УДК 621.384

Л. А. Калыгина, Г. О. Калыгин

АЛГОРИТМ ЦИФРОВОГО ГЕНЕРАТОРА ГАРМОНИЧЕСКОГО СИГНАЛА

В статье рассматривается алгоритм генерации гармонического сигнала на основе обратного Z- преобразования, использующий одну операцию умножения и одну операцию сложения.

Генератор синусоидального сигнала используется как функциональный блок в различных приложениях ЦОС или как источник тестового воздействия в ходе тестирования устройства. При реализации этого блока внутри устройства, например, в ПЛИС, используются несколько вариантов. Табличный метод (значения отсчетов синуса с заданными параметрами), прямой цифровой синтез (DDS) [1], технология TrueForm компании Agilent Technologies [2] требуют значительных затрат памяти. Методы на основе аппроксимации требуют большого количества вычислений. Предлагается реализация цифрового генератора, основанного на следующих теоретических положениях:

1) импульсная характеристика h(nT) дискретного фильтра есть отклик системы на цифровую дельтафункцию δ(nT);

2) передаточная функция H(z) дискретного фильтра связана с его импульсной характеристикой h(nT) Z-преобразованием( . ) = sin( )

Известно, что Z-образ последовательности( ) = [3] есть

sin2−2zcos +1.

X(z) можно рассматривать как передаточную функцию H(z) рекурсивного фильтра второго порядка с коэффициентами b0 = 0, b1 = 1, a1 = -2cos(ωT), a2 =

1.Структура фильтра приведена на рис. 1.

δZ-1

Рис. 1. Дискретный рекурсивный фильтр

17

Для получения импульсной характеристики на вход фильтра необходимо подать дискретную дельта функцию δ(nT). Учитывая, что начальное состояние регистров фильтра при расчете импульсной характеристики – нулевое, и только один отсчет δ(0) равен 1, схему расчета h(nT) можно представить в виде, показанном на рис.2. При этом h(0)= 0; h(T) = sin(ωT), начальное состояние регистра y(n-2)=0, y(n-1)= sin(ωT). При n > 1 отсчеты h(nT) вычисляются по рекуррентной формуле:

Рис. 2. Генератор гармонического= сигнала(α −β)2+sin(α +β) Используя формулу произведения , рассчи-

таем значения отсчетов импульсной характеристики (таблица).

Рассчитывая импульсную характеристику рекурсивного фильтра с передаточной функцией (1), получаем последовательность, соответствующую обратному Z- преобразованию от функции (1), то есть отсчеты дискретной сину-

соиды sin(ωnT).

18

Таким образом, алгоритм генерации цифровой синусоиды – это рекурсивный фильтр второго порядка, один коэффициент которого равен константе

2cos(ωT).

Для вычисления одного отсчета цифрового гармонического сигнала требуется две ячейки памяти, сумматор и одна операция умножения на константу.

Существенным преимуществом данного метода по сравнению с методами DDS, TrueForm является отсутствие затрат блоков памяти.

Метод позволяет практически мгновенно изменять частоту генерируемого сигнала. Для каждого значения частоты гармонического сигнала ω в схеме генератора необходимо изменить только значение одного множителя.

К недостаткам метода относится невыполнение условия непрерывности фазы сигнала при изменении частоты выходного сигнала, так как формирование сигнала всегда должно начинаться с нулевой фазы, либо необходимо каким

– либо способом рассчитывать текущую фазу сигнала с новой частотой, определять два предыдущих отсчета и записывать их в регистры, что усложнит ал-

горитм.

В схеме генератора выполняеcos( )тся≈ 1умножение на константу 2cos(ωT), при малых значениях аргумента , для правильных вычислений требует-

ся значительное число разрядов.

Для оценки требуемой разрядности коэффициента а1 и сумматора при различных значениях ωT (6*10-6; 3,8350*10-4 и 0,0491) рассчитывался спектр сигнала и определялись значения свободного динамического диапазона (SFDR) как разность мощности сигнала и максимальной по уровню побочной составляющей спектра.

Учитывались такие значения разрядности коэффициентов и сумматора, при которых SFDR не менее 90 дБ. Расчеты показали, что разрядность сумматора можно выбирать равной разрядности коэффициентов, значение которой определяется положением первого «0» в двоичном представлении коэффициентаa1.

Стабильность частоты и амплитуды генерируемого сигнала определялась путем расчета спектра сигнала с использованием быстрого преобразования Фурье. При кратных частотах сигнала и дискретизации (1 МГц и 64 МГц соответственно) SFDR для разрядности 24 равно 118 дБ, для разрядности 32 – 203 дБ. При некратных частотах (1,31 МГц и 64 МГц) сравнение проводилось по разности коэффициентов дискретного преобразования Фурье, для разрядности 24 разница равна 4*10-2 дБ, для разрядности 32 – 2*10-4 дБ.

Проведенные исследования показали высокие параметры герируемого сигнала и возможность использования предложенного алгоритма для генерации дискретного гармонического сигнала.

19

Литература

1.Тюрин В. А. Метод прямого цифрового синтеза в генераторах сигналов специальной формы SFG-2110 и АКИП-3410/3: учебно-методическое пособие / В. А. Тюрин. - Казань: Казанский федеральный университет, 2015. − 74 с.

2.Технология генерации сигналов Trueform компании Agilent. Техниче-

ский обзор. – Текст: электронный // URL: http://www.unitest.com/pdf/TrueForm- 5991-0852RURU.pdf (дата обращения: 24.04.2020).

3. Гольденберг Л. М. Цифровая обработка сигналов: Справочник/ Л. М. Гольденберг и др. – М.: Радио и связь. 1985. – 312 с.

ФГБОУ ВО «Владимирский государственный университет имени А. Г. и Н. Г. Столетовых»

УДК 621.396.946

Л. А. Калыгина, Е. В. Галичев

РЕАЛИЗАЦИЯ ПЕРЕМЕЖИТЕЛЯ ДЛЯ НАБОРА СХЕМ ПОМЕХОУСТОЙЧИВОГО КОДИРОВАНИЯ

В статье рассматриваются принципы расчета перемежителя при одновременном использовании сверточных, блоковых двоичных и недвоичных кодов. Приводится сравнение двоичных и недвоичных блоковых кодов при замираниях в канале связи.

Одним из эффективных средств борьбы с замираниями в радиоканале является процедура перемежения, которая позволяет преобразовать пакет ошибок в независимые ошибки, которые исправляются какимлибо помехоустойчивым кодом [1]. Эффект от применения перемежения зависит от размера перемежителя, для борьбы с пакетами ошибок его размер необходимо увеличивать, для снижения задержки передачи данных – уменьшать. На практике максимальный размер перемежителя Рмакс определяется прежде всего максимально возможной задержкой передачи данных, а также аппаратными затратами (затратами памяти), которые возможно реализовать в выбранном элементном базисе.

Алгоритмически перемежитель описывается матрицей перемежения размером WхD, где W – это ширина матрицы перемежения, равно числу столбцов матрицы, D - глубина матрицы перемежения или число строк. Если Тз – максимально возможная задержка передачи данных, Тб - длительность бита, тогда размер перемежителя Рмакс в битах равен Тз/ Тб.

Условие P = WD < Рмакс, является условиемограничением при реализации схемы помехоустойчивого кодирования.

20

В системе связи часто используется несколько схем помехоустойчивого кодирования для разных типов данных, а для уменьшения аппаратных затрат используется один и тот же перемежитель, его параметры необходимо рассчитывать относительно всех возможных схем помехоустойчивого кодирования.

Рассмотрим варианты построения перемежителя заданного объема P для разных типов помехоустойчивых кодов.

Сверточные коды. Сверточный код не исправляет пакеты ошибок, его характеристики определяются для канала с независимыми ошибками. При использовании блочного перемежителя с шириной больше нескольких длин кодового ограничения сверточного кода k (W>K=5k), и глубиной больше длительности замираний, пакет ошибок преобразуется в одиночные ошибки. Таким образом, для сверточных кодов ширина матрицы перемежения выбирается относительно параметров кода - значения кодового ограничения сверточного кода, а глубина – относительно параметров замираний, максимальной длительности замираний.

Сверточные коды всегда входят в набор помехоустойчивых кодов системы связи, поэтому минимальную ширину матрицы перемежения предлагается выбирать по параметрам сверточного кода.

Для реально реализуемых сверточных кодов, значение k не превосходит 20, поэтому при расчетах ширину перемежителя W можно принять равной приблизительно 100.

Блоковые двоичные коды. Рассмотрим использование перемежения для блокового кода (n, k) с длиной блока n, исправляющего t ошибок в блоке.

Для простоты предположим, что в строке матрицы перемежения укладывается целое число l блоков кода, тогда W=l n.

Размер пакета ошибок, при котором пакет ошибок преобразуется в независимые ошибки, не более Dt, при этом частота замираний должна быть не более 1/(nDТб), т.е. при передаче n столбцов матрицы перемежения будет не более одного замирания, или более частые замирания, но более короткие. Иллюстрация преобразования пакета ошибок в корректируемые ошибки блока приведена на рис. 1. Передача выполняется по столбцам, следствием этого для замираний длительностью DtТб будет ровно t искаженных бит в каждом блоке, которые исправляются помехоустойчивым блочным кодом.

Рис. 1. Преобразование пакета ошибок перемежителем для блочных кодов

21

Зависимость максимальной длительности замираний от отношения t/ n при параметрах перемежителя 128х1000, скорости передачи 128 кБод для длин блока 32, 64 и 128 бит (задержка передачи данных 1 с) приведена на рис. 2.

Рис. 2. Зависимость длительности замираний от параметров блокового кода

Сувеличением исправляющей способности блокового кода (увеличении

t)длительность замираний, с которыми справляется код, увеличивается. При одинаковой относительной исправляющей способности кода t/ n = mt/ mn, где m- целое число и фиксированной ширине перемежителя более помехоустойчивым к замираниям является код с большей длиной блока.

Если размер блока n равен ширине перемежителя W, в матрице перемежения могут быть запорчены не более t столбцов для борьбы с замираниями

длительностью не более tDTб. Дальнейшее увеличение размера блока уменьшает исправляющую способность алгоритма перемежения.

Для двоичных блоковых кодов (n, k) размер ширины W матрицы перемежения должен быть не меньше длины блока (W ≥ n).

Вслучае кода с малой длиной блока (l> 2) для увеличения максимальной длительности замираний можно ввести перестановку столбцов матрицы перемежения. Пример перестановки столбцов в матрице перемежения приведен ниже.

Обозначим за i номер столбца в исходной матрице перемежения, i = 0 … W-1. Шаг выбора столбцов равен длине кодового слова блочного кода n, чтобы как можно дальше разнести ошибочные биты при замираниях в канале. Алгоритм расчета номера столбца N(j) матрицы перемежения с перестановкой столбцов можно представить в следующем виде:

N(0)=0;

для j= 1 : (W-1)

N(j)= N(j-1) + n, если N(j-1) < W-1-n; N(j)= N(j-1) + n - W, если N(j-1) > W.

Пример перестановки столбцов для кода Голея (n = 23, W = 100) приведен в таблице, в верхней строке – номера исходной матрицы, в нижней – с переставленными столбцами.

22

ли длительность замираний будет не больше длины 14000 бит, код Голея исправит все ошибки, вызванные замираниями в канале.

Недвоичные блоковые коды. При использовании в качестве помехоустойчивого кода недвоичного блокового кода (например, кода Рида-Соломона), эффективность перемежения, измеряемая длительностью замираний, зависит от параметров кода по следующему алгоритму.

Для недвоичных кодов используется модификация блочного перемежения – символьное перемежение, суть которой заключается в том, что элементами столбцов таблицы перемежения являются символы кода.

