МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный технический университет»

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

Труды Международной научно-практической конференции

(г. Воронеж, 2-4 декабря 2020 г.)

В двух частях Часть 1

Воронеж 2021

1

УДК 681.518(06)

ББК 32.97:74.58-26.253я4 И73

Интеллектуальные информационные системы: труды Международной И73 научно-практической конференции: в 2 ч.; ФГБОУ ВО «Воронежский государственный технический университет». – Воронеж: Изд-во ВГТУ, 2021. Ч.1. – 152 с.

ISBN 978-5-7731-0939-6 (Ч.1) ISBN 978-5-7731-0938-9

Рассматриваются вопросы моделирования, оптимизации проектирования интеллектуальных информационных систем, использования информационных технологий в образовании, экономике, технике, биомедицинских системах, здравоохранении и экологии.

Материалы сборника соответствуют научному направлению «Интеллектуальные информационные системы» и перечню критических технологий Российской Федерации, утвержденному Президентом Российской Федерации.

Сборник будет полезен специалистам, аспирантам, студентам, деятельность которых связана с решением практических задач в области информатики, кибернетики, применением информационных систем и технологий в технике, образовании, экономике и медицине.

Рецензенты: кафедра вычислительной техники и информационных систем

Воронежского государственного лесотехнического университета им. Г. Ф. Морозова (зав. кафедрой д-р техн. наук, проф. В. К. Зольников); В. М. Курейчик, д-р техн. наук, проф., ФГАОУ ВО «Южный

федеральный университет»

Печатается по решению редакционно-издательского совета Воронежского государственного технического университета

2

ВВЕДЕНИЕ

Всовременных условиях развитие информационных технологий и систем все в большей степени определяется их интеллектуализацией. Интеллектуальные информационные технологии — одна из наиболее перспективных и быстро развивающихся научных и прикладных областей информатики, в рамках которой разрабатываются модели и методы решения слабо формализуемых задач.

Втрудах представлены материалы, затрагивающие вопросы повышения эффективности производственных, экономических, образовательных, биомедицинских систем на основе использования современных технологий, интеллектуальной поддержки принятия решений, формализации экспертной информации, создания учебно-исследовательских систем, теории моделирования и оптимизации.

Сборник полезен специалистам, аспирантам, студентам, деятельность которых связана с решением практических задач в области информатики, кибернетики, применением информационных систем и технологий в технике, образовании, экономике и медицине.

3

УДК 004.67

Ю. Н. Артамонов, К. А. Смирнова

НОВЫЙ АЛГОРИТМ ВЫБОРА НА ОСНОВЕ ПОРОЖДАЮЩИХ ПОСЛЕДОВАТЕЛЬНОСТЕЙ

Алгоритм выбора является фундаментальной задачей теоретической информатики и находит широкие применения при обработке численных данных: нахождение элементов заданного ранга в выборке, алгоритмы сортировки, нахождение ближайших соседей в числовой последовательности, задача нахождения выпуклых оболочек множества. Формулировка данной задачи восходит к Ч. Э. Р. Хоару и заключается в следующем [1]: дано

множество X ={xj}, X = n, отношение порядка на X и целое число 1≤ k ≤ n.

Требуется найти k -й наименьший элемент, т.е. элемент x X , для которого существует по крайней мере k −1 элементов j =1, ,(k −1): xj x и не менее k

элементов j =1, ,k : xj x xj = x.

Введем следующее обозначение: x = Q(X,k). В частных случаях

удобства анализа рассматривают X как множество (без повторения элементов). Первая реализация алгоритма, названного в статье [1] - FIND, предложена самим Ч. Э. Р. Хоаром, как модификация его алгоритма сортировки quicksort. Алгоритм FIND также часто называют quickselect. Для данного алгоритма

доказана следующая оценка количества сравнений [2]:

C(n,k) = 2 ((n+1) Hn −(n−k +3) Hn−k+1 −(k +2) Hk +n+3),

k

где Hk = ∑i=1 1i - частные гармонические суммы.

Для граничных случаев имеем:

C(n,1) = C(n,n) = 2n+o(n),

C(n,median) = 3.39n+o(n).

Как отмечено в статье [3], на практике алгоритм FIND популярен, поскольку многие другие алгоритмы гораздо медленнее в среднем.

В цикле статей [3, 4, 5] рассматривается алгоритм SELECT, который обеспечивает на текущий момент лучший в среднем результат:

C(n,k) = n+min(n−k,k)+o(n).

При этом в статье [3] проведен сравнительный анализ SELECT и FIND. По сравнению с FIND, SELECT требует лишь небольшого дополнительного стекового пространства для рекурсии. Было показано, что SELECT превосходит довольно сложные реализации FIND.

4

Нужно отметить, что все рассмотренные алгоритмы предполагают использование случайного выбора. Поэтому эффективность их применения оценивается для среднего случая. Для специально подобранных входных данных рассмотренные алгоритмы не гарантируют линейного времени O(n)

нахождения k -й статистики. Поэтому сохраняется теоретический интерес поиска алгоритмов, гарантирующих O(n) для худшего случая с приемлемыми

скрытыми константами в O(n). Так в статье [6] предложена модификация алгоритма quickselect - алгоритм PICK, гарантирующий O(n) для худшего

случая. Однако, как показано в [6], количество сравнений алгоритма PICK не превосходит 5.4305 n. Поэтому, при наличии таких больших скрытых констант

вO(n), применение алгоритма PICK на практике нецелесообразно.

Вданной статье, основываясь на результатах, изложенных в [7], авторами предложен детерминированный алгоритм, названный cs-select и гарантирующий O(n) в худшем случае со скрытой константой близкой к 2 для

многих практически важных случаев. Проведенные авторами эксперименты подтверждают, что по вычислительной сложности предложенный алгоритм в среднем сопоставим с quickselect.

Описание алгоритма cs-select

По аналогии с quickselect и quicksort, алгоритм cs-select является модификацией алгоритма сортировки cs-sort, изложенного в статье [7].

В [7] рассмотрены регулярные алгоритмы получения порождающих последовательностей, которые определяются следующим образом: для заданного натурального числа n назовем конечную последовательность

select состоит в использовании порождающей последовательности B для разделения элементов сортируемой последовательности. Это с одной стороны объединяет cs-sort и quicksort, а с другой показывает отличия: в cs-sort в качестве опорных элементов используются не элементы сортируемой последовательности, в сторонние элементы порождающей последовательности.

5

При этом гарантируется получение результата по окончанию элементов порождающей последовательности. Ниже приводятся все шаги предлагаемого алгоритма cs-select, предполагая, что на вход алгоритма cs-select передается множество X, X = n, порождающая последовательность = CAlgorithm(n,c), а

также номер k -й порядковой статистики множества X . Вспомогательная функция iter-find (X, B, A,k)

Шаг 1 (базы рекурсии). Если B = , то возвращаем X[1]. Если k ≤ 0, то возвращаем X[1]. Если X =1, то возвращаем X[1].

Шаг 2 (разделение). Less = ,More = ,Len = 0, A= A+ B[1],i =1. 1: Цикл. Пока i < X :

2: Если X[i]≥ A,то push(X [i],More), иначе push(X [i],Less),Len = Len+1;

3:i = i +1;

4:Конец цикла Пока.

Шаг 3 (рекурсия). Если Len ≥ k, то вызов iter _ find(Less,B\ B[1], A− B[1],k),

иначе вызов iter _ find(More,B\ B[1], A,k − Len).

Основная функция cs-select(X, B,k)

Шаг 1. Вызов iter _ find(X,B,0,k).

Литература

1.C.A.R. Hoare, Algorithm 65: FIND , Comm. ACM 4 (1961) 321–322.

2.D. E. KNUTH: The Art of Computer Programming. Sorting and

Searching. Addison-Wesley, Reading, Mass., 1973.

3. Krzysztof C. Kiwiel,On Floyd and Rivest's SELECT algorithm, Theoretical Computer Science. Volume 347, Issues 1–2 (2005) 214-238

4.R.W. Floyd, R.L. Rivest, Expected time bounds for selection, Comm. ACM 18 (1975) 165–172.

5.R.W. Floyd, R.L. Rivest, The algorithm SELECT—for finding the ith smallest of n elements (Algorithm 489), Comm. ACM 18 (1975) 173.

6.M.R. Blum, R.W. Floyd, V.R. Pratt, R.L.vest,Ri R.E. Tarjan, Time bounds for selection, J. Comput. System Sci. 7 (1972) 448–461.

7.Artamonov, Y.N. (2017). Using the Complete Sequences for Sorting Natural Numbers. The Bulletin of Irkutsk State University. Series Mathematics. 22.

3-17. doi.org/10.26516/1997-7670.2017.22.3.

Федеральное государственное бюджетное научное учреждение «Государственный научно-методический центр»

6

УДК 004.6

Ю. В. Минаева, К. В. Цуканов

ИСПОЛЬЗОВАНИЕ ERP-СИСТЕМ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ МНОГОНОМЕНКЛАТУРНЫМ ПРОИЗВОДСТВОМ

Системы ERP предназначены для планирования ресурсов предприятия и относятся к программному обеспечению, используемому для автоматизации процессов управления всеми основными цепочками поставок, производством, услугами, финансами и другими аспектами деятельности организации. Программное обеспечение ERP может использоваться для автоматизации и упрощения отдельных видов деятельности предприятия, таких как бухгалтерский учет и закупки, управление проектами, управление взаимоотношениями с клиентами, управление рисками, соблюдение и операции цепочки поставок [1].

Основной целью ERP-системы является повышение эффективности деятельности организации за счет использования специально разработанных математических моделей и методов, предназначенных для улучшение и / или сокращения количества необходимых ресурсов без ущерба для качества конечной продукции [2, 3].

ERP охватывает множество функций компании, характерных для большинства предприятий. Хотя ERP-системы первоначально были разработаны для производственных компаний, постепенно они расширили набор предоставляемых функций и начали автоматизировать процессы управления организаций сферы услуг, высшего образования, здравоохранения с учетом особенностей каждой из отраслей промышленности. Например, государственная ERP использует управление жизненным циклом контрактов (CLM) вместо традиционных закупок и следует правилам государственного учета, а не GAAP. Банки имеют бэк-офисные процессы расчетов для выверки чеков, кредитных карт, дебетовых карт и других инструментов [4].

Использование ERP-системы уменьшает дублирование между автономным программным обеспечением, упрощает рабочий процесс и позволяет осуществлять интеллектуальное планирование [5]. Это дает руководству предприятий инструменты для обеспечения последовательного, качественного выполнения всех предусмотренных бизнес-процессов. Использование таких инструментов позволяет обнаружить «узкие места» в производственном процессе и оптимизировать планирование таким образом, чтобы их избежать. Это обеспечивает предприятию возможность обслуживания клиентов без срывов сроков поставок.

Программное обеспечение ERP также предлагает выполнить синхронизацию отчетности и автоматизации. Вместо того чтобы заставлять сотрудников вести отдельные базы данных и электронные таблицы, которые должны быть вручную объединены для создания отчетов, некоторые решения ERP позволяют

7

сотрудникам извлекать отчеты из одной интегрированной системы. Например, если заказы на продажу автоматически поступают в финансовую систему без какой-либо ручной повторной манипуляции, отдел Управления заказами может обрабатывать заказы более быстро и точно, а финансовый отдел может быстрее закрывать книги. Другие распространенные функции ERP включают в себя панель мониторинга, позволяющую сотрудники оценить производительность бизнеса по ключевым метрикам.

Для обеспечения оперативного доступа сотрудников к необходимой информации большинство современных ERP-систем предусматривают возможность интеграции с такими системами, как SCADA, MES, ASP и др., создавая таким образом единую информационную среду, позволяющую отслеживать ход выполнения производственных процессов и своевременно вносить необходимые корректировки.

Литература

1.Oracle Netsute, Enterprise Resource Planning Systems Transform, Integrate and Scale Businesses [Электронный ресурс]. URL: https://www.netsuite.com/ portal/resource/articles/erp/what-is-erp.shtml (дата обращения: 22.05.2020).

2.Минаева Ю.В. Математическая модель оптимизации иерархических многоуровневых систем производственного типа // Вестник Дагестанского го-

сударственного технического университета. Технические науки. 2018. Т.

45.№ 2. С. 140-148.

3.Minaeva Yu.V. Adaptive modification of the particle swarm method based on dynamic correction of the trajectory of movement of individuals in the population.

Бизнес-информатика. 2016. № 4 (38). С. 52-59.

4. Минаева Ю.В. Структура подсистемы интеллектуализации управления сложным многономенклатурным производством // Интеллектуальные информационные системы. Труды Международной научно-практической конференции. В 2-х частях. 2019. С. 132-133.

5. Rouse M. What is ERP? Guide to enterpris resource planning software, 2017. [Электронный ресурс]. URL: https://searcherp.techtarget.com/definition/ ERP-enterprise-resource-planning (дата обращения: 22.05.2020).

ФГБОУ ВО «Воронежский государственный технический университет»

8

УДК 004.42

Ю. В. Минаева, В. В. Давыдов

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВЕННОГО ПЛАНИРОВАНИЯ С ПОМОЩЬЮ MES-СИСТЕМ

В настоящее время деятельность производственного предприятия немыслима без применения корпоративных информационных систем, автоматизирующих различные сферы деятельности. Наиболее широко в организациях различного уровня используются ERP-систем, обеспечивающие поддержку процессов управления [1]. Однако в последнее время активно исследуется проблема построения единого информационного пространства предприятия, начиная от уровня планирования и управления предприятием в целом, до уровня управления технологическим процессом. Для решения данной проблемы создаются интегрированные автоматизированные системы управления предприятием, включающие следующие компоненты:

–ERP-систему, вырабатывающую плановые показатели выпуска про-

дукции;

–систему управления производственными процессами (MES), формирующую в соответствии с заданными ERP-системой показателями детализированные планы работы оборудования;

–систему диспетчерского управления и сбора данных с объекта мониторинга (SCADA), включающую комплекс датчиков, собирающих оперативную информацию со всех единиц производственного оборудования.

Если ERP-системы применяются для построения укрупненных планов производства и продаж, то MES-системы за счет использования более сложного комплекса математических моделей и методов позволяют выполнять пооперационное планирование с учетом требований ERP, загрузки оборудования, необходимости переналадок, а также оперативно координировать выполнение планов в случаях поломок оборудования [2, 3].

Для выполнения координирующих функций MES-систем решают следующие задачи [4]:

–отслеживание рабочие процессы в режиме online;

–реакция на любые изменения в производстве;

–формирование отчетности обо всех действиях на производстве в режи-

ме online;

–осуществление обмена данными о различных рабочих процессах между подразделениями организации.

–отслеживание и контролирование соответствия качества установленным нормам;

–предоставление работникам информации, необходимой для работы с оборудованием;

9

–обеспечение обмена данными между клиентами, поставщиками и организацией, а также инженерным департаментом и отделом продаж.

В мировой практике MES-системы применяются в сферах, связанных с переработкой нефти, фармацевтикой, в аэрокосмических и автомобильных отраслях. Примеры внедрения MES-систем на многономенклатурных предприятиях демонстрируют ряд преимуществ от их использования [5]:

–уменьшение времени производственного оборота примерно на 45%;

–сокращение времени входа в систему более чем на 75%;

–сведение к минимуму незавершенного производства;

–переход на электронный документооборот в 60% случаев;

–уменьшение времени выполнения заказа, в среднем на 27%;

–снижение выпуска бракованной продукции на 18%.

Сложность алгоритмов, которые применяются для создания расписаний, зависит от количества различных критериев, поддерживаемых системой MES. Однако человеку, управляющему системой, который отвечает за составление графика, не обязательно вникать в суть сложных процессов. Его задачей является выбор тех критериев оптимизации, которые больше всего подходят в данный момент при создании расписания.

Следует помнить, что MES-система – это в первую очередь многофункциональный инструмент, с помощью которого можно реализовывать разнообразные организационные решения. Функционал MES-системы позволяет сохранять и в дальнейшем использовать эффективные методы управления.

Литература

1.Дуболазов В.А. Оперативно-календарное планирование на промышленном предприятии. С-Пб. 2000. 336 с.

2.Минаева Ю.В. Структура подсистемы интеллектуализации управления сложным многономенклатурным производством // Интеллектуальные инфор-

мационные системы. Труды Международной научно-практической конференции. В 2-х частях. 2019. С. 132-133.

3. Минаева Ю.В. Математическая модель оптимизации иерархических многоуровневых систем производственного типа // Вестник Дагестанского государственного технического университета. Технические науки. 2018. Т.

45.№ 2. С. 140-148.

4.Загидуллин Р.Р. Управление машиностроительным производством с

помощью систем MES, APS, ERP.- ТНТ.- 2011.-С.-370.

5. Соломенцев Ю.М., Загидуллин Р.Р., Фролов Е. Б. Планирование в современных системах управления производством //Прикладные аспекты информатики.- 2010.-№4.-С.77-87.

