行的虛擬機管理系統可以被終止、重啟、或從其他個人機集合中遷移。如圖1中的虛線所示，就像在許多系統中，當執行一個接收資源的任務時，消息可以從一臺機器傳播到另一臺機器。當虛擬機管理集向其他地區移動的時候，我們的模型需要考慮延遲時間。

4實驗結論

在這部分中，我們以云分析（cloudAnalyst）基準的評估價值來測量相應時間和能量消耗。

4.1實驗環境和設置

考慮到CloudSim和CloudAnalyst是在公開資源已被廣泛的使用開放源碼，我們選擇它們作為基準來仿真實際執行的情況。CloudSim [12]支持新興的云計算領域的研究和開發，并提供了以下新的特點：（1）支持大規模的云計算基礎設施的建模和仿真，包括一個單一的物理計算節點上的數據中心；（2）它是一個用于數據中心建模，服務器，調度和分配政策的獨立平臺。CloudSim眾多的特性中有如下倆點是本次實驗的基本點：（a）有助于創建和管理多個、獨立的和共同托管的虛擬化服務在數據中心節點上的虛擬化引擎的可用性。（b）在處理內核的空間共享和時間共享分配之間切換到虛擬化服務的靈活性。CloudAnalyst[13] 是墨爾本大學開發的研究項目，目的是根據用戶和數據中心的地理分布，去評估社交網絡工具的支持率。在這個項目中，用戶群和支持社交網絡的數據中心都是有一定特點的，那就是都基于他們的位置；而用戶體驗的參數，是可以通過使用社會網絡應用程序和數據中心的負載來獲得的記錄[14]。

在這個實驗中，我們設置了六組用戶基數（如表1）。其中“Name”列代表世界六大洲，在不同地區每組用戶都是包含在同一個時區，而且每一分鐘都會發出新的請求。峰值的時間從3到9。這里假定為十分之一的時間是在非繁忙時間的線路上。每個模擬數據中心的主機由5臺虛擬機機構成，配置了512M的內存，10G存儲和1000兆的帶寬。

4.2實驗結果與分析

如4.1部分中提到的場景和配置，我們的模擬實驗從兩個方面著手：第一、我們證明了網絡延遲影響用戶的響應時間。第二、我們的算法與DVFS[15，16]從相應時間，能量消耗，虛擬機集的數量和合并適應性方面進行比較

為了在用戶響應時間方面提高服務質量，我們分三種情況監測：首先，我們使用一個0區域的數據中心DC1，我們得到的結果總體平均響應時間是292.05毫秒，數據中心處理時間是0.28毫秒。第二，我們使用區域0、1、2的三個數據中心作為用戶基數區域，結果如圖3（a）所示。最后，我們在每個區域都部署一個數據中心，結果如圖3（b）所示。通過這個實驗，我們可以得出結論：

（1）當數據中心虛擬資源的數量減少時，響應時間可以大大減少；同時，處理器處理任務的時間不會節省很多。

（2）能源消耗與任務完成時間不成比例。根據以往的經驗，我們假設一個毫秒的能量消耗是k，那么平均的能源消耗應該是292.05k < 158.72k*3 （圖3a） >50.08k*6 （圖3b）。

圖3（a）使用三組數據中心

圖3 （b）使用六組數據中心

圖3實驗結論對比圖

本文算法與DVFS算法的比較，如圖4所示，a圖是響應時間，b圖是能量的消耗，c圖是虛擬機遷移的數量，d 是合并適應性。我們模擬實驗的結果比其他兩種方法節約了更多的能量，尤其體現在：

（1）通過圖4（a）中所示，第1組和第2組測試，我們的算法與DVFS幾乎有相同的響應時間，主要原因是因為在開始的虛擬機集中的數據量比較少；在第3組和第4組數據中，我們的算法的響應時間高于DVFS；在接下來的實驗中，我們的算法比DVFS慢了一些，主要是因為虛擬機集在不同地區遷移，而DVFS并沒有考慮這個因素的影響，所以當小云朵的數量增加到2000的時候，DVFS算法的響應時間下降了。

（2）通過圖4（b）的表示可知，我們的算法比DVFS節約更多的能源，當虛擬機集的數量比較大的情況下，我們的算法優勢明顯。

（3）通過圖4（c）中描述，我們的算法數據遷移的數量更少。

（4）通過圖4（d）中的結果表明，在合并適應性方面，我們的算法勝過DVFS算法。

（a） 響應時間

（b）能量消耗

（c）虛擬機遷移數量

（d）合并適應性

圖4本文算法 與DVFS算法比較圖

5結論和展望

在這篇論文中，提出一種在云環境下優化分配動態資源的方法。主要工作集中于在云計算中的能量和響應時間，在CloudSim應用和CloudAnalyst基準的幫助下，我們證明了該算法的優勢所在。根據我們的實驗數據，我們的實驗有倆點優勢：它在減少數據中心的能源消耗以及給云計算提高綠色平臺方面起到了重要作用，第二，我們使用負載平衡改進了響應時間。這個工作也主要考察了能量消耗和響應時間，我們未來的工作主要將在研究性能集成其他參數，如CPU、內存和網絡。此外，未來我們將使用并行計算技術改進我們的方法。

參考文獻

[1]李小六，虛擬化云計算數據中心能量感知資源分配機制[J]，計算機應用，2013，33（ 12），86-90 .

[2]王金海，一種基于能量感知的云計算環境下虛擬機部署策略[J]，新疆職業大學學報，2014，22（1），73-76.

[3]英昌甜，云計算環境下能量感知的任務調度算法[J]，微電子學與計算機，2012，29（5），188-192.

[4]鐘瀟柔，基于動態遺傳算法的云計算任務節能調度策略研究[D]，哈爾濱工I大學，2015.

[5]侯偉，云計算中基于遺傳算法的能效管理研究[D]，武漢理工大學，2013.

[6]BELOGLAZOV A，ABAWAJY J，BUYYA R.Energyaware resource allocation heuristics for efficient management of data centers for Cloud computing[J].Future Generation Computer Systems， Volume2012，28：758-760.

[7]WANG Xiaoying DU Zhihui，CHEN YiNong .An adaptive modelfree resource and power management approach for multitier cloud environments[J].Journal of Systems and Software，2012，85：163-168.

[8]JEYARANI R，NAGAVENI N，VASANTH R R，Design and implementation of adaptive power-aware virtual machine provisioner （APA-VMP） using swarm intelligence[J].Future Generation Computer Systems， Volume，2012，28：811-821.

[9]SHARIFI M，SALIMI H，NAJAFZADEH M.Powerefficient distributed scheduling of virtual machines using workload-aware consolidation techniques[J].Journal of Supercomputing，2012，1（61）：46-66.

[10]MONDAL B，DASGUPTA K，DUTTA P.Load balancing in cloud computing using stochastic hill climbing-a soft computing approach[J].Procedia Technology，2012， （4）：785-786.

[11]HUANG Chennjung，GUAN Chihtai.An adaptive resource management scheme in cloud computing[J].Engineering Applications of Artificial Intelligence，2013， 26（1）：382-389.

[12]WANG Rui，BAI Qinghua，BAI Youjia，et al.Research on Semantic Metadata Model for Information Resource Management under Cloud Computing Environment[J].JCIT： Journal of Convergence Information Technology，2012，7（21）：658-661.

[13]CHEN Danwei，ZHANG Ji，XUE Qinghan.Virtual Resources Scheduling Model for Cloud Computing[J].JCIT： Journal of Convergence Information Technology，2012，7（23）：658-661.

[14]ZHAO Jianfeng，ZENG Wenhua，LIU Miu，et al.A model of Virtual Resource Scheduling in Cloud Computing and Its Solution using EDAS[J].JDCTA： Journal of Convergence Information Technology，2012，6（4）：105-107.

篇4

關鍵詞 體質 綜合評價標準 制定方法

1體質綜合評價標準的研制過程

1.1綜合評級標準的制定方法

國內、外在制定體質評級標準過程中所采用的方法主要有：離差法、百分位數法、指數法、相關法等多種方法。因每種方法都有不同的特點，一般在使用時根據樣本的分布情況及評價表的性質，采用不同的方法。王文、張矗等分別采用TOPSIS法、秩和比法、密切值法、灰色關聯法四種綜合評價方法對學生體質進行綜合評價，探索出了上述四種方法均可應用于學生體質評價。

江崇民主要應用百分位數法來研制《國民體質測定標準》的，把各單項指標評分進行算數相加制得各年齡段的四級綜合評級表。劉文忠將各指標的標準化后的得分和總分用百分位數法進行五級評價。肖翔云，等也是把標準化后的各單項指標得分值相加，再用百分位法把總得分值制得五級綜合評價標準表。羅小玲用百分數法和離差法制定評價學生營養狀況的身高標準體重度脂法標準。李皿用離差法和百分位法按年級劃分制定了6-22歲學生體質綜合評價圖表，即根據所測的10項指標的成績為橫軸，5級為縱軸畫方格，使用時根據測試的數據分別在相應的指標縱軸上標出所對應的10個點，把前4個點用實線連起來，表示該個體形態、機能發育曲線，把后6個點用虛線連接起來，表示該個體運動能力曲線。

趙墨臣，等用離差法和百分比進行綜合評價，把用離差法獲得的各單項得分進行算數求和，然后除以指標總項數，最后把平均得分與各單項指標的七級標準表對照進行個人綜合評價。張憲斌也是把各個指標的對應分值求和，而綜合評價標準是根據總分數據利用百分位法制定的。

柳璇采用體質量表對老年人的體質進行綜合評價，制定了9個問卷，問卷中每題分值為5分，根據老年人答問卷所得分判定，所用公式為“原始分=各條目分值相加，轉化分數=[（原始分數-條目數）/（條目數？）]？00”，最后跟據轉化分數判定體質類型。

顧世德應用回歸分析法把標準化后的分數建立兩級回歸方程，先分別建立形態、機能、素質三類的一級回歸方程，再根據回歸所得形態、機能、素質三類的分數建立二級回歸方程，即總的綜合評價方程。兩級方程都用方差分析法進行了準確性跟可靠性檢驗，最后把回歸計算得到的分數再用百分位數法制定了等級評價標準表。

王世連應用百分位數法和判別分析思想制定標準，柳璇采用體質量表對老年人的體質進行綜合評價，羅小玲用百分數法和離差法，李皿用離差法和百分位法按年級劃分制定了綜合評價圖表，趙墨臣，等用離差法和百分比進行綜合評價。

1.2體質指標選取及權重確定的方法

選取體質綜合評價指標的方法很多，其中王文采用了文獻資料法和專家咨詢法，張憲斌采用了主成分分析法，劉文忠采用了逐步回歸分析法，顧世德采用了聚類分析和主成分分析法，馮寧采用了因子分析、多元線性回歸方程和多重回歸方程。體質綜合評價中權重的確定方法較多，運用文獻資料法確定權重的居多。其中王文，張憲斌，于學禮采用文獻資料法；林建棣采用逐步回歸分析法；江崇民采用了等權的指導思想；馮寧使用專家問卷調查法。