Рассмотрим код с параметрами (n, k) с длиной символа m бит при исполь-

(n - k)/ 2, распределяя их по d строкам получаем: tстр = [(n-k)/ (2d)] исправляемых символов в одной строке. Чтобы исправить все искаженные в результате

замираний символы, замирания должны соответствовать не более чем d столбцам матрицы перемежения. Если число строк матрицы перемежения равно D, длительность замираний в канале при отсутствии гауссовых шумов, с которыми будет справляться код РидаСоломона равна tстрD символов или tстрDm бит. Если размер матрицы перемежения фиксирован, длительность допустимых замираний при увеличении W (уменьшении d) будет незначительно (на длительность d символов увеличиваться).

При наличии гауссовых шумов, одна независимая ошибка искажает весь символ, поэтому длительность замираний, с которыми может справляться код РидаСоломона без дополнительного кодирования уменьшится на длительность такого числа символов кода РидаСоломона, сколько независимых ошибок канала придется на одну строку перемежителя.

Сравним корректирующую способность двоичного и недвоичного блоковых кодов.

Возьмем код РидаСоломона (224,160), m=8 и двоичный код (448, 320), t = 64, четыре блока которого соответствуют длине кода РидаСоломона.

Размер перемежителя WD примем равным 129024 битам (72 блока кода РидаСоломона или 576 блоков двоичного кода).

Рассчитаем длительность замираний для двоичного кода (448, 320), коли-

23

чество исправляемых бит t равно 64).

При ширине перемежителя 448, равным длине блока двоичного кода, глубина перемежителя равна 576, длительность замираний равна 140 мс (скорость передачи 128 кБод, это максимальная длительность замираний, с которыми справится двоичный блоковый код.

При ширине перемежителя 896 (2 блока в строке матрицы перемежения), глубина перемежителя равна 288, допустимая длительность замираний будет в 2 раз меньше и равна 70 мс, при W = 3584 (8 блоков), D = 72, длительность замираний – не более 10 мс.

При использовании кода РидаСоломона и символьного перемежителя при W = 56 получаем 8 исправляемых символов в строке матрицы перемежения, один блок РидаСоломона занимает 4 строки, глубина перемежителя 18, т.е. структура перемежителя соответствует структуре блокового перемежителя двоичного кода с Wбл = 448 , длительность замираний равна 140 мс, она будет постоянной при изменении структуры символьного перемежителя с постоянным размером.

Применение недвоичных кодов является более предпочтительным по сравнению с двоичными кодами, обладающими аналогичными исправляющими параметрами при наличии замираний в канале.

Расчет перемежителя при наличии нескольких схем помехоустойчивого кодирования можно представить алгоритмом:

−по допустимой задержке передачи данных в канале и скорости передачи данных определяется размер перемежителя в битах Nб0;

−для каждого i-го метода помехоустойчивого кодирования определяется размер перемежителя Ni = WiDi ≤ Nб0;

−уточняется размер перемежителя - Nб исходя их максимального значения Ni и параметров блоков памяти, которые будут использоваться для реализации перемежителя.

−для итогового размера Nб для каждого метода помехоустойчивого кодирования определяется алгоритм записи и чтения данных в матрице перемежения.

Литература

1.Прокис Дж. Цифровая связь/ Под ред. Д. Д. Кловского. – М.: Радио

исвязь, 2000. – 800 с.

ФГБОУ ВО «Владимирский государственный университет имени А. Г. и Н. Г. Столетовых»

24

УДК 004.421.4

А. В. Ещенко, А. Г. Остапенко, Е. А. Шварцкопф, И. А. Сурков

К ВОПРОСУ ОБ «ИНФОДЕМИИ» И МОДЕЛЯХ РАСПРОСТРАНЕНИЯ ВИРУСНЫХ КОНТЕНТОВ В ИНТЕРНЕТ-ПРОСТРАНСТВЕ

Пандемия коронавируса породила новый термин «инфодемия» [1], который обозначил сопутствующую медико-биологическому процессу информационную эпидемию, возникшую в основном в социальных сетях по поводу распространения COVID-19. Причем масштаб заражения вирусным контентом в данном случае превзошел все ожидания и затронул миллиарды пользователей. Антропологи и по сей день регистрируют Интернет-цунами по данной тематике. Вероятно, это будет продолжаться еще достаточно длительное время, ибо Интернет-карантин пока возможет только в Китае. В этой связи особый спрос возникает на адекватные модели эпидемических процессов, способные хотя бы на среднесрочное прогнозирование [2, 3].

Попытка такого исследования проиллюстрирована на рис. 1, где пошагово формализованы этапы воздействия информационно-психологического вирусного контента на пользователя социальных сетей, где:

S – состояние невирусованного пользователя;

E – состояние латентного заражения пользователя;

I – состояние заражения с опосредованным распространением (репост) вирусного контента;

A – пораженный вирусом пользователь;

M – переживший вирусное заражение пользователь, получивший иммунитет к контентам подобного содержания;

R – пользователь, вышедший или исключенный из эпидемического процесса. Отличие от аналогов предлагаемой модели (рис.1) заключается в том, что она распределена во времени (поэтапна) последовательности переходов из од-

ного состояния в другое. По аналогии с подобными моделями [2, 3] настоящей микромодели стохастический характер придают вероятности переходов:

PE − вероятность латентного инфицирования пользователя;

PI − вероятность перехода пользователя в состояние источника дальнейшего инфицирования;

PM − вероятность приобретения пользователем иммунитета к данному классу вирусных контентов.

25

PM

A M

Рис. 1. Пошаговая микромодель «инфодемии»

С учетом весьма незначительного времени жизни современных контентов (не более суток) и огромного их потока в ходе «инфодемии» предложенную модель (рис. 1) представляется возможным свернуть к виду, изображенному на рис. 2, где:

P1 = PE PI ;

P2 = PE (1− PI )PM ;

P3 = PE (1− PI )(1− PM );

P4 =1− PE .

M

Пользователь S S Источник инфекции

Рис. 2. Обобщенная микромодель (микрофрактал) единичного инфицирования

Для пользователя-источника инфицирования, имеющих k друзей (инцидентных пользователей сети), количество распространителей (в дальнейшем) будет равно [2].

26

I = [kP1]= [k(PE PI )],

количество иммунизированных пользователей составит:

M= [kP2 ]= [k{PE (1− PI )PM }],

всвою очередь количество неинфицированных пользователей будетравно:

S = [kP4 ]= [k(1− PE )],

а количество устраненных:

R =[kP3]=[k{PE (1− PI )(1− PM )].

Полученная микромодель открывает широкий простор для многовариантного анализа и последующей оптимизации.

Практический смысл предлагаемой статьи видится в том, что появилась реальная возможность на основе данной микромодели спрогнозировать воздействие информационно-психологического вирусного контента на Интернетпользователей с помощью вероятностной оценки.

Причем данная микромодель имеет перспективу автоматизации с целью моделирования эпидемического процесса.

Работа выполнена в рамках проекта «Безопасный Интернет».

Литература

1.Инфодемия затрудняет выбор правильного поведения во время распространения коронавирусв [Электронный ресурс] / Электрон. текстовые дан. –

Москва: [б.и.], 2000. – Режим доступа: https://www.mskagency.ru/materials/2991365.

2.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 линияТе- леком, 2018. – 284 с.: ил.- (Серия «Теория сетевых войн», Вып.1).

3.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 линияТе- леком, 2018. – 276 с.: ил.- (Серия «Теория сетевых войн», Вып.3).

ФГБОУ ВО «Воронежский государственный технический университет»

27

УДК 621.941

А. А. Скоков

ОСОБЕННОСТИ ОБРАБОТКИ РЕЗАНИЕМ НЕРЖАВЕЮЩИХ СТАЛЕЙ

Рабочие процессы современных машин характеризуются высоким давлением, нагрузкой, скоростью и температурой. Обычные конструкционные стали являются недолговечными или полностью непригодными в этих условиях, поэтому стали с высокой прочностью и устойчивостью к коррозии становятся все более распространенными в данной области техники.

Нержавеющие стали классифицируются как твердые материалы. Их резка значительно хуже, чем у традиционных конструкционных сталей.

Плохая обрабатываемость этих материалов определяется их физикомеханическими свойствами. В этих условиях очень важно выявить причины, влияющие на их обрабатываемость, и найти пути и средства повышения производительности обработки на металлорежущих станках.

Коррозионностойкий – это материал с высокой коррозионной стойкостью в агрессивных средах, особенно в атмосфере воздуха, водяного пара и кислот. Такие материалы обычно необходимы для обеспечения коррозионной стойкости при рабочей температуре детали.

Основная структура большинства нержавеющих сталей обычно представляет собой твердый раствор аустенитного качества с кубической решеткой, ориентированной на растение. Высокая дисперсия структуры предотвращает возникновение и развитие процессов скольжения при одновременном повышении сопротивления ползучести стали.

Наихудшая обрабатываемость нержавеющих сталей определяется другими физико-механическими и химическими свойствами и, прежде всего, структурой, механическими свойствами, которые определяют их свойства не только на начальной стадии, но и в закаленном состоянии и при нагреве, а также теплофизическими параметрами (температура плавления, энергия активации, теплопроводность).температуры.

Основные особенности резки нержавеющих сталей, которые затрудняют их обработку [1, 2]:

1. Высокая закалка материала при деформации резанием. Повышеннаяпрокаливаемость нержавеющей стали объясняется специфическими структурными свойствами кристаллической решетки этих материалов. Свойство, которое определяет гибкость или прокаливаемость материала, представляет собой отношение условного предела текучести, который соответствует остаточной форме 0,2 %, к пределу прочности на разрыв 0,2 / В. В этом отношении значение для нержавеющей стали составляет не более 0,4 ... 0,45, а для обычных конструкционных сталей − не менее 0,6 ... 0,65.

28

2.Низкая теплопроводность обрабатываемого материала, что приводит к повышению температуры в зоне контакта и, следовательно, к активации явлений адгезии и диффузии, интенсивному размещению контактных поверхностей

иразрушению режущей части инструмента. Эти явления в некоторых случаях не позволяют использовать достаточно прочные инструментальные материалы, в основном твердые смеси, для обработки жаропрочных материалов. Однако при использовании быстрого инструмента по тем же причинам очень низкие скорости резки должны сохраняться. Из-за плохого тепловыделения при обработке нержавеющих сталей охлаждающие свойства охлаждающей жидкости имеют первостепенное значение.

3.Способность поддерживать начальную прочность и твердость при повышенных температурах, что приводит к высоким удельным нагрузкам на поверхности контакта инструмента во время резки. Влияние этого фактора усугубляется низкой теплопроводностью этих материалов, из-за которой высокая температура контактных поверхностей не приводит к значительному снижению механических свойств по всему сечению разрезаемого слоя.

4.Высокая шлифовальная способность нержавеющих сталей обусловлена тем, что помимо фазы твердого раствора они имеют так называемые Вторая фаза, которая образует интерметаллические или карбидные связи. Эти частицы воздействуют на рабочие поверхности инструмента подобно абразивам, что увеличивает износ. Особое значение имеют также структурные изменения, которые происходят в этих материалах во время пластической деформации и включают осаждение карбидов. Все твердые включения, описанные выше, вместе с высокими температурами на контактных поверхностях приводят к сильному истиранию и диффузионному износу режущей части инструмента к явлениям адгезии (упрочнения). Следовательно, коэффициенты трения нержавеющей стали в твердых сплавах во много раз выше, чем у обычной стали 20.