ФГБОУ ВО «Воронежский государственный технический университет»

10

УДК 338.26

И. Н. Колесников, А. Г. Финогеев

ПРОГНОЗИРОВАНИЕ НАРУШЕНИЙ ПДД С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ ПРОГНОЗИРОВАНИЯ НА ОСНОВЕ ВРЕМЕННЫХ РЯДОВ

Задача прогнозирования будущих значений временного ряда на основе его исторических значений является основой для различного рода планирования и анализа данных. Задача прогнозирования временного ряда решается на основе создания модели прогнозирования, адекватно описывающей исследуемый процесс.

Базисная цель статистического анализа временного ряда заключается в том, чтобы по имеющейся траектории этого ряда:

−определить, какие из неслучайных функций присутствуют в разложении, то есть определить значения индикаторов;

−построить правильные оценки для тех неслучайных функций, которые присутствуют в разложении;

−подобрать модель, адекватно описывающую поведение случайных остатков, и статистически оценить параметры этой модели. [1]

Успешное решение перечисленных задач, обусловленных базовой целью статистического анализа временного ряда, является основой для достижения конечных прикладных целей исследования и, в первую очередь, для решения задачи кратко- и среднесрочного прогноза значений временного ряда.

Уровни временного ряда формируются под воздействием достаточно большого количества факторов. Их условно можно разделить на три

группы:

−факторы, формирующие тенденцию ряда;

−факторы, формирующие циклические (и/или сезонные) колебания

ряда;

−случайные факторы [2].

Любой ряд можно представить в виде композиции этих составляющих. Однако следует отметить, что операция декомпозиции временного ряда, полезная для моделирования изучаемого явления и допустимая с математической точки зрения, может в некоторых случаях ввести в заблуждение. Например, предположение о независимом влиянии указанных компонент является неоправданным с практической точки зрения. Однако в ряде случаев разложение временного ряда на компоненты позволяет существенно упростить понимание механизмов развития социально-экономических процессов [3].

Метод обладает большими возможностями и дает более надежные результаты. Кроме тренда самого ряда, он позволяет установить наличие тренда дисперсии временного ряда: если тренда дисперсии нет, то разброс уровней ряда постоянен, если дисперсия увеличивается, то ряд становиться более широким.

11

Очень часто уровни временных рядов в экономике колеблются, поэтому тенденция развития экономического явления во времени скрыта случайными отклонениями уровней в ту или иную сторону. С целью более четко выявить тенденцию развития исследуемого процесса производят сглаживание (выравнивание) временных рядов. [4]

В разрабатываемой информационной системе будут использоваться методы экспоненциального сглаживания. Модель экспоненциального сглаживания применяется для моделирования финансовых и экономических процессов. В основу экспоненциального сглаживания заложена идея постоянного пересмотра прогнозных значений по мере поступления фактических. Модель ES присваивает экспоненциально убывающие веса наблюдениям по мере их старения. Таким образом, последние доступные наблюдения имеют большее влияние на прогнозное значение, чем старшие наблюдения. [5]

При мониторинге дорожно-транспортной инфраструктуры используются традиционные методы и методы дистанционного мониторинга.

К традиционным методам относятся:

−Регистрация проходящего автотранспорта людьми операторами. При этом, человек должен регистрировать параметры безопасности дорожного движения и заносить свои наблюдения в полевой журнал. Для полного охвата больших территорий необходима одновременная работа большого числа операторов. На точность влияет: квалификация оператора, усталость, невнимательность. Это приводит к ошибкам и некоторому искажению реальной ситуации.

−Опрос работников автотранспортных предприятий. Этот метод позволяет достаточно быстро оценить наиболее напряженные участки дорожной сети, но имеет недостатки в точности.

К методам дистанционного мониторинга относятся:

−Регистрация проходящего автотранспорта с помощью различных датчиков. К достоинствам можно отнести оперативность получаемой информации, а также точность измерений повышаются за счет автоматической регистрации, автоматической передачи данных в центр обработки, и минимизации влияния «человеческого фактора». К недостаткам можно отнести то, что единовременные затраты на установку датчиков, развитие инфраструктуры связи с центром обработки довольно высоки. [6]

Проактивный мониторинг дорожно-транспортной инфраструктуры. Помимо данных с различных информации, получаемой с различных датчиков, информация о дорожно-транспортной ситуации поступает из большого числа различных источников. Для обработки большого количества данных и использованиях их для прогнозирования будущей ситуации используются элементы искусственного интеллекта и методы интеллектуального анализа данных. К недостаткам можно отнести существенное усложнение системы и возможные ошибки прогнозов при неправильно выбранных моделях прогнозирования. К достоинствам полная автоматизация процесса и возможность получения про-

12

гнозов дорожно-транспортной ситуации, позволяющая предотвращать различные инциденты [7].

На вход в приложение подается временной ряд. Далее по усмотрению пользователя вводятся данные о тематике временного ряда. Система начинает поиск по большим данным и привязывает наиболее подходящие собы-

тия/данные к временной шкале. Как только достаточное количество данных привязано, начинается поиск данных для точки настоящего времени по уже известным ключевым словам. Далее алгоритмами кластеризации происходит поиск похожих по смыслу событий в области исторических показателей. Все наилучшие соответствия по каждому событию подставляются в формулу скользящего среднего, и в результате вычисляется прогноз на текущий либо на будущий показатель: SMA = ∑ .

В результате имеем ряд средних значений по всем типам событий. Теперь нужно оценить важность каждого события. Для этого найдем сумму произведений показателей по событиям и их весов. Веса определяются в процентном со-

ям всех событий и уточненный по количеству упоминаний каждого события[8]. Задача прогнозирования временных рядов имеет высокую актуальность

для многих предметных областей и является неотъемлемой частью повседневной работы многих компаний. Разрабатываемая информационная система позволит решить целый спектр задач прогнозирования для различных предметных областей.

Определено, что наиболее перспективным направлением развития моделей прогнозирования с целью повышения точности является создание комбинированных моделей, выполняющих на первом этапе кластеризацию, а затем прогнозирование временного ряда внутри установленного кластера.

Литература

1.Безручко В. П., Смирнов Д. А. Математическое моделирование хаотических временных рядов Саратов: Гос УНЦ «Колледж», 2005. 532 с.

2.Малинецкий Г. Г., Потапов А. Б., Подлазов А. В. Нелинейная динамика. Подходы, результаты, надежды. М.: КомКнига, 2006.

3.Халафян А. А. STATISTICA 6. Статистический анализ данных. М.:

Бином, 2010.

4.Шустер Г. Детерминированный хаос. Введение. М.: Мир, 1988

5.Круг П. Г. Нейронные сети и нейрокомпьютеры. М.: Изд-во МЭИ, 2002, с. 32-34.

13

6.Бенгус Б. В. Прогнозирование тенденции временного ряда с помощью искусственной нейронной сети. – Обозрение прикладной и промышленной математики. Том 21, № 1, 2014.

7.Э. Леман. Теория точечного оценивания. М.: Наука, 1991. – 448 с.

8.Лукасевич И. Я. Анализ финансовых операций. – М.: Финансы,

1998.

Пензенский государственный университет

УДК 004.421.4

А. Г. Остапенко, Е. А. Шварцкопф, А. А. Остапенко, Е. Р. Нежельский

КОНТЕНТ-ПАНДЕМИЯ И МОНИТОРИНГ ИНТЕРНЕТ-РЕСУРСОВ В СВЯЗИ С РАСПРОСТРАНЕНИЕМ COVID-19

Пандемия (pandemos) с греческого переводится как «весь народ», и этим термином принято обозначать процессы, касающиеся каждого члена социума (масштабные эпидемии и т.п.). Эпидемию COVID-19 в ранг пандемии возвел Интернет, а точнее беспрецедентное возбуждение его пространства (по данному поводу), мониторинг которого осуществлялся авторами настоящей работы с помощью модернизированного программного комплекса Netepidemic в целях исследования процессов информационного противоборства [1-4], включая эпидемиологию [5-6], в том числе в социальных сетях [7-8] и других Интернетресурсах. Существенно расширив арсенал метрологии, поле сканирования и библиотеки выявления деструктивных контентов, авторы получили метрики не только отдельных постов, но и контент-восприимчивости Интернет-ресурсов, как основных источников информационного возмущения. Это позволило ранжировать их при сканировании, в том числе с учетом тематической ориентации.

Анализ (с использованием вышеупомянутого программно-технического комплекса) показывает, что в информационную «раскрутку» COVID-19 включились широчайшие слои Интернет-пользователей:

–«фейкометы» в целях получения дешевой популярности начали и все еще продолжают генерировать и распространять фальшивые цифры и факты: от авиаопыления городов до бегства руководства из очага эпидемии; от рефрижераторов, забитых трупами, до пустых полок в магазинах. Все это сеет панику и подрывает авторитет власти, которая обязана жестко отреагировать на эти вызовы правовыми средствами;

–«конспирологи» вбросили в сети многочисленные версии: от инопланетного до рукотворного происхождения вируса; странах, виновных в распространении COVID-19, от США до Китая; от репетиции биологической войны до искусственного создания ситуации для списания долгов и передела Мира. Это

14

дополнительно возбуждало население планеты и отнюдь не способствовало борьбе с коронавирусом;

–«политтехнологи» кинулись, используя обостренность ситуации, добывать преимущества для своих хозяев, нагнетая обстановку и отвлекая общественное мнение от накопившихся проблем. Пропаганда и карантинные меры стали консолидировать общество, поднимать рейтинги его правителей, погасили массовые протесты и конфликты. Однако этот мораторий бесконечно не продлится;

–«футурологи» завалили сеть пестрыми прогнозами: от распада ЕС до гибели НАТО; от мирового лидерства Китая до возвращения социалистической (коммунистической) идеи в массы; от триллионных убытков и краха мировой экономики до жуткой безработицы. Но в одном все они сходятся: «Мир после эпидемии коронавируса будет существенно другим»;

–«простые пользователи» буквально перегружены информационным потоком и в большинстве своем не способны объективно оценивать все его сообщения. Однако несовершенство и хрупкость нынешнего мироустройства стали для них очевидны. В условиях медико-биологической, информационнопсихологической, социально-экономической и геополитической турбулентности их приоритетом стали здоровье и благополучие семьи.

Беспрецедентное возбуждение (самое глубокое и массовое с момента появления сети Интернет) социо-информационного пространства загнало руководителей стран в авральный режим работы по борьбе с коронавирусом (ответственность и оперативность принятия и исполнения административных решений резко повысились, политические склоки отошли на второй план). Нужен незамедлительный результат, минимизирующий человеческие жертвы и экономические ущербы (таковы ожидания абсолютного большинства Интернетпользователей – самой социально и экономически активной части человечества). Не считаться с этим не может себе позволить ни один политический деятель планеты (столь значимым, благодаря коронавирусу, стало информацион- но-психологическое влияние Интернет-пространства, особенно его социальных сетей). Коронавирусное «контент-цунами» совершенно неожиданно и удивительно глубоко изменило мировое общественное мнение, сдвинуло сознание руководителей стран от конфронтации к необходимости межгосударственного сотрудничества перед лицом современных вызовов, ответить на которые в одиночку уже не представляется возможным. Неслучайно в сети Интернет бытует версия о том, что данная пандемия послана нам Проведением с целью отрезвления Человечества.

Вышеизложенная контент-аналитика оказалась возможной благодаря инструменту автоматизации мониторинга Netepidemic, который позволил тематически классифицировать Интернет-посты, всесторонне оценить вовлеченность пользователей в их содержание, определить ареалы и источники распространения. Развитие методического и программного обеспечений в части метрологии контентов и ресурсов, сканирование и ранжирование последних при монито-

15

ринге дало качественно новые и эффективные данные для последующих аналитических исследований, результаты которых представлены в настоящей работе. В этом направлении планируется и дальнейшее развитие инструментария автоматизации контроля Интернет-пространства.

Литература

1.Остапенко А.Г. Атакуемые взвешенные сети: монография / А.Г. Остапенко, Д.Г. Плотников, А.О. Калашников, В.Б. Щербаков, Г.А. Остапенко; под общ. ред. Д. А. Новикова. –Воронеж: Горячая линияТелеком, 2017. – 276 с.

2.Остапенко А.Г. Социальные сети и деструктивный контент: монография / А.Г. Остапенко, А.В. Паринов, А.О. Калашников, В.Б. Щербаков, А.А.

Остапенко; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017. – 276 с.

3. Остапенко А.Г. Эпидемии в телекоммуникационных сетях: монография / А.Г. Остапенко, Н.М. Радько, А.О. Калашников, О.А. Остапенко, Р.К. Бабаджанов; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017. – 284 с.

4. Остапенко А.Г., Мониторинг и управление рисками социоинформационного пространства в целях обеспечения региональной и национальной безопасности / В.П. Железняк, Е.Ю. Чапурин, А.А. Остапенко, С.Д. Трубицын, О.А. Остапенко, Т.Ю. Мирошниченко // Информация и безопасность. - 2019. – Т. 22. - №4. - С.557-572.

5. Симонов К.В. К вопросу о вирусности контента, нарушающего информационную безопасность Интернет-пользователей / Д.М. Коваленко, О.А. Остапенко, В.В. Сафронова, К.В. Сибирко // Информация и безопасность. - 2019. – Т. 22. - №4. - С.609-705.

6. Титов Н.Г., Методы мониторинга социальных сетей, их развитие и применение в контексте обеспечения их информационной безопасности / Е.Ю. Чапурин, Е.А. Москалева, М.И. Бочаров, В.И. Борисов // Информация и безопасность. - 2019. – Т. 22. - №3. - С.305-324.

7.Телегин Е.Н., Методы тематического моделирования, их развитие и применение для контента, циркулирующего в региональных онлайнсообществах / Е.Ю. Чапурин, К.А. Разинкин, Д.Г. Плотников, А.В. Попов // Информация и безопасность. - 2019. – Т. 22. - №3. - С.325-344.

8.Шварцкопф Е.А., Организация мониторинга социо-информа- ционного пространства и построение модели регионального интренет-

пользователя в контексте обеспечения его безопасности / Д.А. Савинов, С.М. Пасмурнов, Е.Р. Нежельский, С.С. Тихонова, Н.М. Лантюхов, А.Н. Бартенев // Информация и безопасность. - 2019. – Т. 22. - №4. - С.601-608.

ФГБОУ ВО «Воронежский государственный технический университет»

16

УДК 004.056.5

А. А. Чеснокова, И. В. Калуцкий, Д. О. Орлов

ВАРИАНТ МОДЕЛИ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ АНАЛИЗА УЯЗВИМОСТЕЙ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ

Мощности современных процессоров вполне достаточно для решения элементарных шагов большинства задач, а объединение нескольких десятков таких процессоров позволяет быстро и эффективно решать многие поставленные задачи, не прибегая к помощи мэйнфреймов и суперкомпьютеров. Другой же, не менее важной проблемой является построение системы, на которой бы возможна была реализация параллельных вычислений, и применение последней в задачах защиты информации

Кластеризация (или кластерный анализ) – это задача разбиения множества объектов на группы, называемые кластерами. Существует достаточно большое количество технологий, реализующих модель организации сетевого вычислительного кластера [1].

Одной из задач аудита информационной безопасности вычислительных систем является проверка устойчивости беспроводной сети к взлому и ddos атакам, для чего и может оказаться крайне эффективным кластер [2].

Оборудование суперкомпьютерных кластеров должно отвечать ряду требований для обеспечения требуемого уровня производительности.

К таким требованиям можно отнести: высокая готовность, высокое быстродействие, масштабирование, общий доступ к ресурсам, удобство обслужива-

ния [3, 4].

В ОС Linux имеется все необходимое для построения кластеров стандартными средствами – достаточно для нескольких компьютеров сделать единую файловую систему, например, с помощью NFS, и уже можно задействовать такие стандартные для Unix механизмы взаимодействия процессов, как сокеты и разделяемые файлы. Собственно, для составления кластера нужно немного — балансировка нагрузки на узлы кластера с перемещением процессов с одного узла на другой [5].

Рассмотрим базовую модель распределенной компьютерной системы. Основа такой системы – локальная сеть, состоящая из нескольких сегментов или узлов. Локальная сеть служит для связи рабочих станций пользователей, коммуникационного и другого оборудования. На рисунке представлена схема построения сети вычислительного кластера.

17

Рис. Схема построения сети вычислительного кластера

Сеть кластера состоит из узлов, управляющего сервера и коммутационного оборудования. Необходимо отметить, что важным параметром является высокая пропускная способность коммутационного оборудования. При решении сложных вычислительных задач в параллельных вычислениях скорость обмена данными между узлами кластера крайне высока. Исходя из обозначенных задач в рамках аудита информационной безопасности можно предположить следующую конфигурацию узлов кластера:

Стационарные компьютеры на базе процессоров Intel core i3–третьего поколения (или новее) или AMD Phenom II X4 (или новее) с оперативной памятью ddr3/ddr4 2-16 Гб. Видеокарты Nvidia GTX 660, Radeon HD 7870.

Главный компьютер – в виде стационарного с таким же оборудованием как на узловых или в виде сервера.

На узлах кластера необходимы сетевые карты. В качестве сетевых адаптеров можно использовать карты, поддерживающие работу не ниже пропускной способности стандарта GigabitEthernet. Предпочтительным будет использование сетевого оборудования (коммутационного) на основе технологии Infiniband, ввиду поддержки последним высокой скорости обмена данными. [6].

