Spectral solutions for QS with distribution laws in the form of probabilistic mixtures

Capa

Citar

Texto integral

Resumo

Background. QS are the main mathematical tool for modeling data transmission systems, which are not without reason called queuing networks. The need to regulate such characteristics of mass service systems as waiting time in a queue or queue length is due to the improvement of the quality of operation of data transmission systems. The ability to regulate these characteristics allows minimizing the waiting time in the queue in the buffers of transmitting devices, as well as the volumes of buffer memory itself. To demonstrate this possibility, the paper examines queuing systems formed by both conventional distribution laws in the form of probability mixtures and time-shifted distribution laws. Aim. In this work, the hyperexponential and hyper-Erlangian distributions of the second order were chosen as components of the QS. Based on these distribution laws, numerical-analytical models were constructed for two queuing systems with normal and shifted distribution laws, with the derivation of a solution for the main characteristic of the queuing system – the average waiting time in the queue. As is known, the remaining characteristics of the QS are derivatives of the average waiting time. Methods. The paper uses a shift of the distribution laws to the right from the zero point. To derive a solution for the average waiting time in a queue, the classical method of spectral solution of the Lindley integral equation is used based on the Laplace transform of the distribution laws that form the considered QS. The obtained calculation formulas for the average waiting time in a queue allow us to calculate the characteristics of such systems for a wide range of changes in teletraffic parameters. Results. The obtained results can be used in modern teletraffic theory in the design and modeling of various promising data transmission systems, including the volumes of buffer memory of transmitting devices. Conclusion. The shift of the distribution laws in time leads to a decrease in their variation coefficients. Due to the quadratic dependence of the average waiting time on the variation coefficients of the arrival and service time intervals, a noticeable decrease in the average waiting time follows in systems with time shifts.

Texto integral

Введение

В исследовании систем G/G/1 важную роль играет метод спектрального решения интегрального уравнения Линдли. Наиболее доступно этот метод на конкретных примерах изложен в классике теории массового обслуживания [1].

Настоящая статья посвящена анализу СМО H2/HE2/1, образованные двумя потоками, описываемыми обычными и сдвинутыми вправо от нулевой точки функциями плотностей гиперэкспоненциального и гиперэрланговского законов распределений второго порядка.

В ранних работах авторов доступно показано, что в системах, образованных сдвинутыми законами распределений, при одинаковом коэффициенте загрузки по сравнению с обычными системами среднее время ожидания становится меньше. Это достигается за счет того, что коэффициенты вариации времен поступления cλ и обслуживания cμ для сдвинутых законов распределений становятся меньше при вводе параметра сдвига t0 > 0. Таким образом, операция сдвига закона распределения трансформирует обычные марковские системы массового обслуживания в немарковскую систему G/G/1.

Результаты работ [2–4] в области СМО со сдвинутыми распределениями совместно с [1] позволили развить метод спектрального разложения решения интегрального уравнения Линдли и на рассматриваемые системы H2/HE2/1.

В теории массового обслуживания исследования систем G/G/1 актуальны в связи с тем, что они активно используются в современной теории телетрафика, к тому же нельзя получить решения для таких систем в конечном виде для общего случая. Метод спектрального разложения решения интегрального уравнения Линдли в исследовании систем G/G/1 играет важную роль, и большинство результатов в теории массового обслуживания получены именно с помощью данного метода. Одна из форм интегрального уравнения Линдли выглядит так [1]:

Wy=yWyudCu, y0;0, y<0,

где W(y) – функция распределения вероятностей (ФРВ) времени ожидания требования в очереди; C(u)=P(u~<u) – ФРВ случайной величины u~=x~t~, где, в свою очередь, x~ – случайное время обслуживания требования; t~ – случайная величина – интервал времени между поступлениями требований.