1.3數據標準化方法

數據標準化方法使用中，趙墨臣使用離差法，羅小玲，張憲斌，李皿，趙墨臣使用百分位法結合離差法。劉文忠把各單項指標數據按公式x70[（xi-X）+10]/SyTi轉化成標準分。肖翔云把上面的公式改為x70[（xi-X）+15]/SyTi，顧世德用T分法公式70+[10-（xi-X）]/S標準化的。

目前，制定標準時不再進行標準化處理，直接利用百分位法進行單指標評分表的制定。2014年張一民在制定國家標準時也使用了百分位法。

2結論

制定體質綜合評價標準過程中，大多是先用百分位數制得各單指標評分表，再對應的給出各指標的分數，把獲得的各單項得分乘以權重進行算數求和，最后再利用百分位法制定綜合評價標準。

制定單指標標準過程中，百分位法應用較多。權重多采用文獻資料法和主成分分析法來確定。數據標準化處理方法大多數專家主要使用百分位法，有的結合百分位法應用其他的幾種方法。制定標準時不再進行標準化處理，直接利用百分位法進行單指標評分表的制定。

參考文獻

篇5

關鍵詞：云計算；加密；隱私數字資源；屬性基加密；權重屬性

中圖分類號：G250 文獻標識碼：A 文章編號：1009-3044（2016）32-0068-03

Encryption Policy for the Library Privacy Digital Resources in the Cloud Computing Environment

LI Zhi-ping

（Guangzhou University Sontan College， Guanzhou 511370， China）

Abstract： As for the safety of library privacy digital resources in the cloud computing environment， this paper outlines the data encryption， studies the algorithm implementation of the identity based symmetric encryption system and its advantages and disadvantages. Then it introduces the attribute-based encryption， probes into its composite structure access， and the main encryption algorithms. Since less attention has been paid to the current cipher text-policy attribute-based encryption （CP-ABE）， it is quite necessary to use the weighed one.

Key words： cloud computing； encryption； Privacy Digital Resources； attribute-based encryption； weighted attribute

1 背景

在圖書館數字資源研究中發現，基本包括公開數字資源以及隱私數字資源，其中前者主要為電子圖書、報刊以及書目信息等等，這些內容均可以公開；后者則主要包括有學位論文、學生信息以及財務數據等等，這些數據均不可以公開。在云計算發展應用下，數據提供者及其訪問者不再是傳統的一對一模式，數據提供者在進行數據提供的時候，需要將其存儲在第三方云計算服務提供商數據庫中，通過此才能夠為廣大數據訪問者提供相應的服務，借助服務商的多種開發接口則可以享受到數據閱讀及查詢等服務。但是在此過程中，云服務端所存儲的數據則可能會出現被非法竊取及篡改問題。在圖書館數字資源中的一些電子圖書等公開信息，則不必對其實施保密處理，在云存儲保存中也可以采用明文形式，只需對其進行完整性檢測。但對于隱私數字資源，一些保密學生信息及學位論文等等，為防止云服務提供商私自使用數據，或第三方用戶盜取數據，云計算都必須先進行加密處理。

2 基于身份的加密體制

2.1 數據加密技術原理

數據加密簡而言之也就是采用某種算法實現之前明文文件或者數據的處理，將其轉換成為一些不可讀的代碼，也就將其稱為是“密文”。在閱讀過程中只有應用相應密鑰，才可以看到具體的文本內容，以此有效確保一些不可公開信息數據不受到非法竊取及閱讀。將此過程逆向處理也就是解密過程，也就是將“密文”形式成功轉化為之前數據形式的過程。其中圖1則為典型數據加密模型。

2.2 云計算環境下數據資源的加密技術分析

在云計算環境中，基于密鑰特點則可以將加密算法分成兩種，其中一種為對稱密碼算法，另外一種則為非對稱密碼算法。前者也被稱為傳統密碼算法，在其應用中需要確保數據擁有者和數據訪問者協調確定出一組加解密密鑰，之后借助于加密密鑰實現相關數據的有效加密，數據訪問者在進行數據訪問的時候，則可以通過數據擁有者或者密鑰管理中心到相應的解密密鑰。其特點是在加密與解密過程中使用相同的密鑰，并且在實際應用中安全性比較高，加密速度較快，在實際數據加密中也比較常用，最常見的主要有DES、AES、IDEA 等。

而與之相對應的是非對稱密碼算法，簡而言之也就是加密密鑰和解密密鑰不一致，其中加密密鑰也被稱之為公鑰，可以公開；解密密鑰則被稱之為私鑰，不可以公開。這一加密算法也被稱為公鑰密碼算法，最常見則主要有RSA、ECC等，屬于是在實際應用中最為廣泛的公算法，也是一種分組加密算法，算法原理簡單、易于使用。

但是在云計算技術不斷發展進程中，互聯網中的數據共享也逐漸廣泛，在新的網絡環境下如果依舊采用傳統的數據加密方式，則無法有效滿足實際網絡應用需求。對于云計算數據資源安全加密技術也提出了新的要求，在云計算加密技術研究中也成為新的方向。基于身份的加密、屬性基加密、引入權重的屬性基加密等各種加密算法都不斷地被提出、論證、實施及改進。

2.3 基于身份的對稱加密體制

在圖書館數據資源管理過程中，數據量非常大，在數據加密中如果還是單純采用非對稱密碼體制，無法有效提高其應用效率，因此則可以采用對稱密碼體制實施數據加密，操作如下：

第一 步：應用對稱密碼算法實現圖書館數據信息[F]的加密處理，之后即為加密文件[S]。

第二 步：將[S]分成[n]個數據塊[s1，s2，…，sn]

第 三步：對每個密文件塊[Si]簽名，假設簽名序列為[σ1，σ2，…，σn]，數據塊[Si]的簽名為[σi=μH（Si）α]。[H]在密碼學中屬于是[hash]函數，不同長度的0，1字符串均可以將其在群[G]上映射成為元素，在群[G]中[μ]則屬于是生成元，[α]也就是圖書館數據中的私鑰。

第四 步：在云存儲數據庫中保存圖書館密文數據庫以及相關簽名。

第 五步：檢測文件[F]過程中，圖書館則需要生成挑戰[chal=i，vi]，并發送給云存儲然后等候應答。其中[i，vi]為挑戰對，用來對第[i]個數據塊進行檢測，[vi]是為數據塊[i]選取的隨機數。

第 六步：基于挑戰[chal=i，vi]結果，云存儲系統則需要對[μ，σ]實施返回應答。[μ]則需要實現圖書館挑戰隨機數乘以云存儲數據塊，乘出來的結果相加也就是[μ=i=1nviHSi]；[σ]則是在計算過不同數據塊簽名及挑戰隨機數之后，進一步實施結果相乘所得，也就是[σ=i=1nσivi]。

第 七步：在進行方程[e（σ，g）=e（μμ，v）]成立判別中，也就可以分析圖書館的數據完整性。其中[e]也就是密碼學的雙線性映射結果，本身屬于是函數運算；在群[G]中[g]屬于是生成元，在進行圖書館公鑰[v]生成過程中需要用到，也就是[v=gα]。

在身份加密體制實施加密處理，公鑰也就可以應用用戶身份信息，從而避免了任務設立CA中心的負擔，但這一加密體制在應用中依舊存在多種問題，比如說數據擁有者如果想要實現數據共享，同時實現多個授權用戶訪問，那么在進行公鑰設置過程中，則可以分別將訪問用戶身份信息作為公約實現機密，隨著用戶量的加大，需要實施協商的密鑰數量也會有所增長；同時如果網絡環境本身安全性不夠，關于密鑰的協商及分發安全渠道問題則需要進一步探索。

3 基于屬性基的加密體制設計

訪問用戶身份信息具有唯一性，然而在其屬性研究中則非常可能具有共性特點，因此在研究過程中則提出了基于屬性基加密的概念。這一方式和之前應用用戶唯一身份信息作為加密數據公鑰具有一定差異，基于屬性加密體制在設計過程中，數據加密公約則是用戶屬性集合，只有用戶屬性集合和密文屬性集合共有屬性數量，能夠和門限要求有效滿足的時候，一個訪問用戶才能夠解密一個密文。也就是將屬性劃分為普通屬性和許可屬性兩類，用戶只有在其持有的屬性，并且也能夠對密文訪問結果以及許可屬性條件有效滿足的時候，才能夠有效實現數據的成功解密。

3.1 儺曰加密體制的復合訪問結構

假設用[TA]表示普通屬性結構樹，[TB]表示許可屬性結構樹，則基于屬性基加密體制的訪問結構[T]由[TA]及[TB]用“與”門操作實現，子樹[TA]包含的普通屬性集管理者則屬于授權中心，子樹[TB]則主要為屬性集，管理者為數據屬性。解密密文的獲得必須要確保用戶持有屬性和[TA]和[TB]同時滿足，同時也能夠“與”門根節點[T]，所得到才是正確的解密密文。

3.2 主要加密方案

1）密鑰第一部分生成算法：將用戶[u]的屬性集[U]作為輸入，選擇隨機元素[ti∈Z*p]、選擇隨機數[r1∈Z*p]，計算[d1=gα1-r1]，再為[U]中的每個屬性[αj∈U]隨機選擇[rj∈Z*p]，計算[dj=grtj-1]。最終輸出用戶私鑰第一部分為 [SK1=（d1=gα1-r1，?j∈Au：dj=grtj-1）]。

2）密鑰第二部分生成算法：將用戶身份[bk]作為輸入，選擇隨機元素[ti∈Z*p]、選擇隨機數[r2∈Z*p]，計算[d2=gα2-r2]，再為用戶身份[bk]隨機選擇[rk∈Z*p]，計算[dk=grtn+k-1]。最終輸出用戶私鑰第二部分為[SK2=（d2=gα2-r2，dk=grtn+k-1）]。

在執行完這兩部分算法后，用戶[u]的一個完整私鑰[SKU=（SK1，SK2）]就能夠成功生成。

3）復合訪問結構[T]生成算法：隨機選取[s1，s2∈Zp]中的兩個隨機數，并且將其一一對應作為子樹[TA]和[TB]的根節點，采用遞歸方式將共享秘密分配在[TA]中每個非葉節點。

4）密文主體部分生成算法：

分別計算 [c1=gs1]，[c2=gs2]，[c*=Me（g，g）α1s1e（g，g）α2s2]，

最終輸出密文為

[ct=（T，c*，c1，c2，?αj，i∈TA：cj，i，?tj，i∈TB：kj，i）]。

基于屬性基加密方案的應用特點主要有：不管是加密還是解密方案均具有一定動態性，并且可以靈活應用，在用戶解密能力以及保護密文中，可以顯著實現細粒度控制。但其不足之處是沒有考慮到每個屬性值的地位和重要性都不盡相同，屬性加密方案中對這方面的差異性未作區別對待，這不符合客觀實際應用環境。

