Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

58-2020-chast_-2_08.07.2020

.pdf
Скачиваний:
9
Добавлен:
30.03.2021
Размер:
12.13 Mб
Скачать

После нажатия ссылки «Опрос посещаемости» (на веб-странице из рис. 1) появляется веб-страница (рис. 2) с возможностью в удобном виде провести опрос («перекличку»), кто присутствует на занятии. Для отметки факта посещения или непосещения занятия требуется выбрать нужную ссылку. С помощью стрелок можно переходить между обучаемыми.

Рис. 2. Опрос, кто присутствует на занятии

На рис. 3 показан макет веб-страницы с детальной информацией о посещаемости. Как видно в представленном примере, возможен обмен сообщениями и файлами между преподавателем и обучаемым с целью уточнения информации о посещаемости. В частности, обучаемый может приложить документ, обосновывающий уважительную причину непосещения занятия (например, скан справки или диплома за участие в каком-либо мероприятии).

Рис. 3. Информация о посещении занятия обучаемым

Макет веб-страницы для заполнения информации о новом виде контроля показан на рис. 4. Как видно в представленном примере, преподаватель имеет возможность: выбрать вид контроля из перечня типовых (например, тесты, отчеты по лабораторным работам) или указать свой вид контроля; сопоставить вид контроля с аудиторным занятием; выбрать, возможно ли студентам сдавать отчеты по данному виду контроля дистанционно; составить перечень работ в рамках данного вида контроля (например, по разным темам может быть предусмотрено несколько тестов или несколько отчетов по лабораторным работам); настроить критерии оценки.

241

Рис. 4. Заполнение информации о новом виде контроля

Выставление оценок по каждому виду контроля также возможно организовать в наглядной форме. Например, на рис. 5 представлен макет веб-страницы для ввода оценок за проверочную работу по 4-балльной шкале (процедура ввода оценок аналогична опросу обучаемых о присутствии на занятии из рис. 2).

Рис. 5. Пример ввода оценок за проверочную работу

Студенту прототип АС позволяет: просматривать данные о своей посещаемости и успеваемости, заполненные преподавателем; отправлять сообщения преподавателю и прикреплять файлы для уточнения информации о посещаемости.

Администратору доступно добавление и редактирование информации о преподавателях, студентах, дисциплинах.

В зависимости от учебного заведения возможны и другие роли пользователей. Например, куратор группы студентов (в вузе) или классный руководитель (в техникуме) могут просматривать в структурированной форме информацию об успеваемости и посещаемости своей группы, заведующий кафедрой – обо всех группах, подготавливаемых на своей кафедре.

242

Перспективы дальнейших исследований связаны с совершенствованием существующих и созданием новых моделей, методов, алгоритмов и программных модулей веб-приложения для:

1)проверки некоторых видов работ в дистанционной форме, предусматривающей хранение и наглядное представление всей истории проверки;

2)оценки некоторых сложных видов работ (например, курсовых, ВКР) по ряду критериев с возможным привлечением группы экспертов;

3)автоматической оценки не только знаний посредством проведения тестов, но и навыков по результатам выполнения практических заданий.

Литература

1.IT-специалист. URL: fulledu.ru/articles/1239_it-specialist.html (дата обращения:

10.03.2020).

2.IT-специалист: кто это и как им стать. URL: edunews.ru/professii/obzor/it/it-specialist.html (датаобращения: 10.03.2020).

3.Полевщиков И.С., Боброва И.А. Автоматизация сбора и обработки данных о контроле освоения элементов компетенций с применением теории массового обслуживания // Научно-техни- ческий вестник Поволжья. 2018. №12. С. 277-280.

4.Кулаков Ю.В., Полевщиков И.С. Система автоматизированного управления освоением компетенций у студентов профессионального образовательного учреждения // Решение : материалы Седьмой всерос. науч.-практ. конф., Березники, 19 октября 2018 г. / Березниковский филиал Перм. нац. исслед. политехн. ун-та. Пермь, 2018. С. 159-161.

5.Котеров Д.В, Симдянов И.В.. PHP 7. СПб.: БХВ-Петербург, 2016. 1088 с.

6.Руководство по PHP. URL: php.net/manual/ru(датаобращения: 10.03.2020).

7.Как сделать авторизацию на PHP? Пишем авторизацию пользователя. URL: otus.ru/nest/post/882/ (датаобращения: 10.03.2020).

8.Документация по MySQL. URL: sql.ru/docs/mysql/rus_ref/ (датаобращения: 10.03.2020).