5.Снижение сопротивления сдвигу сдвиговому движению из-за высокой прокаливаемости нержавеющих материалов с неравномерным течением в процессе деформации их пластмасс. Возникновение вибраций приводит к изменению силовых и тепловых нагрузок на рабочие поверхности инструмента, следовательно, микро- и макро-отбойник на режущих кромках. При наличии вибрации размещение стружки на передней поверхности инструмента оказывает особенно пагубное влияние на износ инструмента.

Учитывая рассматриваемые свойства, процесс резки нержавеющих сталей протекает следующим образом: сначала рабочие поверхности инструмента вступают в контакт с относительно мягкой, неармированной металлической и пластиковой формой режущего слоя, после чего происходит значительное поглощение энергии извне (инструмент). В этом случае сдвиговый слой хорошо затвердевает и приобретает свойства клепаного металла, то есть он становится хрупким. В этом случае в основном используется запас мягкости, и происходит изменение – разрушение, образование чиповых элементов. Низкая теплопроводность этих материалов приводит к резкому снижению отвода тепла отстружки

29

изаготовки и, следовательно, к повышению температуры в зоне контакта между режущей секцией инструмента и заготовки за счет активации процессов захвата и диффузии. В результате значительно возрастают явления износа инструментов, что приводит к разрушению режущих лезвий. Эффективность этих процессов обеспечивается улучшенными механическими свойствами обрабатываемого материала при высокой температуре, высокой износостойкостью материалов и переменным эффектом, вызванным вибрациями этих факторов.

Внастоящее время существует множество способов облегчить резку твердых машинных материалов, в том числе нержавеющих сталей. Наиболее очевидными из них являются методы повышения долговечности используемых режущих инструментов. Во-первых, это правильный выбор марки материала инструмента и геометрии режущей части инструмента, а также использование обязательного охлаждения в зоне резки с использованием различных охлаждающих средств.

При работе с нержавеющими сталями необходимо и рекомендуется использовать инструменты, изготовленные из инструментальных материалов с более высокими характеристиками сдвига: более высокая красная стойкость, хорошая износостойкость и стабильность при сдвиге. Согласно исследованиям в этой области, рекомендуется предварительно обрабатывать труднообрабатываемые материалы твердосплавными резцами и обрабатывать твердосплавными

ивысокоскоростными сплавами.

Большое влияние на продление срока службы инструмента при резке труднообрабатываемых материалов оказывают специальные методы закалки их толкающих поверхностей: хромирование, цианирование, искроупрочнение, радиационное воздействие и т. Д. Для быстрорежущих сталей Тонкий слой (~5 мкм) из другого твердого сплава (TiC) с высокой стойкостью к истиранию наносят на твердосплавные пластины из прочного (вязкого) твердого сплава. Для повышения износостойкости минеральной керамики используется облицовка – покрытие защитными пленками.

Использование сдвиговых смазок при резке металла повышает стойкость режущего инструмента, улучшает качество обрабатываемой поверхности и снижает усилие сдвига. В настоящее время использование технологических сред считается одной из основных задач по улучшению процессов резания труднообрабатываемых материалов. Следует отметить, что эффективность использования технологических сред определяется их физико-химическим составом и способом подачи в хирургическую зону.

Эффективные методы включают охлаждение инструмента, например охлаждение под высоким давлением, нанесенное на заднюю поверхность инструмента, охлаждение распыляемой жидкостью и охлаждение диоксидом углерода.

Во время охлаждения под высоким давлением впрыскивается жидкость, которая стекает под высоким давлением и быстро контактирует с нагретым металлом путем испарения, сильно отводя тепло. Такое охлаждение увеличивает

30

срок службы инструмента в 3-6 раз по сравнению с сухой резкой. Еще лучших результатов можно достичь, используя как охлаждение под высоким давлением от задней кромки косилки, так и подачу жидкости под давлением вверх к щепе. Недостатком охлаждения под высоким давлением является разбрызгивание жидкостей и образование паров, которые затрудняют контроль за работой инструмента.

Эти недостатки устраняются путем охлаждения зоны резания путем разбрызгивания охлаждающей жидкости сжатым воздухом. Это снижает скорость потока эмульсии. Срок службы инструментов увеличивается в 2-3 раза по сравнению с сухой работой.

Охлаждение диоксидом углерода является наиболее эффективным, но более дорогим методом охлаждения. Жидкий диоксид углерода, содержащий до 50 % твердых частиц углекислого газа в форме снега, вводится в зону резания под давлением. В форме дуги эти частицы при температуре-79 ° С оседают на поверхности металла и кипятят, поглощая 158 ккал тепла на 1 кг углекислого газа.

Процесс определения методов резания при обработке деталей из нержавеющей стали в основном такой же, как и при резке обычных конструкционных материалов. Необходимо учитывать только особенности их хирургического вмешательства.

При проектировании машин, инструментов и оборудования для обработки деталей из твердых материалов необходимо обеспечить:

1)повышенная жесткость механизмов обнаружения больших сдвиговых сил при малых деформациях;

2)высокаявиброустойчивость станочной инструментальной подсистемы в условиях резания при значительных ударных нагрузках;

3)незначительные отверстия в механизме подачи машины для равномерной резки отвержденного обработанного материала;

4)достаточный запас мощности электродвигателя станка, поскольку при резке жаропрочных сплавов силы сдвига выше, чем при обработке обычных конструкционных материалов;

5)оборудование для обработки деталей должно быть прочным и жестким,

внем должны быть каналы для удаления стружки;

6)инструменты должны быть короткими и жесткими. В дополнение ко всему вышесказанному можно улучшить обрабатываемость нержавеющих сталей:

• влияние на структуру и механические свойства материалов при специальной термической обработке;

• введение ультразвуковых колебаний в зону сдвига, которые способствуют деформации пластика, уменьшают коэффициент трения и повышают температуру;

• нагрев обрабатываемого материала в печах или с помощью газовых горелок машин или с помощью электрического индуктивного или электрического контактного нагрева;

31

• введение малых токов в зону резания, что позволяет производить электрическую модификацию режущего инструмента и управлять механизмами окислительного износа.

В условиях развития технологического уклада шестого уровня сокращение сроков проектирования и подбор оптимальных параметров процесса резания – это важнейшие требования, предъявляемые к разработке технологического процесса. Разработка и внедрение современных систем автоматизированного проектирования (САПР) [3-5] позволяет решить эти проблемы в большинстве случаев, когда технолог самостоятельно применяет решение о выборе тех или иных режимов резания, руководствуясь собственным опытом.

Исследования проводятся в соответствии со следующими направлениями научной деятельности, которые развиваются на кафедре “Компьютерноинтегрированные системы в машиностроении” ФГБОУ ВО «Тамбовский госу-

дарственный технический университет»: прогрессивные технологии и оборудо-

вание машиностроительного производства; выбор, создание новых и адаптация интеллектуальных обучающих систем автоматизированного проектирования технологических процессов механической обработки и сборки; разработка методов и способов повышение качества обработки деталей из металлов [6, 7].

Литература

1.Обработка резанием жаропрочных, высокопрочных и титановых сплавов. / Под ред. Н. И. Резникова. – М.: Машиностроение, 1972. – 200 с.

2.Подураев В. Н. Резание труднообрабатываемых материалов. – М.: Высшая школа, 1974. – 587 с.

3.Алтунин, К. А. Разработка системы поддержки принятия решений выбора режимных и конструктивных параметров токарной обработки / К. А. Алтунин, М. В. Соколов. – Тамбов: Студия печати Павла Золотова, 2016. – 132 с.

4.Алтунин, К. А. Структура и адаптация модели представления знаний процесса токарной обработки: монография / К. А. Алтунин, М. В. Соколов, Р. В. Дякин. – Тамбов: Студия печати Павла Золотова, 2017. – 104 с.

5.Алтунин, К. А. Применение нейронных сетей для моделирования процесса токарной обработки / К. А. Алтунин, М. В. Соколов // Вестник Тамбовского государственного технического университета. – 2016. – Т. 22, № 1. – С.

122 – 133.

6.Altunin, K. A. Development of Information Support for Intelligent Cad of Cutting Processes / K. A. Altunin, M. V. Sokolov // Advanced Materials and Technologies. – 2017. – № 2. – С. 67 – 77.

7.Соколов М. В. Исследование токарной обработки деталей из коррозионностойких сплавов: Монография. LAP LAMBERT Academic Publishing, Саарбрюккен, Германия, 2018. 124 с.

ФГБОУ ВО «Тамбовский государственный технический университет»

32

УДК 681.3

Д. В. Иванов, Б. Н. Тишуков, М. Р. Пьяных, Т. Ю. Петухова

АНАЛИЗ ЭТАПОВ ПРОЕКТИРОВАНИЯ ОБУЧАЮЩИХ ТРЕКОВ РАЗВИТИЯ ОДАРЕННОЙ МОЛОДЕЖИ

НА ОСНОВЕ КЛАСТЕРНОГО АНАЛИЗА

Технологии искусственного интеллекта всё прочнее внедряются во все сферы человеческой деятельности. Не исключением является и различные организационные системы с рассмотрением задач конкурсных механизмов, стимулирования, кооперации, а также подбора персонала с учетом индивидуальных качественных характеристик агентов. Актуальными являются вопросы исследования технологий проектирования обучающих треков творческого развития потенциала одаренной молодежи, а так построения структуры подобных интеллектуальных систем.

Работа с одаренной молодежью является неотъемлемой частью современного образовательного процесса. Именно в этой сфере возникает необходимость проектирования различных треков развития обучающихся в первую очередь с творческой составляющей. Многообразие критериев оценки и связи между элементами в рамках образовательного процесса представляет научноисследовательский интерес всестороннего развития данной проблематики.

В настоящее время существует множество стартапов, реализующих подбор персонала и предлагающих построение треков индивидуального творческого развития. Представляется необходимым рассмотрение подобных вопросов на более детальном научном уровне с применением современных технологий искусственного интеллекта и последующим проектированием треков индивидуального, а также коллективного развития. В данной работе предлагается концептуально рассмотреть вопросы проектирования треков индивидуального и коллективного развития обучающихся одаренной молодежи.

Первым этапом проектирования треков творческого развития является индивидуальное тестирование каждого обучающегося, в результате которого будет сформирована база данных количественных и качественных личностных характеристик каждого обучающегося. С точки зрения педагогики для оценки творческого потенциала недостаточно владеть только лишь количественными характеристиками предметной области, но требуется оценка личностных качеств обучающегося, в связи с чем требуется построение экспертной подсистемы для логического вывода по ключевым качественным критериям. К подобным обобщенным критериям следует отнести самоактуализации личности, удовлетворенность субъектов процессом обучения и конкурентность одаренных

33

обучающихся. Подробное описание показателей данных обобщенных критериев приводится в [1].

Кроме того, этапом любого обучения подобной аудитории является так называемый входной контроль, где осуществляется проверка знаний обуч а- ющихся в заданной предметной области и их распределение по классам подготовки. Данный этап также необходимо учесть при проектировании интеллектуальной системы. Приведем на рис. 1 концептуальную схему интеллектуальной подсистемы оценки знаний и личностных характеристик об у- чающегося.

В настоящей работе интерес представляет технический аспект форм и- рования групп обучающихся с учетом всех вышеприведенных параметров. Данный этап удобно описать в моделях задачи кластеризации, где имеющ и- еся агенты распределяются по кластерам. Причем в данном случае оправданным будет применение подхода k-средних, так как количество кластеров известно заранее. Метод k-means состоит из четырех основных этапов, где число k формируется из объектов исходной выборки [2,3,4]. Обучающиеся

( ) = ( ), .

34

На четвертом шаге вычисляем новые центроиды, как среднее всех точек кластера = 1 ,

где – количество точек в кластере (количество обучающихся в группе).