При кратком изложении метода решения уравнения Линдли будем придерживаться подхода и символики автора [1]. Для этого через A(s) и B(s) обозначим преобразования Лапласа функций плотности распределения интервалов между поступлениями и времени обслуживания соответственно. Суть решения интегрального уравнения Линдли методом спектрального разложения состоит в нахождении для выражения A*(s)B*(s)1 представления в виде произведения двух множителей, которое давало бы рациональную функцию от s. Следовательно, для нахождения закона распределения времени ожидания необходимо следующее спектральное разложение:

A*sB*s1=ψ+s/ψs,

где ψ+(s) и ψ(s) – некоторые рациональные функции от s, которые можно разложить на множители. Функции ψ+(s) и ψ(s) должны удовлетворять специальным условиям согласно [1].

1. Постановка задачи

В работе ставится задача нахождения решения для среднего времени ожидания требований в очереди в СМО H2/HE2/1 и H2/HE2/1 со сдвинутыми гиперэкспоненциальным (H2) и гиперэрланговским (HE2) входными распределениями с использованием классического метода спектрального разложения. Для других систем применение этого метода рассмотрено в работах [2–4]. Вопросы аппроксимации законов распределений подробно освещены в [5; 6; 8–10].

2. Решение поставленной задачи

Рассмотрим систему H2/HE2/1, образованную гиперэкспоненциальным и гиперэрланговским законами распределения с функциями плотности

at=pλ1eλ1t+1pλ2eλ2t, (1)

bt=4qμ12te2μ1t+41qμ22te2μ2t. (2)

Законы распределения (1) и (2) являются наиболее общими распределениями неотрицательных непрерывных случайных величин, поскольку обеспечивают широкий диапазон изменения коэффициента вариации.

Преобразования Лапласа функций (1) и (2) имеет вид

A*s=pλ1s+λ1+1pλ2s+λ2,

B*s=q2μ1s+2μ12+1q2μ2s+2μ22.

Тогда спектральное разложение для системы H2/HE2/1 преобразуется как

ψ+sψs=pλ1λ1s+1pλ2λ2s×

×q2μ12μ1+s2+1q2μ22μ2+s21.

Первый сомножитель в правой части в квадратных скобках равен

pλ1λ1s+1pλ2λ2s=

=λ1λ2pλ1+1pλ2sλ1sλ2s=a0a1sλ1sλ2s,

где промежуточные параметры a0=λ1λ2, a1=pλ1+(1p)λ2. Аналогично представим второй сомножитель

q2μ12μ1+s2+1q2μ22μ2+s2=

=q16μ12μ22+16μ12μ2s+4μ12s22μ1+s22μ2+s2+

+1q16μ12μ22+16μ1μ22s+4μ22s22μ1+s22μ2+s2==b0+b1s+b2s22μ1+s22μ2+s2,

где промежуточные параметры b0=16μ12μ22, b1=16μ1μ2[1+(1q)μ2], b2=4[qμ12+(1q)μ22]. Тогда искомое выражение для спектрального разложения запишется как

ψ+sψs=a0a1sb0+b1s+b2s2λ1sλ2s2μ1+s22μ2+s2 (3)

λ1sλ2s2μ1+s22μ2+s2λ1sλ2s2μ1+s22μ2+s2.

Многочлен в числителе в правой части разложения (3), как правило, всегда имеет один нуль s=0 [1]. В данном случае свободный член разложения также равен 0: a0b016λ1λ2μ12μ220.

В числителе дроби в правой части разложения получили многочлен шестой степени s(s5c4s4c3s3c2s2c1sc0), коэффициенты которого равны:

c0=a0b1a1b0+b0(λ1+λ2) (4)

16a0μ1μ2(μ1+μ2),

c1=a0b2a1b1b04a0(μ12+μ22)++16(λ1+λ2)(μ1+μ2)μ1μ216a0μ1μ2,

c2=4(λ1+λ2)[μ1+μ22+2μ1μ2]4(μ1+μ2)(a0+4μ1μ2)a1b2,

c3=4(λ1+λ2)(μ1+μ2)4[(μ1+μ2)2+2μ1μ2]a0,

c4=λ1+λ24(μ1+μ2).