На узлах кластера возможно использовать операционные системы: Linux(debian,ubuntu), Linux hpc, PelicanHPC Linux так, как в них уже встроена поддержка кластеризации.

Ниже приведена статистика аппаратных средств Data mining по некоторым современным на сегодня процессорам и видеокартам.

При переборе паролей для WPA2 в бенчмарке hashcat следующие результаты для одного GPU:

18

RTX 2080 Ti 758700 hash/s

Nvidia RTX 2080 Founders Edition 571400 hash/s

Nvidia GTX 1080Ti 576000 hash/s

Radeon VII 16GB 534000 hash/s

RX Vega 64 8gb 495294 hash/s

Nvidia GTX 1080 396800 hash/s

RX Vega 56 8GB 370200 hash/s

Для сравнения результат восьми ядерного шестнадцати поточного процессора AMD RYZEN 1700 (первого поколения) - 5000 hash/s. То есть в сравнении со «старой» и «слабенькой» на сегодняшний день видеокартой современный процессор проигрывает в 4 раза в скорости таких специализированных вычислений, и примерно в 151 раз самой производительной видеокарте пользовательского сегмента.

Если мы возьмем кластер из четырех узлов, на каждом из которых присутствует 4 GPU AMD Radeon RX 580 (стоимость их относительно невелика на сегодня, а скорость 224000 hash/s), то пиковая производительность такого кластера при подборе паролей будет:

224000 hash/s * 16 = 3584000 hash/s

Последний показатель примерно в 716 раз выше в сравнении с одним рассмотренным CPU. Во временных рамках это более наглядно можно представить следующим образом, - если на полный перебор паролей для какого-то случая даже на мощном процессоре уходил бы промежуток времени в один год, то при помощи такого кластера это время сократилось бы примерно до половины дня.

Естественно, важным фактором здесь будет стоимость решения задачи, так как энергопотребление такого кластера примерно 2КВт в час.

Исходя из приведенных данных можно сделать вывод о том, что использование кластера, на каждом из узлов которого установлено 4 и более высокопроизводительных графических ускорителей, даже пользовательского сегмента, позволяет с высокой скоростью решать задачу аудита информационной безопасности вычислительных систем.

Таким образом, применение высокопроизводительных кластеров на основе пользовательского оборудования, может быть перспективно для решения задач информационной безопасности [7], а именно: проверка устойчивости сети к ddos атакам, подбору паролей для различных систем аутентификации в сетях и в широком спектре задач криптоанализа.

19

Литература

1. javable [Электронный ресурс]: Технологии построения распределенных объектных систем // URL: http://www.javable.com/docs/articles/dist/ (дата обращения: 23.04.2020).

2.Информационно-аналитическая система службы безопасности организации Калуцкий И.В., Агафонов А.А. Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2012. № 2-2. С. 127-133.

3.habrahabr [Электронный ресурс]: Обзор алгоритмов кластеризации данных// URL: https://special.habrahabr.ru/kyocera/p/101338/ (дата обращения:

07.05.2020).

4.cluster.linux-ekb [Электронный ресурс]: Параллельные вычисления

//URL: http://cluster.linux-ekb.info/ (дата обращения: 18.05.2020).

5.В.Д. Корнеев. Параллельное программирование в MPI [Текст] / В.Д. Корнеев // Параллельное программирование в MPI – Новосибирск, ИВМ и МГ СО РАН, 2002г., 215 стр.

6.bytemag [Электронный ресурс]: Архитектура InfiniBand для информационных центров // URL: https://www.bytemag.ru/articles/detail.php?ID=8519 (дата обращения: 03.05.2020).

7.Роль человеческого фактора в обеспечении информационной безопасности бизнеса. Калуцкий И.В., Агафонов А.А. Известия Юго-Западного го-

сударственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2012. № 2-2. С. 173-178.

ФГБОУ ВО «Юго-Западный государственный университет», Курск

УДК 004.421.4

Н. Г. Титов, А. Г. Остапенко, Е. А. Шварцкопф, Ю. О. Гончаров

ОСОБЕННОСТИ МОНИТОРИНГА И МЕТРОЛОГИИ КОНТЕНТОВ

ИРЕСУРСОВ СОЦИАЛЬНЫХ АВТОМАТИЗИРОВАННЫХ СЕТЕЙ

Вцелях обеспечения информационной безопасности [1,2] приобретает особую значимость мониторинг ресурсов социальных сетей [3]. Прежде всего, интерес представляет реакция пользователей на те или иные контенты социально опасного характера, а также – общая характеристика реакций пользователей ресурсов. Основой для таких исследований является информация, находящаяся

воткрытом доступе [3]. При этом теоретический и практический интерес представляют текущие данные относительно лайков, репостов и комментариев для определенного качества контентов, способных побудить пользователей к деструктивным действиям как в виртуальном, так и в не виртуальном пространствах.

20

Применительно к отдельно взятым контентам, идентифицированным как потенциально опасные, мониторинг должен предусматривать визуализацию пошаговой динамики количества реакций пользователей на рассматриваемый контент (пост) социальной сети. Здесь принципиально возможны два подхода:

–накопительный (интегральный), когда рассматривается общее количество реакций, последовавших в сумме на данный момент (шаг) времени жизни контента;

–дифференциальный, когда оценивается количество реакций, последовавших за шаг мониторинга.

Первая кривая (огибающая дискрет отчета) очевидно будет иметь монотонно нарастающий вид с насыщением к концу жизни контента (в среднем это 24 часа с момента его появления). Вторая характеристика имеет колоколообразный вид с экстремумом (максимумом) где-то в середине периода жизни контента. Что же касается шага мониторинга, то его значение зависит от быстродействия программно-технических средств мониторинга (зачастую это 0,5 часа).

Как интегральная, так и дифференциальная характеристика восприимчивости контента дают пищу для аналитических исследований относительно динамики популярности рассматриваемого поста, включая:

–скорость и ускорение её роста (спада) по различным составляющим (количества лайков, репостов, комментариев, просмотров) в период жизни контента;

–координаты пиков её вышеуказанных составляющих.

Для полноты картины следует упомянуть о том, что огибающая дифференциальной метрики может быть двугорбой из-за интервалов общего спада просмотров социальных сетей (например, в ночное время). Соответственно на интегральной кривой в этом интервале появится ступенька.

Особый интерес представляет сопоставительный анализ динамики популярности конкурирующих контентов, запущенных в одной и той же социальной сети примерно в одно и тоже время. При антагонистическом их характере теоретически возможно перехват внимания пользователей одним из них и спад популярности у другого. Это простейший пример информационного противоборства в социальных сетях.

Возможен и более сложный вариант, когда в целях поддержания интереса к определенной тематике (так как одиночный контент живёт недолго) выстраивается хронологическая последовательность близких (с точки зрения цели побуждения пользователей) контентов. В этом случая можно говорить о реализации спланированной информационно-психологической операции.

Таким образом, метрики контентов, полученные в результате их мониторинга, дают довольно значительную базу для аналитики информационных процессов, протекающих в социальных сетях.

Дугой существенной составляющей контента-аналитики следует считать получение обобщенных характеристик онлайн-сообществ социальных сетей. Здесь уместно среднесуточные значения реакций пользователей на все цирку-

21

лирующие в них контенты. Такое усреднение позволяет получить оценку популярности и реактивности ресурса в целом. Отсюда представляется возможным проранжировать группы пользователей в рамках социальной сети, ограничить круг и построить последовательность сканируемых онлайн-сообществ в ходе мониторинга.

В свою очередь классификация контентов по их тематике открывает перспективу выявления тематических доминант ресурса, что так же можно учесть при сканировании групп по заданной проблематике (экстремизм, наркомания и др.). Цикл мониторинга в этом случае существенно сокращается.

Вышеперечисленные приложения методик мониторинга социальных сетей очевидно свидетельствуют о необходимости развития методического обеспечения измерения параметров их контентов и ресурсов, как средств информа- ционно-психологического воздействия на пользователей.

Работа выполнена в рамках проекта «Безопасный Интернет» (регистрационный номер).

Литература

1.Остапенко А.Г. Атакуемые взвешенные сети: монография / А.Г. Остапенко, Д.Г. Плотников, А.О. Калашников, В.Б. Щербаков, Г.А. Остапенко; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017.–276 с.

2.Остапенко А.Г. Социальные сети и деструктивный контент: монография / А.Г. Остапенко, А.В. Паринов, А.О. Калашников, В.Б. Щербаков, А.А.

Остапенко; под общ. ред. Д. А. Новикова. – Воронеж: Горячая линияТелеком, 2017. – 276 с.

3. Остапенко А.Г. Эпидемии в телекоммуникационных сетях: монография / А.Г. Остапенко, Н.М. Радько, А.О. Калашников, О.А. Остапенко, Р.К. Бабаджанов; под общ. ред. Д. А. Новикова.– Воронеж: Горячая линияТелеком, 2017. – 284 с.

ФГБОУ ВО «Воронежский государственный технический университет»

УДК 535.8+575

А. Ю. Степанов, В. Л. Жбанова

ТЕХНОЛОГИЯ СОЗДАНИЯ 3D-ГОЛОГРАММ ПРОЕКЦИОННОГО ТИПА

В процессе визуализации голограммы в определенной точке пространства происходит сложение двух волн – опорной и объектной, образовавшихся в результате разделения лазерного луча с помощью линзы. Опорную волну формирует сам источник света, а объектная отражается от фиксируемого объекта. Тут же размещается фотопластинка, на которой «отпечатываются» темные полосы,

22

положение которых зависит от распределения интерференции в данной точке пространства.

Современная голограмма – это по сути своей трехмерная проекция объемного изображения предмета. 3D-голограмма уверенно осваивает самые разные сферы человеческой деятельности. Примеров тому огромное множество. Один из них – воздушные голограммы. Это голографические модели (масштабом 1:1) и трёхмерные тетраэдры. На форум, заседаниях, семинарах, выставках и подобных мероприятиях различного уровня часто используются пространственные голограммы, создаваемые с помощью специальных голографических проекторов, как правило, нескольких [1, 2].

Невозможно учесть все детали объекта при создании его пространственной модели, а тем бол ее, если эта модель будет динамическая. Здесь используется система предварительной обработки. Подобная система на данный момент широко распространена в индустрии смартфонов, а именно камеры. Путём наложения большого количества кадров друг на друга изображение дорабатывается, без учёта различных фильтров и графики. Следующим этапом создания пространственной модели выступает цифровая обработка.

Цифровая голография позволяет выполнять цифровую обработку голограмм. Разрешение восстановленного изображения сильно ограничено пиксельными детекторами изображения. Для улучшения разрешения предлагается метод бикубической интерполяции и итераций экстраполяции (BIPEPI), чтобы компенсировать ограниченный размер цифровых голограмм. Основываясь на предварительных знаниях модели зонной пластины Френеля с круговыми дифракционными решетками, плотность пикселей увеличивается методом бикубической интерполяции (BIP) внутри голограммы для улучшения низкочастотных членов объекта [3, 4]. При использовании метода экстраполяционных итераций (EPI) создаются более высокие полосы вне голограммы для улучшения высокочастотных членов объекта. Разрешение восстановленного изображения может быть эффективно улучшено путем объединения этих предсказанных низкочастотных и высокочастотных членов.

Голограмма может представлять собой не только трёхмерное изображение объекта, его можно создать динамическим, на основе технологий, которые уже существуют. Для создания поверхности и глубины объекта может быть использована технология Kinect. Kinect – революционный контроллер для Xbox 360, презентованный компанией Microsoft в 2010 году. На данный момент Kinect встраивается в аппаратную часть Xbox One, последнего поколения данных приставок, однако ранее выпускался серийно. Бесконтактный игровой контроллер даёт возможность пользователю взаимодействовать с приставкой без помощи контактного устройства, как например, джойстика или клавиатуры. Камеры Kinect считывают движения тела игрока и обрабатывают их для интерактивных игр (рисунок).

С помощью системы зеркал и сетки Kinect, можно воссоздать компьютерную 3D модель объекта и привязать точки этого объекта к адресам зеркал,

23

которые в свою очередь создадут направление для лазерного луча, он и создаст эффект голограммы в виде трёхмерного динамического изображения объекта в реальном времени. А технология захвата движений сделает реальным голографическую сенсорную проекцию, к которой можно будет «прикоснуться», и управлять ей не только жестами и голосом.

Система зеркал представляет собой аналог точек, которые создаёт компьютерная 3D модель, но в большем количестве. Для того, чтобы получить изображение в реальности нужен будет мощный лазер, чьё излучение, попадая на зеркала будет многократно отражаться и направляться к следующему. Помимо отражения, часть излучения должно будет рассеиваться.

Рис. 3D изображение человека, созданное с помощью Kinect

Так же, чтобы создать голограмму или скорее возможным вариантом её создания может быть инфракрасное излучение. Благодаря светофильтрам с помощью которых мы можем увидеть это излу чение и мощных источников генерации высокочастотного излучения. С помощью огромной частоты излучения появляется возможность создать изображение в пространстве. Такое изображение будет трёхмерным и осязаемым при определённых условиях, но размер каждого такого изображения не сможет быть больше10-16 мм. Но это можно улучшить с помощью другой технологии.

Чтобы воссоздать движения объекта, стоит прибегнуть к похожей технологии, использующейся в смартфонах, захват лица. Эта та же сетка с огромным количеством точек, каждая из которых в точности повторяет анатомию лица. Адреса основных точек, которые выделяет Kinect привязываются к зеркалам, сначала основным, а затем вспомогательным, тем самым обеспечивая чёткость или разрешение изображения. Создав систему зеркал с помощью захвата предмета по точкам, можно сказать, что из голограммы в привычном её понятии будет исключена пластинка, на которой и хранится изображение. А чтобы воссоздать изображение в такой системе, будет необходимо всего лишь сохранить адреса точек.

В большинстве своём голограммы на данный момент представляют собой имитацию или обман зрения. Точно как своеобразная голограмма возникает

24

благодаря раскручиванию предмета на месте. На определённой скорости мы сможем увидеть что-то похожее на трёхмерное изображение, но на самом деле это не так. Поэтому создание самой настоящей голограммы весьма трудный и долгосрочный процесс.

Не так давно были придуманы контактные линзы. После очков, это был прорыв, люди смогли полноценно откорректировать своё зрение средством незаметным для посторонних. Но место технологиям находится везде. Создали линзы, которые позволяют увеличить видимое изображение в 2,8 раза. Это действительно впечатляет, учитывая, какая это тонкая работа. Но даже такие линзы можно улучшить, получив при этом результат лучше, чем дополненная реальность. Линзы фокусируют изображение на сетчатке глаза, тем самым помогая человеку лучше видеть, но при этом не меняя цветовосприятие и ощущение глубины пространства. Если в эту систему добавить цифровую обработку, то можно получить микрокомпьютер, как часть органа зрения. Более того, благодаря несовершенству органа зрения человека, возможно получить голограмму напрямую из таких линз. Если поместить в линзу подобие микропроцессора малой мощности и источники излучения, которые смогут генерировать заданное изображение прямиком перед зрачком, можно получить плоское изображение предмета. Задав нужное цветовое и объёмное соотношение, обманом зрения мы сможем получить плоское изображение на самой линзе, тем самым получив объёмное картинку. Но для всего этого нужен микропроцессор, который не так давно стал реальным.

Компьютер Michigan Micro Mote, который настолько маленький, что сопоставим размерами с рисовым зернышком, тем не менее, является полнофункциональной вычислительной системой, способной действовать как умный датчик. Например, его используют для мониторинга внутриглазного давления. В основе решения лежит крошечный процессор Phoenix с очень низким энергопотреблением. Процессор Phoenix разделен на ядро и периферию. Ядро состоит из 8-битного CPU, 52-х 40-битных ЗУ с произвольным доступом для данных (DMEM), 64-х 10-битных ЗУ с произвольным доступом (IMEM) и 64-х 10битных ПЗУ (IROM) для команд, а также блока управления электропитанием. Периферия включает в себя контрольный таймер и датчик температуры, но к их числу можно добавить еще 8 сенсоров, в зависимости от требуемого функционала. CPU и другие логические модули могут быть отключены от источников питания, когда их услуги не требуются, а вот память (IMEM и DMEM) – нет, поскольку она должна хранить записанные в неё данные. Поэтому модули SRAM остаются главными потребителями энергии. По этой причине разработчики применяют методики, призванные снизить утечки тока, например высокий уровень напряжения на входах транзисторов. С той же целью была увеличена длительность стробирующего импульса. С помощью этого импульса и возможно воссоздать маломощный лазерный излучатель, с невероятно малыми габаритами и частотой пульсации, которая сможет удерживать изображение без помех и других факторов шума. Т.к. сам компьютер практически не создаёт шумов, то

25

система имеет место существовать. При потреблении всего в 288 мкВт данный процессор позволит управлять нейронной сетью одним лишь взглядом. Остаётся только вопрос, как всё это уместить в обычную линзу, но это лишь вопрос времени. Любую технологию можно не только усовершенствовать, но и создать с нуля.