Затем старый центр кластера смещается в его центроид. После этого повторяем шаги 2, 3 и 4 до тех пор, пока выполнение алгоритма не будет прервано. Остановка алгоритма производится тогда, когда границы кластеров и расположения центроидов не перестанут изменяться от итерации к итерации, т.е. на каждой итерации в каждом кластере будет оставаться один и тот же набор записей.

В качестве критерия сходимости чаще всего используется критерий суммы квадратов ошибок между центроидом кластера и всеми вошедшими в него за-

писями, т.е.

= ( − )2,

=1

где – произвольная точка данных, принадлежащая кластеру i; − центроид данного кластера.

Иными словами, алгоритм остановится тогда, когда ошибка E достигнет достаточно малого значения.

В качестве альтернативной оценки можно использовать следующее выра-

потому что он учитывает кластер, в котором находится экземпляр [5].

Таким образом, разделение на кластеры позволит эффективно определить классы агентов в смысле обучающихся на основе их индивидуальных характеристик.

Следующим этапом проектирования обучающих треков будет являться формирование мультиагентной среды, в которой будет учитываться взаимодей-

36

ствие между обучающимися. Благодаря данному этапу появляется возможность подобрать агентов в организационной системе для эффективной командной работы. Таким образом, это есть отражение педагогических подходов проектной работы коллектива обучающихся, когда обучение происходит в малочисленных группах. Необходимость и актуальность подобного процесса обучения в малочисленных группах, а также необходимость когерентной самоорганизации и саморазвития подробно описана в работах [6,7].

Приведем концептуальную схему взаимодействия агентов в мультиагентной среде (рис. 2). Сообщениями будут являться задания или цели преподавателя, которые сохраняются в базе данных. Агенты получают это сообщение и проводят опрос, как и с каким именно агентом они смогут реализовать данное задание наиболее эффективно. Таким образом, сформируется малочисленная группа, которая сможет наиболее эффективно реализовать поставленные цели.

Рис. 2. Структура обработки сообщений в мультиагентной среде

Проведенный анализ выявляет основные этапы проектирования обучающих треков развития одаренной молодежи, в которых применяется кластерный анализ и мультагентные технологии. Развитие подобных систем позволит подбирать обучающихся в малочисленных группах для наиболее эффективного решения поставленных целей.

Литература

1.Организационно-методические аспекты работы с одаренными детьми в условиях учреждения дополнительного образования детей / Тулупова О. В., Ковкина И. В. // Москва: МЕТОДИСТ, Учредители: Общество с ограниченной ответственностью "Издательский дом "Методист". − Номер 1. − Год 2012. − С. 10-14.

2.Пальмов С. В. Интеллектуальный анализ данных: учебное пособие / С. В. Пальмов. – Самара: ПГУТИ, 2017. – 124 с.

3.Власенко В. Д. Кластерный анализ. Методические указания к изучению курса и задания к лабораторным работам для студентов математических и экономических специальностей: учебно-методическое пособие / В. Д. Власенко. – Хабаровск: Изд-во Тихоокеанского гос. ун-та, 2006 – 32 с.

37

4.Миркин Б. Г. Методы кластер-анализа для поддержки принятия решений: обзор / Б. Г. Миркин – М.: Высшая школа экономики,2011.− 85 с.

5.Witten, I. H. (Ian H.) Data mining: practical machine learning tools and techniques / Ian H. Witten, Eibe Frank. – 2nd ed. p. cm. – (Morgan Kaufmann series in data management systems), 2005. − p. 525.

6.Макарова Е. Н. Система поиска и поддержки одаренных детей (педагогический проект) / Е. Н. Макарова // М.: ОБРАЗОВАНИЕ В СОВРЕМЕННОЙ ШКОЛЕ (Развитие образования), 2013. − Н. 1. − С. 4-9.

7.Разработка критериев эффективности взаимодействия образовательных учреждений, направленного на развитие одаренных детей / Е.Б. Весна, Л.Н. Духанина, Е.А. Солодова // М.: Новое в психолого-педагогических исследованиях (Московский психолого-социальный университет), 2013. - Н. 2 (30). - С. 82-91.

ФГБОУ ВО «Воронежский государственный технический университет», ГАУ ДО ВО «Региональный центр выявления, поддержки и развития способностей и талантов у детей и молодежи «Орион», г. Воронеж

УДК 004.93

И. А. Третьяков

ИССЛЕДОВАНИЕ ПРИМЕНИМОСТИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ЛИНГВИСТИЧЕСКОГО АНАЛИЗА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ

Вданной статье представлены результаты исследований разработанной автоматизированной системы научных исследований. Разработанная система реализована на высокоуровневом языке программирования общего назначения Python на основе алгоритмов [1-2]. Для исследования разработанной системы лингвистического анализа экспериментальных данных научных исследований был проведен эксперимент. Исходной информацией для эксперимента послужили экспериментальные кривые спектрограмм радиочастот FMдиапазона, полученные в ГОУ ВПО «Донецкий национальный университет» на лабораторном макете. Экспериментальные данные были сняты с помощью SDR приемника на базе RTL2832 и R820T. На рисунке представлен характер поведения экспериментальных кривых при различных состояниях.

Висследовании применялось частотное подавление сигналов. Подавление осуществлялось лабораторным широкополосным генератором качающейся частоты Кривые регистрировались при 4 состояниях:

−без подавления (рисунок, а);

−с подавлением 1-го сигнала (рисунок, б);

−с подавлением 2-х сигналов (рисунок, в);

−с подавлением 3-х сигналов (рисунок, г).

38

Всего было зарегистрировано и проанализировано 60 таких кривых, по 15 кривых для каждого из четырех состояний.

Рис. Экспериментальные кривые спектрограмм радиочастот FM диапазона

Исследуемый диапазон ограничен шириной полосы приёмника от 0,25 МГц до 3,2 МГц. Для удобства выбрана частота дискретизации RTL приемника 2432 MSPS (~2.400 МГц). Регистрировалась зависимость частоты от относительной мощности сигнала dBFS в диапазоне частот 95.6-98 МГц. Данный диапазон выбран в связи с большим количеством источников сигналов (радиостанций). Каждая кривая представлялась набором 2400 значений ординат. Эти числа соответствовали точкам отсчета, шагом в 1 КГц.

Сегментация анализируемых кривых осуществлялась алгоритмами на основе функции сложности [1]. Каждая кривая разбивалась на равные участки длиной в 200 КГц, взятые с шагом следования вдоль кривой в 100 КГц. Таким образом имелось перекрытие в половину длины участка. Алгоритмом определялись участки, для которых функция сложности принимала локально минимальные значения. Количество выделенных участков, соответствующих сложному поведению кривой, для различных кривых составляло от 4 до 12. Итого на всех 60 кривых было выделено 452 таких участка, которые затем были разбиты алгоритмом классификации [2] на 3 класса.

39

Для каждого класса был определен эталон, который представляет собой участок кривой, ординаты которого являются среднеарифметическим значением ординат всех участков соответствующего класса. По виду эталонов определено, что участки 1-го класса характеризуют левый фронт сигнала, участки 2-го класса – центральную часть сигнала и участки 3-го класса – правый фронт сигнала. Обозначим участки следующим образом: 1 класс – L (left), 2 класс – C (central), 3 класс – R (right). Таким образом сформирован алфавит языка описания исследуемых экспериментальных кривых, состоящий из 3-х символов

A = {L, C, R}.

Полученные лингвистические описания исследуемых кривых представлены в таблице Для удобства анализа, полученные описания кривых сортированы на группы, соответствующие различным состояниям, а именно:

1 группа – без подавления, 2 группа – с подавлением 1-го сигнала,

3 группа – с подавлением 2-х сигналов, 4 группа – с подавлением 3-х сигналов.

Символы в описаниях расположены в соответствии с последовательностью их естественного следования вдоль кривых.

Из анализа таблицы следует, что лингвистические описания, соответствующие одной группе очень близки, а описания, взятые из разных групп, заметно отличаются. Можно отметить, что все лингвистические описания третьей

40

группы начинаются с символа C, а описания четвертой группы заканчиваются на R. В описаниях третьей группы практически не встречается символ L, в описаниях третьей и четвертой групп большую часть символов составляет C. Так же описания первой группы не превышают пяти символов, а описания четвертой группы состоят из не менее чем десяти символов.

Таким образом, можно заключить, что приведенные описания экспериментальных кривых, полученные разработанной автоматизированной системой лингвистического анализа, представляют короткие и надежные правила для анализа спектрограмм радиочастот.

Литература

1. Данилов, В. В. Алгоритмы идентификации переходных участков экспериментальных кривых с применением аппроксимации / В. В. Данилов, И. А. Третьяков, А. В. Шалаев, Я. И. Рушечников // Сборник научных трудов Донецкого института железнодорожного транспорта. – 2018. – № 48. – С. 19-23.

2. Данилов, В. В. Алгоритмизация присвоения символов анализируемым участкам экспериментальных кривых / В. В. Данилов, И. А. Третьяков, Я. И. Рушечников // Сборник научных трудов Донецкого института железнодорожного транспорта. – 2018. – № 51. – С. 15-22.

ГОУ ВПО «Донецкий национальный университет»

УДК 519.179.2:616.62

В. С.Чернега, Н. П.Тлуховская-Степаненко, А. Н. Еременко

СТОХАСТИЧЕСКАЯ СЕТЕВАЯ МОДЕЛЬ ТРАНСУРЕТРАЛЬНОЙ ЛАЗЕРНОЙ ЛИТОТРИПСИИ

Одним из самых эффективных способов дробления мочевых конкрементов (камней) является трансуретральная контактная лазерная литотрипсия, при которой дробление камней осуществляется под воздействием лазерных импульсов, передаваемых по оптическому зонду, введенному через уретру человека. Несмотря на то, что такой способ дробления относится к малоинвазивным (нетравматичным) видам операций, возникают интраили/и постоперационные осложнения, частота которых в значительной мере зависит от длительности операции. Поэтому знание длительности предстоящей операции позволит провести дополнительные предоперационные профилактические мероприятия по снижению вероятности осложнений. Кроме этого, знание длительности предстоящих операций позволит более рационально планировать использование операционных помещений и высокотехнологического оборудования.

41

В работе [1] рассмотрена упрощенная сетевая модель, позволяющая оценить длительность процесса лазерной контактной литотрипсии. Однако в этой работе при расчете времени дробления не учитываются временные затраты на выполнения дополнительных технологических манипуляций, присущих лазерной литотрипсии. К дополнительным временным затратам относятся время на осмотр места дробления и перемещения хирургом лазерного волокна к смещенному вследствие ретропульсии камню, на промывание области дробления, на коррекцию положения лазерного волокна из-за смещения камня, происходящего вследствие дыхательной экскурсии и проч.

Целью данной работы является построение сетевой модели, позволяющей более точно спрогнозировать время дробления мочевых конкрементов на основании учета дополнительных временных затрат на выполнение вспомогательных манипуляций.

Стохастические сетевые модели широко используются при управлении проектами в строительстве, машиностроении, электронной промышленности и других отраслях хозяйственной деятельности. Для анализа таких сетей разработан соответствующий математический аппарат [2,3]. Результаты исследования стохастических сетевых моделей для прогнозирования длительностей трансуретральной контактной лазерной литотрипсии впервые приведены в [1,4].

Процедура дробления мочевых камней, выполняемая гольмиевым лазерным литотриптером, состоит из последовательности следующих укрупненных этапов:

1)предоперационная подготовка операционного помещения;

2)размещение больного на операционном столе;

3)проведения наркоза;

4)введение уретерореноскопа;

5)ревизия уретры;

6)ревизия мочевого пузыря;

7)ревизия мочеточника;

8)осмотр чашечно-лоханочной системы (ЧЛС);

9)выполнение контактной литотрипсии;

10)санация чашечно-лоханочной системы или мочеточника, извлечение

осколков;

11)установка стента, катетера;

12)транспортировка больного из операционного помещения.