4 引入權重的屬性基加密體制

基于實際應用環境的綜合考慮，關于屬性值地位則可有一定差異，在屬性基加密過程中則可以加大權重的引入及應用。在圖書館數據系統中，用戶屬性不同則權值也具有差異，在解密過程中，只有確保密鑰屬性能夠對密文訪問結構有效滿足的時候，才能夠實現正確解密。實際應用中為減少計算量，屬性的權重值可以分別取為不同的自然數，具體算法實現如下：

1）屬性集轉化算法（[Γ]）：將系統全體屬性輸入其中，屬性不同權值也具有差異。對于全體屬性集[Γ=λ1，λ2，…，λr]中的每一個屬性[λi]，分配屬性[λi]允許在系統中的最大權值為整數[θi=ω（λi）]。可信中心依據屬性在系統中重要程度的不同，對系統中的每一個屬性都分配一個系統允許的最大權值。將屬性集[Γ]中的每一個屬性[λi]，依據權重進行分割，將其分割后的最小份額設定為1，分割之后的屬性[λi]所對應的則分別是[（λi，1），（λi，2），…，（λi，θi）]，組成的集合也就被稱為是全體屬性權重的分割集[Γ?]。

2）系統建立[（1λ，Γ?）]算法：選擇素數階[ρ] 的群[G]，記[u=iθi]。系統隨機選擇[h1，…，hu∈G]，此外隨機地選定指數[α]，[α∈Zρ]，可信中心根據安全參數[1λ]與全體屬性權重分割集[Γ?] 運行系統，也即將全w屬性權重的分割集[Γ?] 輸入到系統。在以上計算過程中則可以生成公鑰為[PK=g，e（g，g）α，gα，h1，…，hu]，主密鑰為[QK=gα]。

3）加密算法[（PK，m，A）]：輸入參數則分別為公鑰參數[PK]、訪問結構[A]以及消息[m]， [A]則屬于是矩陣訪問結構[（Q，f）]，函數[f] 則能夠有效實現屬性權重最小份額和[Q]的有效對應。屬性[λe]的第[θt]個權重分割位置則需要和矩陣第[i]個位置相對應，也就是確保[f（i）（λe，θt）]。[Q] 則可以作為是[l×n]的矩陣，在計算過程中需要先在[Znp]上確定出一組隨機行向量[v=（s，y2，y3，…，yn）]，則可以在加密元素[s]分享中應用。如果[i=1，2，…，l]，則可以計算得出[γi=v?Qi]，[Qi]則和[Q] 的第[i]行相對應。

加密算法公布密文則為

[CT=C=me（g，g）αs，C*=gs，C1=gαγ1h-sf（1），…，Cl=gαγlh-sf（l）]

4）密鑰生成算法[（Qk，S*）]：在密鑰算法過程中，則需要首先將主密鑰[Qk]和用戶對應屬性分割集[S*]分別進行輸入，隨機確定[t∈Zp]，將分割集[S*]生成為屬性對應的私鑰[SK]。以上計算過程中所得私鑰為[SK=K=gαgαt，L=gt，?x∈S*：Kx=htx]。

5）解密算法[（PK，CT，SK）]：數據接受者在得到相應密文自后，在解密算法中一一輸入公鑰參數[PK]、私鑰[SK]以及密文[CT]，如果在私鑰中的屬性分割集[S*] 能夠對密文訪問結構[A]有效滿足，也就能夠成功解密，并有效恢復出消息[m]。

引入權重的屬性基加密體制的優點體現在該方案不但支持細粒度的訪問控制，也區別對待了不同屬性的不同重要性，更加貼近于實際應用環境，近年來引起較多學者的重視。

5 結束語

圖書館隱私數字資源屬于是自身特有的寶貴資源，在其應用中安全性非常重要。加密處理則是有效提高數據安全的一個重要措施。在云計算技術發展進程中，網絡環境下的數據機密技術要求也隨之加大，不斷有新的加密算法提出、應用以及否定、改進等等，任何一種加密算法均具有自身的應用優勢，因此在未來數據加密中，將實現不同加密體制的共同發展。由于算法原理簡單、易于使用，同時在實際應用中安全性高以及加密速度快，對稱加密技術的應用最為廣泛，其中基于屬性加密算法能夠有效將傳統的身份控制及認證，擴展成為用戶屬性集合認證，能夠進一步實現其控制手段的豐富性。基于與門、或門等控制單元，能夠設計出和不同情況相其和的訪問控制結構，其在理論設計上的復雜性，近年得到廣泛的關注。但是在當前應用過程中，基于屬性加密算法和相關方案還存在一定不足，而屬性權重的引入就是一種嘗試。

參考文獻：

[1] 楊D， 胡予濮， 張樂友， 等. 標準模型下可證明安全的分級身份簽名方案[J]. 西安交通大學學報， 2011， 45（2）： 27-33.

[2] 劉西蒙， 馬建峰， 熊金波， 等. 密文策略的權重屬性基加密方案[J]. 西安交通大學學報， 2013， 47（8）： 44-48.

[3] 蘇金樹， 曹丹， 王小峰. 屬性基加密機制[J]. 軟件學報， 2011， 22（6）： 1299-1315.

[4] 劉帆， 楊明. 一種用于云存儲的密文策略屬性基加密方案[J]. 計算機應用研究， 2012， 29（4）： 1452-1456.

篇6

關鍵詞：采礦系統工程，現狀，展望

 

采礦系統工程為采礦工程學與系統工程學相結合的所形成的一個新的學科分支。論文參考網。采礦系統工程是根據采礦工程內在規律和基本原理，以系統論和現代數學方法研究和解決采礦工程綜合優化問題的采礦工程學科分支[1]。采礦工程是一門由來已久的古老技術，很多問題都只能定性，而不能定量的解決，現場問題常常依賴經驗判斷，容易存在很大的主觀差異性，借助采礦系統工程中的數字與計算技術，可以實現采礦技術問題的定量決策，大大提高了準確性和科學性。同時，采礦工程涉及面較廣，影響因素較多，如何從總體上合理把握，綜合協調，也需要利用系統工程的相關知識來解決。近年來，隨著新技術，新方法不斷引入到采礦系統工程中，為我國的高效安全采礦帶來了新的活力和發展。

1.采礦系統工程的基礎理論與技術

目前，采礦系統工程中常用的基礎理論學科及相關技術，主要如下：

1） 應用數學或計算數學分支。如概率論與數理統計,隨機過程及數值方法等。

2） 運籌學及其學科分支。如線性規劃，整數規劃，非線性規劃，目標規劃，動態規劃，圖論及網格分析，排隊論及存儲論等。

3） 現代應用數學的相關學科分支。如地質統計學，可靠性理論，模糊數學，灰色系統理論等。論文參考網。

4） 與計算機技術密切結合的交叉學科分支。如系統模擬，系統動態學，人工智能學，決策支持系統，管理信息系統及計算機輔助設計等。

2.采礦系統工程發展現狀

經過幾十年的發展，采礦系統工程得到長足發展，應用范圍相當廣泛，分述如下：

2.1 礦山地質系統

在采礦系統工程中，主要使用數據庫來存放地測數據，早期主要使用dBASE、FoxBase、Foxpro，近年來則主要使用Access、Oracle等軟件。而在處理數據方面，則主要使用統計學的方法，常使用Excel以及各種數據庫軟件從總體上把握礦產分布及其變化規律。

1） 礦產儲量計算與地質作圖

采礦系統工程廣泛使用方塊法，同時，為了滿足礦山設計的需要，工程技術人員還常常使用為線框模型法來表達礦體，這種方法計算精度較高。然而如何由鉆孔柱狀圖推出剖(平) 面圖的地質作圖問題，雖然專家學者使用了許多方法，但還沒有很好的解決。另外，在三維實體模型表達礦體方面，國外的礦業設計軟件都有這種功能。

2） 礦產資源評價

目前人們普遍采用模糊綜合評判評價礦產資源，先建立評價指標體系及各因素的權值 , 然后采用模糊評判、灰色關聯度分析等方法。近年來也有人探索用人工神經網絡、遺傳算法進行評判。至于礦物資產的評估，基本上以收益現值法為主。近年來，又引入探索期權估價法，案例估價等其它方法。

2.2 礦山規劃與設計系統

1）地下開拓系統

對于煤礦開拓運輸系統，常使用專家系統確定。或者從各項工程費用累積而成的數學模型中，使用解析法求極值，求解出最優開拓方案。同時，技術人員還常采用計算機模擬法比較各方案的優缺點。

2） 地下采礦方法

對于確定采礦方法，主要使用專家系統和模糊綜合評判。對于煤礦此類特定層狀礦床，采用解析法，而在具體布置采準巷道時，大多采用 CAD技術。鑒于地下工程是個空間概念，國外常采用三維立體圖表示。

3） 采掘計劃編制

人們主要使用線性規劃和整數規劃制定礦山采掘計劃。論文參考網。另外還常使用計算機模擬予以輔助。如為了適應礦山環境的復雜多變，利用CAD技術編制采掘計劃。

2.3 礦山生產工藝系統

1）開采工藝及設備選擇

開采工藝及設備的選擇主要是通過專家系統來確定，為了確保影響因素權值的正確確定，還可以使用人工神經網絡方法。其他的選擇方法還有解析法和計算機模擬等。

2） 開采工藝過程分析

主要是采用計算機模擬來研究開采工藝過程。近年來，現代控制理論也逐步引入到開采工過程分析過程中。

2.4 礦山管理系統

1）礦山管理信息系統

隨著計算機及網絡技術的普及，國內外許多礦山都建立了礦山管理信息系統，覆蓋地測、設計、計劃、設備、庫存、營銷、財會、人事等工作，內部各子系統用局域網相連，外部聯系則通過Internet。

2）礦山生產過程監控

目前礦山還不能達到全過程自動控制，對于井下電機車的調度，主要是借用鐵道運輸的經驗。對于井下一些重要卻又危險的作業，主要采用工業電視來監控。對于少數大型的設備，都具有了自動控制的功能，但是距離自動化還有很長一段路要走。

3）通風安全

主要是使用專家系統來確定通風系統，使用解析法來優化通風井巷斷面，使用CAD技術來繪制通風網格圖，利用因果關系預測、時間序列預測、卡爾曼濾波預測等方法進行事故預測，以及采用故障決策樹等技術分析事故發生的原因及概率等等。

3.采礦系統工程發展趨勢

采礦系統工程是采礦工程與系統工程相結合的一門學科，既要遵循采礦工程的內在規律，又必須運用系統工程的觀點和方法。目前情況下，采礦系統將有如下發展趨勢：

1)多種研究方法的綜合運用。采礦系統工程是一個復雜的動態過程，它的決策，如果只采用一種方法，效果難以理想，需要多種方法綜合運用，并且正在朝這個方向發展。

2）多項內容的綜合分析決策。采礦系統工程在系統結構上關系比較復雜，再加上各個礦區條件的差異性，因此，在處理和解決某一決策時，需要涉及到的內容較多，內容之間又容易相互影響，故今后將朝多項內容分析決策的方向發展。