Коэффициенты (4) получены с помощью символьных операций Mathcad, поскольку числитель разложения (3) даже после введения промежуточных параметров содержит 42 слагаемых. Видимо и отсутствие результатов по рассматриваемой системе объясняется большой трудоемкостью выкладок.

Выделим многочлен в числителе разложения (3):

s5c4s4c3s3c2s2c1sc0, (5)

т. к. определение его корней составляет основную часть метода спектрального разложения.

Исследование многочлена (5) с коэффициентами (4) с использованием формул Виета подтверждает наличие четырех отрицательных действительных корней и одного положительного корня, либо вместо первых – двух отрицательных действительных корней и двух комплексно сопряженных корней с отрицательными вещественными частями. Исследование знака младшего коэффициента многочлена (5) показывает, что c0>0 всегда в случае стабильной системы, когда 0<ρ<1. С учетом знака минус в многочлене перед коэффициентом c0, формулы Виета не противоречат факту наличия четырех отрицательных корней у многочлена (5).

Обозначив отрицательные корни многочлена (5) либо их отрицательные вещественные части для удобства через s1, s2, s3, s4, а положительный корень через s5, отношение ψ+(s)/ψ(s) окончательно можно разложить на следующие множители:

ψ+sψs=s(s+s1)(s+s2)(s+s3)(s+s4)(ss5)λ1sλ2s(2μ1+s)2(2μ2+s)2. (6)

С учетом специальных условий [1] за функцию ψ+(s) примем

ψ+(s)=s(s+s1)(s+s2)(s+s3)(s+s4)(2μ1+s)2(2μ2+s)2,

т. к. нули многочлена (5): s=0, s1, s2, s3, s4, и двукратные полюсы s=2 μ1, s=2μ2 лежат в области Re(s)0, а за функцию ψ(s)

ψs=λ1sλ2s(ss5),

т. к. ее нули и полюс лежат в области Res<D.

Далее по методике спектрального разложения определим постоянную

K=lims0ψ+ss=s1s2s3s416μ12μ22.

Постоянная K определяет вероятность того, что поступающее в систему требование застает ее свободной. Через функцию ψ+(s) и постоянную K определим преобразование Лапласа ФРВ времени ожидания W(y):

Φ+s=Kψ+s=

=s1s2s3s4s+2μ12s+2μ2216sμ12μ22s+s1s+s2s+s3s+s4.

Тогда преобразованием Лапласа для функции плотности времени ожидания будет функция sΦ+(s), т. е.

W*s=s1s2s3s4s+2μ12s+2μ2216μ12μ22s+s1s+s2s+s3s+s4. (7)

Искомое среднее время ожидания в очереди равно значению производной от преобразования Лапласа (9) функции плотности со знаком минус в точке s=0:

dW*sdss=0=1s1+1s2+1s3+1s41μ11μ2.

Окончательно, среднее время ожидания в очереди для СМО H2/HE2/1

W¯=1s1+1s2+1s3+1s41μ11μ2. (8)

Из выражения (7) при необходимости также можно определить моменты высших порядков для времени ожидания. Вторая производная от преобразования (7) в точке дает второй начальный момент времени ожидания, что позволяет определить дисперсию времени ожидания. Учитывая определение джиттера в телекоммуникациях как разброс времени ожидания вокруг его среднего значения [7], тем самым получим возможность определения джиттера через дисперсию. Это является важным результатом для анализа трафика, чувствительного к задержкам.

Теперь перейдем к исследованию системы H2/HE2/1 со сдвинутыми входными распределениями, т. е. к системе с запаздыванием во времени. Такую систему, в отличие от обычной системы, обозначим H2/HE2/1. Для этого введем в рассмотрение функции плотности распределения интервалов входного потока и времени обслуживания:

at=pλ1eλ1(tt0)+1pλ2eλ2(tt0), (9)

bt=4qμ12(tt0)e2μ1(tt0)+ (10)

+41qμ22(tt0)e2μ2(tt0).

Функции плотности (9) и (10) являются сдвинутыми вправо от нулевой точки на величину t0>0 гиперэкспоненциальным и гиперэрланговским распределениями второго порядка. Для нахождения среднего времени ожидания в очереди для этой системы докажем следующее утверждение.