Исследовательский отдел Microsoft уже создал технологию сканирования и воспроизведения трёхмерного видео под названием «голопортация», которая позволяет визуализировать объемные изображения людей или предметов в любом месте в режиме реального времени, но не позволяет с ними взаимодействовать. По словам главы Microsoft Статьи Наделлы данная технология ориентирована на бизнес. Но как только Microsoft HoloLens, именно так называется данная технология, станет доступной во всём мире, тогда обучение, туризм, искусство и многие другие сферы деятельности человека получат невероятную возможность сделать то, что не делал никто. И всё это с каждым днём становится всё более реальным. Технический прогресс плавно перерастает в прорыв, который позволит использовать все возможности уже существующих технологий и создать новые, путём слияния дополненной реальности и цифровой обработки. Это уже не теории, самое важное, что поможет освоить такие системы это практика, на которой можно будет своими глазами увидеть и сотворить историю. Лучше взять и изобрести завтрашний день, ведь все возможности уже даны.

При анализе современного состояния развития данного направления предлагается: объединить часть технологий коммуникации и визуализации для дальнейшего создания оборудования различного рода деятельности. Благодаря таким технологиям многие сферы смогут выйти на новый уровень. Таким образом, в теории человечество уже создало голограмму, а точнее создало условия, в которых голограмма может существовать.

Литература

1.Chen, WW, Chen, SY, Tie, GP, Xue, S. Null test of large convex aspheres by subaperture stitching with replaceable holograms // OPTICS COMMUNICATIONS. V. 466, № 125665, 2020. DOI: 10.1016/j.optcom.2020.125665

2.Velez-Zea, A., Torroba, R. Noniterative multiplane holographic projection // Applied optics. V. 59, № 14, 2020. DOI:10.1364/AO.390707

3.Huang, ZZ, Cao, LC. Bicubic interpolation and extrapolation iteration meth-

od for high resolution digital holographic reconstruction // OPTICS AND LASERS IN ENGINEERING. V.130, № UNSP 106090, 2020. DOI: 10.1016/j.optlaseng.2020.106090

4. Chae, BG. Analysis on image recovery for on-axis digital Fresnel hologram with aliased fringe generated from self-similarity of point spread function // OPTICS COMMUNICATIONS. V. 466, № 125609, 2020. DOI: 10.1016/j.optcom. 2020.125609

Филиал ФГБОУ ВО «НИУ» МЭИ», Смоленск

26

УДК 004.9:351

Т. Н. Абрамова, Я. Е. Попелыш, Ф. Ю. Лозбинев

СОВРЕМЕННЫЕ ПОДХОДЫ К РЕАЛИЗАЦИИ ЦИФРОВЫХ ТЕХНОЛОГИЙ В ГОСУДАРСТВЕННОМ УПРАВЛЕНИИ

Цифровизация стала неотъемлемой частью современного управления. Очевидно, что и модели государственного управления находятся под воздействием цифровых технологий. Сегодня уже невозможно управлять без технологизации не только государством, но и любой организацией, в которой руководитель думает о перспективе своей деятельности.

Цифровизация в настоящее время стала новым трендом мирового общественного развития, который пришел на смену информатизации и компьютеризации. Цифровизация приводит к трансформации системы государственного управления. Данный процесс и его социальные последствия весьма неоднозначны.

Цифровизация государственного управления позволяет принимать решения в режиме реального времени. Многие процессы становятся открытыми и прозрачными для общества. Например: государственные закупки, отчётность. Это – большой плюс внедрения цифровых технологий в государственное управление. С другой стороны, общество становится разобщённым. Культура уходит на второй план, национальные традиции забываются. Стандартизация процессов ставит под угрозу учёт индивидуальных интересов граждан. Для соответствия индивидуальных законных интересов каждого гражданина в условиях стандартизации и типизации государственных услуг необходимо обеспечить готовность специалистов государственного управления эффективно решать задачи в цифровую эпоху.

В настоящее время в Российской Федерации проблеме цифровизации уделяют внимание многие авторы. Так И.В. Черпаков и О.Н. Пастухова в своей научной статье [2] под цифровизацией понимают трансформацию подходов к управлению государством, в которых ставятся акценты на цифровые активы. Причем активами являются не только материальные или финансовые ресурсы, но и такие элементы, как репутация, степень удовлетворенности граждан и т.д. К вопросу о цифровизации О.А. Лаврищева [3] даёт следующее определение этому термину. Цифровизация – это современный процесс внедрения цифровых технологий, который способствует улучшению качества жизни населения и повышает эффективность социального и экономического развития государства.

Таким образом, цифровизация – это внедрение цифровых технологий в разные сферы жизни для повышения качества и развития экономики. С её помощью можно выполнять сложные и однотипные задачи, а также принимать решения без непосредственного участия человека. Задачами цифровизации яв-

27

ляются: повышение производительности труда, сокращение время на процессы и повышение их гибкости.

Основой цифровизации в любой сфере деятельности, в том числе и d catht государственного управления, является автоматизация процессов. Это позволяет размещать информацию в доступную среду, быстро её анализировать и принимать выверенные решения. Необходимо отличать «цифровизацию» от «информатизации». Под вторым понимаются технологии для быстрого обмена информацией. Например: социальные сети, электронная почта.

Процессы цифровизации осуществляются с помощью определённых инструментов, к которым относятся: Big Data, машинное обучение, искусственный интеллект, человеко-машинные интерфейсы, виртуальная реальность, роботизация.

Раскроем содержание каждого из приведённых инструментов.

Big Data – это весьма большой объём структурированных и неструктурированных данных, а также их обработка и анализ. Методы обработки и анализа данных дают возможность получить новую информацию.

Следующим инструментальным средством цифровой трансформации является искусственный интеллект. Искусственный интеллект развивает отношения с потребителями, совершенствует работу с кадрами, оптимизирует процессы. Одной из технологий искусственного интеллекта является машинное обучение. Машинное обучение - это комплексное применение методов и алгоритмов, позволяющие предсказать какой-то результат и найти определённые закономерности в данных. Машинное обучение заменяет создание программ вручную на выполнение этой задачи самостоятельно, либо с помощью примеров и обучающих данных.

Важным инструментом цифровизации являются человеко-машинные интерфейсы – это совокупность средств и методов, обеспечивающих взаимодействие между пользователем и устройством. Методы и средства дают возможность оператору управлять системой и контролировать её. Чтобы машины, устройства и аппаратура были востребованы, они должны быть удобными и простыми в использовании. Для этого необходимо разработать пользовательский интерфейс. Самой популярной методологией является разработка, ориентированная на пользователя. Это важно для системы государственного управления и в процессе непосредственного взаимодействия между органами государственной власти, а также – между органами государственной власти и гражданами.

Следующим инструментом является виртуальная реальность, которая определяет искусственный мир, созданный с помощью технических средств. Человек погружается в смоделированную реальность и управляет ею, этой самой смоделированной реальностью.

В современном технологическом производстве широко используются роботы. Роботизация – технологии, которые позволяют программировать машины

28

для повышения операционной продуктивности и эффективности, для выполнения повторяемых задач.

Конечной целью всех вышеперечисленных инструментальных средств цифровой трансформации является радикальное повышение эффективности государственного управления с помощью современных технологий.

Одним из способов достижения этой цели является создание эффективной системы электронного правительства. В России актуальным вопросом государственного управления является создание, поддержание и постоянная модернизация электронного правительства. Поэтому для российских аналитиков и практиков изучение опыта развитых стран представляет большой интерес.

Понятие «электронное правительство» в современной управленческой практике исполнительной власти при обосновании процессов и содержания цифровизации применяется уже достаточно приличное время. Электронное правительство позволяет перейти органам государственной власти в онлайнформу. Целью данного изменения является повышение эффективности деятельности органов управления. Эта трансформация также упрощает доступ граждан к актуальной информации, облегчает взаимодействие общества с государством. Процесс функционирования электронного правительства предполагает выполнение следующих функций: предоставление населению государственных услуг в онлайн-форме и обеспечение демократического процесса с участием граждан [4]. В настоящие время проекты реализации и развития электронного правительства имеют многие государства.

Формирование электронного правительства в России основывалось на анализе международного опыта. Поэтому российская модель включает в себя тенденции общемирового развития данного направления [5]. Для внедрения системы электронного правительства были приняты федеральные целевые программы «Электронная Россия» (2002 – 2010 гг.) и «Информационное общество» (2010 – 2020 гг.), которые включают основные положения электронного документооборота и условия обеспечения гражданам доступа к получению государственных услуг.

В российской модели выделяют два направления реализации программ:

–открытость деятельности органов государственной власти, доступ к информации о деятельности государственных органов;

–обеспечение передачи документации в государственных органах с помощью информационных технологий.

Реализация данных направлений возможна при эффективной обратной связи и обеспечении государственного аппарата информационными технологиями. Это позволит получать достоверную информацию в реальном времени о реакции населения на деятельность органов государственной власти, а также вовлекать граждан в решение общественных проблем.

Тем не менее, нормативная правовая база не всегда успевает адаптироваться к новым информационно-коммуникационным технологиям. Поэтому

29

деятельность государственных органов должна быть направлена на внедрение цифровых технологий во все сферы государственного управления.

Подводя итог, отметим, что в настоящее время развитие информационных технологий соответствуют нормативному регулированию и их осмыслению на законодательном уровне. В связи с этим представляется оправданным в целях обеспечения баланса интересов государства и общества скорейшее внедрение в практическую деятельность элементов цифровой экономики, основанных на использовании данных в электронной форме, а также устранение правовых барьеров, имеющихся в законодательстве в этой сфере.

Литература

1.Бодрийяр, Ж. Прозрачность зла. М.: Добросвет – 2014, 260 с. ISBN 978- 5-98227-785-5.

2.Черпаков, И.В. Сквозные технологии: экономический аспект и пробле-

мы / И.В.Черпаков, О.Н.Пастухова // Процессы цифровизации в современном социуме: тенденции и перспективы развития [Электронный ресурс]: сборник докладов Всероссийской научно-практической конференции с международным участием (Елец, 27 ноября 2019 г.) – 148 с.

3. Лаврищева, О.А. К вопросу о цифровизации земельных ресурсов // Процессы цифровизации в современном социуме: тенденции и перспективы развития [Электронный ресурс]: сборник докладов Всероссийской научнопрактической конференции с международным участием (Елец, 27 ноября 2019 г.) – 173 с.

4. Майкулов, Ж.Ж. Развитие электронного правительства в России // Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ: сб. ст. по мат. X междунар. студ. науч.-практ. конф. № 7(10). URL: https://sibac.info/archive/meghdis/7(10).pdf

5. Станкевич, Л. Т. Электронное правительство: теоретические модели и реальная практика / Л.Т.Станкевич, Н.О.Новоженина [Электронный ресурс]: доклад на VI всероссийской объединенной конференции «Технологии информационного общества - интернет и современное общество». URL: http://www.ict.edu.ru/vconf/index.php?a=vconf&c=getForm&r=thesisDesc&d=light &id_sec=183&id_thesis=700

ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Брянский филиал

30

УДК 321.7:004.77

Е. Н. Белятова, Ф. Ю. Лозбинев

ПРАКТИКА ИСПОЛЬЗОВАНИЯ ЭЛЕМЕНТОВ ЭЛЕКТРОННОЙ ДЕМОКРАТИИ НА РЕГИОНАЛЬНОМ УРОВНЕ

В настоящее время не многие регионы нашей страны могут похвастаться развитием электронной демократии. Скорее всего, это заключается в проблеме элитарности. О том, что интернет может стать основной площадкой для политической активности, знает определенный круг людей [1].

Достаточно много граждан в России являются пользователями сети, это довольно высокий процент пользователей в мире. Однако, для полноценного осуществления электронной демократии, скорее всего – не достаточно. Но, несмотря на это, некие шаги в области развития политики в виртуальном мире власти всё же делают.

Среди первых регионов России, который смог взаимодействовать с властью через Интернет, оказалась Новосибирская область. Новосибирская компания-резидент Академпарка, разработала и внедрила автоматическую систему, благодаря которой жители города и области «не вставая с дивана» могут узнавать о готовности своих документов, оформляемых в МФЦ, с помощью Единого портала государственных и муниципальных услуг. «Электронная демократия Новосибирской области». Это приложение, предназначенное для эффективного взаимодействия граждан, организаций и органов власти с целью повышения уровня жизни в Новосибирской области.

Для использования приложения «Электронная демократия Новосибирской области» нужно быть зарегистрированным на Едином портале государственных услуг [2]. Приложение предоставляет возможность подавать обращения и контролировать сроки их рассмотрения. Можно сообщить о проблемах в области жилищно-коммунального хозяйства; оставить отзыв или благодарность медицинскому учреждению; заявить о ненадлежащем состоянии дорог в регионе; сообщить об организациях с ненадлежащим уровнем обслуживания; заявить о низком уровне обслуживания общественного транспорта; сообщить о некачественном или несвоевременном оказании услуг многофункциональными центрами Новосибирской области и др.

Для жителей Москвы ярким примером платформы электронной демократии является проект «Активный гражданин» [3], который был запущен по инициативе мэра Москвы в мае 2014 г. Данный сайт (и мобильное приложение) предлагает москвичам регистрацию с указанием номера телефона, места жительства, профиля в социальных сетях. Далее происходит обсуждение важных для города вопросов, отвечая на которые граждане напрямую влияют на принимаемые властями решения. За прохождение каждого опроса граждане получают баллы, которые можно обменивать на городские услуги (парковочные часы, театры, музеи) или полезные мелочи.

31

Независимый онлайн-ресурс «Сердитый гражданин» [4]. Был создан для обработки жалоб и поиска решения проблем жителей России в целом, целью которого является улучшение качества нашей жизни и сокращение дистанции между гражданами и государством, клиентами и организациями. За время работы портала на него поступило более 200 000 обращений.

«Сердитый гражданин» – это проект, который помогает гражданам находить пути решения мелких городских проблем. Проект показывает пользователям способы борьбы с хамством чиновников, незаконной рекламой и парковкой, нарушением прав потребителей и другим. Задача проекта – создать инструментарий для решения мелких бытовых и юридических проблем. У данного проекта также имеется мобильное приложение для удобства в пользовании.

Именно в небольшом городе больше вероятно, что расширенный проект «электронной демократии» может быть реализован. Если правильно организовать такой социальный проект, то он позволит разгрузить городскую администрацию, поможет ей найти время и средства для творческой деятельности, и жители будут вовлечены в активную созидательную работу.

Для совершенствования информационной инфраструктуры элементов электронной демократии в регионе нужно создать портал общественной инициативы на территории Брянской области, который предоставит гражданам возможность открыто высказывать свои предложения по совершенствованию государственного управления субъекта и законодательной системы и обсуждать новые инициативы, затрагивающие различные сферы жизни общества.

Портал «Электронная демократия Брянской области» может стать единым информационным ресурсом для взаимодействия с общественными организациями и инициативами, эффективным инструментом мониторинга проблем и оперативного реагирования. Главной задачей должно стать более активное участие избирателей в формировании государственной политики и устранение барьеров между обществом и государством.

Для этого, прежде всего, нужно подготовить и издать нормативный правовой акт на уровне Брянской области. На его основании – создать региональный портал общественной инициативы по аналогии с порталом «Электронная демократия Новосибирской области», в котором будет своя административная группа, которая будет отслеживать весь процесс предложений.

Брянская область нуждается в создании платформы электронного взаимодействия общества и власти, которая предоставит жителям области возможность открыто высказывать свои предложения по совершенствованию государственного управления субъекта, обсуждать новые инициативы, которые затрагивают различные сферы жизни общества.

По предварительным оценкам на реализацию перечисленных функций в рамках портала потребуется около 1,5 млн. рублей. Для разработки мобильного приложения «БрянЭД» (также по предварительным оценкам) потребуется около 350 тыс. рублей.

32

Представленные выше описанные ресурсы позволят гражданам получать всю информацию о жизнедеятельности общества, участвовать в управлении государством регионом или городом, изъявлять свою волю, взаимодействовать с органами власти без посредников, высказывать законодательные инициативы, быть активными участниками государственного управления и многих общественных процессов.

Интернет предоставляет уникальные возможности для объединения граждан, чтобы сообща добиваться реализации своих прав. Социальные сети позволяют вести обсуждения и организовывать любые сообщества. Развитие электронной демократии в субъектах во многом зависит, как от позиции региональных властей, так и от активности со стороны граждан, но как мы видим, «электронная демократия» в регионах начинает набирать стремительные темпы.

Литература

1.Поляк Ю.Е. Электронная демократия, вид сверху // Информационные ресурсы России. -2011. - № 5.

2.Электронный ресурс: Госуслуги: www.gosuslugi.ru –12.04.2020

3.Проект «Активный гражданин Москвы» [Электронный ресурс]. - Режим доступа: https://ag.mos.ru/home - Дата обращения: 14.04.2020

4.Электронный ресурс: https://www.angrycitizen.ru/about– Дата обращения: 12.04.2020

5.Белятова, Е.Н. Совершенствование информационной инфраструктуры элементов электронной демократии в регионе / Е.Н.Белятова, К.А.Николаева, Ф.Ю.Лозбинев // Ступени. Альманах студенческих научных работ. № 12 / под общ. ред. С. А. Шачнева. – Брянск : Изд-во БФ РАНХиГС, 2018. – С. 249-253.