3）計算機運算與可視化功能的密切配合。工程設計圖是采礦工程的語言，隨著計算機技術迅速發展，動畫顯示以及虛擬現實技術將會在采礦系統工程中得到廣泛應用。

4）采礦系統工程理論與實踐的進一步結合。隨著采礦新技術，新方法的應用，采礦工程的實踐活動也發生了巨大的變化，隨著采礦實踐的發展需要，兼收嚴格優化方法的優化功能與非嚴格優化方法的靈活使用性將會形成一種趨勢。

5）嚴格優化技術正向實用要求逼近。在采礦系統工程的早期階段，利用運籌學得出的采礦問題最優解常常偏離采礦的工藝技術要求。近年來，隨著CAD 技術的出現，人們又將傳統的設計方法轉用計算機實現，卻又忽視了優化的目標。今后，采礦系統工程將在人―機的交互方式下實現決策的優化，并盡可能提高作業的自動化程度。

6）新學科、新技術的應用繼續發展。隨著新興學科，邊緣交叉學科理論迅速發展，它們也將逐漸與傳統領域結合，使采礦系統工程得到新的發展。

7）礦用軟件開發日益規范化、商品化。采礦系統工程的軟件將會一步發展，市場和價格也會逐漸規范化，價格上也會更加便宜，使用也會更加普遍，對外國軟件的使用上也會更加熟練。

8）跨學科的聯合研究。跨學科的研究工作隨著系統研究對象的擴展，已經成為目前階段必然發展趨勢。

4. 結語

雖然采礦系統工程是一門新興學科，但是隨著我國經濟高速發展，對能源需求量的急速增加，采礦工程迎來了新的發展機遇，再結合全球化的契機，以及新技術，新方法的引入，必將推動我國乃至全世界采礦系統工程學科發展的春天，為能源高效安全開采做出巨大的貢獻。

參考文獻

[1] 全國自然科學名詞審定委員會.煤炭科技名詞.北京：科學出版社，1997

[2] 張幼蒂，王玉俊. 采礦系統工程[M].徐州：中國礦業大學出版社，2000

[3] 邵登陸，岳宗洪. 采礦系統工程的發展現狀與新趨勢[J].中國礦業，2008，17（9）：99-102

[4] 云慶夏，陳永鋒，盧才武. 采礦系統工程的現狀與發展[J].中國礦業，2004，13（2）：1-6

[5] 劉建華，岳宗洪. 采礦系統工程的發展與新趨勢[J].現代礦業，2009，3（3）：7-10

[6] 云慶夏，陳永鋒. 我國采礦系統工程的技術進展[J].中國礦業，2000（9）：40-43

篇7

1 設計原則    

分布式計算管理平臺的計算資源分布在多個調度機構，物理上獨立部署。由于對數據安全性和實時性存在特殊要求川，其不同于傳統的云平臺模式，無需在公用網絡上自主發現計算資源和考慮計算資源的失效影響}m認也不同于傳統的集中式計算中心僅基于固定的計算資源進行計算任務調度Ciz7，需支持計算資源異地備用。因此，分布式計算管理平臺的計算資源一方而優先滿足本地在線計算域和離線計算域的計算需求;另一方而作為異地調度機構的計算資源后備，必要時可接收異地調度機構相關計算域下發的計算任務進行計算。    

在具體設計時，需遵循以下原則。    

1)多級調度機構間基于松藕合方式進行信息交互。多個調度機構間計算資源監視和動態分配、計算任務調度都通過信息進行交互。    

2)遵循調度機構己有的安全防護機制。計算資源在多調度機構間不進行跨安全區共享，只有處于同一安全區(生產控制區和管理信息區)內多個調度機構的計算資源才可以進行全局共享。    

3)計算資源按照計算域進行自治管理。一個調度機構內支持劃分多個計算域，各計算域之間計算資源相互獨立，計算流程和計算周期獨立控制;各計算域內的計算資源互為備用，一方而支持為各個計算域設定其優先級和計算資源分配系數，同時也支持根據計算任務數量對各計算域的計算資源進行動態調整。多個用戶的離線應用功能以多個離線計算域的方式并行。 

4)計算資源狀態自動監視。各個調度機構內的計算資源的狀態信息和負載信息周期進行收集，并通過信息進行全局共享。   

5)計算資源分配分層管理。每個調度機構內都設有統一的本地資源分配管理模塊，負責監視和管理本地所有計算域的計算資源;多個調度機構間設有統一的全局計算資源管理模塊，由各調度機構動態選舉產生，負責全局計算資源的統一調度和管理。    

6)計算任務調度分級管理。對于跨調度機構的計算域，采用“根管理節點一子管理節點”兩級調度管理機制，即:在接收到計算任務的調度機構內為該計算域設立全局的根管理節點以及為該計算域分配計算資源的相關調度機構內設立子管理節點，由根管理節點對上述所有子管理節點進行調度機構間計算任務的一級調度管理，由子管理節點對本地調度機構內該計算域的所有計算資源進行計算任務的二級調度管理，從而實現該計算域的計算任務基于多級調度計算資源的統一調度管理。    

7)計算資源在動態分配給計算域時遵循“在線計算域優于離線計算域;本地計算域優于異地計算域”原則，即本地計算資源按照“本地在線計算域>異地在線計算域>本地離線計算域>異地離線計算域”次序進行分配。

2 體系架構    

動態樹形架構的分布式計算管理平臺通過將計算資源分配和計算任務調度分別獨立進行管理，采用“全局一本地”兩層角色管理機制實現計算資源全局共享;采用“根管理節點一子管理節點”兩級調度管理機制實現計算任務的跨調度機構管理，避免計算資源管理和計算任務調度的交叉影響。具體組織結構如圖1所示。    

1)計算資源分配    

通過設立“全局資源管理節點一本地資源管理節點”兩層管理角色，實現多級調度計算資源的分層統一管理。其中全局資源管理節點，在所有調度機構中有且只有一個，作為而向所有調度機構的全局管理角色，負責所有調度機構的全局計算資源統一分配;本地資源管理節點在每個調度機構內都有且只有一個，作為本調度機構的局部管理角色，負責本調度機構內多個計算域的計算資源分配。    

2)計算任務調度    

通過為每個計算域設立“根管理節點一子管理節點”兩層管理角色，實現計算任務基于多級調度統一分配計算資源的分層統一調度。其中根管理節點位于接收到用戶直接提交計算任務的調度機構，在所有調度機構中有且只有一個屬于該計算域的根管理節點，作為該計算域而向所有調度機構的全局管理角色，負責所有調度機構的全局計算任務調度;子管理節點位于為該計算域分配計算資源的各調度機構內(并不強制要求每個調度機構都需要為該計算域分配計算資源)，在一個調度機構內有且僅有一個，作為此調度機構該計算域的局部管理角色，負責此調度機構內該計算域的計算任務調度。    

3)運行角色自動識別    

為提高平臺運行的可靠性，調度機構和機群節點在運行前不指定其擔任的資源管理和任務調度的角色類型，在實際運行時自動進行識別，邏輯上相互備用，能夠自動感知異常并進行自主切換。其中全局資源管理節點由本地資源管理節點自動選舉產生，全局資源管理節點和本地資源管理節點可在一個調度機構內共存。一個計算域的根管理節點位于提交計算請求的調度機構，由該調度機構此計算域內的計算資源推舉產生;為該計算域分配計算資源的所有調度機構，在本地選舉產生一個屬于該計算域的子管理節點，負責和該計算域的根管理節點進行計算任務調度信息交互(通過信息中轉)。

3 功能組成    

動態樹形架構的分布式計算管理平臺從功能上分為用戶管理、計算管理、資源管理和信息四層，具體組織結構如圖2所示。   

 1)用戶管理層    

用戶管理層為多級調度機構的用戶(或計算域)提供統一的人機交互接口，主要包括用戶并發管理模塊和計算資源需求評估模塊

其中用戶并發管理模塊基于而向服務架構(SOA)的設計思想為用戶提供統一的人機交互接口，實現多個用戶(包括離線和在線計算域)的計算任務提交、計算過程監控和計算結果返回。計算資源需求評估模塊主要根據計算請求內容包含的應用功能及其各自的計算任務數量，結合其預期的計算時間要求，預估該計算請求的計算資源需求，為后續的資源優化分配模塊提供資源需求量化指標

2)計算管理層    

計算管理層實現多級調度機構的統一計算管理，主要包括各個計算域的計算流程控制和計算任務調度、計算數據交互管理以及計算環境遠程部署。    

計算流程管理模塊主要實現每個計算域的計算流程組態和自動控制，包括流程定義與解析、執行過程中的分支自動識別和選擇等。計算任務調度模塊主要實現每個計算域內包含所有應用功能各類計算任務的異步并發組織、管理和調度，主要包括多應用功能的計算任務分解、調度粒度劃分、計算任務分發和計算結果回收。計算數據管理模塊主要實現本計算域內(包含根管理節點與其他調度機構的子管理節點之間、子管理節點與本地計算節點之間)各類計算任務相關數據文件和結果文件的統一組織、壓縮、傳輸和處理。計算環境部署模塊主要實現計算相關程序及配置文件的遠程分發維護。    

3)資源管理層    

資源管理層實現各類計算資源占用情況的統一在線監視、各個計算域內的角色管理和計算資源的統一優化分配。具體包括本地管理和全局管理，本地管理主要是指單個調度機構內計算資源管理，主要實現本調度機構內計算資源的監視和運行狀態識別、單個計算域本地的子管理節點角色運行管理和本地多個計算域之間的計算資源優化分配;全局管理主要是指多個調度機構資源的統一協調管理，并基于信息模塊實現跨調度機構的各類信息交互，主要包括跨調度機構計算資源的集中監視和運行狀態識別、根管理節點角色運行管理和跨調度機構的計算資源優化分配。    

資源監視模塊主要實現計算節點的硬件資源狀態信息和負載信息的在線監視，運行在每個計算節點上，并將本地參與全局優化分配的計算節點資源信息通過信息實現共享。運行狀態識別模塊主要實現計算節點的運行狀態在線感知，以及故障節點的主動識別和自動隔離。運行角色管理模塊主要實現管理角色的自動選舉、計算角色的加入管理、管理角色和計算角色異常感知。其中本地管理中的角色管理是指單個計算域內本地子管理節點的識別管理，將每個計算節點作為一個邏輯單元實現單個計算域內的子管理角色的在線備用;全局管理中的角色管理是指全局根管理節點的識別管理，在接收到用戶計算任務的調度機構內，將該計算域的每個計算節點分別作為一個邏輯單元實現根管理角色的在線備用。計算資源優化分配模塊主要實現計算資源在多個計算域(本地)或多個調度機構(全局)上按照約定的算法根據優先級、分配系數以及計算任務數量等關鍵因素進行優化分配。    

篇8

【關鍵詞】云計算；教育云；云架構：實驗教學；案例分享

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009-8097（2013）07-0111-06

目前，傳統的教學方式正在向個人電腦、手機、平板等終端上拓展，尤其是電子閱讀類終端和Pad類平板電腦，使用戶體驗產生了根本性變革。與此同時，教學應用和教學模式必將進一步豐富和深入，遠程教育、實時互動課堂、在線點播、在線考試評測、在線交流、個性化學習管理等應用逐步融入學習過程。然而，傳統的經濟管理模擬實驗室，因教學地點固定、教室之間相互獨立、課堂之外學習困難、應用軟件缺失等困境，難以滿足經管類實驗教學對靈活部署、及時響應、快速搭建各類信息系統與實踐場景的需求。此外，維護困難、耗時長，也使實驗管理人員深陷于紛繁復雜、簡單重復的工作，而無暇從事深入的研究和探索以提供高水平服務與豐富實驗教學活動。