Утверждение. Спектральные разложения A*(s)B*(s)1=ψ+(s)/ψ(s) для систем H2/HE2/1 и H2/HE2/1 полностью совпадают и имеют вид (6).

Доказательство. Для системы H2/HE2/1 спектральное разложение будет иметь вид

ψ+sψs=[pλ1λ1s+1pλ2λ2s]et0s×

×[q2μ12μ1+s2+1q2μ22μ2+s2]et0s1=

=[pλ1λ1s+1pλ2λ2s]××[q2μ12μ1+s2+1q2μ22μ2+s2]1.

У экспонент показатели степени с противоположными знаками обнуляются, и операция сдвига тем самым нивелируется. Таким образом, спектральные разложения решения интегрального уравнения Линдли для двух рассматриваемых систем совпадают. Утверждение доказано.

Следствие. Расчетное выражение для среднего времени ожидания для системы со сдвинутыми распределениями будет иметь точно такой же вид, как у системы с обычными распределениями, но с измененными параметрами вследствие проведения операции сдвига во времени [2–4].

Теперь определим числовые характеристики, а через них – неизвестные параметры распределений (9) и (10) методом моментов. Для этого запишем их преобразования Лапласа:

A*(s)=[pλ1λ1+s+1pλ2λ2+s]et0s,

B*(s)=[q2μ12μ1+s2+1q2μ22μ2+s2]et0s.

Первая производная функции A(s) со знаком минус в точке s=0 дает значения среднего интервала поступления требований

τ¯λ=pλ11+(1p)λ21+t0, (11)

а вторая производная дает второй начальный момент этого интервала

τλ2¯=t02+2t0[pλ1+(1p)λ2]+2[pλ12+(1p)λ22]. (12)

Тогда квадрат коэффициента вариации интервала поступлений будет равен

cλ2=[(1p2)λ122λ1λ2p(1q)+p(2p)λ22][t0λ1λ2+(1p)λ1+pλ2]2. (13)

Поступив аналогично с распределением (10), определим соответствующие характеристики для времени обслуживания.

τ¯μ=qμ11+(1q)μ21+t0, (14)

τμ2¯=t02+2t0[qμ1+(1q)μ2]+32[qμ12+(1q)μ22], (15)

cμ2=μ1222(μ1μ2)+q(12q)(μ1μ2)22[t0μ1μ2+(1q)μ1+2]2. (16)

Механизм определения параметров распределений (1), (2), (9) и (10) как с использованием двух первых начальных моментов, так и с использованием трех начальных моментов подробно изложен в [3] и [4] соответственно. Здесь же приведем готовые выражения для этих параметров. Для распределения (9) неизвестные параметры находим по выражениям:

p=12±14(τ¯λt0)22[(τ¯λt0)2+cλ2τ¯λ2],

λ1=2p/(τ¯λt0), λ2=2(1p)/(τ¯λt0),

а для распределения (10) –

q=12±143(τ¯μt0)28[(τ¯μt0)2+cμ2τ¯μ2],

μ1=2q/(τ¯μt0), μ2=2(1q)/(τ¯μt0).

Из этих выражений следует, что параметр сдвига ограничен условием t0<τ¯μ<τ¯λ. Кроме того, область применимости системы H2/HE2/1 определяется не отрицательностью двух подкоренных выражений для p и q.

Алгоритм расчета среднего времени ожидания при заданных входных параметрах τ¯λ, τ¯μ, cλ, cμ, t0 сводится к последовательному определению неизвестных параметров распределений (9) и (10). Далее определяем коэффициенты многочлена (5) по приведенным выше выражениям (4) и находим нужные корни с отрицательными вещественными частями s1, s2, s3, s4. Подставив абсолютные значения этих корней в выражение (8), определяем среднее время ожидания. Наличие таких корней обусловлено существованием и единственностью спектрального разложения. Проведенные многочисленные эксперименты только подтверждают данный факт.

