Методическое пособие 719

Далее рассчитываются коэффициенты приоритетности субъектов ранжирования и системы (табл. 3).

Этот параметр рассматривается как отношение рейтинговых индикаторов субъектов ранжирования к соответствующим рейтинговым индикаторам системы по формуле:

где Кпј – коэффициент значимости n-го рейтингового индикатора j-го субъекта ранжирования.

Очевидно, что из данного выражения коэффициент приоритетности системы будет определяться формулой

,

где Кпѕ – коэффициент значимости n-го рейтингового индикатора системы и равна единице.

На основании матрицы коэффициентов приоритетности субъектов ранжирования и системы проводится вычисление индексов тематических направлений (профилей), которые применяются как критерии рейтинга по тематическому направлению (профилю).

Таблица 3 Коэффициенты приоритетности рейтинговых индикаторов

по тематическим направлениям (профилям) деятельности НО

Индексы тематических направлений (профилей) ранжирования субъектов и системы рассчитываются соответственно по формулам:

70

где Itj – индекс t-го тематического направления (профиля) j-го субъекта ранжирования;

Іts – индекс t-го тематического направления (профиля) системы;

Кnjt – n-ый коэффициент приоритетности t-го тематического направления(профиля) j-го субъекта ранжирования;

Кnst – n-ый коэффициент приоритетности t-го тематического направления (профиля) системы;

b – количество коэффициентов приоритетности рейтинговых индикаторов в тематическом направлении (профили), 1 ≤ n ≤ b;

m– количество коэффициентов приоритетности рейтинговых индикаторов в системе рейтингового оценивания.

По результатам расчета индексов проводится анализ позиционирования НО на рейтинговых шкалах глобального критерия рейтинга системы в целом и идентифицированных групп, что позволяет верифицировать результаты оптимизации. Позиционирование рассматривается по отношению к соответствующим критериям системы и сравнение их дает возможность разделить субъекты ранжирования на две группы. Успешная группа НО позиционируется на рейтинговых шкалах выше системы. Менее успешная группа НО позиционируется ниже системы. Интеллектуальная поддержка управленческих решений на основе оптимизации и экспертного оценивания обеспечивает переход НО в успешную группу.

Литература

1. Сапожников, Г.П. Интеллектуализация управления ресурсоэффективностью некоммерческой образовательной организации с использованием мони- торинго-рейтинговой информации / Я.Е. Львович, Г.П. Сапожников // Моделирование, оптимизация и информационные технологии. https://moit.vivt.ru/wpcontent/uploads/2017/10/LvovichSapozhnikov_4_1_17.pdf.

2. Сапожников, Г.П. Формирование множества управленческих решений по оптимизации сложной системы при заданном горизонте перспективного планирования / Д.А. Недосекин, Г.П. Сапожников, В.И. Сумин // Вестник института ФСИН. 2018. №1. С. 55-59.

3. Львович, Я.Е. Принятие решений в экспертно-виртуальной среде / Я.Е. Львович, И.Я. Львович. – Воронеж: ИПЦ «Научная книга». – 2010. – 140 с.

АНО ВО «Российский новый университет», Россия

71

УДК 681.3

А.Г. Грошев

ОПТИМИЗАЦИОННОЕ МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ МУЛЬТИКОПТЕРА

В последнее время активным образом внедряются разные виды бесперебойных летательных аппаратов. Для них размеры, как правило, не превышают 1 м, а масса одного килограмма.

Перспективность их применения связана с достаточно высокой грузоподъемностью, дешевизной, а также простотой в управлении [1].

Применяют их в радиоразведке, в картографировании, дистанционном видеонаблюдении и др.

При этом, если рассматривать отдельный аппарат, то он характеризуется тем, что есть ограниченный запас ресурсов. Также есть ограничения по функциональным устройствам, например, сенсорным датчикам [2].

При этом можно использовать преимущества группового применения беспилотных летательных аппаратов.

Могут происходить процессы обмена той информацией, которая была получена от окружающей среды.

За счет этого можно существенным образом обеспечить увеличение по информированности в каждом аппарате.