При локализации камня в мочевом пузыре или мочеточнике некоторые этапы из приведенной последовательности исключаются. Каждый из укрупненных этапов в свою очередь может состоять из ряда подэтапов.

Для построения сетевой стохастической модели применяется методика и условные изображения. принятые в [4]. Обобщенная модель лазерной литотрипсии является довольно громоздкой. В связи с тем, что локализация мочевых камней может находиться либо в одной из частей мочевыделительной системы (мочевом пузыре, мочеточниках или чашечно-лоханочной системы почек и

42

процедура литотрипсии направлена на дробление конкрементов только в одной из этих частей, то обобщенную сетевую модель, с целью упрощения ее математического анализа, целесообразно разделить на три части: модель дробления конкрементов в мочевом пузыре; модель дробления камней в мочеточниках и модель дробления в чашечно-лоханочной системе. При дроблении камня в ча- шечно-лоханочной системе почки вначале может осуществляется рассечение стриктуры (сужения) уретры или мочеточника, при их наличии, и затем собственно дробление камня и установка стента. Стохастическая альтернативная сетевая модель лазерной литотрипсии в чашечно-лоханочной системе почки изображена на рис.

Рис. Стохастическая альтернативная сетевая модель лазерной

трансуретральной литотрипсии в чашечно-лоханочной системе почки

Здесь цифрами обозначены узлы, отображающие состояния процедуры дробления, соответствующие этапам литотрипсии, а дугами – работы, выполняемые на соответствующих этапах. Виды работ подписаны над или под соответствующими дугами. Модель имеет стохастический и альтернативный характер, т.к. длительности выполнения работ tij на различных этапах операции являются случайными величинами, а переходы из состояния в состояние осуществляются с некоторой вероятностью.

Особенность альтернативной стохастической сети, предлагаемой в настоящей работе, состоит в том, что на выходе узлов 4,5,6 и 7 вводится логический блок, выполняющий функцию ЕСЛИ-ТО (функция импликации). Выполнение исходящей работы будет осуществляться только при выполнении определенного условия. Так, если при ревизии уретры (ветвь 4,6) обнаруживается стриктура (сужение), то вначале выполняется операция по ее рассечению (ветвь 6,6). А если стриктура отсутствует, то осуществляется последующий этап операции (дробление камня мочеточника, либо ревизия чашечно-лоханочной системы). Таким образом реализуются альтернативные пути на графе.

Если вероятность того, что i, j-й этап литотрипсии будет выполнен при условии, что предыдущее состояние завершено, обозначить через pi,j, то можно задать эквивалентную W-функцию следующего вида

Wij (s) = pi, j Mi, j (s) .

43

где Mij(s) – производящая функция моментов случайного процесса tij . Сетевая стохастическая модель, изображенная на рисунке, для определе-

ния математического ожидания времени выполнения всей операции литотрипсии в целом, с целью упрощения анализа, приводится к эквивалентной схеме с использованием преобразований последовательных и параллельных ветвей, а также участков типа «ветвь-петля» [3].

Математическое ожидание времени завершения всей операции литотрипсии равно первой производной производящей функции моментов в точке s = 0.

где Meq (s) = Weq(s)/peq − производящая функция моментов случайного процесса tij эквивалентной сети, которая вычисляется на основании эквивалентной Weq функции; peq – вероятность завершение процесса литотрипсии в целом.

Функция Weq для модели, изображенной на рисунке, определяется по формуле [4]:

Дисперсия времени выполнения операции литотрипсии представляет собой разность между вторым начальным моментом и квадратом математического ожидания этого процесса. С учетом того, что второй начальный момент случайного процесса равен второй производной производящей функции моментов, выражение для дисперсии можно записать в виде:

Для определения параметров распределения длительности операции литотрипсии в целом (математического ожидания и дисперсии) необходимо вычислить эквивалентную производящую функцию моментов операции в целом и на основании нее, путем обратного преобразования [3], найти параметры плотности вероятности.

Для вычисления конкретных значений времени выполнения реальной операции была составлена таблица параметров отдельных этапов литотрипсии и рассчитаны производящие функции моментов отдельных ветвей. С целью упрощения расчетов предполагалось, что если случайное время реализации некоторого этапа мало, т.е. не превышает одной-двух минут, то время выполнения ti,j этапа принималось постоянным, равным максимально возможному значению.

В результате моделирования процедуры контактной трансуретральной литотрипсии в чашечно-лоханочной системе с использованием гольмиевого литотриптера и обработки экспериментальных данных измерения длительности литотрипсии в реальных условиях установлено, что среднее прогнозируемое

44

время литотрипсии составило 49 ± 8,3 мин при средней продолжительности операции в реальных условиях 55,7 ± 4,8 мин.

Литература

1.Чернега В. С., Тлуховская-Степаненко Н. П., Еременко С. Н., Еременко А. Н. Сетевая модель для оценки длительности медицинского технологического процесса лазерной контактной литотрипсии // Врач и информационные технологии, 2018, №4. — с.75-82.

2.Голенко-Гинзбург Д. И. Стохастические сетевые модели планирования

иуправления разработками: Монография. — Воронеж: «Научная книга», 2010.

— 284 с.

3.Филлипс Д., Гарсиа-Диас А. Методы анализа сетей: Пер. с англ. — М.: Мир, 1984. — 496 с.

4.Чернега В. С., Тлуховская-Степаненко Н. П. Влияние точности прогноза длительности урологической операции на качество жизни послеоперационных больных // Качество и жизнь, 2019. №1(21). — с. 94-98.

ФГАОУ ВО «Севастопольский государственный университет»

УДК 681.3

Е. Н. Королев, М. И. Петриков, М. Е. Королева

ИСПОЛЬЗОВАНИЕ АСИНХРОННОГО ОБМЕНА СООБЩЕНИЯМИ МЕЖДУ СЕРВИСАМИ С ПОМОЩЬЮ БРОКЕРА APACHE KAFKA

Не всегда является возможным или целесообразным использовать синхронный подход для обмена информацией между микросервисами. Но на данный момент существует множество брокеров, с помощью которых мы можем передавать информацию асинхронно. Самыми популярными из них являются RabbitMQ и Apache Kafka.

В данной научно-исследовательской статье мы рассмотрим в каких случаях необходимо передавать данные асинхронно, какие способы передачи существуют для данного взаимодействия, а также в каком формате мы можем передавать данные на примере популярного брокера Apache Kafka.

Для начала дадим определение брокеру сообщений и асинхронному взаимодействию. Брокер сообщений (Message broker) – это некий посредник, который преобразует сообщения из одного источника, который называется изготовителем (или producer) в источник под названием исполнитель (или consumer). Между этими источниками существует очередь (или queue), проще говоря буфер этих сообщений с заранее заданной вместимостью. Этот шаблон проектирования носит название «Producer-Consumer». Это и позволяет нам передавать

45

сообщения асинхронно, то есть у нас нет никакой координации между отправителем и слушателем, что позволяет отправить данные, не дожидаясь их приема другим сервисом.

Теперь предлагаю разобраться, в каких случаях лучше использовать синхронный, а в каких асинхронный способ обмена. Основной проблемой асинхронности является организация взаимодействия между потоками. Поэтому данный способ имеет смысл тогда, когда потоки будут взаимодействовать между собой в строго изолированных местах. В противном случае необходимо использовать синхронный способ.

Когда мы поняли, для чего нам необходим данный метод взаимодействия и разобрались со всеми нюансами, предлагаю перейти к более детальному рассмотрению на примере известного инструмента Apache Kafka – это распределенный, горизонтально масштабируемый, отказоустойчивый брокер сообщений. Распределенным он называется, потому что получение, хранение и рассылка данных может происходит на разных узлах. Благодаря этому такой подход имеет высокую доступность и отказоустойчивость. Горизонтальная масштабируемость проявляется в том, что для увеличения производительности к кластеру подключается больше машин. Причем, при добавлении новой машины никаких простоев происходить не будет, при этом количество машин, которые мы можем добавить к кластер не ограничено. А также отказоустойчивость в Kafka достигается путем реплицирования данных с сегмента на множество брокеров. Отказоустойчивый кластер из пяти узлов останется работоспособным, даже если два из них перестанут работать.

Сообщения в Kafka хранятся в так называемых «топиках» (topic). Находятся они там в течении заданного интервала (например, сутки), либо пока не будет достигнут их порог. На схеме это будет выглядеть следующим образом

«рис. 1»:

Рис. 1. Схема передачи сообщений через топики

46

конфигурации, а также для предоставления групповых служб. Простыми словами – это сервис, который представляет собой распределенное хранилище ключей и значений. Если говорить о его предназначении в нашем случае, то в нем содержится информация о работоспособности нод (брокеров) в кластере, сведения о смещении групп слушателей в рамках партиции и так далее. Выделим основные плюсы, которыми обладает Zookeeper:

−хорошо оптимизирован для считывания информации;

−отказоустойчив;

−атомарность;

−единый образ системы;

−своевременность.

Теперь можем прийти к выводу о том, когда стоит использоватьApache Kafka и выделить основные преимущества данного брокера. Сперва хотелось бы отметить, что Kafka позволяет пропускать через централизованную среду огромное количество данных, причем мы можем не беспокоиться о производительности и их сохранности. Работая с данным брокером, можно отцепить приложения друг от друга, используя его как связующее звено. А также получить гарантию, что все сообщения в пределах партиции будут упорядочены, поэтому нужное сообщение можно найти по его смещению. Но стоит обратить внимание, что данный вид обмена стоит использовать лишь в строго изолированных местах, в противном случае возникает необходимость синхронизировать потоки.

ФГБОУ ВО «Воронежский государственный технический университет», ФГБОУ ВО «Воронежский государственный университет»

УДК 681.3

Е. Н. Королев, М. Е. Королева

ИНТЕГРАЦИЯ КОМПОНЕНТ ОБУЧЕНИЯ В РАСПРЕДЕЛЕННЫХ ОБРАЗОВАТЕЛЬНЫХ СРЕДАХ

Современные дистанционные образовательные среды активно развиваются и актуальность таких систем особенно возрастает в период, когда студенты не имеют возможности посещать занятия в учебных заведениях. Такие образовательные среды должны обеспечить бесперебойную работу при одновременном обслуживании сотен или даже тысяч пользователей. Как правило, такие системы имеют сложную распределенную архитектуру. Не менее важным моментом является организация построения таких систем, и интеграция сформированных компонент обучения в единую систему. В отдельное направление можно выделить обучение системных пользователей САПР. Специфика задач автоматизированных обучающих систем в учебно-исследовательских САПР заклю-

48

чается в том, обучение системных пользователей сводится к принятию инженерных решений, выработке умений и навыков выполнения проектных операций и процедур для получения проектных решений. Для организации таких систем особенно важным является момент интеграции компонент обучения, поскольку компоненты обучения для таких систем разрабатываются как правило с использованием разных технологий и платформ.

Кроме вопроса интеграции, важен вопрос выбора технологии для написания Веб-сервисов, реализующих компоненты обучения в распределенных образовательных средах. Реализация компонент обучения в виде Веб-сервисов обусловлена тем, что это технология, позволяющая системам обучения обмениваться данными друг с другом через сетевое подключение. Удобность их использования также объяснятся тем, что обычно веб-сервисы работают поверх протокола HTTP или протокола более высокого уровня. В нашем случае Вебсервис реализации логики компонента обучения будет представлять собой просто адрес или ссылка, обращение к которому позволяет получить данные или выполнить действие в соответствии с требованиями системы обучения для каждого конкретного случая.