3. Результаты вычислительных экспериментов

В табл. 1 и 2 приведены данные расчетов в пакете Mathcad для обычной системы H2/HE2/1 и системы с запаздыванием H2/HE2/1 для случаев малой, средней и высокой нагрузки ρ=0,1; 0,5; 0,9 для широкого диапазона изменения коэффициентов вариаций cλ, cμ и параметра сдвига t0. Результаты для обычной системы сравниваются с данными для близкой системы H2/H2/1. Прочерки в табл. 1 означают, что при таких значениях параметров система H2/HE2/1 неприменима. Результаты для системы с запаздыванием H2/HE2/1 сравниваются с результатами для обычной системы. Коэффициент загрузки в обеих таблицах определяется отношением средних интервалов ρ=τ¯μ/τ¯λ. В расчетах использовано нормированное время обслуживания τ¯μ=1.

 

Таблица 1. Результаты экспериментов для системы H2/HE2/1

Table 1. Experimental results for the H2/HE2/1 system

Входные параметры

Input parameters

Среднее время ожидания

Average waiting time

ρ(cλ,cμ)

СМО QS Н2/НE2/1

СМО QS H2/H2/1

0,1

(1; 0,71)

0,086

(1;1)

0,111

0,111

(2;2)

0,446

0,445

(4;4)

1,791

1,779

(8;8)

7,173

7,112

0,5

(1; 0,71)

0,755

(1;1)

1,000

1,000

(2;2)

4,043

4,044

(4;4)

16,235

16,129

(8;8)

64,844

64,178

0,9

(1; 0,71)

6,771

(1;1)

9,075

9,000

(2;2)

36,169

36,200

(4;4)

144,773

144,833

(8;8)

577,875

577,861

 

Таблица 2. Результаты экспериментов для системы H2/HE2/1

Table 2. Experimental results for the H2/HE2/1 system

Входные параметры

Input parameters

Среднее время ожидания

Average waiting time

(cλ,cμ)(cλ,cμ)

СМО QS H2/HE2/1

СМО QS H2/HE2/1

t0 = 0,99

t0 = 0,5

t0 = 0,01

0,1

(1;0,71)

0,03

0,04

0,09

0,09

(1;1)

0,06

0,07

0,11

0,11

(2;2)

0,23

0,36

0,44

0,45

(4;4)

0,93

1,56

1,79

1,79

(8;8)

3,74

6,38

7,16

7,17

0,5

(1;0,71)

0,26

0,48

0,75

0,76

(1;1)

0,51

0,75

0,99

1,00

(2;2)

2,04

3,15

4,03

4,04

(4;4)

8,15

12,73

16,17

16,24

(8;8)

32,62

51,07

64,58

64,84

0,9

(1;0,71)

2,49

6,00

6,77

6,77

(1;1)

4,73

8,29

9,06

9,08

(2;2)

18,92

33,20

36,14

36,17

(4;4)

75,69

123,39

144,63

144,77

(8;8)

302,78

528,43

577,29

577,88

 

Результаты для систем H2/HE2/1 и H2/H2/1 совпадают до целых частей, но при этом диапазон параметров обслуживания для первой системы шире, чем для второй.

Система H2/HE2/1 применима и для малых значений коэффициентов вариаций, в частности, при ρ=0,9 cλ=cμ=0,2 и t0=0,99 среднее время ожидания составляет всего W¯=0,187 единицы времени. Таким образом, диапазон изменения параметров для системы H2/HE2/1 гораздо шире, чем у обычной системы H2/HE2/1.

Заключение

По результатам работы можно сделать следующие выводы.

Как и следовало ожидать, уменьшение коэффициентов вариации cλ и cμ за счет введения параметра сдвига t0>0 в законы распределений входного потока и времени обслуживания, влечет за собой заметное уменьшение среднего времени ожидания в системах с запаздыванием. Тем самым, мы расширяем область применимости системы H2/HE2/1 в теории телетрафика.

Научная новизна полученных результатов заключается в том, что получено спектральное разложение решения интегрального уравнения Линдли для рассматриваемых систем и с его помощью выведена расчетная формула для среднего времени ожидания в очереди для этой системы в замкнутой форме. Данные численных экспериментов подтверждают полную адекватность полученных теоретических результатов.