平臺云化、終端移動化、應用多樣化己成為教育信息化的未來發展趨勢。云計算技術的發展使得教學資源的集中化、系統搭建的簡單化越來越容易實現，同時3G網絡的發展也促使云計算擺脫理論的桎梏走向實踐且應用范圍越來越廣。因而，乘“云”而來推動實驗教學創新，是順理成章的。

一 相關研究與實踐

自2006年Google首席執行官Eric Schmidt在搜索引擎大會上首次提出云計算概念以來，因其動態擴展、形態靈活、簡化終端等特性，受到了各行各業的高度關注。近年來，云計算在具體領域的應用探索，漸趨升溫乃至白熱化程度，如物聯云、教育云、圖書館云、醫療云等。筆者在中國學術期刊全文數據庫（CNKI）平臺上使用邏輯運算符“并且”和采用“云計算”、“教育”等詞語按主題組合檢索發現國內學者王萍等于2008年率先系統地總結了云計算在國外的應用實踐并闡述了它在網絡學習中所扮演的角色和帶來的積極影響，其后關于云計算在教育領域的理論研究與應用探索，呈現出“井噴”趨勢，見表1。

云計算在國內教育領域的研究成果多涉及思考、總結與展望云計算如何促進教育資源整合和教育信息化及其在遠程教育、高校實驗室建設方面的嘗試與案例分享，主要是圍繞我國教育信息化現狀重點闡述與分析云計算在助力教育變革中的作用和應扮演的角色，繼而形成基于云計算的新型高校教育信息化工作模式以推動云計算在教育信息化中的應用，并借助Google協作平臺全面揭示云計算在教育領域中的應用特點，思考云計算遠程教育系統的邏輯結構、整體結構設計、核心模塊設計等問題和描繪未來遠程教育云的形態，探索與分享高校實驗室云計算平臺建設活動中虛擬化技術的設計與實現。

然而，盡管目前我國教育云建設的輿論接受度較高，但各類教育云的建設都是各自為政，缺乏統一標準，缺乏全盤規劃，如果不及時關注這些問題，教育云應用將成為新的片片“孤云”，由此導致我們習慣于把目前教育信息化所做的一切說成教育云，尚且缺乏典型的教育云案例。與此同時，現有的教育云建設更多的是探索軟硬件資源等基礎設施的虛擬化、集成共享與管理，而很少關注之后的應用與服務。

面對上述困境，需要我們在教育云熱的大環境中保持理性，并尋找一朵公認的在技術創新、教學改進上都典型的教育云案例以促進教育云應用實踐的良性發展。

二 經管類實驗教學環境的云架構設計與實現

1 經管類實驗教學環境的云架構

面對經管類實驗教學活動涉及諸多信息系統和實踐場景且需要靈活部署、及時響應、快速搭建的現實需求，僅僅關注軟硬件資源等基礎設施的虛擬化實現資源的集成共享是遠遠不夠的，還需要強調在統一的虛擬化環境下如何提供豐富多彩的應用服務以滿足不斷變化的實驗教學要求。基于上述考慮，我們需要從硬件設備層、軟件平臺層、基礎應用層和多端接入層等四個維度，有所側重、分步實施搭建，見圖1。

其中，在統一的云架構基礎上，主要通過提供四大類基礎應用來整合多樣化的實驗教學需要，如下所述：

（1）協作云。向終端用戶提供可獨立運行的虛擬資源，包括計算資源和存儲資源。它通過把傳統PC的計算存儲資源集中到云計算數據中心實現統一分發，終端用戶僅需通過顯示器和瘦客戶端即可接入到自己的“虛擬計算機”，這既降低了終端性能要求，也使多端接入成為可能，同時豐富靈活的應用部署，有力支撐了實驗教學的多樣性，也把實驗管理人員從繁雜重復的機房工作中解放出來。

（2）虛擬服務器。虛擬計算機僅提供了靈活多變的上機或辦公環境，而通過虛擬服務器能夠把現有的或各類廠商的實訓軟件統一部署在云平臺上，從而提供更為完善的實驗教學服務，如通過提供Windows Server 2003、Windows Server2008、Linux等多種虛擬服務器環境，部署ERP、企業管理、財務會計、輿情監控、商業分析等各類實訓軟件。

（3）統一通信。是以融合業務交換系統和統一通信業務應用平臺為核心的校園級統一通信平臺，它支持多終端接入，如PC、Pad、智能手機等，融合了即時消息、語音、視頻等業務，以實現遠程會議、遠程培訓、移動辦公等全方位應用，能夠很方便地召開多媒體會議，支撐跨區域的研討交流，從而提升溝通效率、輔助快速決策，同時還節約了可能的差旅成本。

（4）遠程互動教學平臺。實現校區之間、學校之間、學校與家庭的互聯互通，輕松實現教育資源共享，學生可以從遠程教室、家中或在旅行中通過智能終端加入遠端實時課堂，與老師或者同學之間進行音頻、視頻和文字互動。同時，具備多媒體共享、屏幕共享等功能以滿足信息時代對于多媒體內容的應用需求。

2 新型產業信息化實訓中心平臺建設

新型產業信息化實訓中心（下文簡稱“實訓中心”），主要包括IDC機房、交互式智慧教室、沙盤實訓室、運維監控室、文檔資料室、多功能區等基礎設施，由商學院牽頭建設，旨在改變學院以往“重理論、輕實踐，重講授、輕訓練”的陳舊教學模式和現有經濟管理模擬實驗室機器設各老化與應用軟件缺乏的現狀。實訓中心主要以華為TecalE6000服務器、OceanStor S5500T存儲系統和Quidway S5700三層交換機為物理硬件基礎，利用Xen HyperVisor虛擬化技術實現物理資源虛擬化，結合華為eSpace Cloud虛擬化軟件產品形成統一的云管理平臺，提供Windows、Linux等多樣化的系統環境以支撐各類實訓軟件的部署、安裝、測試，以及靈活多變的上機或辦公環境：通過規劃與部署符合學院需求的專業實驗教學軟件、交互式智慧教室和遠程互動教學平臺，并采取多終端接入方式，實現了方便靈活的管理和使用，順應了移動教育趨勢。

在整個建設及運行過程中，實訓中心吸引了大量國內外專家學者和領域人士前來參觀考察和學習交流，如；先后有上海市電化教育館、上海軟件產業促進中心、上海市檢察院、上海市青浦區科學技術委員會、上海市黃浦區教育信息中心、上海市青浦區教育局、江蘇淮安市教育局等一百余人次參觀交流，并接待了哥斯達黎加科技部長Alejandro Cruz訪華團一行、南非STELLENBOSCH大學首席信息官JOE SMIT一行、法國郵政集團董事Nathalie Andrieux及其IT戰略管理部部長Chabane Debiche一行等多批次國外嘉賓參觀交流。其中，主要有以下一些關鍵時間節點：

2011年10月，項目順利通過專家組論證。

2011年11月，啟動項目公開招標活動，最終確定中標方。

2011年12月至2012年03月，順利完成項目“三包”建設方案。

2012年04月至2012年05月，各類軟硬件兼容性測試，試運行。

2012年06月12日，順利通過專家組驗收并投入使用，給予了高度評價：它站在了學科教育和教育發展的前沿，是高校將“云”真正落到實處的典型案例。

2012年07月02日，成功舉行教育協作云現場會，被業內認為是具有典型代表意義的樣板，先后被《人民日報》、《中國教育新聞網》、《中國教育報》、《中國云計算服務網》等多家媒體報道或轉載，產生了較大的社會反響。

目前，實訓中心在統一的云架構下已有20余套實訓軟件在正常運行，且擁有Windows、Linux等10余套系統模板以滿足快速搭建各類應用環境的需要，初步形成了云中教學、云中協作、遠程交互、互動課堂、在線課程等應用為主的教育云平臺。

此外，鑒于在教育云上的積極實踐和探索，尤其是對教育云架構、各類高度集成的云服務、移動辦公和互動教學等方面的理解，實訓中心還吸引了諸多企業前來“云中筑巢”為擁抱云時代做嘗試，這成為孵化校企合作、推動產學研有機融合的溫床。

三 云環境下的實驗教學框架

鑒于學院的學科特點，實訓中心通過采購和聯合共建實驗室等方式規劃部署了有關旅游、企業管理、信息管理、財務會計等方面的專業實訓軟件，改變了原有實驗教學單一（或缺失）的局面。然而，云環境下實驗教學活動需要多方協作創造以不斷優化與擴增云端資源，實現資源的最大化共享，進一步豐富和完善實驗教學項目。見圖2。

平臺使用，滿足了日常實驗教學，體現了資源集成共享的優越性；創新探索，孵化了新的實驗教學項目，確保了教學的延續性和可持續發展。運維管理人員，需要擔當起服務創造者角色而絕非僅僅是服務提供者，以促進平臺使用與創新探索的有機統一，最終形成完善的教育云生態系統。

1 豐富實驗教學

在統一的云管理平臺上，維護工作變得簡單、快捷，通過提供虛擬服務器以靈活架構、按需部署與集成各類實訓軟件，提供豐富的實驗教學項目，從而滿足各專業實驗教學的需要。目前，實訓中心提供的實訓軟件，門類齊全、種類繁多，擁有B/S、C/S兩種架構模式，專業實訓、統計挖掘、系統開發三個大類，具體如下所述：

（1）專業實訓類。ERP財務模塊、ERP人力資源模塊、企業經營模擬沙盤演練、項目管理沙盤演練、企業內控與營銷工程、模擬導游實驗教學、會計實驗教學、審計實驗教學、財務決策與分析、輿情監控平臺等。

（2）統計挖掘類。SAS統計挖掘軟件、SPSS統計挖掘軟件（Statistics和Clementine）、Teradata商業分析平臺等。

（3）系統開發類。擁有Eclipse、Visual Studio、Android、Photoshop、Dreamweaver、Authorware、Fireworks等各類系統開發環境。

基于此，實訓中心已經承擔了大量實驗實訓課程，主要包括：綜合會計實訓、財務報表分析、客戶關系管理應用實戰演練、信息管理實用軟件實訓、5A景區漫游模擬導游實訓、Android手機程序設計與開發、Windows Server 2008網絡操作系統、Web程序設計與應用、管理信息系統、信息檢索等。

此外，依托先進的錄播平臺全方位記錄實驗教學、培訓活動、參觀訪問的實況，實訓中心還形成了自己的特色資源庫，并通過云平臺對師生們開放，進一步豐富了實驗實訓的各類服務。