9.Русская документация по API jQuery. URL: jquery-docs.ru/ (датаобращения: 10.03.2020).

10.Самоучители по HTML и CSS. URL: htmlbook.ru (датаобращения: 10.03.2020).

11.Bootstrap. Документация на русском языке. URL: bootstrap-4.ru(датаобращения:

10.03.2020).

12.Bootstrap. Документация на английском языке. URL: getbootstrap.com (дата обращения:

10.03.2020).

УДК 338.32.053.4

И.А. Муфтеев, В.В. Машанов, Е.И. Илларионова – студенты; А.Ю. Беляков – научный руководитель, доцент, ФГБОУ ВО Пермский ГАТУ, г. Пермь, Россия

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ОПЕРАТИВНОГО ПЛАНИРОВАНИЯ ИСПОЛЬЗОВАНИЯ РЕСУРСОВ МАШИННО-ТРАКТОРНОГО ПАРКА

Аннотация. В статье обсуждается подход к визуализации принятия управленческого решения по планированию использования ресурсов предприятия. Рассматривается способ автоматизации такой визуализации, путем разработки информационной системы, обеспечивающей не только наглядное представление производственных операций, на основе загружаемых данных, но и управление параметрами отдельных производственных операций с помощью элементов графического интерфейса пользователя.

243

Ключевые слова: машинно-тракторный парк (МТП), информационная система, планирование, диаграмма Гантта, пик загруженности.

Введение

Организация сельского хозяйства, как центрального звена агропромышленного комплекса, имеет наиболее важное значение для успешного выполнения всей Продовольственной программы. Одним из важнейших направлений увеличения производительности является оснащение сельскохозяйственного производства разнообразной новой техникой, что напрямую влияет на рост производительности труда и поднимет на новый уровень качество всей работы в сельском хозяйстве.

Машинно-тракторный парк (МТП) отдельного сельскохозяйственного предприятия или их группы, подобранной по какому-либо объединяющему признаку, представляет собой сложную динамическую систему, каждый элемент которой тесно взаимосвязан со множеством других.

Оптимальный состав машинно-тракторного парка обеспечивает своевременное выполнение производственных операций в хозяйстве с высоким качеством и при наименьшем расходе ресурсов (трудовых, материальных, финансовых и т. д.). Обоснование оптимального состава МТП с учетом природно-климатических и производственных условий каждого хозяйства – одна из самых актуальных и сложных задач в области механизации сельского хозяйства [1]. От правильности ее решения зависят практически все основные показатели производства.

При неудачном планировании может получиться так, что в некоторые промежутки времени для реализации всех видов работ потребуется такое количество техники или личного состава, которого нет в хозяйстве, но, при этом, в другие периоды техника будет простаивать.

Также стоит отметить, что при недостаточном численном составе МТП нарушаются сроки выполнения полевых работ и соответственно уменьшается урожайность сельскохозяйственных культур при одновременном снижении качества продукции. А лишние машины в составе МТП, гарантируют выполнение поставленных задач, но требуют дополнительных расходов, увеличивают стоимость сельскохозяйственной продукции.

Предлагаемый подход

Поиск оптимального, решения является сложной задачей, если заданы ограничения на сроки выполнения работ и доступные ресурсы предприятия. Перебор всех возможных вариантов основан на подсчете значительного количества параметров и не может быть эффективно и оперативно проведен вручную, в том числе из-за возможных ошибок рутинных операций. Данные проблемы можно решить за счет привлечения современных технологий.

Были выделены основные задачи для разрабатываемой информационной си-

стемы:

Исключить ошибки планирования.

Повысить оперативность и обоснованность принятия решений.

244

Предоставить в наглядном виде инструмент для исследования возможных вариантов планирования.

Определить загруженность ресурсов МТП.

Иметь способ загрузки и сохранения данных для последующего их использования при принятии управленческих решений.

Наглядным инструментом для планирования была выбрана диаграмма Гантта, так как она предоставляет возможность визуализировать параллельные и последовательные технологические операции, а также способна оперативно строить диаграммы, менять последовательность работ или просто сдвигать их по времени

сцелью поиска более равномерной загруженности МТП.

С помощью этого инструмента руководитель, обладая организационным ресурсом, имеет возможность в некотором диапазоне перераспределять сроки исполнения отдельных видов работ, виды и количества единиц техники, нормы выработки (при смене техники), сменность технологических операций и продолжительность самих смен.