Если какой-то из аппаратов выйдет из строя, то тогда эффективность работы всей группы просто уменьшится. Но поставленная задача будет выполне-

на [3].

Также в группе будет большее значение используемого ресурса.

Есть специфические проблемы, относящиеся именно к групповому управлению и коммуникации аппаратов.

Когда формулируется оптимизационная задача, то необходимо, прежде всего, ориентироваться на поведение одного квадрокоптера.

Движение его происходит при помощи четырех несущих винтов. Может быть сформулирована соответствующая модель движения на основе дифференциальных уравнений.

Когда есть групповое использование аппаратов, то они осуществляют решение единой целевой задачи [4].

При этом их действия должны рассматриваться в виде единого целого. Также работа каждого их отдельных аппаратов должна быть направлена на то, чтобы обеспечивать наибольший групповой эффект.

В этой связи можно группу аппаратов рассматривать в виде составной динамической системы. Они объединены в рамках единой целевой задачи.

72

Траектории таких составных динамических систем называются ветвящимися. Они формируются на базе участков, где совместным образом двигаются аппараты, а также есть участки, где они двигаются отдельным образом.

Оптимальный выбор по координатам и моментам времени, когда разделяются траектории аппаратов должен использоваться при управлении группой. Траектории рассматриваются как ветвящиеся.

Задача связанная с оптимизацией траекторий в группе заключается в том, чтобы проводить поиск по оптимальным управлениям и траекториям.

ской системе от динамической системы. Далее осуществляются процессы оптимизации. После этого происходит переход к исходной задаче.

Литература

1.Грошев, А.Г. Анализ методов управления мультикоптерами / А.Г. Грошев // Вестник Воронежского института высоких технологий. 2018. № 4 (27). С. 51-53.

2.Чернышов, И.Г. Применение интеллектуальных технологий в инфор- мационно-измерительных системах / И.Г. Чернышов, Д.Г. Тимохин, Г.В. Сысоев, А.В. Шапаев // Вестник Воронежского института высоких технологий. 2018. № 1 (24). С. 95-98.

3.Львович, И.Я. Проблемы создания интеллектуальных систем / И.Я. Львович, Н.Е. Кравцова, Ю.Л. Чупринская // Вестник Воронежского института высоких технологий. 2018. № 2 (25). С. 13-15.

4.Преображенский, Ю.П. Некоторые этапы истории развития информатики и вычислительной техники / Ю.П. Преображенский, Д.В. Жилин // Вестник Воронежского института высоких технологий. 2018. № 3 (26). С. 37-39.

АНОО ВО «Воронежский институт высоких технологий», Россия

УДК 681.3

В.Н. Кострова, Т.А. Цепковская

ПРОБЛЕМЫ ИСПОЛЬЗОВАНИЯ ИННОВАЦИОННЫХ МОДЕЛЕЙ ОБУЧЕНИЯ

В настоящее время можно говорить о существенном росте объемов информации.

При этом, хотя информации много, но возникают вопросы по эффективности ее применения.

73

Люди не всегда способны правильным образом осуществлять анализ. Существуют проблемы, связанные с клиповостью сознания, мозаично-

стью, когда проводится восприятие.

Не всегда соблюдается первичный общеобразовательный минимум. Бывает, что обучающиеся все сильнее замыкаются по узким рамкам про-

фессиональных знаний. Тогда они фактически игнорируют большие массивы знаний.

Задачей образовательных систем является поддержка существования людей, когда есть перенасыщенная информационная среда [1].

Требуется обеспечить адаптацию обучающихся к большому количеству поступающей информации.

Эти процессы происходят достаточно медленным образом. При этом быстро наступает порог наполнения. Поэтому важно при использовании методов обучения, чтобы они были научены соответствующим приемам [2].

Должен быть проведен поиск по закономерностям, сравнению различий, видению общих черт и различий.

Не всегда традиционные подходы в обучении дают возможности для того, чтобы осуществлялось мышление по аналогии, строились логические умозаключения.

Новые обучающие подходы опираются на концепции массового открытого обучения.