2 統一科研教學

魏紅等認為“教師的科研成果和教師的教學效果呈現較為顯著的正相關，教師的科研對其教學是有促進作用的”。實訓中心則與教師合作，積極探索在云平臺上科研成果應用于實驗教學活動的一般模式，使得科研成果能夠及時反映在實驗教學活動，以活躍課堂氣氛并激發學生的好奇心和求知欲，同時也使得科研成果能夠在實驗教學活動中得以檢驗、優化和完善，從而最大限度地服務于教學，實現科研與教學的有機統一，見圖3。

依托云平臺提供的各類實訓軟件環境，為上述探索提供了有力的支撐。然而，要保證順利實現科研與教學的有機統一，不僅需要教師積極思考科研教學化的模式，更需要實驗人員具備一定的科研能力和創新意識，這對實驗人員提出了更高的要求。

3 深化校企合作

實訓中心采用共建聯合實驗室的方式，深化校企合作，旨在為廣大師生帶來企業在管理、咨詢等實踐活動中的實務理解，幫助師生了解企業面臨的各類問題以把握最為真實的社會需求，并誠邀相關企業資深的專業人士開展講座培訓，引進各類社會優質資源，形成良性互動，以期提高學院師生的科研創新能力并推動多學科的交叉融合。

目前，實訓中心已建立華為教育協作云聯合實驗室、Teradata商業分析聯合實驗室、NSTOR數據管理聯合實驗室、中經世林模擬導游聯合實驗室等多個校企合作平臺，并由此孵化實驗教學項目，為日常教學科研提供新的支撐。比如：利用ERP系統中生成的業務數據，或者利用具體應用系統中的日志，把這些數據導入到數據倉庫中，進而通過數據挖掘進行商業分析，這些都離不開各類廠商的支持；同時，在上述活動中，學生們的獨立學習意識也能夠得到極大培育。

4 提供實踐平臺

在確保滿足日常實驗教學活動的前提下，實訓中心還設立開放實驗室以最大程度地面向師生開放，旨在培養學生創新意識，增強學生科研動手能力。實訓中心擁有完善的企業模擬經營沙盤演練平臺、先進的商業分析平臺、豐富的統計挖掘軟件、無線網絡全區域覆蓋、舒適的實驗場所等軟硬件設施，為開放實驗室的正常運行奠定了良好基礎。例如，為會計學系師生提供上機環境，以備戰2012年首屆“網中網杯”全國大學生財務決策網絡大賽。

同時，憑借在信息化架構與實踐方面積累的豐富經驗和優勢，實訓中心還積極輔導本科生參與國內外相關賽事，且已取得較好的成績，如：赴新加坡參加2012、2013年APEX商業IT案例大賽，與世界一流學校同臺競技：提供企業模擬經營沙盤演練的電子沙盤和物理沙盤環境，并指導本科生參加2012年上海大學生企業經營模擬沙盤大賽，在本次比賽中參賽隊員榮獲優勝獎。

四 實驗教學典型案例介紹

為了確保實驗教學活動的延續性和可持續發展，實訓中心并不局限于作為服務提供者為廣大師生提供良好的實驗環境，而是依托云平臺在資源集成共享、靈活搭建應用環境等方面的優勢，與任課教師、企業積極開展合作以進行創新探索，為實驗教學提供新的支撐。主要采取兩種模式：與任課教師合作，嵌入課堂教學，探索開設配套的實驗課程：依托平臺優勢，聯合企業協同創新，開發新課程。

1 網絡文本信息挖掘

現如今各類會展活動在舉辦過程中，不可避免地被打上互聯網的烙印并在網絡上匯集大量相關報道或討論，同時微博（客）的出現與蓬勃發展，也加劇了這一趨勢。因而，在網絡廣為普及的社會環境下，及時了解與掌握會展活動中網絡媒介或網民群體所表達出的重要節點信息，變得十分重要。為幫助會展管理系本科生認識和了解網絡信息處理的做法，全面把握網絡環境下會展研究的新動向，會展管理系教師與實訓中心合作，探索開展相關實驗教學的可能性。實訓中心實驗人員在網絡信息處理方面，做了很多有益探索并形成了系列研究成果，為此次實驗教學探索奠定了良好的基礎和技術保障。

在與任課教師反復溝通交流后，決定在大型會展活動中的事件分析研究成果基礎上，開展客戶偏好及行為特征之網絡文本信息挖掘實驗教學活動，以作為會展客戶關系管理課程的實驗課程。實驗教學的目標確定為幫助會展管理系2009、2010級本科生認識文本挖掘及其常見的工具技術，能夠獨立完成基于搜索引擎的網絡信息采集活動并進行熱點發現、社會網絡分析等信息分析活動。

實驗人員首先結合先前的積累準備了一份實驗講義材料，明確采用開源工具進行實戰演練，然后交由任課教師模擬實驗，最后制定了一套實驗教學方案，如下所述。

（1）理論講述：概述文本挖掘及其常見的工具技術，文本挖掘的典型應用場景。

（2）實驗環境：通過云平臺讓學生了解和部署實驗環境并陳述具體應用場景，

（3）工具使用說明：結合新浪博客實例，熟悉開源網絡采集工具火車頭采集器和社會計算平臺ROST CM用于網絡信息采集、處理與分析活動中的流程。

（4）自由實戰演練：在給定的主題范圍內進行網絡信息采集、處理與分析，并進行現場答疑。

本次實驗教學改變了該門課程實驗教學活動缺失的現狀，不僅豐富了課堂教學，也給該系本科生帶來了新的視角和工具，如：針對2012年十一黃金周出現的旅游景區“人滿為患”現象，借助文本挖掘手段利用新浪博客數據全面清晰地刻畫了網民對這一現象的態度以及關注的焦點——交通、擁堵、免費、堵車、投訴、幸福等，拓寬了學生在捕捉客戶偏好、把握客戶行為等領域的視野。

然而，文本挖掘本身是一個多學科交叉的研究領域，在簡短的時間內難以形成完整的認識。結合本次實驗教學實際，實訓中心已著手開展文本挖掘與信息分析專題培訓，以期通過理論講述和實戰演練相結合的方式，進一步豐富和完善實驗教學。

2 數據挖掘與商業智能

大數據時代下，面對多類型數據的海量集聚，數據挖掘活動所擔負的從中滌取“有效的、新穎的、具有潛在效用的乃至最終可理解的模式以獲取商業利益”任務，變得十分重要且更富挑戰。托馬斯·達文波特數據科學家這一職業也隨之呼之欲出，并被譽為二十一世紀“最性感”的職業，然而所有大學都尚未設置數據科學的學位（課程）。

為順應這一趨勢，實訓中心依托Teradata商業分析聯合實驗室，結合Temdata在金融、電信、零售、物流等行業積累了豐富的挖掘經驗，開展數據挖掘與商業智能專題培訓，以全面認識和把握數據挖掘在商業領域的真實做法，掌握數據挖掘常用的算法、模型與工具——如決策樹、關聯規則、聚類分析等算法和TWM挖掘工具、Excel高級應用等，從而培育挖掘與分析能力。該專題培訓，采用理論講述、實戰演練、案例分享等多種形式，共分為15個專題，內容涵蓋數據挖掘的基本理論、方法論、工具與模型以及電信/銀行領域中數據挖掘典型案例分享等。

隨著專題培訓的深入，逐步改變了廣大師生對數據挖掘即是“建模型、選算法”的認識誤區，并了解到數據挖掘活動中約80%的工作是在做數據探索、數據準備，而借助工具或搭建數據倉庫（集市）可以大大縮減這一工作量。值得一提的是，大數據時代下在數據（倉）庫內進行數據挖掘已經成為發展趨勢。實訓中心所部署的Teradata數據倉庫及其挖掘工具，順應了這一趨勢，并通過開展數據挖掘與商業智能專題培訓活動能夠使廣大師生站在前沿以更加從容地從事科學研究活動。

除此之外，我們還致力于探索如何利用專題培訓積累下的實驗講義等素材并結合師生的反饋把專題培訓內容固化下來——如出版教材、專著等，從而進一步鞏固培訓成果和豐富實驗教學，同時也為培育“數據科學家”人才做準備。

五 結束語

篇9

【關鍵詞】 信息化； 事件驅動會計； ERP

中圖分類號：F232 文獻標識碼：A 文章編號：1004-5937（2016）05-0109-04

一、引言

互聯網技術發展至今，信息技術日漸成熟，人們的生產生活進入了“大數據時代”。大數據不僅從宏觀方面為社會帶來了變革，而且對會計行業產生了重要影響，對傳統的管理模式和會計模式產生了很大的沖擊。物聯網技術、數控系統（DCS）、制造執行系統（MES）、企業資源計劃系統（ERP）等信息化平臺越來越多地應用于企業的經營管理、產品供應鏈等，使得企業實現了實物流、資金流和信息流的統一，企業的資源配置越加有效，企業價值實現最大化。

在傳統的會計模式中，企業各部門之間很少有數據流通，尤其是業務部門與財務部門之間數據共享不及時，導致會計數據與業務數據不同步，容易形成“信息孤島”，會計人員最終從財務系統得到的信息是滯后的、孤立的，造成財務部門無法高效地對發生的業務進行財務處理。因此，企業的會計模式需要改變，建立事件驅動會計模式，使得會計信息與業務信息同步，實時披露企業發生的交易事項信息以滿足信息使用者的需求。

二、事件驅動會計模式的概念

在信息化環境下，財會人員不需要算賬、記賬、填表，甚至絕大多數憑證也是由ERP的業務管理系統自動生成，傳遞到財會部門，財務預算、計劃和大部分財務管理工作都由ERP系統完成，因此，財會人員應大量地參與企業的業務管理工作，從財務管理角度參與企業的各項業務管理活動，如各種定額的制定、各種物資價格目錄的更新、各種融資投資活動、企業的各項管理與決策等。

“事件驅動”原意是指出于某種需求，需要系統執行某一項操作時，程序指令即開始執行，簡單地說，就是產生什么事件，調用什么函數。將其運用到財務領域，“事件驅動”的含義是指在企業發生某一項業務事件的同時，系統中的某一程序指令開始運行，將事件信息及時地轉變為會計信息，進行財務處理。在事件驅動的會計模式下，所有的業務數據由各業務事件主體收集，通過管理信息系統將其存儲在事件數據庫中，這些數據大多為原始的、未經處理的信息，與此同時，會計人員可以便捷地從業務事件數據庫中獲得所需信息進行會計處理，提高會計信息的時效性。事件驅動會計的概念模式如圖1所示。

在事件驅動會計模式中，數據采集的對象是原始憑證，因為原始憑證作為業務事項開始的證據，它記載的所有信息均是業務事項的原始信息。但在傳統的會計模式中，會計信息系統中的數據來源于經人工處理的僅包含原始憑證中貨幣信息的記賬憑證，并且，在事件驅動會計模式中，由計算機通過高度自動化的數據采集技術實時從業務事件數據庫中“感知”原始信息，獲取全息數據，包括人、財、物等各項財務和業務數據。兩者的依據不同，相較于傳統的會計模式，事件驅動會計模式依據業務原始信息，能夠更真實地反映企業的信息。