6.Николаева, К.А. Развитие элементов электронной демократии в регионе / К.А.Николаева, Е.Н.Белятова, Ф.Ю.Лозбинев // Сб. тр. Х Межвузовской науч.-практ. конф. «Компьютерные технологии в моделировании, управлении и экономике». — Орёл, Среднерусский институт управления – филиал РАНХиГС, 2018. –С. 177-179.

7.Белятова Е.Н. Разработка предложений по внедрению элементов цифровой демократии на территории Брянской области /Е.Н.Белятова, Ф.Ю.Лозбинев // Сб. тр. II Международной науч.-практ. конф. «Новые информационные технологии в образовании и аграрном секторе экономики». – Брянск, Брянский государственный аграрный университет, 2019. –С.95-98.

8.Белятова, Е.Н. Внедрение элементов цифровой демократии на территории Брянской области /Е.Н.Белятова, Ф.Ю.Лозбинев //Сб. тр. Международной научно-практической конф. «Интеллектуальные информационные системы». – Воронеж, Воронежский государственный технический ун-т, 2019. –Ч.1. –С. 4-6.

ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Брянский филиал

33

УДК 004.056:35.077.1

И. В. Чиглякова, Ф. Ю. Лозбинев

ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ СИСТЕМ ЭЛЕКТРОННОГО ДОКУМЕНТООБОРОТА В ОРГАНАХ ГОСУДАРСТВЕННОЙ ВЛАСТИ И МЕСТНОГО САМОУПРАВЛЕНИЯ

Внастоящий период информация – это основной ресурс общественного развития. Сейчас в ускоренных оборотах происходит совершенствование информационных технологий. На современном этапе в органах государственной власти разрабатываются принципиально новые механизмы, повышающие эффективность управления в целом. Документальная информация является одной из первооснов осуществления управленческой деятельности. В этой связи первостепенную важность приобретают системы электронного документооборота (далее – СЭД). Главной целью этих программных комплексов является обеспечение эффективного управления документами в информационных потоках. Таким образом, мощная и безопасная СЭД в органах государственной власти помогает достичь решения важнейшей стратегической задачи – повышение эффективности государственного и муниципального управления [1].

На текущем этапе, стоит отметить, что отечественный рынок СЭД богат различными программными комплексами. Конкретно в области автоматизированного управления документооборотом выделяют такие системы как

«DocsVision», «Directum», «Босс-Референт», «Дело», «CompanyMedia» и

другие.

К традиционному программному продукту в рамках осуществления управления делопроизводством в органах государственной власти однозначно можно отнести СЭД «Дело». Данная система предназначена для отражения документального движения по организации. Структура рабочих мест данной СЭД включает: клиентские рабочие места в «Дело», программный модуль «Дело-Web», «Архивное Дело», а также поточное сканирование.

Ввеб-браузера через Интернет можно использовать программный модуль «Дело-Web», которому доступен веб-интерфейс данных и функции в данной системе [2].

Предназначение поточного сканирования состоит в массовом автоматическом моделировании документов электронных из бумажных носителей. Сканирование и распознание текстовой информации способствует обеспечению весьма высокой скорости преобразования данных. Документальная идентификация осуществляется при помощи нанесения машиной штрих-кода.

Сохранность, безопасность, а также быстрый доступ и эффективность использования документов из архива реализует «Архивное Дело». Основными

34

направлениями работы данного программного продукта является по формирование номенклатуры дел, оперативный контроль за сроками хранения документов на электронных носителях.

Заметим, что в связи с нарастанием кибер-угроз, вирусных атак возникает необходимость разработки мер информационной безопасности в рамках функционирования СЭД. К ним относятся:

–использование электронной цифровой подписи для того чтобы обеспечить авторизацию и единство информации, базовыми элементами которых являются сертификаты ключей от уполномоченных на эту деятельность центров;

–внедрение результативных защитных средств против достижения получения информации несанкционированным путем;

–обращение к инструментам квитирования электронного обмена сообщениями органов государственной власти и местного самоуправления и различными внешними получателями и отправителями;

–применение криптографических средств защиты данных в рамках осуществления электронного взаимодействия между органами государственного и муниципального управления.

Базовыми основополагающими элементами осуществления мер по информационной безопасности в государственных или местных органах являются:

–соответствие уровня секретности, находящейся в обработке информации средствам, обеспечивающих криптографическую защиту от удостоверительного центра.

–поэтапное включение организационного и технического комплекса по устранению нарастающих угроз;

–контроль функционирования электронного обмена направленного на целостность и авторизацию сообщений через применение специализированных средств в рамках электронной цифровой подписи от центра, который занимается сертификацией ключей для пользователей;

Снова подчеркнем, что применение криптографических средств защиты информации способствуют всецелому безопасному электронному обмену между органами государственного и муниципального управления вместе с внешними источниками и сторонними организациями. В связи с большим количеством угроз в органах власти и на местах используются средства антивирусной защиты.

Отметим, что на рабочих местах клиентов СЭД обеспечивается внедрение средств криптографической защиты от доступа несанкционированных пользователей. Обязательным является условие сертифицирования криптографических средств защиты, которые установлены в особом порядке [3].

Модифицирование, копирование, уничтожение, распространение неправомерный доступ к документам помогут избежать только способы разграничивающие доступ к ним. Однако, доверие в рамках электронного

35

обмена между пользователями абсолютно неидентичных, а различных систем может не обеспечиваться должным образом. Подчеркнем, что вопрос доверия при осуществлении электронных операций с документами осуществляется при помощи электронной цифровой подписи.

Нормативный правовой фундамент, который позволяет использовать электронную цифровую подпись, стал Федеральный закон «Об электронной подписи». Обозначены в этом законе два важных положения, касающихся видов электронных цифровых подписей (далее – ЭЦП). Выделяют обычно простую и усиленную цифровые подписи.

Значение простой ЭЦП в том, что опознание держателя данной подписи определяют через примыкание элемента подтверждения к самому документу. К таким новеллам относятся код, отпечаток пальцев, шифр и т.д. В чем преимущество данных мер? В том, что они не затратные, легки в использовании, их отличает простота. Вот именно такие характеристики привлекают абсолютно любого клиента. Надо сказать, простая ЭЦП не гарантирует высокую защиту данных. Основное ее применение заключается в реализации во внутреннем электронном документообороте органов власти и разнообразных организаций [4].

Надежность и высочайшую защиту обеспечит усиленная ЭЦП. Это своего рода особая совокупность данных, частично зашифрованных, которые, несомненно, гарантирует принадлежность только одному держателю подписи. Данная возможность позволит проверить целостность и точность любого документа. Пользователь имеет свой ключ, к которому, к тому же, и внедрены криптографические средства защиты. Недостатками приобретения усиленной ЭЦП являются затратность установки, функционирования, и, конечно же, система предварительного осведомления абонента по вопросам применения.

Системы защиты отражают наличие у них особых алгоритмов шифрования. Проблема обеспечения защиты управления электронным документооборотом в органах государственного и муниципального управления неизвестна конечным пользователям. Разработчики СЭД внедрили парольную идентификацию и разграничение пользовательского доступа. Всё же, не каждое средство обеспечивается криптографической защитой данных, например, шифрованием или ЭЦП. Стоит отметить, что дополнительную защиту иногда реализуют программными продуктами сторонних разработчиков.

Подводя итог выше сказанному, отметим, любая СЭД нуждается в комплексной защите. Здравая оценка рисков и угроз поможет предотвратить потери системы. Ведь защита СЭД обеспечивается не только разграничением доступа и шифрованию данных. Открытыми на повестке дня являются задачи обеспечения защиты аппаратного комплекса системы, рабочих мест пользователей, оборудования, такие как принтеры, сканеры, сама сетевая среда, каналы непосредственной передачи данных и всего сетевого оборудования. СЭД представляет собой особый сетевой сегмент в этом отношении.

36

Происходит пренебрежение организационными мерами в рамках каждого уровня защиты. Здесь всё: проведение инструктажа, обучение специалистов самой работе с конфиденциальными данными. Недостаточность организации решения представленных направлений «сведет к нулю» все технические меры, насколько совершенными они не были [5].

Литература

1.Чиглякова, И. В., Лозбинев, Ф. Ю. Анализ внедрения и оценка современного состояния системы электронного документооборота в органах государственной власти Брянской области [Текст] / И.В. Чиглякова, Ф. Ю. Лозбинев, // Новые информационные технологии в образовании и в аграрном секторе. – 2020. – № 6370. – С. 451 – 456.

2.Пахомов, Е.В. Анализ систем электронного документооборота в органах муниципального управления / Е.В. Пахомов. — Текст : электронный // Известия Южного федерального университета.— 2012. — С. 188-194.

3.Пярин, В.А., заместитель генерального директора ФАПСИ, Обеспечение информационной безопасности в системах электронного документооборота органов государственной власти / В.А. Пярин. — Текст : электронный // Журнал «Радиоэлектроника и управление». — 2008. – № 2-3.

—URL: http://fapsi2008.chat.ru/uvs/doc/ip_oib.htm

4.Об электронной подписи : Федеральный закон от 06.04.2011 №63-ФЗ (ред. от 23.06.2016) // «Консультант Плюс»: СПС (Версия от 16.05. 2020).

5.ECM – Journal: Журнал об электронном контенте, документах и бизнеспроцессах. – 2006-2020. – Электронный ресурс. – Режим доступа: URL: https://ecm-journal.ru/docs/Osobennosti-zashhity-ehlektronnogo- okumentooborota.aspx

Администрация Губернатора Брянской области и Правительства Брянской области

ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Брянский филиал

УДК 004.932.2

В. В. Грибова, А. С. Величко, А. В. Колмогоров

ПРОГРАММНАЯ ПЛАТФОРМА ДЛЯ ПЛАНИРОВАНИЯ РАЗМЕЩЕНИЯ МЕСТ ПРОИЗВОДСТВА ПРОДУКЦИИ

Современный бизнес во многом основан на цифровых технологиях, которые влияют на конкуренцию, давая такие преимущества как снижение издер-

37

жек, расширение географии поставок, увеличение доли рынка. Актуальность использования цифровизации технологий в бизнесе обсуждается, например, в работе [1], в которой систематизируются области применения информационных технологий в современном бизнесе. В результате исследования были опрошены 157 управляющих 50 крупных компаний, в 15 странах мира. Сравнительный анализ показал, что те, кто успешно пользуется цифровыми технологиями в своей деятельности, более конкурентоспособны, чем те, кто отстает в цифровизации.

Цифровые технологии дают широкие возможности автоматизировать процессы производственной деятельности. Процессом управления цифровыми технологиями в бизнесе помогают осуществить цифровые платформы – комплексные цифровые решения, направленных на цифровизацию процессов внутри бизнеса, таких как логистика, производство, управление поставками и другие.

Вданной работе сделан обзор существующих цифровых сервисов, описывается архитектура программной платформы, направленной на автоматизацию процесса планирования размещения мест потенциального производства продукции.

Вработе [2] авторами сделан обзор проблематики организации цифрового производства. В настоящее время существует мало цифровых сервисов и платформ, частично или полностью реализующих указанные выше направления

ипроцессы деятельности фирмы, особенно в России.

Вработе [3] авторы выделили следующие типы программных инструментов, систем и платформ:

1.Социальные сети: Facebook, Twitter, ВКонтакте, Instagram и др.,

2.Поисковые системы: Google, Yandex, Yahoo и др.,

3.Мессенджеры: Telegram, WhatsApp, Viber, Uber и др.,

4.Специализированные программные системы и инструменты: 1C, SAP, Парус, Галактика,

5.Универсальные платформы электронной торговли (коммерции): EBay, Amazon, Alibaba, Taobao, Aliexpress и др.

Анализ имеющихся на рынке решений показал, что, несмотря на широкий спектр российских и зарубежных сервисов, не все задачи из перечисленных выше направлений для организации производства решаются с помощью цифровых сервисов.

Архитектура платформы представлена на рис. 1. Она основана на монолитном подходе, вся платформа реализована как единое приложение - монолит, где функционал разбит на инфраструктурные модули, решающие определенную задачу для этапов организации производства. Платформа объединяет все независимые модули в единую систему, каждый модуль изолирован и общается

сдругими через внутренние интерфейсы.

Архитектура платформы состоит из блока организации и планирования процессов производственной деятельности и блока модулей, сопровождающих осуществление процесса производственной деятельности. Платформа имеет

38

собственные модули для работы и встроенные приложения, обеспечивающие работоспособность модулей.

Блок организации и планирования процессов производственной деятельности содержит в себе модули:

1.Модуль оптимизации размещения производства;

2.Модуль выбора оптимального поставщика;

3.Модуль оптимизации доставки и транспорта.

Блок сопровождения процесса производственной деятельности содержит:

1.Модуль управления процессом поставок и закупок ресурсов;

2.Модуль заключения контрактов.

Платформа имеет собственные базу данных и модули для работы, рассмотрим их подробнее:

1.Интерфейс клиентской среды - пользовательский интерфейс для взаимодействия с платформой;

2.Внутренний агрегатор ресурсов производства - модуль содержит в себе перечень ресурсов производства, которые готовы предоставить поставщики для предпринимателей. Модуль является агрегатором данных со своим API, который доступен как для внешнего мира, так и используется для модулей внутри платформы.

Поскольку на текущий момент не обнаружен цифровой сервис, выполняющий роль такого агрегатора ресурсов, где предприниматель смог бы найти любой ресурс для производства и заказать его доставку, в данном программном решении такой агрегатор реализован;

3.Личные кабинеты пользователей используются для их регистрации, авторизации и идентификации. Для каждого участника системы - предпринимателя или поставщика - нужно зарегистрироваться в системе и получить идентификатор;

4.Информационные ресурсы – этот модуль содержит информацию о географии мест предоставления ресурсов производства. Доступ к информации доступен как внутри платформы, так и через API.

Платформа содержит набор приложений:

1.Карта и получение координат – используется для определения места и координат пользователя, используется для решения задач размещения и доставки ресурсов производства;

2.Обновление информационных данных – поддерживает актуальность данных в автоматическом режиме;

3.Проверка контрагента - приложение взаимодействует с внешним API для доступа к информации о юридическом лице, источники данных для проверки могут расширяться новыми сервисами;

4.Внешний агрегатор ресурсов – приложение в реальном времени получает информацию о ресурсах для производства, доступных на внешних агрегаторах ресурсов. Приложение расширяемо новыми агрегаторами предоставляющие ресурсы для производства.

39

Рис. Архитектура программной платформы для планирования размещения мест производства продукции

Платформа расширяема и в ней предусмотрено добавление новых модулей в рабочую систему.

В работе проведен обзор существующих решений для организации цифрового производства. Предложено архитектура и программное решение для планирования размещения мест производства продукции.

40

В настоящее время уже разработаны и экспериментально исследованы ряд модулей системы [4, 5], ведется работа по реализации полнофункционального инструментального комплекса [6].

Работа выполнена при частичной финансовой поддержке РФФИ (проекты 18-07-01079, 19-07-00244).

Литература

1. MIT Sloan Management Reviw [Электронный ресурс]: The Nine Elements of Digital Transformation. — URL: https://sloanreview.mit.edu/article/the-nine- elements-of-digital-transformation/ (дата обращения: 15.05.2020).

2.Грибова В.В., Величко А.С., Колмогоров А.В. Концепция цифровой платформы для производственной деятельности // Информационные технологии. 2019. № 8. С. 502-511.

3.Цифровые платформы и экосистемы финансовой инклюзивности. Российский опыт. Московская школа управления СКОЛКОВО. URL:

https://iems.skolkovo.ru/downloads/documents/SKOLKOVO_IEMS/Research_Repo rts/SKOLKOVO_IEMS_Research_2015-11-11_ru.pdf (дата обращения: 15.05.2020).

4. Velichko A.S., Gribova V.V., Fedorishchev L.A. Software System for Interactive Simulation of Interregional Trade // CEUR Workshop Proceedings.2016. Vol. 1623. P. 383-393. ISSN 1613-0073.

5.Velichko A.S., Gribova V.V., Fedorishchev L.A. Simulation software for multicommodity flows model ofinterregional trade // IEEE Xplore.2018. DOI: 10.1109/RPC.2018.8482140.

6.Velichko A.S., Gribova V.V., Fedorishchev L.A. Cloud Service for Interactive Simulation of Interregional Trade // Automatic Control and Computer Sciences. 2019. Vol. 53, No. 7. P. 811-820.

Институт автоматики и процессов управления Дальневосточного отделения РАН (ИАПУ ДВО РАН), Владивосток

УДК 535.8+575

В. Л. Жбанова, И. Л. Жбанов

УСТАНОВКА ДЛЯ ИССЛЕДОВАНИЯ ЦИФРОВЫХ МАТРИЦ

Все методы по профилированию и калибровке устройств направлены на подстройку цифрового устройства под те или иные условия съемки. Цветовые наборы предназначены не для оценки адекватности цифровых изображений оригиналу, а для коррекции снимков и построения цветового профиля по снятым цветовым мишеням.

41

Таким образом, происходит коррекция цветовых искажений возникших на этапе ввода изображения. Оцениваются не столько технические возможности камеры, сколько возможности программного обеспечения устройства. И если для простого пользователя, стремящегося к художественности в съемке, последнее не является недостатком, то для исследователей, применяющих цифровые камеры в качестве регистраторов при экспериментальных исследованиях, – это является насущной проблемой.