Входные данные для построения диаграмм является загружаемый Excelдокумент, где располагается таблица с исходными данными в формате, указанном ниже.

Таблица 1

Исходные данные

№ Технологической

Объем работы (усл.

Дата начала ра-

Дата окончания

Норма выра-

операции

ед.)

боты

работы

ботки

1

220

01.05.2020

05.05.2020

12

 

 

 

 

 

2

250

01.05.2020

07.05.2020

10

 

 

 

 

 

3

200

04.05.2020

08.05.2020

15

 

 

 

 

 

4

240

07.05.2020

10.05.2020

12

 

 

 

 

 

5

300

10.05.2020

11.05.2020

50

 

 

 

 

 

На основе таблицы 1 строится диаграмма Гантта, изображенная на Рис. 1, где представлены операции, запланированные на определенный период, показана длительность операций и количество требуемой техники.

Рис.1. Диаграмма Гантта.

245

На основании вычисленных данных также строится диаграмма загруженности, изображенная на Рис. 2. Эта диаграмма выявляет пики загруженности, что показывает наличие излишней техники в МТП, используемой неэффективно.

Рис. 2. Диаграмма загруженности.

В результате этих данных руководитель предпринимает решение о сокращении или подборе более эффективного состава и структуры МТП, используя метод проведения сглаживания пиков нагрузки. Если в результате данных действий окажется так, что не получается уложиться в заданный верхний предел, то принимается решение, либо сократить объем работы, либо использовать инвестиционный ресурс (покупка, аренда, лизинг дополнительной техники).

Заключение

Основная цель оперативного планирования состоит в сглаживании пиков загруженности МТП и поиска таких вариантов планирования производственных процессов, которые обеспечивают максимально равномерное распределение техники и сотрудников сельскохозяйственного предприятия.

Предлагаемый подход может использоваться как для оперативного планирования, так и в рамках инвестиционного (стратегического) планирования, в том числе в рамках обоснования бизнес-планов.

Данная информационная система была разработана в среде разработки приложений Visual Studio на языке программирования С#.

На текущем этапе разработки программной реализации предоставляется возможность перераспределять единицы одинакового вида техники. В качестве возможных доработок проекта можно указать следующий функционал:

учитывать разные виды техники (гусеничные, колесные и т.п.);

разграничивать права и обязанности между пользователями системы;

учитывать разное количество привлекаемых сотрудников на разные виды

работ.

Литература 1. Эксплуатация машинно-тракторного парка: курс лекций / А.В. Патрин; Новосиб. гос.

аграр. ун-т, Инженер. ин-т. – Новосибирск: ИЦ «Золотой колос», 2014. 118 с.

246

УДК 004.5

И.С. Полевщиков – канд. техн. наук, доцент кафедры ИТАС, ФГБОУ ВО ПНИПУ, г. Пермь, Россия

МЕТОДИКА ОБРАБОТКИ ДАННЫХ О ФОРМИРОВАНИИ СЕНСОМОТОРНЫХ НАВЫКОВ ПРИ ОБУЧЕНИИ ОПЕРАТОРОВ НА КОМПЬЮТЕРНОМ ТРЕНАЖЕРЕ

Аннотация. Статья посвящена развитию методов и средств автоматизации обучения на компьютерных тренажерных комплексах (КТК), а именно разработке методики обработки данных о результатах подготовки обучаемых за определенный период времени. Применение методики позволяет выявлять необходимые зависимости в ходе обучения на КТК, увеличить точность оценки формирования навыков, и, как следствие, повысить качество процесса подготовки.

Работа выполнена при поддержке РФФИ, проект № 18-38-00835.

Ключевые слова: компьютерный тренажер, профессиональные навыки, обработка данных, автоматизация процесса обучения.

Компьютерные тренажеры широко применяются в ходе профессиональной подготовки операторов различных видов погрузочно-разгрузочных машин с целью формирования у них на высоком уровне сенсомоторных навыков [1,2]. Данные навыки требуются для дальнейшего качественного выполнения работы на реальном оборудовании.

Различным аспектам разработки и применения таких тренажеров посвящены труды ряда исследователей (в частности, [2-4]). Многие организации (например, «Transas», «Liebherr», «Forward», «Зарница» [1]) занимаются производством и продажей подобных тренажеров.