Практическое значение работы заключается в том, что полученные результаты с успехом могут быть применены в современной теории телетрафика, где задержки пакетов входящего трафика играют первостепенную роль. Для этого необходимо знать числовые характеристики интервалов входящего трафика и времени обслуживания на уровне двух первых моментов, что не вызывает трудностей при использовании современных анализаторов трафика.

×

Sobre autores

Veniamin Tarasov

Povolzhskiy State University of Telecommunications and Informatics

Autor responsável pela correspondência
Email: v.tarasov@psuti.ru
ORCID ID: 0000-0002-9318-0797
Código SPIN: 5520-9394
Researcher ID: O-5949-2015

Doctor of Technical Sciences, professor, head of the Department of Management in Technical Systems

Rússia, 23, L. Tolstoy Street, Samara, 443010

Nadezhda Bakhareva

Povolzhskiy State University of Telecommunications and Informatics

Email: n.bakhareva@psuti.ru
ORCID ID: 0000-0002-9850-7752

Doctor of Technical Sciences, professor, head of the Department of Computer Science and Computer Engineering

Rússia, 23, L. Tolstoy Street, Samara, 443010

Bibliografia

  1. L. Kleinrock, Queueing Systems – Volume I: Theory. New York: Wiley, 1975.
  2. V. N. Tarasov, “Expanding the class of mass service systems with delay,” Avtomatika i telemekhanika, no. 12, pp. 57–70, 2018, doi: https://doi.org/10.31857/S000523100002857-6. (In Russ.)
  3. V. N. Tarasov, “Spectral decomposition for a QS based delay model with Erlang and hyperexponential distributions,” Physics of Wave Processes and Radio Systems, vol. 25, no. 3, pp. 24–28, 2022, doi: https://doi.org/10.18469/1810-3189.2022.25.3.24-28. (In Russ.)
  4. V. N. Tarasov and N. F. Bakhareva, “Spectral solution for a delay system with hyper-Erlang distributions,” Physics of Wave Processes and Radio Systems, vol. 25, no. 4, pp. 33–38, 2022, doi: https://doi.org/10.18469/1810-3189.2022.25.4.33-38. (In Russ.)
  5. N. Brännström, “A queueing theory analysis of wireless radio systems,” master’s thesis applied to HS-DSCH, Luleå University of Technology, 2004, url: http://ltu.diva-portal.org/smash/get/diva2:1016709/FULLTEXT01.
  6. W. Whitt, “Approximating a point process by a renewal process, I: Two basic methods,” Operation Research, vol. 30, no. 1, pp. 125–147, 1982, doi: https://doi.org/10.1287/opre.30.1.125.
  7. RFC 3393 IP Packet Delay Variation Metric for IP Performance Metrics (IPPM), url: https://tools.ietf.org/html/rfc3393.
  8. A. Myskja, “An improved heuristic approximation for the GI/GI/1 queue with bursty arrivals,” Teletraffic and Datatraffic in a Period of Change, ITC-13: proc. of congress, pp. 683–688, 1991, url: https://gitlab2.informatik.uni-wuerzburg.de/itc-conference/itc-conference-public/-/raw/master/itc13/myskja911.pdf?inline=true.
  9. T. I. Aliev, Fundamentals of Modeling Discrete Systems. Saint Petersburg: SPbGU ITMO, 2009. (In Russ.)
  10. T. I. Aliev, “Approximation of probabilistic distributions in mass service models,” Nauchno-tekhnicheskiy vestnik informatsionnykh tekhnologiy, mekhaniki i optiki, no. 2 (84), pp. 88–93, 2013, url: https://ntv.ifmo.ru/ru/article/4127/approksimaciya_veroyatnostnyh_raspredeleniy_v_modelyah_massovogo_obsluzhivaniya.htm. (In Russ.)

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML

Declaração de direitos autorais © Tarasov V.N., Bakhareva N.F., 2025

Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».