Также должен проводится сбор и анализ данных, связанных с разработкой педагогических методик.

Перспективным представляется применение перевернутого обучения, ме- та-обучения [3, 4].

При использовании массового открытого обучения можно опираться на концепции, связанные с дистанционным обучением.

Может не быть связи между онлайн-дисциплинами. При этом они обеспечивают получение соответствующих специальностей.

Активным образом развиваются технологии, относящиеся к видеообучению. Происходит объединение видео- и аудиолекций, онлайн-семинаров, дискуссионных клубов.

При этом можно образовывать сообщества людей, которые заинтересованы в том, чтобы обучать людей, имеющих разный опыт.

Происходит реализация сетевого коллегиального обучения.

В образовательной сфере важная инновационная моделью связана с тем, как привлекаются аналитические данные для того, чтобы осуществлять разработку педагогических разработок и методов.

Необходимо ориентироваться на разветвленные базы персональных данных. В них размещается разная информация, связанная с предпочтениями, интересами и др.

74

Литература

1.Жулябин, Д.Ю. Инновации и инновационные технологии в образовании / Д.Ю. Жулябин, Р.Р. Ямлиханов // Вестник Воронежского института высоких технологий. 2018. № 3 (26). С. 107-109.

2.Choporova E. Information system of assessment rating tool of student’s knowledge when learning a foreign language / E.Choporova, A.Preobrazhenski, E.Alferenko // Information Technology Applications. 2017. № 2. С. 106-117.

3.Кравцова, Н.Е. Некоторые характеристики дополненной реальности / Н.Е. Кравцова, А.П. Преображенский // Вестник Воронежского института высоких технологий. 2018. № 4 (27). С. 70-72.

4.Кравцова, Н.Е. О проблемах использования виртуальной реальности / Н.Е. Кравцова, А.П. Преображенский // Вестник Воронежского института высоких технологий. 2018. № 4 (27). С. 67-69.

АНОО ВО «Воронежский институт высоких технологий» ФГБОУ ВО «Воронежский государственный технический университет», Россия

УДК 681.3

С.Ю. Белецкая, А.А. Мясников

СТРУКТУРА И ФУНКЦИИ ИНФОРМАЦИОННЫХ СИСТЕМ В МЕДИЦИНСКИХ ЛАБОРАТОРИЯХ

Произведён анализ структуры и назначения информационных систем в медицинских учреждениях.

Развитие информационных технологий позволило автоматизировать большую часть сфер деятельности человека, тем самым позволяя быстрее выполнять работу, а также уменьшить количество ошибок которые появились изза человеческого фактора в следствии выполнения монотонной работы, приводящей к снижению внимания, или сложных вычислений. Сфера медицинских услуг не стала исключением. И в настоящее время активно внедряются медицинские информационные системы (МИС) и лабораторные информационные системы (ЛИС). Структура ЛИС представлена на рис. 1.

Регистратура ЛИС представляет собой рабочее место с установленным клиентом ЛИС и служит для регистрации пользователей в системе и назначения анализов. Сервер ЛИС предназначен для хранения информации о пациентах.

АРМ – рабочее место в лаборатории с подключённым анализатором. Анализатор предназначен для автоматического проведения анализов [1].

75

Рис. 1. Структура ЛИС

В общем случае лабораторная информационная система должна решать два типа задач: автоматизация текущей деятельности лаборатории и интеграция в информационное пространство предприятия [2]. Для автоматизации деятельности лаборатории ЛИС должна выполнять функции:

1)регистрация образца;

2)назначение методик выполнения измерений;

3)распределение работ среди персонала;

4)выполнение анализов;

5)регистрация и обработка полученных результатов;

6)принятие решения по утверждению анализов;

7)формирование отчётов по результатам анализов.

Для интеграции в информационное пространство предприятия в ЛИС должны быть реализованы следующие функции:

1)разграничение доступа к функциональным возможностям системы в зависимости от квалификации и должности пользователя;

2)возможность долгосрочного хранения данных;

3)предоставление данных по запросу пользователя [3].