三、與業務事件同步的實時數據采集

（一）供應環節

采購物料至物料入庫，由計算機通過射頻（RFID）等物聯網技術直接從原材料上采集財務和業務數據，涵蓋與原材料相關的全部庫存信息，同時生成供應商及企業的付款信息和相關的財務信息，并對該事件的紙質原始憑證利用光學字符識別技術（OCR）進行處理，將其轉化為電子憑證。原始憑證轉化為電子影像后，要對電子影像進行編碼，以便系統對影像進行處理。電子影像的編碼規則要符合以下原則：每一個電子影像的編碼是唯一且符合標準的，同時，還要保證編碼規則與其他信息系統的編碼規則保持統一，以便不同系統之間對信息的共享。

物料領用出庫時，可按照系統中輸入的生產訂單、生產工序進行配套原材料領料，系統將所需物料的編碼、類別、數量、價格、倉庫、出庫時間等信息經核準后發出，同時自動生成電子憑證。物料采購模塊完成出庫時，同時結轉存貨至成本費用科目或工程項目。

（二）生產環節

隨著產品多樣化、小批量生產的發展，ERP、MES以及DCS三者之間的信息交換越來越頻繁，三者的集成能夠使企業以現有資源實時響應市場需求，提高敏捷性。MES與DCS、ERP共同構成企業的神經系統。在這三個操作系統中，MES在底層DCS與上層ERP管理系統之間起到銜接作用，主要負責調度執行來自ERP的指令以及處理來自DCS系統的反饋。

ERP系統根據市場需求和銷售計劃制定企業生產計劃，包括產品生產數量、完工日期、物料投入、生產工藝等信息，并將指令下達到相應車間的MES，根據生產計劃MES產生更為詳盡的資源分配方案、控制參數、工序和生產調度，并形成工作指令下達到控制層的DCS，DCS接受到MES下達的工作指令控制相應設備完成相應工序；反過來，DCS進行工作的同時將生產車間的信息實時反饋給MES，包括實際工作時間、產成品數量、人工狀態、物料需求等，MES在DCS反饋信息的基礎上，對這些信息進行處理后反饋給ERP系統，ERP系統根據MES提供的信息調整ERP生產計劃中的物料、人工、設備等數據（即根據實際發生數據調整計劃），同時進行成本計算、生成電子憑證，做到生產進行到哪一步，成本核算到哪一步，實現生產作業流程與資金流、信息流的統一（盧等，2013）。

MES對企業各生產工序及時、準確地采集，并處理過程控制層傳送的生產過程數據，向ERP層傳遞生產數據和質量數據，那么各種資源耗費就能夠以天為單位實時、直接分攤到產品的生產成本中（陶松橋，2005），而且企業可以實時獲得產品的生產信息、成本核算數據，進行成本分析，從而調整經營決策。例如，固定資產的折舊費用，在ERP系統向MES下達每日的生產任務時，可以實現每日或者實時計提、單臺計提、實時計入產品成本，而不是傳統的每月計提引起信息滯后，而且，同類固定資產如計算機可根據其使用環境對計算機的耗用速度來采用不同的折舊方法或不同折舊年限計提。人工費可每日或實時攤銷計入產品成本，在月末只需根據本月是否有獎金或其他津貼來進行微調。材料費同樣根據生產的實時耗費即時分配計入生產成本，當大部分費用可以在其發生時實時計入產品成本中，那么間接費用將會越來越少，趨近于零。而產品的成本核算將更加準確及時，各項費用將更加清晰明確，建立在間接費用分配上的各種會計理論和方法將失去效用。

（三）銷售環節

產品在轉換為收益的過程中，始終在供應鏈上流轉，傳統的銷售管理流程中，即使在ERP系統的支持下，主要還是手工輸入產品在各個銷售環節的數據。在事件驅動會計模式下，可以引入條碼技術來有效實施銷售環節數據自動化分散采集。在產品生產過程中，首先按照不同品種、不同批次、不同包裝及其他特有信息在生產時為每一件產品生成可以唯一識別的信息碼，以二維條碼的形式印制在商品或商品包裝物上。在銷售流通環節，采用RFID技術獲取商品的銷售信息，根據訂貨單及合同獲取客戶需求信息，查看客戶所需商品是否已完成交易。與此同時，ERP系統記錄庫存商品變化，并進行銷售收入實時入賬、成本實時結轉以及相應銷項稅的實時登記，從而采集全息的原始信息。其中，為滿足銷售管理需要，系統記錄產品編號、類別、數量、單價、倉庫、出庫時間等庫存信息，同時生成客戶的付款信息和相關財務信息；為滿足財務核算需要，銷售事項發生時，系統實時進行成本結轉，銷售收入和銷項稅根據所開具發票自動入賬。

總而言之，通過將數據采集方式自動化，與業務系統平行，可以實現高效的業務與財務協同，保證信息的時效性，提高會計信息與交易事項的相關性。區別于人工處理，計算機自動收集的信息是與業務相關的全部原始信息，并以標準編碼的形式存儲于共享數據庫中，這些信息能夠同步到財務系統以及業務系統的數據庫中，從而保證業務信息和財務信息的協同化，提高財務信息的實時性。

四、基于事件驅動的實時信息處理

事件驅動模式下的數據處理以業務事件的發生作為業務流程和信息流程的起點，在供應、生產、銷售三類業務流程中各包含主要的業務事件。為了將業務事件語義化，采用基于事項會計理論的REAL（資源-事件-地點）模型將事件數據轉換為業務數據，同時解決會計信息系統數據采集范圍局限的問題。REAL應用于企業是基于經濟實體發生的一系列分立的業務流程，其由若干業務事件組成，涉及業務事件的各方面，從而實現事件數據與業務數據的轉換。

會計憑證是對企業所發生業務的會計描述，是會計流程的起點。在事件驅動會計模式下，可以實現由交易事項信息自動轉化為會計數據。換言之，當共享數據庫中業務事件信息滿足一定條件時，利用信息系統的事件驅動機制，根據先前系統中定義的規則，系統自動從數據庫中采集業務事件數據，并將其轉化為固定格式的記賬憑證（需事前定義模板），然后在財務板塊進行后續的登記入賬、報表生成等操作。處理流程如圖2所示。

（一）供應環節

在供應環節，企業根據生產計劃從供應商處獲取所需物料。在此過程中，利用事件驅動機制，將實時自動采集的事件數據轉換成REAL數據，存儲在數據庫中。供應流程的主要業務事件包括采購申請、選擇供應商、訂購物料或服務、驗收入庫、批準付款以及支付款項等，轉換成REAL模型如表1所示。當滿足系統中定義的條件時，系統中相應的程序開始運行，提取與業務相關的名稱、金額和供應商信息等數據，按照系統中的規則和模板，將這些供應環節信息轉化為固定格式的會計記賬憑證借貸雙方明細科目，生成會計記賬憑證。經財務人員復核、審核后，將記賬憑證實時登記入賬，最終輸出財務報表。

（二）生產環節

生產環節是把所獲得的物料或服務最有效地轉換成顧客需要的可銷售產品的過程。生產流程是多種多樣的，本文以制造業生產為例，將一般生產流程業務事件分為生產計劃、生產產品、成本核算、產品檢驗、完工入庫等，轉換成REAL模型如表2所示。根據會計規則和會計憑證模板從REAL模型中析取出實時會計數據，程序提取出原材料名稱、產品名稱等信息，生成會計記賬憑證，完成產品成本核算。由于采用信息化系統實時分攤各類間接費用，間接費用趨于零，所有生產所消耗的料工費均可以計入到生產成本中。在獲取實時會計記賬憑證后，進行審核，賬務系統根據審核后的記賬憑證登記入賬、生成報表等操作。

（三）銷售環節

正常銷售環節涉及的事件是：接受訂單、開具發票、產品出庫以及接收付款等，轉換成REAL模型如表3所示。根據會計規則庫中定義好的傳統會計規則和實時會計憑證模板從業務數據中析取出實時會計數據，程序執行對業務數據的產品信息的名稱、金額和客戶信息提取，確認收入和相關稅費，結轉營業成本，生成會計記賬憑證。人工審核后，在賬務系統進行后續的登記入賬、生成報表等操作。

五、反映全部業務事件的實時信息輸出

會計主體將發生的各項業務和交易及時披露在財務報告中，信息使用者可以從相應的數據庫中獲取所需的財務報告。當信息使用者想從企業獲取信息時，可通過網絡直接進入企業對外公開的系統，及時有效查詢、分析所需信息，然后由報告生成器根據用戶的選擇，在系統中找到對應的事件驅動模型，生成滿足其需求、多層次、全面反映企業目前及過去整體情況甚至未來預測趨勢的財務報告體系。

由于系統中存儲了業務事項多方面的細節屬性信息，當用戶對公司經營狀況進行分析時就可以向下鉆取到具體的業務明細數據和財務明細數據，從而促成企業各部門之間的信息流通，提供更全面、更有價值的信息，從而大大提高信息的真實性和相關性。如在會計的各種明細賬中，能夠充分反映各項業務事件，通過查詢明細賬即可知曉企業的各項經營業務事件。

六、結論

在目前所處的大數據時代，信息使用者的需求更趨個性化，傳統的會計信息系統已經舉步維艱。在信息技術、網絡技術、自動化技術高速發展的環境下，提出新的會計信息處理模式勢在必行。本文所研究的基于信息化的事件驅動會計模式是建立在物聯網技術、DCS、MES、ERP、事件驅動機制以及REAL模型基礎上的，實時反映企業各項業務的現代會計處理模式。該模式能夠實現實時采集財務業務原始數據、直接分攤資源消耗、事件驅動處理數據、個性化輸出實時信息等多項功能，充分滿足信息使用者的各項需求。隨著信息技術的不斷發展和應用，相信未來企業能夠真正實現事件驅動會計模式的應用，為信息使用者實時提供最新最全面的企業經營狀況和管理信息。

【參考文獻】

[1] 盧，王海東，李海亮，等.基于DCS/MES/ERP集成系統在水泥企業的研究與應用[J].中國水泥，2013（3）：

102-104.