В работе [1] предложена концепция компьютерного тренажерного комплекса (КТК) для подготовки операторов, согласно которой КТК включает в себя две взаимосвязанные подсистемы:

1)компьютерный тренажер (имитатор) как программно-аппаратный комплекс, реализующий физико-математические и 3D-модели для имитации технологического процесса;

2)автоматизированная обучающая система (АОС)для контроля формирования профессиональных знаний и навыков.

Но предложенные в работе [1] модели и алгоритмы в основном направлены на оценку качества процесса подготовки одного обучаемого, без учета результатов, полученных группой обучаемых, проходивших подготовку на тренажере в аналогичных условиях. Требуется развитие исследований в данной области (в частности, разработка новых алгоритмов и программных модулей АОС), заключающееся в обработке данных о результатах подготовки группы обучаемых с целью выявления необходимых зависимостей, увеличения точности оценки формирования навыков, и, как следствие, повышения качества процесса профессиональной подготовки.

Для решения обозначенной задачи предложен алгоритм комплексной оценки

247

качества выполнения упражнений на КТК, основанный на обработке результатов обучения у группы будущих операторов перегрузочной машины. Алгоритм основан на методах сравнительного анализа [5, 6]. Последовательность шагов алгоритма:

Шаг №1. Экспертами (например, группой преподавателей – мастеров производственного обучения) определяется множество показателей качества (в количестве N ) для оценки выполнения технологической операции, имитируемой в упражнении на КТК: A {ai | i 1, N } , где ai –один из показателей качества. Выбор пока-

зателей во многом зависит от специфики конкретного технологического процесса и методики обучения в организации, осуществляющей подготовку операторов.

Например, для некоторого упражнения, заключающегося в имитации переноса груза из одной позиции в другую, выбраны следующие показатели: a1 – время выполнения переноса груза; a2 – точность установки груза; a3 – наличие/отсут-

ствие рывка при установке груза; a4 – угол отклонения груза при повороте стрелы крана; a5 – число аварийных ситуаций.

Шаг №2. Определяются веса wi показателей качества, означающие их важ-

ность при комплексной оценке выполнения упражнения:

1) в настройках АОС устанавливаются исходные данные экспертов о предпочтениях каждого из показателей, их влиянии на качество технологического процесса в целом;

2) значения wi автоматически вычисляются одним из допустимыхспособов

(например, используя метод непосредственной оценки или парных сравнений [1, 5,

6]);

3) возможна дополнительная корректировка экспертами рассчитанных автоматически значений.

Допустим, что для рассматриваемого примера получены следующие значения весов: w1 w2 0,15 ; w3 w4 0,2 ; w5 0,3 .

Шаг №3. Группа обучаемых (в рассматриваемом примере состоящая из

M4 человек) выполняет на КТК данное упражнение по переносу груза.

Входе упражнения автоматически вычисляются значения установленных показателей качества (часто представляющие собой физические величины), т.е. оцениваются процесс и результаты выполнения имитируемой технологической операции.

Для рассматриваемого примера могут быть получены следующие значения

(табл. 1).

Таблица 1

Пример вычисленных значений показателей качества

a

a

2

a

3

a

4

a

5

обучаемого

1

 

 

 

 

 

 

 

 

 

 

 

 

 

1

65 с

5 %

0

12°

2

2

27 с

16 %

1

41°

1

3

38 с

45 %

1

29°

3

4

95 с

22 %

0

34°

0

 

 

 

 

248

 

 

 

 

 

Шаг №4. Выполняется преобразование значений показателей качества к безразмерному виду, в результате которого получаем матрицу D dki , где dki [0;1]

– безразмерная оценка качества выполнения упражнения k -м обучаемым ( k 1, M

) относительно i -го показателя. Здесь dki 1 обозначает, что процесс или результаты выполнения упражнения k -м обучаемым полностью соответствую i -му показателю качества, а dki 0 – полностью не соответствуют.

Значения dki могут вычисляться различными способами. При неполноте исходных данных возможно применение подхода, основанного на нечетких множествах [1]. Для рассматриваемого примера предложены формулы (по аналогии с функциями полезности [5]), получаемые на основе определяемых экспертами наиболее и наименее желательных значений каждого показателя качества:

d

k1

 

1, x

 

25

 

 

k1

 

 

65, x

90

x

 

 

 

k1

 

k1

0, x

 

90

 

 

k1

 

 

 

[25,90]

, где

x

k1

 

– время выполнения переноса груза

k -м обучаемым(в секундах);

 

 

 

1, x

 

5

 

 

 

 

dk 2

 

k 2

 

 

70, xk 2

[5,75]

 