Для проведения адекватных цветовых измерений необходимо понимание не только технологических, но и колориметрических возможностей цифрового устройства ввода информации. Основой разрабатываемой методики является анализ и оценка цветового различия между координатами цвета стандартизированных цветовых объектов и координат цвета, полученных на основе снимков цифровых камер, сделанных по рекомендациям МКО (Международная комиссия по освещению) фотометрических измерений и ГОСТ.

На основе полученных значений цветового различия, т.е. цветового сдвига координаты цвета, а также его направления, можно оценить насколько точно устройство регистрирует цветовые параметры, и насколько широким является его цветовой охват [1-3].

Предлагается способ измерения цветового восприятия цифровых камер на основе разработанной оптико-электронной установки (рисунок, а).

Одной из важных частей установки является отражатель и его расположение. Величина спектрального апертурного коэффициента отражения зависит от метода его определения, так как при изменении геометрии освещения и наблюдения его значение изменяется, МКО утвердила эталон измерения спектрального апертурного коэффициента отражения, который принят в процессе проведения спектрофотометрических измерений в колориметрии [4].

В соответствии с рекомендациями МКО для измерения колориметрической характеристики образцов была принята схема освещения/наблюдения 0/45. Таким образом, пластина освещается пучком, ось которого составляет с нормалью к образцу угол не более 10°. Образец наблюдается под углом 45±5° относительно нормали согласно ГОСТ Р 52489-2005. Угол между осью освещающего пучка и любым его лучом не должен превышать 5°. Эти же ограничения накладываются и на параметры наблюдаемого пучка.

С учетом приведенных параметров была разработана функциональная схема установки (рисунок, б). Основу установки составляют: 1 – источник света типа А (цветовая температура 2856 K); 2 – стабилизированный источником питания, 3 – отражающий экран с покрытием из BaSO4, 4 – исследуемый образец СФ; 5 – объектив; 6 – цифровая камера; 7 – ноутбук.

42

Рис. Результаты разработки: а – оптико-электронная установка;

б – полученные результаты на графике xy для Canon EOS 60D

Данная установка позволяет находить цветность различных образцов в пространстве любой колориметрической системы. При исследовании непрозрачных объектов вместо отражателя из BaSO4 размещается сам образец. В качестве источника выбрана лампа типа А (цветовая температура 2856 K) из условий ГОСТ 9411-91, а также того, что координаты цветности светофильтров в каталоге цветных стекол приведены относительно источников типа А и В.

Основой разрабатываемой методики является нахождение цветового различия между эталонными значениями цвета объекта и измеренными на специальной оптико-электронной установке. Для нахождения цветового различия применяются равноконтрастные системы. Были выбраны равноконтрастные системы CIE LUV (L*u*v* 1976 г.) и u’v’ 1974 г., также возможен расчет в пространстве CIELAB [4]. Система CIEXYZ является промежуточной практически во всех колориметрических расчетах.

Для автоматического расчета основных показателей в приведенных системах была создана программа в рабочей среде Python, среда которого позволяет загрузить исследуемые изображения и провести их анализ, а именно: перевести координаты r, g, b в x,y,z и рассчитать координаты u’, v’ и L*, u*, v*, а так же определить цветовое различие и различие по цветности в равноконтрастных сис-

темах CIE LUV 1976 и u’v’ 1974.

Для анализа цветового охвата было выбрано 12 светофильтров по координатам цветности максимально приближенных к цветовому локусу: ФС6, СС5, СЗС20, СЗС9, СЗС22, ЗС3, ЗС11, ЖЗС1, ЗС10, ЖЗС19, ОС14, КС15. На графике в системе xy были представлены как практические, так и теоретические координаты цветности выбранных светофильтров относительно источника типа

43

А (рис. 1, б). По смещению координат видно, что тело цветового охвата самой камеры небольшое, т.к. цветовой треугольник sRGB включает большую часть светофильтров и позволяет преобразовывать параметры с минимальными потерями. Были проведены исследования цифровых камер Sony NEX-5 и Canon EOS 60D. Результаты представлены в табл. 1 и табл. 2.

Таблица 1

Цветовое различие по цветовым группам в системе u’v’ 1974 г. для камеры Sony NEX-5

Проанализировав цветовое различие по видимому спектру цветов двух камер, получаем сдвиг в 22% в пользу камеры Canon. Камера Canon EOS 60D имеет лучшую цветопередачу, чем камера Sony NEX-5, и одинаково плохую цветопередачу красных цветов. Применение дополнительных настроек на камеру оказывает негативное влияние на достоверность результатов. Таким образом, каким бы сложным и корректным не был алгоритм преобразования, погрешности при регистрации не позволят добиться адекватного цветовоспроизведения сцены, в частности, адекватности цвета.

В дальнейшем планируется проведение исследований с различными цветовыми пространствами и различными источниками излучения D50, D55, D60, D65, что позволит провести более глубокий анализ цифровых устройств.

44

Литература

1.Жбанова, В.Л. Системы цветоделения матричных фотоприемников: монография. – Смоленск: РИО филиала ФГБОУ ВО «НИУ «МЭИ» в г. Смоленске, 2018. – 186 с.

2.Андрийчук В.А., Осадца Я.М. Применение фотокамер с матричными оптическими преобразователями в фотометрии // Оптический журнал. Т.79, №2, 2012. с.40-44. eLIBRARY ID: 23322393

3.Zhbanova, V.L., Nubin V.V. A method of improving colour rendition of digital photoand videocameras // Light & Engineering, Vol, 22, №2, pp. 84-89, 2014.

4.Zhbanova V.L., Parvuyusov Y.B. Еxperimental investigation of the color-

separation system of photodetector array // Journal of Optical Technology2019. V.86, №6. pp. 177-182.

Филиал ФГБОУ ВПО «НИУ» МЭИ», Смоленск Военная академия ВПВО ВС РФ, Смоленск

УДК 535.8+575

В. Л. Жбанова, Т. И. Петрова

ЦВЕТОВЫЕ ПРОСТРАНСТВА ЦИФРОВЫХ СИСТЕМ

Существует множество цветовых пространств, разработанных для различных целей цифровой обработки изображений. Каждая компания производитель цветовых устройств предлагает свои колориметрические системы для лучшей обработки изображений на их устройствах. Однако их влияние на конечный результат практически не изучены.

Для исследования рабочими цветовыми пространствами выбраны современные системы sRGB, AdobeRGB, DCI-P3 RGB, M1N1P1, PAL/SECAM, Wide Gamut RGB, ProPhoto RGB [1, 2]. Пространства подобраны с различным телом цветового охвата. Также подбирались системы в основном с опорным белым цветом D65. Исключениями стали Wide Gamut RGB, ProPhoto RGB с цветом D50, аналогов которым по телу цветового охвата нет.

Система sRGB разработана в качестве стандартной для веб- и мультиме- диа-приложений. Фактически это цветовое пространство и следующее являются основными для всех цифровых устройств регистрации изображений.

Пространство AdobeRGB имеет увеличенный цветовой охват по сравнению с предыдущей системой, применяется в типографской и цифровой печати. DCI-P3 RGB является новым цветовым пространством, имитирующим цветовую палитру киноплёнки. Система разработана сообществом инженеров кино и телевидения в качестве стандарта для цифровых кинотеатров. Новое пространство

45

превосходит по цветовому охвату sRGB, относительно же AdobeRGB в зелёножелтой области меньше, а в желто-красной области больше. Сейчас система DCI-P3 RGB внедряется в смартфоны и планшеты. Но сможет ли составить достойную конкуренцию первым двум цветовым пространствам?

Система M1N1P1 разработана автором и была исследована на программном уровне и экспериментально. Система показала хороший результат по всем критериям, но еще не сравнивалась с ведущими цветовыми пространствами. M1N1P1 позиционируется как цветовое пространство с максимальным цветовым охватом, но при этом минимальными отрицательными кривыми сложения для лучшей работы с цифровыми устройствами.

PAL/SECAM основано на цветностях цветообразующих стимулов, рекомендованных европейским радиовещательным видеостандартом. Является стандартом телевизионных и видео-передающих систем.

Пространство Wide Gamut RGB образовано чистыми спектральными излучателями с максимально возможным цветовым охватом.

ProPhoto RGB почти полностью покрывает цветовой охват человеческого глаза, разработан для возможности хранения фотографических снимков и изображений без потери информации при недостаточности цветового охвата рабочего цветового пространства.

Цветовые треугольники рабочих пространств цифровых систем, представлены на рисунке.

Исследования производились на основе кривых спектральной чувствительности матричных фотоприемников различных производителей, которые перемножались с характеристиками 14 контрольных цветов из атласа Манселла (отдельно с каждым), а также на распределение энергии стандартного излучателя D65 с шагом в 10 нм. На основе полученных данных производился пересчет в равноконтрастную систему u’v’ 1974 г. и находилось цветовое различие полученных координат цветности от теоретических значений 14 цветов [2, 3].

В качестве объектов исследования выбраны матричные фотоприемники разных производителей Sony, Kodak, Agilent [3, 4]. Характеристики предложенных матричных фотоприемников отличаются по форме.

Идеальными характеристиками можно считать ровные куполообразные пики с единичными максимумами на рабочей длине волны. К примеру, идеально, когда максимум кривой по зеленому каналу приходится на 555 нм. Идеалом являются приемники с характеристиками близкими к человеческому восприятию цвета. Однако на техническом уровне этого добиться сложно: либо не совпадают максимумы с требуемой длиной волны, либо искривляются характеристики и появляются второстепенные пики, что и наблюдается у выбранных матриц.

46

Рис. Исследуемые цветовые пространства на графике xy:

1 – M1N1P1; 2 – Wide Gamut RGB; 3 – ProPhoto RGB; 4 – AdobeRGB; 5 – DCI-P3 RGB; 6 – PAL/SECAM; 7 – sRGB

Если посмотреть результаты, представленные в таблице, то наилучшими цветовыми пространствами можно назвать DCI-P3 RGB, M1N1P1, которые не имеют особых замечаний и даже включают некоторые лучшие результаты по всем матрицам. Несмотря на это, наилучшей стала матрица Sony с рабочим цветовым пространством Wide Gamut RGB с наименьшими цветовыми искажениями по всем группам контрольных образцов.

Было рассчитано во сколько раз цветовое различие у других матричных фотоприемников с различными системами больше, чем у Sony с цветовым пространством Wide Gamut RGB. Наихудшие результаты оказались у Agilent с отношением в 5,11 раза. У приемника Kodak абсолютные значения отличаются на сотые доли. В целом лучшим приемником стала матрица Sony, лучшие результаты по всем показателя в сравнении с другими, а цветовыми пространствами без замечаний DCI-P3 RGB, M1N1P1. Это значит, что новая система DCI-P3 RGB может быть весьма конкурентоспособной перед sRGB и AdobeRGB. И все же необходимо дополнительно разрабатывать новые пространства, т.к. и система M1N1P1 показала хороший результат и имеет ряд преимуществ.

47

Таблица Усредненные значения рассчитанных цветовых различий по группам

48

Литература

1.Жбанова, В.Л. Системы цветоделения матричных фотоприемников: монография. – Смоленск: Универсум, 2018. – 186 с.

2.Жбанова В.Л. Цифровая фотокамера для компактного фотоэлектрического колориметра // Известия вузов. Геодезия и аэрофотосъемка. 2014. №3. С.114-118.

3.Zhbanova V.L., Nubin V.V. A method of improving colour rendition of digital photoand videocameras. Light & Engineering. V. 22, №2, pp.84-89, 2014.

4.Richard F. Lyon, Paul M. Hubel. Eyeing the Camera: into the Next Century

//IS&T Re-porter «The window on imaging». V. 17. №6. 2002.

Филиал ФГБОУ ВО «НИУ» МЭИ», Смоленск

УДК 004.048

К. А. Меркушова, А. П. Рыжков

АНАЛИЗ ВОЗМОЖНОСТЕЙ ПРИМЕНЕНИЯ АЛГОРИТМОВ DATA MINING ДЛЯ ОЦЕНКИ ЗНАНИЙ СТУДЕНТОВ

Эффективная организация образовательного процесса требует своевременной информации о результатах обучения студентов, о качестве и особенностях усвоения ими рассматриваемых вопросов и тем учебного материала, об особенностях развития каждого студента. Для реализации такой организации учебного процесса необходимо создание информационной среды, которая позволит управлять сбором и анализом данных результатов текущей успеваемости. Для того чтобы эта среда была наиболее эффективной и полной в ней необходимо применять инструменты, позволяющие осуществлять мониторинг учебного процесса с использованием современных технологий искусственного интеллекта [1].

Существует множество задач, в которых методы Data Mining очень полезны для всех участников образовательного процесса. Анализ данных способствует лучшему пониманию обучаемых, позволяет выявить предметы вызывающие наибольшие затруднения, способствует оптимальному построению дисциплины для достижения заданного уровня знаний, позволяет определить задания, с которыми студенты не справляются, определить форму предпочитаемых занятий и т. д. Использование полученных данных позволит принимать эффективные решения с целью совершенствования образовательного процесса.

Итоговая оценка уровня усвоения материала, как теоретического, так и практического, производится на основании ряда показателей, в качестве которых могут выступать результаты устных опросов (собеседование, защита лабо-

49

раторных работ, зачет, экзамен), письменных работ (тесты, контрольные работы, рефераты, курсовые работы, отчеты по практике, отчеты по научноисследовательской работе), анкетирования, компьютерного тестирования, опросов преподавателей и т.д.

Личностные характеристики студентов могут быть определены с помощью различного рода психологических тестов.

Использование методов Data Mining в системе мониторинга знаний студентов позволит реструктуризировать и упростить контрольно-оценочный процесс и устранить субъективность оценки преподавателя [2].

В общем случае используемый в системе мониторинга знаний показатель оценки может измеряться в разных шкалах и принимать различные допустимые значения. В работе, в качестве такого показателя оценки знаний студентов, использовались два значения, показывающие достигнут ли студентом требуемый уровень качества знаний.

Задача мониторинга оценки качества знаний обучаемых по результатам текущего контроля является в чистом виде задачей классификации данных, которая заключаются в определении класса объекта, возможное множество которых заранее определено, по набору его характеристик. Формальное представление такой задачи можно описать следующим образом.

Существует определенное множество объектов: I = (i1,i2 ...ij,...in), где ij –

отдельный объект исследуемого множества, характеризуемый собственным набором параметров, описанных множеством: ij = (x1, x2 ...xt ,..., xm, y), где

X = (x1, x2 ...xm ) – набор независимых переменных, по значениям которых рассчитывается искомая переменная y (итоговая оценка), принадлежащая к конеч-

ному множеству значений.

В данной работе независимыми переменными являются: средний балл оценок текущего контроля, активность на занятии, определяемая количеством полученных оценок в ходе обучения и количество пропусков занятий. Зависимая переменная принимает два значения: зачтено либо не зачтено.

Каждая независимая переменная хt может принимать значения из определенного множества. Множество значений зависимой переменной y конеч-

ное: {зачтено, не зачтено}.

Использование только среднего балла, как единственного показателя оценки эффективности обучения может привести к принятию некорректных управленческих решений. Так, например, как показывает практика, студент с высоким средним баллом, рассчитанным из сравнительно малого числа полученных за данный период обучения оценок, из-за большого число пропусков, не усваивает в заданном объеме образовательную программу. Кроме того использование только среднего балла не позволяет выявить причины низкой успеваемости студентов.

Классификация в машинном обучении относится к разделу обучения с учителем. Поэтому для обучения исследуемых методов Data Mining создается

50

обучающая выборка. В такую выборку входят объекты с известными значениями как независимых, так и зависимых переменных. На основании такой обучающей выборки создается модель формирования значения зависимой переменной. В дальнейшем построенную таким образом модель применяют к исследуемым объектам с произвольными значениями независимых переменных.

В работе, с использованием аналитической платформы Deductor Studio, разработаны модели мониторинга знаний студентов по результатам текущего контроля с использованием следующих алгоритмов: самоорганизующихся карт Кохонена, дерева решений и нейронной сети. Исходные данные для формирования обучающей выборки были взяты из базы данных обучения студентов второго курса ТГТУ при освоении дисциплины «Основы интеллектуального анализа данных».

Анализ полученных результатов показал, что наиболее простым для восприятия решаемой задачи классификации, является алгоритм дерево решений, который в процессе построения модели, формирует правила классификации в терминах исследуемой предметной области. На визуализаторе «Правила» можно вывести список всех правил, согласно которым принимается решение о выставлении итоговой оценки в форме зачета.

В целях анализа эффективности исследуемых методов использовались таблицы сопряженности, по которым можно оценить качество сформированных моделей классификации посредством сравнения полученных результатов и реальных данных.

Анализ полученных результатов показывает, что наиболее эффективным методом решения рассматриваемой задачи является нейросеть, обеспечивающая безошибочную классификацию. Алгоритмы дерево решений и самоорганизующиеся карты Кохонена также показали хороший результат. Однако ошибка классификации по таблицам сопряженности для данных алгоритмов составила около 4%.