篇10

【關鍵詞】 研發支出； 會計信息披露； OTC

【中圖分類號】 F273.1；F424.3 【文獻標識碼】 A 【文章編號】 1004-5937（2016）24-0117-04

“十三五”規劃推進健康中國建設，帶動醫藥產業發展，醫藥市場的需求保持著旺盛的勢頭。隨著社會的發展以及人民生活水平的提高，“大健康”理念以及自我診療意識深入人心，伴隨著日益激烈的競爭，OTC市場規模正不斷發展壯大。近年來，包括強生、拜耳、葛蘭素史克等外資OTC龍頭企業，正在抓緊擴張自己的OTC業務，通過頻頻收購我國OTC藥品企業倒逼著我國藥企的轉型。在國內，適用自我診療的非處方藥物同質化嚴重。面對內憂外患的局面，我國藥企只有重視產品的研究與開發活動，才能在如此激烈的競爭中立于不敗之地。

研發活動是企業成長與企業價值的重要來源，但是人們獲取企業研發活動的信息是有限的，充足的研發活動會計信息披露可以減輕信息不對稱和逆向選擇問題，最終使企業獲得較高的股票估值[1]。人們也可以通過已獲取的詳盡的研發支出披露內容，判斷企業未來的創造能力，評估企業的抗風險能力。因此，對上市公司研發支出會計信息披露問題的研究具有現實意義。

一、OTC上市公司研發支出會計信息披露現狀

我國2007年頒布的《企業會計準則第6號――無形資產》第7條明確將企業內部研究開發項目的支出區分為研究階段和開發階段，并給出了研究和開發的通用定義。在財政部頒發的《企業會計準則第6號――無形資產》應用指南中，專門對研究階段與開發階段的劃分進行了講解，指出，“企業應當根據研究與開發的實際情況加以判斷”。隨后，證監會的《公開發行證券的公司信息披露編報規則第15號》及修訂版準則也提出“結合公司內部研究開發項目特點，披露劃分研究階段和開發階段的具體標準，以及開發階段支出資本化的具體條件”。

我國OTC市場發展勢頭強勁，據我國產業調研網的《2015年我國OTC市場調查研究與發展前景預測報告》，到2020年，我國OTC市場規模可能位居全球第一，潛力巨大。本文依據我國非處藥物協會公布的2015年綜合排名前40的OTC公司，選取已在我國上交所、深交所上市的19家企業的2011―2015年年報，對這19家②公司研發支出會計信息披露情況整理如表1。

表1數據顯示，非處方藥企業對研發活動的會計信息披露越來越重視。從整體上看，這19家企業的披露內容越來越豐富，2011年大多數企業還僅僅停留在對研發支出的數據披露，到2015年延伸至研發活動的敘述性披露，同時結合了企業的研發項目、研發戰略規劃等內容進行細致性文字描述。

從各個項目來看，其中“開發支出”項目及“研究與開發階段劃分標準”是最早開始披露的內容，這些行為也是應會計準則之要求。對于“開發支出”，2013年有14家上市公司在報表附注“無形資產”下面單獨列示開發支出項目，然而2014年和2015年對于該部分披露的公司卻少了一家，系東阿阿膠對開發支出項目披露不連貫造成的。

在敘述性披露內容中，截至2015年依舊有5家公司未披露區分研究階段和開發階段標準，其中“華潤三九”“東阿阿膠”屬于披露不連貫，這兩家公司在2011―2013年對研究與開發的階段進行過簡要區分，而2014年和2015年報表僅僅說明了研究階段支出計入當期損益，開發階段支出滿足條件計入無形資產，并無對研究與開發階段劃分標準的相關內容披露。此外“云南白藥”“康恩貝”“桂林三金”這三家公司2011―2015年均未披露研究開發階段劃分標準。

對于“結合自身研發戰略規劃的其他情況說明”本屬于自愿披露項目，但也是企業最早開始披露的內容之一，說明制藥企業根本上還是重視研發活動的。直到2014年已有17家企業或多或少披露公司研發戰略、在研項目和研發成果，但仍有“神奇制藥”和“云南白藥”這2家企業未披露此類信息。截至2015年，上述19家企業全部完成與研發戰略規劃有關的敘述性披露。

目前為止，上述19家公司全部規范了董事會報告中“研發支出”項目和報表附注中“管理費用――研發費”金額的披露。對于“資本化時點”的披露至今依舊是披露內容最薄弱的環節，大多企業只是照搬會計準則中開發支出確認為無形資產的五個條件，但是對于結合企業自身情況的資本化時點披露鮮有企業重視。

二、OTC上市公司研發支出會計信息披露存在的問題

（一）劃分研究和開發階段的標準以及資本化時點的確定未結合企業自身情況加以說明

對于制藥企業來說，判斷其生命力的一個重要標準，即看企業在研發方面是否有研究成果，那么對于企業劃分研究階段和開發階段的標準，以及開發階段資本化時點的信息披露顯得尤為重要。以2015年的19家上市公司年報為例，僅有6家上市公司結合企業自身情況對資本化時點進行披露，其披露內容如表2。

通過表2可以看出，OTC企業對研究階段與開發階段的劃分標準并不一致，很多企業未結合行業特點或者企業自身情況區分，僅僅只是復述企業會計準則中的籠統劃分標準，如江中藥業。OTC藥企劃分研究階段與開發階段的標準包括臨床試驗批件、藥品批準文號、進入注冊申報階段等。

表2中列示的6家上市公司均披露了資本化時點，除“太龍藥業”結合自身具體的開發項目披露資本化支出外，其余13家公司并未將資本化時點與開發項目結合進行會計信息披露。

通過筆者實地調研，結合OTC行業特點來說，企業打算開發一款新藥，自立項前的市場調研開始，其研發流程經歷小試、中試和工藝放大，到最后取得臨床試驗批件前的預試驗階段應歸為研究階段，這一階段的所有費用化支出應計入當期損益。自取得臨床試驗批件開始，企業將研究成果進一步運用于人體或動物身上進行等效性試驗后進入開發階段。當開發階段符合資本化條件后，此項研究才具備生產出售的實際價值，各個公司的資本化時點應結合自身情況來確定。很多企業雖然披露了相關的劃分標準，但也是照搬會計準則內容，會計準則是籠統的規則，其內容適用于包括其他行業在內的所有企業。企業沒有結合自身情況制定劃分標準，使得披露的“研發支出”資本化金額和費用化金額的依據無從查證，其可信度也大打折扣。

（二）數據披露前后不一，自相矛盾

制藥企業的研發活動相關的數據，包括董事會報告下的“研發支出”金額、報表附注里的“開發支出”金額和計入當期損益的“技術開發費”。其中判斷制藥企業研發成功能力的大小主要是看研發支出資本化金額多少，開發支出里有多少是形成無形資產，有多少是費用化計入當期損益。而數據之間的勾稽關系是：研發支出費用化金額與“管理費用”的技術開發費一致，研發支出資本化金額與“開發支出”本期增加額一致[2]。通過筆者對報表的細查，發現很多企業對研發支出的數據披露不規范不合理，以“云南白藥”及“桂林三金”為例（參見表3）。

“云南白藥”和“桂林三金”都有同樣的問題，即數據披露前后不一，自相矛盾。兩家公司近三年均無資本化研發支出，其研發支出應全部費用化計入當期損益，即當期“研發支出”金額應與管理費用中的“技術開發費”金額一致。由表3可知，除了云南白藥在2015年的研發支出數據披露中實現了費用化的研發支出與“管理費用――技術開發費”金額相等以外，其余年份數據都不相等，至于金額怎么計算來的也是捉摸不透。此外，“云南白藥”在2015年年報中披露了上年研發支出金額為0.95億元，這與2014年年報披露本年的研發支出金額1.59億元不相符，數據前后披露不一，金額差距甚大，但是公司未對此問題做出任何解釋。

（三）披露的內容不具有相關性

對于報表閱讀者來說，更愿意獲取愈細致愈豐富且具有高度相關性的內容。對于公司來說，其對研發支出的會計信息披露既要保護投資者利益，同時也要與自己研發戰略目標、研發項目、研發進展高度相關，才是有價值的會計信息[3]。但是一些公司應該細致披露的內容卻沒有詳細披露，反而去披露一些不具相關的內容，看起來冗余而雜亂。

例如“哈藥股份”，其在2015年報表附注“開發支出”項目披露得很細致，其本期增加的開發支出包括“專有技術和軟件”，該項目均通過內部研究開發完成，但尚未形成無形資產。該企業在研發會計政策項目中披露了大量的外購或委托外部研究開發項目在開發階段滿足無形資產的標準，該企業既沒有外購的專利技術，也沒有本年形成無形資產的項目，故以上劃分標準本不必詳細披露。此外，該企業并沒有結合自身情況披露內部研發階段劃分標準，同時也沒有資本化時點的說明，只是完全照搬會計準則中的內容，同時也未披露本期開發支出占本期研究開發項目支出總額的比例。與之相反，“天士力”在研究與開發會計政策中，結合公司情況進行細致劃分，該公司研發階段的劃分標準以是否取得臨床批件為準，該公司的資本化時點為取得新藥證書時。

三、OTC上市公司研發支出會計信息披露改進建議

（一）結合企業自身情況，明確研究開發階段的劃分標準，細致披露資本化時點

前文也提到過，資本化了的研發成果才會轉化成有價值的產品，好的研發成果也會激勵中小股東的投資熱情。然而直至目前，只有少許公司結合自身情況對其進行披露。制藥行業的整個研發流程比較特殊，相關的藥監局質監局對其研發過程層層把關，因此，對研究與開發階段的劃分標準不是那么難以判斷，對于資本化時點也是能夠把握的。據行業慣例來說，往往以“臨床批件”作為劃分研究階段和開發階段的標準，以“新藥批件”或“生產批件”作為資本化時點，但是公司在獲取“新藥批件”的同時，還要結合會計準則判斷是否符合劃分為無形資產的五個標準。即使公司不以藥物生產批件作為資本化時點，通過評估確定資本化的方式，也應該披露評估機構名稱、評估方法。

（二）規范數據披露勾稽關系

報表的量化數據是直觀的，也是直接影響報表閱讀者初步判斷的重要內容。對于企業來說，應該在數據披露上謹慎處理，嚴格按照相關標準計算數據，同時披露相應的計算方法。例如，對于本期開發支出占本期研究開發項目支出總額的比例計算，目前沒有準則對其計算方式進行規定，企業在披露比例數據的同時更應該披露計算方法，以提高數據的可信度和透明度。

審計機構應重點審計研發支出數據的勾稽關系，發現數據有異常波動和前后不一的，應當讓企業給予解釋說明以提高數據的說服力。制藥企業在研究階段重點花費應用于項目立項前的市場調研費、外購實驗器材的折舊、研發人員的工資以及為達到一致性評價所產生的研究支出。在開發階段主要應用于臨床試驗的試驗費、受試者的保險補償、試驗外協費等。

（三）加大研發支出內容的相關性披露

對于非處方制藥企業來說，首先企業可以結合自身不同研發項目，根據臨床前、申報臨床中、臨床研究、申報生產四個階段一一對應地披露相應項目；其次對企業未來核心競爭力具有重大影響的研發項目，可以披露不同類別藥品的研發所處階段、研發進展情況、累計已投入研發金額。投資者所擔心的一個問題是，研發投入一般是基于公司戰略決策上的較為“隨意性”投入，其具體金額一般是由決策者決定[4]。由于投入金額具有一定的任意性，導致外部使用者對企業公布的財務報告中披露的金額產生質疑，即使企業劃分了研究階段和開發階段標準，也披露了資本化的時點，但具體的資本化和費用化金額披露具有一定的可操作性。當企業年報分項目、分階段細化披露金額，即可以使數據的前后一致對應，同時申報費用是可以去藥監總局查到的，就會減少造假嫌疑，也提高了披露金額的可信度。

【參考文獻】

[1] MERKLEY K J. Narrative Disclosure and Earnings Performance Evidence from R&D Disclosures[J]. Accounting Review，2013，89（2）：725-757.

[2] 黃當玲.研發支出會計信息披露問題研究――以通信及相關設備制造業上市公司為例[J].財會通訊，2015（3）：13-15.