К основному отличию веб-сервиса от других способов передачи данных относится его стандартизированность. Так как в качестве компонент обучения будут использоваться веб-сервисы, то можно сразу переходить к структуре данных и доступным методам обучения. Преимуществом использования SOAP, который является более строгим протоколом), является также то, что в нем уже решён вопрос уведомления об ошибках.

При выборе способа реализации веб-сервисов реализации компонент обучения были рассмотрены следующие:

−XML-RPC (XML Remote Procedure Call) — протокол удаленного вызо-

ва процедур с использованием XML, который достаточно прост в реализации.

−SOAP (Simple Object Access Protocol) — стандартный протокол по вер-

сии W3C. Четко структурирован и задокументирован.

−JSON-RPC (JSON Remote Procedure Call) — более современный аналог

XML-RPC. Основное отличие — данные передаются в формате JSON.

−REST (Representational State Transfer) — архитектурный стиль взаимо-

действия систем в сети, основанный на методах протокола HTTP.

Из предложенных вариантов был выбран SOAP (Simple Object Access Protocol), который предполагает передачу в формате XML. Данный выбор объясняется тем, что это отраслевой стандарт по версии W3C, наличием строгой спецификации, широкой поддержка в продуктах Microsoft и однозначность.

При построении распределенных систем обучения предлагается реализовать отдельные микрофункции обучения в специальных компонентах и выполнить задачу их интеграции. При этом придется рассмотреть следующие возможности:

−возможность использования технологий разработки серверных компонент и анализ существующих технологий реализации компонент;

49

−возможность реализации компонент обучения в виде SessionВeans;

−возможность использования компонент Stateless;

−возможность использования компонент Stateful;

−возможность использования аннотаций для описания компонент и их методов;

−возможность использования рефлексии для изучения компонент и вызова их методов;

−возможность интеграции компонент обучения.

Вкачестве основной технологии для разработки компонент обучения в распределенных образовательных средах выбрана технология Enterprise JavaBeans. EJB представляет собой спецификацию технологии для создания и поддержки серверных компонент, которые содержат бизнес-логику при построении распределенных интеллектуальных высоконагруженных информационных систем.

Преимуществом разработанных EJB компонент обучения будет то, что они будут выполняться внутри EJB-контейнера. Контролем работы EJBконтейнера занимается EJB-сервер. Функцией EJB-контейнера для созданных компонент обучения и компонент принятий решений будет поддержка таких сервисов как транзакции, управление ресурсами, управление версиями компонент, их мобильностью, настраиваемостью, мобильностью, жизненным циклом.

Весь пул компонент обучения в распределенных образовательных средах можно представить в виде трёх основных типов EJB компонент:

−сессионные (Session Beans) stateless (без состояния);

−сессионные (Session Beans) stateful (с поддержкой текущего состояния);

−сессионные (Session Beans) singleton (один экземпляр на все приложение). Разработка компонент обучения в виде EJB-компонент дает нам следую-

щие преимущества при построении распределенной системы:

−обеспечение сохранности данных, что дает возможность сохранить данные после остановки программы, что чаще всего достигается с помощью использования базы данных;

−обеспечение поддержки распределённых транзакций, распространенных на несколько серверов, на которых будут размещаться компоненты распределенной системы обучения;

−поддержка параллельного изменения данных и многопоточности обработки данных в распределенной системе обучения;

−автоматическая реализация обработки событий в построенной системе;

−обеспечение безопасности и ограничения доступа к данным системы обучения.

К одной из сложных и важных задач при построении распределенных образовательных сред следует отнести интеграцию компонент обучения и компонент поддержки принятия решений в обучающих САПР. Решение задачи интеграции компонент обучения в распределенной системе будет выполнено по-

50

средством реализации вызовов разработанных EJB компонент обучения через Web-службы, которые будут взаимодействовать друг с другом по протоколу SOAP и каждый веб – сервис должен быть описан на языке WSDL.

Разработанные веб-сервисы представляют собой серверные компоненты, которые обменивается сообщениями в формате XML, используя для их передачи стандартный протокол HTTP. Реализованные веб-службы могут взаимодействовать друг с другом и с другими приложениями с помощью сообщений по протоколу SOAP. Предложенный способ интеграции компонент обучения в распределенных образовательных средах основан на использовании распределённых, слабо связанных заменяемых компонентов обучения, которые оснащены стандартизированными интерфейсами для взаимодействия по стандартизированным протоколам.

Литература

1.Королев Е. Н. Разработка компонент интеллектуальных учебноисследовательских САПР / Е. Н. Королев // Оптимизация и моделирование в автоматизированных системах: труды международной молодежной школы. 2018. С. 35-36.

2.Королев Е. Н. Интеграция компонент обучения и компонент поддержки принятия решений в распределенных учебно-исследовательских САПР на основе SOA / Е. Н. Королев // Интеллектуальные информационные системы: труды Международной научно-практической конференции. 2019. Ч. 2. С. 84-86

ФГБОУ ВО «Воронежский государственный технический университет», ФГБОУ ВО «Воронежский государственный университет»

УДК 378.14.015.62

В. Г. Звонкий, Е. А. Царюк

ИНФОРМАЦИОННАЯ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ ПОДГОТОВКЕ ИНЖЕНЕРНЫХ КАДРОВ

Актуализация вопроса вузовской подготовки инженерных кадров уровень знаний и умений, которых максимально приближен к требованиям промышленных работодателей, обусловлена решением наиболее сложных профессиональных задач через внедрение научных и образованных результатов в рамках инновационной деятельности в производственные процессы. Что ведет к естественной интеграции вуза и основных работодателей, как потребителей услуг вуза. Создание программного продукта для обработки результатов анкетирования работодателей на предмет выявления приоритетных направления деятельности предприятий и уровня сложности задач, с которыми должен справиться молодой специалист, является инструментом взаимодействия вуза и предприятий.

51

Предприятия приняли участие в анкетировании, процесс которого был разделен на четыре этапа: подготовка анкет, проведение анкетирования, обработка собранных данных и формирование выводов о результатах анкетирования.

Анкета разделена на некоторое количество блоков, вопросы каждого отдельного блока затрагивают определенную задачу. Результаты обработки полученных ответов представляет собой базы данных большого объема, требующие дальнейшего анализа и интерпретации результатов, для этой цели использовался метод расслоенного эксперимента, который позволил произвести расслоение дисперсии тиража анкет на дисперсии, обусловленные влиянием большого числа факторов между группами анкетируемых [1]. Факторы можно сгруппировать, согласно рис. 1, в две ступени: группа анкетируемых по предприятиям (I

ступень) и, собственно задачи профессиональной деятельности (II ступень).

Т2

Рис. 1. Схема расслоения дисперсии тиража

При разложении общей дисперсии тиража на составляющие воспользуем-

где n– объем выборки, m – количество задач профессиональной деятельности, k – количество анкетируемых предприятий.

Затем необходимо свести абсолютные значения дисперсий по основным видам профессиональной деятельности и для полного представления картины рассеяния найти относительные значения дисперсий, которые точнее укажут на наиболее сложный вид профессиональных задач, с которым предстоит справиться молодому специалисту на предприятии. Результат обработки – гистограммы приоритета профессиональных задач, которые должен уметь решать молодой специалист, прошедший курс обучения соответствующего направления обучения.

52

Применение метода расслоенного эксперимента требует большого ряда громоздких вычислений над огромными массивами данных, поэтому при вычислениях вручную повышается вероятность ошибки по причине человеческого фактора. Применение современных информационных технологий позволит значительно повысить эффективность процесса анкетирования и обработку его результатов с помощью разработанного программного продукта с использованием сетевого взаимодействия.

Программный продукт состоит из следующих подсистем: пользовательское приложение (для создания и работой с анкетами, а так же для обработки результатов анкетирования); серверное приложение (для взаимодействия с базой данных); web-приложение (для заполнения анкет), а информационными объектами – промышленные предприятия, которые будут анкетироваться; отрасли, к которым относятся эти предприятия; направление подготовки, по которому будет выстраиваться приоритет задач по окончанию обработки данных; уровень программ подготовки (бакалавриат или магистратура); приоритетный вид задачи, которые должен уметь решать выпускник учебного заведения; варианты ответов в виде уровней, которые определяют умение решать конкретную производственную задачу; ответы на поставленный вопрос; пользователи клиентского или web приложения.

Подсистема пользовательского приложения является основной частью разработанной системы для работников вуза. Через эту систему осуществляются такие основные процессы как: добавление, редактирование и удаление предприятий, направлений, задач и вопросов, вариантов ответов на вопросы; просмотр данных обо всех объектах системы (предприятия, направления, задачи, вопросы, результаты тестов, результаты обработки данных и т.д.); обработка результатов тестов и подведение итогов.

Входная информация – это информация об объектах, в то же время эта информация и выходная для просмотра данных. Выходной информацией являются так же ответы на тесты и их результаты обработки. Архитектура программы рис. 2 спроектирована так, чтобы в последующей работе над приложением была возможность быстрого и легкого расширения функциональности.

Рис. 2. Архитектура программного продукта

Пользователь в клиентском приложении из выбранных данных формирует запрос, который отправляется на сервер. На сервере, после успешной обработки клиентского запроса, формируются SQL-запросы, которые отправляется к базе данных, хранящей данные в виде таблиц, необходимые для получения от-

53

вета. А в случае ошибки, сервер отправляет клиенту информацию о ней и выведет ее у себя в окне логирования [2].

Вструктуре программного продукта определены такие модули как: авторизация, работа с данными и обработка результатов.

Вмодуле обработки результатов прописаны методы вычисления над результатами анкетирования, а также в этом модуле происходит визуализация результатов вычислений.

Схема взаимодействия компонентов программного обеспечения с описанием информационных потоков представлена на рис. 3.

Рис. 3. IDEF0-диаграмма

Основной блок находится в центре схемы. Входными параметрами являются: ответы на вопросы, логин и пароль представителя предприятия, направление и предприятие. В качестве управляющих элементов выступают: представитель предприятия и работник университета. В качестве механизмов – выступает уровень доступа. Выходная информация – приоритет профессиональных задач, с которые должен справиться молодой специалист на предприятии.

Тестирование и апробирование программного продукта производилось на базе инженерно-технического института ПГУ им. Т.Г. Шевченко, в период с 2016 по 2019 года, с целью формирования образовательной программы подготовки компетентного специалиста «бакалавра» по направлению 15.03.02 «Технологические машины и оборудование», максимально адаптированного к современным условиям промышленного производства Приднестровья.

Целевой аудиторией анкетирования явились специалисты восьми крупных промышленных предприятий Приднестровья: НП ЗАО «Электромаш», ОАО «Литмаш», ЗАО «Молдавизолит», РП «Бендерский машиностроительный завод», ФГУП «Завод «Прибор», ЗАО «Рыбницкий насосный завод». Анкетирование затронуло все основные структурные подразделения предприятия: административное, конструкторско-технологическое, производственное и вспомогательное. Общий объем выборки составил 48 анкет.

54

Реализация программного продукта позволила получить данные, которые актуализируют задачи на развитие научно-исследовательской деятельности студента, формирование научно-исследовательских компетенций, которые включают в себя системное изучение научно-технической информации отечественного и зарубежного опыта, участие в работе над инновационными проектами, использование базовых методов исследовательской деятельности.

Рис. 4. Результаты исследования уровня сложности профессиональных задач для подготовки молодого специалиста: ктт, ктп – показатели оценки объективности и надежности результатов анкетирования

Результаты исследования на рис. 4, в целом позволяют определить условия по оптимизации формирования образовательной программы и принятия эффективных управленческих решений для повышения качества предоставляемых вузом образовательных услуг, а разработанный программный продукт автоматизировать процесс создания, редактирования и проведения анкетирования предприятий.