Для определения значимости внедрения лабораторных информационных систем в медицинские учреждения рассмотрим все этапы работ, происходящих при работе врача, и область действий ЛИС на данных этапах (рис. 2).

76

Рис. 2. Этапы приёма пациентов

ЛИС охватывает 50% работ, выполняемых при обращении пациентов в больницы. Внедрение ЛИС в деятельность медицинских учреждений позволяет существенно ускорить работу медицинского персонала и значительно снизить количество ошибок при работе с результатами анализов.

Литература

1. Структура лабораторных информационных систем [Электронный ресурс]. Режим доступа: https://medinfo.social/issledovaniya_863/struktura- laboratornyih-informatsionnyih-32450.html

2.Лабораторные информационные системы [Электронный ресурс]. Режим доступа: http://www.avrora-it.ru/content/articles/index.php?article=1966

3.Барабанов, В.Ф. Рационализация выбора алгоритмов межмодульного взаимодействия компонент распределённых программных систем / В.Ф. Барабанов, С.Ю. Белецкая, В.К. Зольников, М.Л. Лапшина, А.К. Погодаев // Системы управления и информационные технологии. 2013. № 2(52). С. 46-50.

ФГБОУ ВО «Воронежский государственный технический университет», Россия

77

УДК 681.3

С.Ю. Белецкая, Е.Ю. Горовец

АНАЛИЗ МЕДИЦИНСКИХ ИЗОБРАЖЕНИЙ В ОБЛАСТИ ОРТОПЕДИИ

Обработка медицинских изображений в последнее время является одним из самых актуальных направлений развития компьютерных технологий, а именно: улучшение качества изображения, восстановление поврежденных изображений, распознавание отдельных элементов. Обнаружение различных патологий организма человека по медицинским снимкам является одной из наиболее важных задач компьютерной диагностики в области медицины. Первым этапом компьютерной диагностики медицинских изображений является визуальное выделение необходимых объектов и может нести за собой ряд проблем. Во-первых, необходимо учитывать особенности конкретного снимка, вовторых, могут появиться искажения при получении отображения снимка из-за возможных ограничений характеристик зрительной системы исследователя. Также особенностью данной области является необходимость работать с сотрудниками медицинских учреждений.

Чтобы усовершенствовать и улучшить ручную диагностику и анализ медицинских снимков, необходимо разработать метод, который обеспечит автоматизацию распознавания и анализа изображения. Обработка и анализ изображений состоит из нескольких основных этапов, это: фильтрация; предварительная обработка; сегментация; распознавание; диагностика. От результатов фильтрации и предварительной обработки напрямую зависит эффективность последующих этапов обработки изображений [2].

Ортопедия – один из важнейших разделов медицины, для которого необходима автоматизация медицинских снимков, а именно снимков стопы человека, т.к. от точности определения отклонений зависит правильность подобранной профилактики и изготовления ортопедической обуви, стелек и т.д. Своевременная диагностика стопы - залог предотвращения многих нежелательных отклонений опорно-двигательного аппарата. В настоящее время при оценке состояния стопы пациента выдвигается все больше требований к объективности не только к установлению самого факта плоскостопия, но и к количественной оценке прогноза эффективности возможных вариантов его коррекции. Очень важно правильно подобрать ортопедические стельки под обувь, с учетом индивидуальных параметров пациента и планируемых условий эксплуатации. Поэтому в первую очередь важную роль играет точность оценки каждого отдела стопы человека. Оценка этих параметров вручную приводит к погрешностям, что сказывается в дальнейшем на производстве стельки. Устаревшие технологии требуют слишком много времени на производство и не гарантируют качественный результат. Автоматизация данного процесса позволит сделать процесс обследования, анализа результатов диагностики и изготовления стельки

78

более точным и быстрым. Поэтому был разработан алгоритм, который анализирует стопу пациента по снимку его стоп, сделанного с помощью плантографа (устройство, с помощью которого получают отпечаток стоп).

Состоит он из следующих шагов:

1.Определить контур стопы.

2.Выделить на контуре контрольные точки (см. рисунок). Необходимые точки указаны в таблице.

Изображение стопы с контрольными точками

79