Самоорганизующиеся карты Кохонена и дерево решений позволяют увидеть ключевые особенности кластерной структуры рассматриваемой выборки. Данные алгоритмы целесообразно использовать на стадии первичного анализа данных, скорее, для общего понимания проблемы, чем для получения каких – либо точных результатов.

Визуализатор «Что - если» аналитической платформы Deductor Studio позволяет для всех разработанных моделей, получать значение выходной переменной y (итоговой оценки) по произвольным значениям входных переменных xt .

Использование полученных моделей позволяет проводить аналогичный мониторинг оценки знаний студентов по любым другим дисциплинам и на любом этапе обучения. Кроме того использование данных моделей устраняет субъективность оценки преподавателя. Полученные результаты применения алгоритмов Data Mining для оценки знаний студентов, позволяют выбрать наиболее приемлемый из исследуемых алгоритмов для решаемой задачи, что позволит судить о качестве учебного процесса и управлять его совершенствованием.

51

Литература

1.Меркушова, К.А. Интеллектуальная система обучения, адаптивная к уровню подготовки студентов / К.А. Меркушова, А.П. Рыжков // Сборник трудов ХХVI международной научно-технической конференции: «Современные технологии в задачах управления, автоматизации и обработки информации». 14-20 сентября 2017 г., Алушта. – М.: ИД «МЕДПРАКТИКА-М», 2017. С. 28-29.

2.Меркушова, К.А. Интеллектуальный анализ данных в задаче определения итоговой оценки по результатам текущего контроля / К.А. Меркушова, А.П. Рыжков // Сборник трудов ХХVII международной научно-технической конференции: «Современные технологии в задачах управления, автоматики и обработки информации». 14 -20 сентября 2018 г., Алушта. – Тамбов: Изд-во ФГБОУ ВО «ТГТУ», 2018. С. 116-117.

ФГБОУ ВО «Тамбовский государственный технический университет»

УДК 004.048

К. А. Меркушова, А. П. Рыжков, С. А. Титова

НЕЙРОСЕТЕВОЕ ПРОГНОЗИРОВАНИЕ УСПЕВАЕМОСТИ СТУДЕНТОВ ПО РЕЗУЛЬТАТАМ ТЕКУЩЕГО КОНТРОЛЯ

Прогнозирование итоговых результатов обучения студентов по изучаемым дисциплинам, на основе имеющихся данных текущего контроля, является важной задачей в совершенствовании образовательного процесса. Своевременное прогнозирование успеваемости студентов позволит обеспечить эффективную организацию образовательного процесса.

Итоговые формы контроля являются завершающим этапом обучения студентов. Оценки, полученные на этом этапе, говорят о достигнутом студентом уровне усвоения материала изучаемой дисциплины и сформированных компетенциях. Поскольку этот этап обучения является заключительным, представляется целесообразным спрогнозировать такую оценку по имеющимся результатам текущего контроля. Это позволит определить слабые места процесса обучения с целью его совершенствования, что позволит повысить качество обучения и обеспечить индивидуальное внимание каждому обучаемому.

Результаты сдачи студентами итоговых форм контроля целиком определяются работой студентов в течение семестра, а именно активностью на занятиях, посещаемостью и оценками, полученными в ходе текущего контроля. В качестве таких оценок могут выступать результаты устных опросов (собеседование, защита лабораторных работ), письменных работ (тесты, контрольные

52

работы, рефераты, курсовые работы, отчеты по практике, отчеты по научноисследовательской работе), компьютерного тестирования.

Вкачестве методов прогнозирования успеваемости студентов можно использовать: методы, основанные на регрессионных моделях; методы кластерного анализа и методы, основанные на дискриминантных моделях.

Однако часто прогнозы, полученные с помощью формализованных методов, в ряде случаев показывают низкую точность из-за непредсказуемости поведения студентов. Поэтому целесообразно применение других методов анализа и построения моделей прогноза [1].

Использование нейронной сети позволит решить рассматриваемую задачу. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Поэтому для обучения нейронной сети создается обучающая выборка. В нее входят объекты, для которых известны значения, как входных данных, так и выходных. На основании такой обучающей выборки создается модель определения значения выходных данных, то есть итоговой оценки. После обучения такая сеть способна предсказать значение итоговой оценки на основе произвольных входных данных результатов текущего контроля [2].

Вданной работе в качестве входных данных для нейронной сети были взяты оценки в четырехуровневой шкале полученные студентами при тестировании, написании контрольных работ и устных опросов при защите лабораторных работ, а также активность студентов на занятии, определяемая количеством полученных оценок в ходе обучения и количество пропусков занятий. Выходные данные – итоговая оценка, которая также принимает четыре возможных значения: 2, 3, 4 и 5.

Исходные данные для обучающей выборки были взяты из базы данных обучения студентов третьего курса ТГТУ при освоении дисциплины «Технологии анализа данных».

Вработе, с использованием аналитической платформы Deductor Studio, разработана модель, осуществляющая прогнозирование успеваемости студентов по результатам оценок текущего контроля и активности работы студентов на занятиях. Разработанная прогнозная модель получена на основе использования нейронной сети в виде многослойного персептрона.

Для решения рассматриваемой задачи был выбран двухслойный персеп-

трон с семью и пятью нейронами соответственно в первом и вто ром скрытых слоях и активационной функции типа Сигмоида. Для обучения сети использовался алгоритм Resilient propagation, который использует так называемое «обучение по эпохам», когда коррекция весов происходит после предъявления сети всех примеров из обучающей выборки.

В целях анализа эффективности прогноза использовались таблицы сопряженности, по которым можно оценить качество сформированных моделей прогноза посредством сравнения, полученных нейронной сетью результатов и реальных данных для тестовых и обучающих выборок.

53

После обучения нейронной сети с помощью визуализатора «Что - если» аналитической платформы Deductor Studio, можно получить значение прогнозной итоговой оценки по произвольным значениям результатов текущего контроля для любого студента. А по полученному прогнозу определить наиболее проблемных студентов, для исправления складывающейся учебной ситуации. Полученные результаты прогноза, позволяют судить о качестве учебного процесса в целом и выдвигать гипотезы относительно способов управления его совершенствованием.

Литература

1.Педагогическое прогнозирование в компьютерных интеллектуальных системах [Текст]: учебное пособие / М. Г. Коляда, Т. И. Бугаева. – Москва: Ру-

сайнс, 2017. – 381 с.

2.Меркушова, К.А. Использование нейросетевых технологий для мониторинга оценки качества знаний студентов по результатам текущего контроля /К.А. Меркушова, А.П. Рыжков //Сборник трудов ХХХVIII Всероссийской на- учно-технической конференции: «Проблемы эффективности и безопасности функционирования сложных технических и информационных систем». 27-28 июня 2019 г., Серпухов. – Изд-во ВА РВСН , 2019. С. 68-71.

ФГБОУ ВО «Тамбовский государственный технический университет»

УДК 004.6

Ю. В. Минаева

НАПРАВЛЕНИЯ ИНТЕЛЛЕКТУАЛИЗАЦИИ ERP-СИСТЕМ

Методы искусственного интеллекта уже успешно применяются для сбора и обработки больших объемов данных, в системах технической и медицинской диагностики, поведенческого анализа и др. Наиболее актуальными сферами применения искусственного интеллекта являются банковский сектор, страхование, торговля, телекоммуникационные услуги. Промышленные предприятия также постепенно начинают привлекать интеллектуальные технологии для цифровизации бизнес-процессов [1].

Возрастающая сложность современных многопродуктовых производств, вызванная необходимостью постоянной адаптации к изменяющимся условиям их функционирования, требует непрерывного совершенствования средств математического моделирования, используемых в различных компонентах автоматизированных систем управления предприятием. Основной тенденцией в

54

развитии ERP-систем в настоящее время является интеллектуализация их аппаратного, программного и математического обеспечения.

Интеллектуализация ERP-систем заключается в придании им способностей представления и обработки знаний о структуре и механизмах функционирования объекта управления и о его взаимосвязях с внешней средой с использованием средств обучения и адаптации. Характерными чертами интеллектуальных систем управления предприятием являются способность к распознаванию и анализу ситуаций, синтезу моделей поведения, самоорганизации и адаптации к изменению внутренних и внешних факторов посредством формирования знаний. Такие способности позволяют компенсировать различного рода неопределенности, возникающие в процессе функционирования ERP-систем, и благодаря этому улучшить качество управления [2].

Механизмы хранения и обработки знаний в интеллектуальных подсистемах позволяют реализовывать задачи управления предприятием, имеющим достаточно сложную организационную структуру, включающую ряд функцио- нально-подчиненных подсистем, в неопределенных условиях при случайном характере внешних возмущений. К таким возмущениям относятся непредусмотренное изменение целей, характеристик самой системы и параметров внешней среды.

Разработка интеллектуальных ERP-систем требует решения следующих научных проблем:

–создание адаптируемых интеллектуальных информационных систем, инвариантных к области использования;

–снабжение инструментария разработки информационных систем различными готовыми интеллектуальными компонентами, ускоряющими процесс их разработки.

–включение в математическое обеспечение ERP-систем таких интеллектуальных технологий, как экспертные системы, нейронные сети, системы с нечеткой логикой, биоинспирированные алгоритмы, интеллектуальные агенты

имногоагентные системы.

Внастоящее время на производственных предприятиях алгоритмы, основанные на использовании методов искусственного интеллекта, достаточно активно применяются при решении следующих типов задач [1]:

–интеллектуальный анализ данных и прогнозирование;

–оптимизация процессов управления;

–минимизация рутинных операций.

Примеры производственных задач и методы решения, использующие элементы искусственного интеллекта, представлены на рисунке.

55

Применение технологий искусственного интеллекта в

ERP-системах

Примеры типовых задач управления

Интеллектуальные методы решения

Рис. Применение методов искусственного интеллекта для решения типовых задач управления производственным предприятием

Использование методов искусственного интеллекта вместо «традиционных» методов оптимизации или в сочетании с ними позволяет повысить качество математического моделирования производственных процессов. Методы роевого интеллекта, генетические алгоритмы и нейронные сети позволяют найти близкое к оптимальному решение за сравнительно небольшое время. Преимуществами данных методов является наличие свободных параметров, путем изменения которых можно адаптировать метод для решения задач со сложными областями поиска [3, 4].

Компании-разработчики систем автоматизации активно встраивают методы искусственного интеллекта в программные продукты. Такие системы как

1С: Предприятие, SAP HANA, Oracle E-Business Suite уже используют искусст-

56

венный интеллект для персонализации обслуживания клиентов и для автоматической обработки обращений.

Дальнейшее развитие систем искусственного интеллекта связывается с увеличением функциональных возможностей программных средств автоматизации в области поддержки различных источников данных, распознавания естественного языка, более широким использованием интеллектуальных методов для повышения качества обслуживания. В перспективе автоматически должны решаться задачи фото- и видеоаналитики, поведенческого анализа, обеспечения информационной и физической безопасности, оптимизации производственных процессов за счет предотвращения брака, аварий и превентивного обслуживания оборудования [1].

Литература

1.Обзор: Искусственный интеллект 2018 [Электронный ресурс]. URL: http://www.tadviser.ru/a/438616 (дата обращения: 22.05.2020).

2.Минаева Ю.В. Структура подсистемы интеллектуализации управления сложным многономенклатурным производством // Интеллектуальные информационные системы. Труды Международной научно-практической конференции. В 2-х частях. 2019. С. 132-133.

3.Minaeva Yu.V. Adaptive modification of the particle swarm method based on dynamic correction of the trajectory of movement of individuals in the population. Бизнес-информатика. 2016. № 4 (38). С. 52-59.

4.Минаева Ю.В. Структурно-параметрическая адаптация генетического алгоритма // Вестник СибГУТИ. 2017. № 1 (37). С. 83-89.

ФГБОУ ВО «Воронежский государственный технический университет»

УДК 681.3

В. Н. Кострова, Т. А. Цепковская

ОБ ИСПОЛЬЗОВАНИИ КВАНТОВОЙ ЭЛЕКТРОДИНАМИКИ В РАЗЛИЧНЫХ ОБЛАСТЯХ ПРАКТИЧЕСКОЙ ФИЗИКИ

Среди людей, не имеющих непосредственного отношения к современной физике, часто возникает вопрос о целесообразности и практической значимости современных фундаментальных исследований, проводимых различными научными центрами в области физики. Из-за неосведомлённости в данном вопросе часто возникает скептическое отношение к научным организациям и ученым, работающим в области фундаментальной физики. Особенно остро данная проблема стоит при финансировании, каких-либо научных проектов [1, 2].

Целью настоящего обзора является обоснование практической значимости некоторых методов современной теоретической физики.В настоящий мо-

57

мент самой фундаментальной и одной из самой сложных теорий является квантовая теория поля. Она занимается описанием взаимодействия различных физических полей с квантовой точки зрения, т.е. на основе элементарных частиц. В настоящий момент, в CERN на Большом адронном коллайдере идёт проверка некоторых ключевых элементов одного из разделов квантовой теории поля – стандартной модели.

В квантовой электродинамике есть принципиальная проблема, которая начинается ещё в классической физике. Дело в том, что аналитически точно мы можем, что-то рассчитать только для одной или двух частиц. Когда их уже три даже уравнения классической физики перестают интегрироваться в общем виде. Тогда начинают применяться приближенные методы решений [3, 4]. Например, когда в задаче можно выделить какую-то часть, которая решается точно, и некоторую поправку к ней применяется так называемая теория возмущений. Суть метода заключается в том, что эта поправка разлагается в ряд, который представляет собой почленную сумму вклада в возмущение каждой последующей частицы. Уравнения квантовой электродинамики нелинейны, и точно их решить невозможно. Однако можно считать взаимодействие между фотонами и электронами минимальным. Это обстоятельство позволяет использовать теорию возмущений в квантовой электродинамике. Однако когда актов взаимодействия фотонов с электронами становится слишком много, и ряд теории возмущений становится длиннее, вскоре в ряде поваляются бесконечные члены и ряд начинает расходиться. В результате мы можем посчитать лишь некоторые модельные, но реальные задачи.

Происходит это, как правило, в ультрафиолетовой области, т.е. в области с большими энергиями. Ультрафиолетовая катастрофа повторилась. Кроме того существуют также инфракрасные расходимости, однако они менее важные. Данная проблема почти на четверть века притормозило развитие всей квантовой теории поля. Проблема была решена в 1946 - 1949 годах работами Томогаги, Швингера и Фейнмана. Все трое разработали механизм перенормировок в различных математических, но эквивалентных формах. Перенормировки позволили выдвинуть критерии, согласно которым мы можем выбрать такие исходные параметры в начале электродинамике стать самой точной на сегодняшний день теорией.

Наиболее удобным методом перенормировки оказался подход, согласно которому каждому члену ряда теории возмущений сопоставляется картинка – диаграмма Фейнмана. Этот подход стал универсальным не только в квантовой теории поля, но во всей физике в целом, в том числе в физике твёрдого тела.

Тот факт, что систему из двух электронов можно было рассматривать как бозон предсказывал существование сверхтекучести электронов в проводниках. И такой эффект уже был давно известен – это сверхпроводимость. Так была развита теория сверхпроводимости, а вместе с нею и методы квантовой теории поля в физике твёрдого тела и статистической физике. Это в свою очередь подстегнуло развитие квантовой теорию поля для элементарных частиц. Как уже

58

было сказано выше, фазовые переходы связаны с нарушением какой-либо симметрии, если продолжать развивать мысль [5, 6] об аналогии между элементарными и квазичастицами, то в мире элементарных частиц тоже может нарушаться какая то симметрия. И такая симметрия вскоре была найдена в физике элементарных частиц. Достижения в физике твёрдого тела напрямую применяются в современной микроэлектронике. Производя теоретические исследования мы можем предсказать физические эффекты в твёрдых телах и в дальнейшем создавать приборы, использующие эти эффекты. Например, создание поездов на магнитной подушке требует сверхсильных магнитных полей. Для их создания практичнее всего использовать сверхпроводники, поскольку в них ток без дополнительной подпитки может циркулировать неограниченно долго и расходы на электричество сократятся в разы.

Однако сверхпроводники работают лишь при очень низких температурах, для их охлаждения нужен жидкий гелий. Однако как в гелии, так и сверхпроводнике могут возникать квантовые вихри, которые будут препятствовать переносу тепла в гелии и тока в сверхпроводниках.

Поэтому изучение поведения квантовых вихрей [7] чрезвычайно важно для практического применения. Раздел квантовой теории поля посвящённый изучению квантовых вихрей так и называется – квантовая вихрединамика.

Литература

1.Преображенский А.П. Возможности использования возобновляемых источников энергии // Вестник Воронежского института высоких технологий. 2016. № 1 (16). С. 8-10.

2.Белов А.С., Колтакова Т.В. Проблемы получения энергии // Вестник Воронежского института высоких технологий. 2016. №3. С. 33-36.

3.Львович И.Я., Мохненко С.Н., Преображенский А.П. Альтернативные источники энергии // Главный механик. 2011. № 12. С. 45-48.

4.Свиридов В.И. Технологии, применяемые при подготовке современных инженеров // Вестник Воронежского института высоких технологий. 2012. № 9. С. 151-152.