Литература

1.Долгов, Ю. А. Статистическое моделирование: учебник для вузов/ Ю. А. Долгов. − Тирасполь: Изд-во Полиграфист, 2011 – 348 с.

2.Ржеуцкая, С.Ю. Базы данных. Язык SQL/С.Ю. Ржеуцкая. – Вологда:

ВоГТУ, 2015 – 59 с.

ГОУ «Приднестровский государственный университет им. Т. Г. Шевченко»

55

УДК 004.9

Т. Г. Дидык, А. А. Андрюшина

АНАЛИЗ БИЗНЕС-ПРОЦЕССА ЗАКЛЮЧЕНИЯ ДОГОВОРОВ ПО ОКАЗАНИЮ УСЛУГ ОРГАНИЗАЦИЯМ

Внастоящее время информационные технологии широко используются в деятельности практически всех организаций. Многие предприятия на современном уровне развития автоматизации бизнес-процессов сталкиваются с различными изменениями, что, в свою очередь, влияет на развитие бизнеса и возникновение новых бизнес-моделей [1]. Основной целью автоматизации является повышение качества исполнения процесса.

Встатье рассмотрен процесс заключения и оформления договоров по оказанию услуг организациям на примере планово-экономического отдела (ПЭО) АО «Мелеузовские тепловые сети». В результате анализа данного процесса выявлены его недостатки, и разработаны способы их устранения [2]. Мнемосхема существующего процесса изображена на рис. 1.

Рис 1. Мнемосхема существующего процесса заключения и оформления договоров по оказанию услуг организациям

56

Планово-экономический отдел в своей работе использует информационную систему «1С: Бухгалтерия 8». Это готовое решение для ведения уч е- та в организациях, осуществляющих любые виды коммерческой деятельн о- сти: оказание услуг, производство и т.д.

Процесс оформления документов по оказанным услугам для сторонних организаций в нотации EPC приведен на рис. 2

Как видно из рис. 2, сотрудник ПЭО сталкивается со следующими проблемами:

1.Документы между отделами передаются в бумажном виде. Для их передачи затрачивается много времени. Кроме затрат времени есть и мат е- риальные затраты, связанные с покупкой бумаги, заправкой картриджа, приобретением и обслуживанием компьютера и принтера.

2.Много времени затрачивается на выполнение расчетов. Все данные сначала вводятся в MS Excel. производятся расчеты, затем заполняются н е- обходимые сведения в «1С: Бухгалтерия 8». Помимо данного задания с о- трудник планово-экономического отдела выполняет и другие свои функции, поэтому время на данный процесс необходимо минимизировать.

Первую проблему в деятельности планово-экономического отдела АО «Мелеузовские тепловые сети» можно решить при помощи подключения удаленного взаимодействия сотрудников [3]. Система взаимодействия – это механизм, позволяющий взаимодействовать между собой клиентским приложениям, серверу и пользователям одной или нескольких информационных баз. При таком взаимодействии пользователи приложения могут о б- щаться друг с другом в режиме реального времени с помощью текстовых сообщений.

Вторую проблему можно решить путем автоматической загрузки и н- формации из MS Excel в информационную систему «1С: Бухгалтерия 8». Для этого надо будет выполнить ряд настроек в программе.

Предложенные решения позволят решить вышеперечисленные проблемы и упростить деятельность сотрудников плановоэкономического отдела, что в свою очередь, повысит эффективность работы отдела в целом. Применение предложений по совершенствованию информационной системы позволит разгрузить сотрудников отдела, сн яв с них несущественные задачи, и направить деятельность на выполнение главных обязанностей, а также поможет избежать большинства ошибок, появляющихся вследствие невнимательности человеческого фактора.

57

Рис. 2. Процесс создания задания «как есть» в нотации EPC

58

Литература

1.Фаизова С. Р., Дидык Т. Г. Реинжиниринг обеспечивающих бизнеспроцессов организации /Наука на современном этапе: вопросы, достижения, инновации: материалы международной научно-практической конференции. – Кемерово: Издательство: ИЦ «Quantum», 2017. – С. 85-88.

2.Утарбаева А. А., Дидык Т. Г. Анализ и создание информационной системы на предприятии /Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин /материалы II Международного научного форума. – М.: Издатель-

ский дом ГУУ, 2018. – С. 238-242.

3.Инструкция по загрузке из Excel в 1C для программиста [Электронный ресурс]. – URL: https://programmist1s.ru/zagruzka-iz-excel-v-1s (дата обращения: 27.05.2020).

ФГБОУ ВО «Уфимский государственный авиационный технический университет»

УДК 004.55

М. Ю. Сергеев, А. С. Коробкин, Т. И. Сергеева

РАЗРАБОТКА ИНФОРМАЦИОННОГО ВЕБ-ПОРТАЛА СОЦИАЛЬНОЙ НАПРАВЛЕННОСТИ

Исследование построения информационных веб-систем социальной направленности на основе типовых подходов к проектированию сайтов, выбору веб-технологий и языков программирования является важной и актуальной задачей, обеспечивающей стандартизацию задач по разработке веб-систем различного назначения.

Разработка стандартных подходов означает стандартизацию таких типовых задач как определение стандартной структура информационного сайта, создание типовых информационных контентов, ориентированных на предметную область сайта, разработку требований к оригинальному дизайну сайта и системе навигации.

Большую группу веб-систем социальной направленности составляют рекламные сайты оздоровительных учреждений специального назначения, занимающихся развитием спорта и здорового образа жизни. Спортивные вебпорталы ставят своей целью повышение информированности населения о направлениях спортивной подготовки, об организации физических занятий, о разнообразных аспектах здорового образа жизни. Конечная цель информационного веб-портала спортивного назначения повысить мотивацию к занятию спортом.

59

Для решения поставленной задачи был разработан информационный вебпортал спортивного назначения для организации спортивных занятий в рамках поддержки здорового образа жизни.

Структура веб-портала, следующая:

−страница авторизации / регистрации;

−статьи, разбитые на категории;

−встроенный калькулятор для подсчета индекса массы тела и калорийности рациона;

−поисковая система для поиска статей по ключевым словам. Информационное наполнение веб-портала разделено на три категории:

методы тренировки, тренажеры, спортивное питание. Каждая категория может включать несколько статей.

Статьи поддерживают интерактивное общение с посетителями сайта. Для этого в каждой статье предусмотрен раздел для комментариев. Комментарии позволяют обмениваться опытом, обсуждать результаты тренировок, оценить полезность статьи. Рейтинг каждой статьи оценивается по пятибалльной шкале.

Сайт поддерживает обратную связь с администратором портала. С помощью обратной связи пользователь может задать вопрос администратору и получить ответ за короткий промежуток времени.

Администратор может осуществлять подборку статей, которые интересуют пользователя, и выставлять ссылки на них в специальной панели на портале.

Для быстрого доступа к нужной статье имеется поисковая система, которая осуществляет поиск статьи по ключевым словам.

Для использования на сайте были разработаны два калькулятора для подсчета ряда важных показателей.

Первый калькулятор определяет индекс массы тела по введенному росту и весу.

Второй калькулятор обеспечивает расчет количество калорий, белков, жиров и углеводов, как в отдельном продукте, так и во все рационе за определенный промежуток времени.

Компоненты программного обеспечения любой веб-системы состоят из трех частей: база данных для хранения специализированной информации; средства конвертирования данных, представленных на сайте, из сторонних приложений в формат базы данных; веб-приложения, которые взаимодействуют с базой данных и с которыми работают пользователи [1, 2].

Все методы создания сайтов, можно условно разделить на две основные группы. Первая группа методов – это методы ручного написания на одном или нескольких языках веб-программирования.

Вторая группа методов создания сайтов включает в себя методы автоматизированного создания сайтов: при помощи специальных конструкторов сайтов или же систем управления контентом (СМS).

Веб-портал был разработан на базе популярной системы управления кон-

тентом WordPress [3].

60

Система WordPress включает множество функций для создания сайта, использует язык программирования PHP и систему управления базой данных MySQL. Дополнительно в разработке применялись инструментальные средства: язык гипертектовой разметки HTML5, каскадные таблицы стилей CSS, jQuery, JavaScript, BootStrap 4 (фреймворк для создания быстродействующих мобильных сайтов), технология AJAX (обеспечивает взаимодействие с сервером без перезагрузки страницы), Vue (прогрессивный фреймворк для создания пользовательских интерфейсов). В качестве редактора исходного кода был выбран Visual Studio Code, позиционирующийся как «лёгкий» редактор кода для кроссплатформенной разработки веб- и облачных приложений.

На основе веб-портала спортивного назначения было разработано мобильное приложение, осуществляющее информационное сопровождение тренировок. В специализированной базе данных происходит хранение и накопление следующих данных:

−личные данные пользователя;

−архив истории тренировок;

−информация о содержании тренировки.

Мобильное приложение содержит список тренировок. Когда пользователь начнет выбранную им тренировку, то будет происходить запись в базу данных следующей информации о тренировке:

−вид тренировки;

−продолжительность тренировки;

−количество потраченных калорий;

−выполненные упражнения.

Вдальнейшем эти данные пользователь может отслеживать как в мобильном приложение, так и на веб-портале в личном кабинете.

При этом мобильное приложение и сайт работают с общей базой данных. Пользователь проходит регистрацию один раз, или на сайте, или в приложение, и в дальнейшем может авторизоваться под своей учетной записью на

веб-портале или в мобильном приложении.

Разработанный сайт обладает следующими эксплуатационными характеристиками:

−простой дизайн и отсутствие повышенных требований к браузеру;

−понятный и простой интерфейс;

−полная адаптация к любым устройствам и браузерам;

−интерактивный характер взаимодействия пользователей между собой и с администратором портала.

Созданный специализированный информационный веб-портал спортивного назначения обеспечит:

−необходимой информацией о возможных направлениях спортивной подготовки;

−простым и интуитивно понятным для пользователя интерфейсом;

61

−предоставление пользователю оперативного доступа к интересующим его информационным разделам веб-портала;

−возможность расчета показателей, связанных с рационом питания;

−повышение мотивации к занятиям спортом.

Литература

1. Сергеев М. Ю. Оптимизация выбора программного обеспечения виртуальной торговой площадки / М. Ю. Сергеев, Т. И. Сергеева // Вестник Воронежского государственного технического университета. – 2014. − Т. 10. № 5. − С. 43-45.

2. Сергеев М. Ю. Моделирование системы оптимального выбора программного обеспечения интернет-представительства организации / М. Ю. Сергеев, Т. И. Сергеева // Информационные технологии моделирования и управления (ИТМУ): Научно-технический журнал, № 5 (107), Воронеж, ООО Издательство “Научная книга”, 2017. – С. 379-386.

3. Грачев А. Создаем свой сайт на WordPress: быстро, легко, бесплатно / А. Грачев. – СПб.: Питер, 2013. – 272 с.

ФГБОУ ВО «Воронежский государственный технический университет»

УДК 683.1

Т. И. Сергеева, Е. С. Волина, М. Ю. Сергеев

ИНФОРМАЦИОННОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ТЕСТИРОВАНИЯ НА ОСНОВЕ КОМПЕТЕНТНОСТНОГО ПОДХОДА

Создание информационного и программного обеспечения автоматизированной системы тестирования на основе компетентностного подхода является важной и актуальной задачей, реализация которой обеспечит проверку сформированности у обучающихся универсальных, общепрофессиональных, профессиональных компетенций в соответствии с программой обучения.

Подобные автоматизированные системы обеспечат оценку качества подготовки выпускника с учетом требований федеральных государственных образовательных стандартов (ФГОС), основных профессиональных образовательных программ высшего образования (ОПОП ВО) по направлению подготовки и профилю обучения.