75

xk 2

, где

 

0, x

 

75

 

 

 

 

 

k 2

 

 

 

 

 

xk 2

– точность установки груза (в %от

радиуса платформы);

d

k 3

 

0, наличие рывка

 

отсутствие рывка

1,

 

 

;

d

k 4

 

1, x

 

10

 

 

k 4

 

 

40, x

50

x

 

 

 

k 4

 

k 4

0, x

 

50

 

 

k 4

 

 

 

[10,50]

, где xk 4 – угол отклонения груза при пово-

роте стрелы (в градусах);

 

 

 

 

 

 

dk 5

7 x

7, x

[0,7]

, где xk 5

– число аварийных ситуаций.

 

 

k 5

 

k 5

 

 

 

0, x

7

 

 

 

 

 

 

 

 

 

k 5

 

 

 

 

 

 

 

 

 

На основе применения указанных выше формул к данным из табл. 1 полу-

чаем следующую матрицу:

 

 

 

 

 

 

0,38

 

1,00

1,00

0,95

0,71

 

 

0,97

 

0,84

0,00

0,23

0,86

 

 

 

 

 

 

D

0,80

 

0,43

0,00

0,53

0,57

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0,00

 

0,76

1,00

0,40

1,00

 

 

 

 

 

 

Шаг №5. Чтобы учесть разброс полученных на шаге № 4 значений d ki , отражающих реальные результаты выполнения упражнения группой обучаемых (и,

как следствие, повысить точность комплексной оценки

качества выполнения

 

 

Ri

 

N

упражнения), производится расчет весов wi по формуле

wi

, где

R Ri ,

 

 

 

R

i 1

 

 

 

 

249

 

 

 

 

 

M

 

 

 

 

dki di

M

R k 1

 

 

di dki

i

M

d

 

 

i

k 1

 

 

 

M . Повышение различия оценок

d

ki

 

относительного не-

которого

i -го показателя качества приводит к повышению значения его веса

.Расчет значений

 

для рассматриваемого примера:

wi

wi

1)

d1

0,54

; d2

0,76

; d3

0,50

; d4

0,53

; d5

0,79

;

2)

R1

0,51; R2

0,17

; R3

0,80

; R4

0,32

; R5

0,15

;

3) R 1,96 ;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0,07 .

 

 

 

 

4) w1 0,26

; w2

0,09 ; w3

0,41; w4

0,17 ; w5

 

 

 

 

Шаг №6. С учетом значимости каждого из двух видов весов ( wi и

 

 

wi ) про-

изводится

расчет

обобщенных

весов показателей

качества

 

по формуле

wi

 

αwi

 

α и

β

 

 

 

 

 

 

 

wi

βwi , где

 

– коэффициенты, определяющие важность значений wi и

 

соответственно ( α β 1).

 

 

 

 

 

 

wi

 

 

 

 

 

 

 

В

рассматриваемом примере при

α β 0,5

обобщенные

веса

равны:

w 1

0,21

 

0,12

 

0,30

 

0,18

 

; w2

; w3

; w4

; w5

Шаг №7. Расчет комплексной оценки

0,19 .

выполнения упражнения обучаемым

по

формуле:

Lk

 

N

 

 

w d

ki

 

i

 

i 1

 

.В рассматриваемом примере:

L1

0,81

;

L2

0,50

;

L 0,42

; L

0,65 .

3

4

 

В данном примере лучше всего с выполнением упражнения справился обучаемый №1, т.к. его значение Lk выше, чем у остальных.

Перспективными являются исследования в области разработки подходов для корректировки значений ряда параметров, используемых при подготовке операторов на КТК и изначально установленных на основе экспертной оценки с учетом субъективного мнения.

К таким параметрам можно отнести (параметры № 3-7 детально описаны в работе [1]): 1) значения весов wi ; 2) коэффициенты α и β , отражающие важность разных видов весов; 3) функции принадлежности нечетких множеств, используемых для вычисления безразмерных оценок показателей качества; 4) приоритеты показателей качества; 5) пороговые значения безразмерных оценок показателей; 6) минимальное число выполнений упражнения, при котором этап формирования навыка считается успешно пройденным; 7) коэффициенты кривых научения, например, скорость научения.

Для решения задачи в области корректировки указанных выше параметров предлагается подход, основанный на применении нейронных сетей, представляющих широко используемый инструмент в области анализа данных [7]. Обучающая выборка нейронной сети должна быть основана на данных о процессе подготовки

250

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]