5.Павлова М.Ю. Об использовании научной составляющей при формировании профессиональных качеств инженера // Вестник Воронежского института высоких технологий. 2012. № 9. С. 144-145.

6.Жданова М.М., Преображенский А.П. Вопросы формирования профессионально важных качеств инженера // Вестник Таджикского технического университета. 2011. Т. 4. № -4. С. 122-124.

7.Берестецкий В. Б., Лифшиц Е. М., Питаевский Л. П. Теоретическая физика, М.: Физматлит, 2002. Т. IV. // Квантовая электродинамика. 720 с.

ФГБОУ ВО «Воронежский государственный технический университет»

Воронежский институт высоких технологий

59

УДК 681.3

В. Н. Кострова, Т. А. Цепковская

МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В РАДИОЭЛЕКТРОННЫХ СХЕМАХ

Когда решаются задачи, относящиеся к процессам построения математических моделей в сложных электрических схемах [1, 2], возникают возможности по выделению каких-то множеств элементов, для которых можно говорить

отом, что они базовые [3, 4]. В них входят:

–множество элементов (активных), являющихся идеальными (источников напряжения или токов);

–совокупности элементов (пассивных) (сопротивления, емкости, индуктивности);

–совокупность трансформаторов (состоящих из сердечников, проводов и

др.);

–модели, относящиеся к приборам с полупроводниковыми компонентами (диоды, биполярные транзисторы, полевые транзисторы);

–компоненты, дающие возможности для усиления сигналов.

Чтобы проводить расчеты простых схемы требуется привлечение соответствующих схемотехнических компонентов.

Также в расчетах следует использовать метод, в котором анализируются контурные токи, а также методы,позволяющие учитывать узловые потенциалы.

При этом указанные подходы в ряде случаев при процессах расчетов электронных компонентов будут неудобны. Это определяется тем, что не во всех случаях компоненты просто представлять в таких видах, которые будут удобны в расчетах. Бывают случаи, когда вводят обобщенные ветви.

В ряде случаев анализируются переходные процессы внутри электрических цепей. Тогда обычно пренебрегают значениями времен коммутаций. В этих случаях считают, что процессы коммутации будут совершаться мгновенным образом.

Задача, относящиеся к анализу переходных процессов состоят для общих случаев в том, что будут определяться мгновенные значения токов и напряжений. Это осуществляется для широкого класса схем и схемных решений.

На настоящий момент можно говорить о том, что есть специализированные компьютерные программы. На их базе при рассмотрении большого числа практических случаев осуществляется моделирование процессов. Они относятся к внутренним областям электрических цепей. Среди таких мы можем указать систему Electronics Workbench. Она также дает возможности для ведения схемотехнического моделирования.

Достоинства подобной программы состоят в том, что удобно анализировать характеристики. При этом нет необходимости выхода к реальному экспе-

60

рименту. При этом мы можем достичь весьма высокую достоверность в ходе получения измерений.

Характерная особенность Microcap состоит в том, что в нем существует удобный и дружественный графический интерфейс.

Впакете программ Orcad фирмы Cadence обеспечивается полный цикл по проектированию многослойных печатных плат. При этом достигается размещение элементов в рамках интерактивного режима и привлечения разных сервисных средств.

Вцелом следует комплексным образом исследовать электрические цепи, привлекая для исследования различные программы. Они должны с разных точек описывать поведение электротехнических систем.

Можно собрать статистические данные, которые показывают зависимость температурных режимов электрических систем.

Литература

1.Преображенский А.П. Возможности использования возобновляемых источников энергии // Вестник Воронежского института высоких технологий. 2016. № 1 (16). С. 8-10.

2.Белов А.С., Колтакова Т.В. Проблемы получения энергии // Вестник Воронежского института высоких технологий. 2016. №3. С. 33-36.

3.Львович И.Я., Мохненко С.Н., Преображенский А.П. Альтернативные источники энергии // Главный механик. 2011. № 12. С. 45-48.

4.Свиридов В.И. Технологии, применяемые при подготовке современных инженеров // Вестник Воронежского института высоких технологий. 2012. № 9. С. 151-152.

ФГБОУ ВО «Воронежский государственный технический университет»

Воронежский институт высоких технологий

УДК 519.248

А. П. Котенко, А. А. Котенко

ЛИНЕАРИЗАЦИЯ СИСТЕМЫ РЕГРЕССИОННЫХ УРАВНЕНИЙ КОСВЕННЫМ МЕТОДОМ НАИМЕНЬШИХ КВАДРАТОВ

Рассмотрим систему взаимозависимых уравнений с линейными авторегрессионными связями первого порядка между эндогенными переменными и полилинейными зависимостями от экзогенных переменных

61

зогенные регрессоров xi(t) наблюдаются в моменты времени t 1,T . Обозначим мультииндекс суммирования через j := (j1, , jK ); пусть он пробегает заданное множество M мощности M = N −1 наборов полиномиальных слагаемых

K

M := {(j1, , jK )}Lj1, , jK =0 :∑ ji ≥1.

i=1

Ограничимся максимальной степенью L учёта нелинейного влияния регрессоров xi(t). Все экзогенные и эндогенные переменные считаем центриро-

ванными. Ограничимся случаем слабых корреляционных связей между всеми задействованными степенями регрессоров, лаговыми эндогенными переменными при заданных T выборочных наблюдениях.

Методом наименьших квадратов (МНК) найдём отдельные множественные линейные регрессии эндогенных переменных на все заданные степени экзогенных переменных и лаговые значения всех эндогенных переменных [1,2]:

По набору (2) получим значимые коэффициенты cˆ(js), cˆi(s) степеней рег-

рессоров xiji для минимизации соответствующих коэффициентов детерминации

[3,4].

В соответствии с косвенным МНК, подставим разложения (2) в каждое равенство (1):

Из равенств коэффициентов при одинаковых полиномиальных слагаемых

r=1:r≠s

В каждой системе (3), (4) требуют идентификации (N −1) коэффициентов ai(s) при эндогенных переменных, N коэффициентов αi(s) при лаговых эндоген-

62

ных переменных и M коэффициентов b(js) при полиномиальных экзогенных

слагаемых системы (1).

Полагая b(js) = 0 устраним нелинейные связи уравнений (1): при линейной

независимости (T −1)-мерных векторов наблюдений N эндогенных переменных ys(t); s 1,N ; t 2,T , получим при условии M + N = 2N −1 единственный набор

решений aˆi(s), αˆi(s) системы (3), (4).

Тем самым при условии M = N −1 будет однозначно идентифицирована линейная система

Линейный и детерминированный зависимостей (5) позволяет использовать эндогенные переменные в качестве управлений, изменяя их напрямую, то есть без промежуточного нелинейного влияния экзогенных регрессоров систе-

мы (1).

Условия (5) позволяют получить однородные системы линейных алгебраических уравнений для получения выборочных точечных оценок статистических моментов эндогенных переменных:

Анализ систем уравнений (3) позволяет найти зависимость задачи линеаризации связей эндогенных переменных от их числа N и степени L полилинейной зависимости от экзогенных факторов и их количества K. Ключевой оказывается проверка условия M = N −1. Задача сведения системы (1) к системе (4)

разрешима [1,2]:

–стохастически однозначно при N < M +1;

–детерминированно однозначно при N = M +1;

–не разрешима при N > M +1.

Соотношения (5) позволяют ставить обратную задачу подбора латентных экзогенных регрессоров по характеристикам наблюдаемых эндогенных переменных [3,4]. Достаточно лишь подобрать необходимое число M полиноми-

альных слагаемых и воспользоваться уравнениями (2), (3) для включения отобранных степеней в систему (1).

Пример приложения линеаризации системы эндогенных авторегрессий – оптимальная компоновка железнодорожных составов из вагонов с заданными пунктами отправления и назначения для минимизации транспортных расходов и с учётом назначенного времени прибытия [5,6,7].

63

Литература

1. Котенко А.П., Букаренко М.Б. Геометрия систем линейных регрессионных уравнений / А.П. Котенко, М.Б. Букаренко // Известия Самарского научного центра РАН. – 2013. – т.3, №6(3). – С.820-823.

2.Котенко А.П. Особенности применения косвенного метода наименьших квадратов к системе независимых эконометрических уравнений / А.П. Котенко // Друкеровский вестник. – 2017. – №3. – С.96-102.

3.Котенко А.П., Кузнецова О.А. Применение методов многомерного регрессионного анализа для оптимизации производства битума стандартизованных характеристик / А.П. Котенко, О.А. Кузнецова // Современные информационные технологии и ИТ-образование. Сб. научных трудов. – М.: Изд-во МГУ. – 2015. – С.381-384.

4.Котенко А.П., Котенко А.А. Использование идентифицируемых систем эконометрических уравнений / А.П. Котенко, А.А. Котенко // Математика, статистика и информационные технологии в экономике, управлении и образовании: труды V Международной научно-практической конф. – Тверь: Изд-во Тверского гос. ун-та, 2016. – С.51-55.

5.Котенко А.П., Котенко А.А. Метод идентификации системы регрессионных уравнений при взаимосвязанных параметрах / А.П. Котенко, А.А. Котенко // Интеллектуальные информационные системы – 2020: труды Международной научно-практической конф. (11-13.12.2019, Воронеж), ч.1 – Воронеж: Изд-во ВГТУ, 2019. – С. 99-102.

6.Котенко А.А., Саидов Д.М. Подбор полиномиальных зависимостей в системе регрессий / А.А. Котенко, Д.М. Саидов // Интеграция науки и образования в ВУЗах нефтегазового профиля – 2020: материалы Международной на- учно-методической конф. (20-24.04.2020, Салават). – Уфа: Изд-во УГНТУ, 2020. – С. 364-366.

7.Котенко А.П. Подбор управляющих факторов при многокритериальном управлении посредством системы регрессий / А.П. Котенко, А.А. Котенко // Перспективные информационные технологии – 2020: труды Международной научно-технической конф. (21-22.04.2020, Самара). – Самара: Изд-во Самарского научного центра РАН, 2020. – С.368-370.

Самарский государственный технический университет

УДК 519.17:6

А. П. Котенко, А. А. Котенко

ОПТИМИЗАЦИЯ ЛОГИСТИКИ СБОРНЫХ ГРУЗОВ С ПОМОЩЬЮ ЛИНЕЙНОГО ПРОГРАММИРОВАНИЯ

Зададим на связном графе G(V,R,m1,m2,d) неотрицательную разметку

64

При наличии ориентированных рёбер связность считаем сильной, то есть любая вершина достижима из любой другой вершины с учётом направления рёбер.

Рассмотрим задачу транспортной логистики. Здесь разметки примут следующий вид:

m1(u) – запас однородного груза в вершине u ,

m2(u;v) – количество груза, назначенного для доставки из вершины u в

присвоим штраф в виде бесконечной удельной стоимости перевозки d1rvivj = +∞. Алгоритмом, предложенным в публикациях [1,2], найдём матрицу минимальных расстояний на графе B:= bij iV, j=1; её элементы конечны из-за сильной

связности графа G . При этом получим матрицу списков cij := (e(k)ij )+∞k=0 соответ-

ствующих маршрутов C := cij iV, j=1, ранжированных удельной стоимостью пере-

При совпадении удельных стоимостей маршрутов упорядочим их по неубыванию удельной пропускной способности

Очевидно, маршрут e(0)ij будет оптимальным, хотя, быть может, не един-

ственным.

При необходимости по произвольному графу G(V,R,m1,m2,d) построим

орграф G1(V1,R1,m1,m2,d):

1. Вершине v V поставим в соответствие две различные вершины

vs,vf V1, при этом положим m1(vs )≡ m1(vf ):= m1(v). Очевидно, V1 = 2V .

2.Ориентированному ребру ruv R поставим в соответствие ориентиро-

ванное ребро ruv ru1svf R1 той же мультиразметки dru1svf := druv ; назначенную перевозку груза оставим прежней: m2(us;vf ):= m2(u;v).

65

Vf := {vf ,i V1}iV=1. Её ограничения примут вид:

чения со стороны проводимости груза xs,i; f , j , отправленного из каждого пункта отправления vs,i Vs в каждый пункт назначения vf , j Vf по оптимальному маршруту e(0)s,i; f , j проводимости d2e(0)s,i; f , j .

2. ∑V (xs,i; f , j − xs, j; f ,i )≤ m1(vs,i ); i 1,V – условие неотрицательности запаса в

j=1

каждом пункте отправления vs,i для отправки во все заданные пункты назначения.

из каждого пункта отправления vs,i во все заданные пункты назначения vf , j .

каждый пункт назначения vf ,i из всех назначенных пунктов отправления vs, j .

ции транспортных расходов.

Транспортная задача 1-5 замкнута при необходимом условии

∑u,v V m2(u;v)= ∑u,v V m2(v;u)

и разрешима при достаточной проводимости рёбер графа G и достаточных запасах груза m1(u) во всех источниках u Vs . При исключении условия 2

транспортная задача решается стандартными приёмами. Укажем алгоритм учёта условия 2:

1) решим задачу при условиях 1,3,4,5 и проверим найденное решение на выполнение условия 2. Если оно выполнено, то исходная задача 1-5 решена. В противном случае переходим к следующему шагу;

66

ние задачи 1,3,4,5, удовлетворяющее дополнительному условию 2.

Если весь груз перевезён, поставленная задача решена с использованием лишь оптимальных маршрутов. Если же пропускной способности d2e(0)s,i; f , j не хватило хотя бы одного оптимального маршрута e(0)s,i; f , j , то преобразуем граф

G(V,R,m1,m2,d):

1. Удалим рёбра, насыщенные найденным потоком грузов xs,i; f , j :

d2rv1ivj − xij = 0.

2.Удалим при необходимости возникшие изолированные вершины.

3.Пересчитаем остаток грузов в каждой вершине m1(vi ):= m1(vi )+ ∑V (xij − xji )

j=1

и по каждому ребру m2(vi;vj ):= m2(vi;vj )− xij ≥ 0.

4. Найдём проводимость оставшихся рёбер d2rv1ivj := d2rv1ivj − xij > 0.

Пересчитаем матрицу A смежности вершин, матрицу B оптимальных расстояний и матрицу C упорядоченных по уровню оптимальности списков маршрутов удалением маршрутов, содержавших удалённые в пунктах 1 и 2 рёбра и вершины [2]. При этом меняется хотя бы одна верхняя оценка

d2e(0)s,i; f , j условия 1 транспортной задачи 1-5.

Алгоритм повторим циклически до завершения перевозки всего груза. Примерами приложения алгоритма могут служить задачи оптимизации

компоновки железнодорожных составов из вагонов с заданными пунктами отправления и назначения, а также задачи организации взаимозачётов в финансовых сетях в кризисных ситуациях.

Литература

1.Котенко А.П. Матричный алгоритм Беллмана–Мура / А.П. Котенко // Управление организационно-экономическими системами: моделирование взаимодействий, принятие решений. – Самара: Самарский национальный исследовательский университет, 2013. – т.10. – С.33–37.

2.Докучаев А.В. Свойства графов задач сетевого планирования и управления / А.В. Докучаев, А.П. Котенко // Вестник СамГТУ. Серия: Физикоматематические науки. – Самара: Самарский государственный технический университет, 2010. – №5(21). – С.204–211.

Самарский государственный технический университет

67

УДК 004.023

Е. А. Кумагина, А. Н. Марков, Д. Е. Тюрин

ПРИМЕНЕНИЕ АЛГОРИТМА РОЕВОЙ ЛОГИКИ К РЕШЕНИЮ ЗАДАЧИ УПОРЯДОЧЕНИЯ РАБОТ НА ОДНОМ ПРИБОРЕ

В работе рассматривается алгоритм решения задачи упорядочения работ, основанный на методе «муравьиные колонии» (ACO, Ant Colony Optimization) [1,2]. Идея алгоритма заключается в последовательном приближении к оптимальному решению. Это конечный итерационный процесс, на каждом шаге которого происходит формирование допустимого решения.

тупны для выполнения сразу. В каждый момент времени прибор выполняет не более одной работы. Порядок обслуживания работ произвольный. Прерывания

этому разработка эвристических процедур решения является актуальной.

Для задач комбинаторной оптимизации предложено множество итерационных алгоритмов, основанных на локальном поиске [4-6]. В данной работе предлагается применить алгоритм ACO к задаче минимизации суммарного взвешенного запаздывания.

Общая схема алгоритма ACO

Каждая итерация алгоритма моделирует поиск муравьями пищи. В природе муравьи пытаются найти кратчайший путь, используя феромоновые метки своих предшественников. В предлагаемом алгоритме в качестве пути, на котором муравьи оставляют след феромона, выступает перестановка номеров работ. Длина пути – это значение суммарного взвешенного запаздывания, определяемого перестановкой работ.

Любой алгоритм ACO, может быть представлен в следующем виде [1,2]:

1.Инициализация переменных pheromone, оценивающих путь к пище;

2.Пока не выполнится критерий остановки повторять шаги 3-5:

3.Сформировать новый путь (получить решение задачи);

4.Уменьшить значение переменных pheromone на некоторый процент

(испарение);

68

5. Для переменных pheromon, соответствующих хорошему решению, увеличить значение на некоторую величину (усиление).

Параметры алгоритма

ние случайного выбора очередной работы и выбора, основанного на предыдущих состояниях системы.