Разработка программного обеспечения автоматизированной системы тестирования на основе компетентностного подхода обеспечивает:

62

−структуризацию учебной и методической информации, необходимой для реализации тестирования с учетом требований ФГОС и ОПОП ВО;

−автоматизацию процесса подготовки учебно-методических материалов для организации тестирования с учетом имеющихся компетенций и индикаторов их достижения;

−повышение эффективности оценки полученных знаний, умений и навыков в ходе автоматизированного тестирования.

Методика разработки автоматизированной системы и ее информационного и программного обеспечения базируется на теории проектирования, реализации и управления реляционными базами данных, на теории построения автоматизированных систем, на теории применения объектно-ориентированного подхода и средств быстрой разработки приложений при создании программного обеспечения автоматизированной системы [1].

Универсальные и общепрофессиональные компетенции для каждого направления подготовки представлены в соответствующем государственном стандарте.

Профессиональные компетенции для направления и профиля подготовки формируются вузом самостоятельно на основе примерной образовательной программы, выбранных типов профессиональной деятельности, профессиональных стандартов и обобщенных трудовых функций.

Процесс обучения строится на основе учебного плана, который включает дисциплины (модули) и практики.

Дисциплины учебного плана разделяются на две части. Это дисциплины, указанные в обязательной части учебного плана. Вторая часть – это дисциплины, которые определяются участниками образовательных отношений.

Дисциплины (модули) и практики из обязательной части должны реализовывать формирование у обучаемых универсальных и общепрофессиональных компетенций.

Дисциплины (модули) и практики, определяемые участниками образовательных отношений, формируют универсальные и профессиональные компетенции.

Компетенция (от лат. competere – соответствовать, подходить) – способность человека применять знания, умения и навыки для эффективного решения профессиональных задач в некоторой предметной области [2].

Освоенность компетенций оценивается с помощью индикаторов. Типовые индикаторы достижения компетенций разделяются на группы: знать, уметь, владеть. В рабочих программах дисциплин конкретизируются значения индикаторов.

Оценку освоенности компетенций целесообразно осуществлять в рамках автоматизированных систем тестирования.

63

Стандартный подход к организации системы автоматизированного тестирования предполагает, что данная система формируется из набора стандартных подсистем с заранее определенным набором функций:

−подсистема создания тестов;

−подсистема проведения тестирования;

−подсистема мониторинга результатов тестирования.

Предложенная автоматизированная система тестирования на основе компетентностного подхода создана как автоматизированная система, в состав которой входят информационная часть (база данных) и программная часть (приложение для работы с базой данных и реализации тестирования).

Специализированная база данных включает следующие реляционные таблицы: «Направления подготовки», «Профили», «Дисциплины», «Компетенции», «Дисциплины-Компетенции», «Индикаторы», «Тесты», «Студенты», «Протокол тестирования».

Программное обеспечение автоматизированной системы состоит из программных модулей:

−группа модулей, выполняющих ввод, просмотр и редактирование данных в таблицах базы данных;

−модуль настройки параметров тестирования;

−модуль регистрации студентов и выбора дисциплины для тестиро-

вания;

−модуль проведения процедуры тестирования и сохранения протокола тестирования в таблице базы данных;

−группа модулей анализа результатов тестирования.

Группа модулей, выполняющих ввод, просмотр и редактирование данных реализована как набор экранных форм, обеспечивающих работу пользователяпреподавателя с данными в таблицах базы данных. Экранные формы обеспечивают удобный и понятный пользователям интерфейс, обеспечивающий выбор данных из всевозможных списков.

Модуль настройки параметров тестирования выполняет следующие действия:

−выбор дисциплины для тестирования;

−формирование набора тестовых заданий из банка данных тестов. Тестирование относится к промежуточной аттестации и оценивает полу-

ченные знания, умения и навыки после изучения дисциплины.

Модуль регистрации студентов вводит основные данные о студентах (номер зачетки, фамилия и инициалы, шифр группы) в таблицу базы данных и определяет дисциплину, по которой проводится итоговое тестирование.

Модуль реализации тестирования и формирования протокола тестирования формирует экранные формы для проведения тестирования, заносит ответы студента в таблицу «Протокол тестирования», после окончания тестирования заносит его результаты в таблицу «Студенты».

64

Группа модулей анализа результатов тестирования формирует на основе запросов отчеты о прохождении теста отдельным студентом или группой студентов.

Автоматизированная система реализована как система, работающая с базой данных, созданной средствами СУБД Access. Приложение по работе со специализированной базой данных разработано в среде Visual Studio.

Автоматизированная система тестирования на основе компетентностного подхода обеспечит:

−накопление, хранение и управление базой данных учебнометодических материалов, необходимых для реализации тестирования знаний, умений и навыков, полученных в ходе обучения;

−оперативный учет и хранение структурированных данных о результатах тестирования с целью их последующего анализа;

−формирование и реализацию запросов о результатах тестирования отдельного студента или студенческой группы.

Литература

1 Сергеева Т. И. Теория баз данных / Т. И. Сергеева. – Воронеж: ВГТУ, 2015. – 154 с.

2 Солдатенко И. С. Проектирование образовательных программ в области ИКТ с учетом профессиональных стандартов / И. С. Солдатенко, С. М. Дудаков, И. В. Захарова. – СПб.: Питер, 2017. – 144 с.

ФГБОУ ВО «Воронежский государственный технический университет»

УДК 681.518

С. С. Кочковская, А. В. Щеголев

АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ ОМД НА ЭТАПЕ ПОДГОТОВКИ ПРОИЗВОДСТВА

На сегодняшний день технологические процессы обработки металлов давлением (ОМД) широко используются при изготовлении изделий на предприятиях машиностроения [1].

Требования, предъявляемые к эффективности подразделений, связанных с разработкой соответствующей нормативно-технической документацией, возможно, реализовать с использованием современных информационных управляющих систем.

В этих условиях разработка и внедрение системы управления процессами ОМД на этапе подготовки производства является актуальной научной задачей[2].

65

Поэтапно автоматизация технической подготовки процессов ОМД представлена в виде диаграммы последовательности, на которой показано взаимодействие объектов, с продолжительностью обработки [3] (рис. 1).

Рис. 1. Диаграмма последовательности этапов автоматизации технической подготовки процессов ОМД

Структура разработанной системы управления процессами ОМД на этапе подготовки состоит из следующих основных компонентов (таблица).

66

В свою очередь компоненты соотнесены и объединены по функциональному признаку (рис. 2).

Компоненты «Расчет параметров заготовки» и «Расчет параметров инструмента вырубки» объединены в блок, результатом работы которого является построение трехмерной модели в автоматизированной системе трехмерного проектирования КОМПАС-3D.

Компонент «Банк данных» включает в себя систему управления базами данных (СУБД) среды Microsoft Access объектно-ориентированного языка программирования Delphi программного продукта Embarcadero RAD Studio компа-

нии Embarcadero Techhologies.

Структура базы данных (БД) по механическим свойствам для СУБД Microsoft Access представляет собой таблицы, связанные отношением «один- ко-многим» [4].

Компонент «Система моделирования» осуществляет контроль формы заготовки на каждом этапе с возможностью выбора требуемого значения усилия вытяжки.

Использование соответствующего компонента предоставляет огромную возможность для обработки результатов, контроля технологического процесса на наличие дефектов, анализа течения металла.

67

Результаты работы компонента «Система моделирования» представляются графически и таблично [5].

Компоненты «Расчет параметров инструментов» и «Расчет количества вытяжек» объединены в единую группу, позволяющие в автоматизированном режиме выполнять построение вытяжных инструментов, а также получать модели пуансонов и необходимые параметры матриц процессов ОМД на каждом этапе.

Необходимые производственные данные выгружаются из компонента «Банк данных», необходимая информация для расчета принимается из соответствующих таблиц, формируемых с помощью компонента «Система моделирования».

Таким образом, проведена систематизация этапов автоматизации технической подготовки процессов ОМД, а также разработана структура автоматизированной системы управления технологическими процессами ОМД на этапе подготовки производства.

Литература

1.Филимонов, В. И. Теория обработки металлов давлением: учебное пособие / В. И. Филимонов, О. В. Мищенко. – Ульяновск: УлГТУ, 2012. – 208 с.

2.Вотинова, Е. Б. Основы технологической подготовки производства: учебное пособие / Е. Б. Вотинова, М. П. Шалимов, А. М. Фивейский. – Екатеринбург: Изд-во Урал. ун-та, 2017. – 168 с.

3.Буч, Г. Объектно-ориентированный анализ и проектирование с примерами приложений, 3-е изд. / Г. Буч, Р. Максимчук, М. Энгл Майкл, Б. Янг, Д. Коналлен, К. Хьюстон: Пер с англ. – М.: ООО «И. Д. Вильямс», 2010. – 720 с.

4.Наумов, Д. М. Методика применения баз данных в автоматизированных системах расчета процессов ОМД / Д. М. Наумов, А. И. Вальтер // Автоматизация: проблемы, идеи, решения. – Тула: Изд-во ТулГУ, 2009. – С. 27-30.

5.Паршин, В. С. Практическое руководство к программному комплексу DEFORM-3D: учебное пособие / В. С. Паршин, А. П., Кармышев, И. И. Некрасов, А. И. Пугин, А. А. Федулов. – Екатеринбург: Изд-во УрФУ, 2010. – 266 с.

Орский гуманитарно-технологический институт (филиал) федерального государственного бюджетного образовательного учреждения «Оренбургский государственный университет»,

Акционерное общество «Механический завод», г. Орск

69

УДК 371.3

А. В. Цопкало

ПРИМЕНЕНИЕ ОБУЧАЮЩИХ СИСТЕМ С СЕМАНТИЧЕСКИМИ СВЯЗЯМИ

Настоявшая статья посвящена описанию преимуществ использования обучающих систем с семантическими связями в современном пространстве информационных технологий в образовании. Также в работе приведены ключевые требования к таким обучающим системам.

Ключевые слова: обучающие системы, семантические связи, онтология, учебный курс, пакет, обучающий модуль, программа, тезаурус.

Вжизни каждого человека образование играет одну из первостепенных ролей. Однако качество получаемого каждым человеком образования может сильно отличаться от других. Это, несомненно, зависит от способностей человека, но также еще и важную роль играет образовательная система, включающая: педагогов, учебные программы, методы и способы преподнесения материалов и проверки знаний.

Впоследнее время широкое распространение получила тенденция развития электронных учебных пособий. Достоинствами таких пособий является то, что обучающийся сам определяет, сколько времени необходимо для полного усвоения материала, работает в те часы, которые ему удобны, изучает тот материал, который требует дополнительной проработки.

Электронные учебники могут использоваться как для открытого образования – самими учащимися и преподавателями, так и для дистанционного обучения [1].

Внастоящее время, во время интенсивного развития информационных технологий, представляется возможным перевести качество образования на новый уровень, сделать сам процесс более интересным для самого обучаемого, несколько изменить роль «учителя» во всей этой системе. Одним из перспективных направлений в этой области является применение автоматизированных обучающих систем с семантическими связями. Такие системы предназначены для создания и сопровождения баз учебных материалов, синтеза новых учебных программ, курсов и учебников в соответствии с технологией разделяемых единиц контента и использования созданных пособий обучаемыми.

Образовательное пространство в рамках такой системы включает в себя множество областей знаний, каждое из которых подразделяется на учебные программы. Эти программы наполняются учебными модулями (которые сейчас принято называть предметами или дисциплинами). Каждый учебный модуль включает теоретическую базу, словарь терминов и понятий (тезаурус), интерактивные системы обучения (видео лекции, презентации и т.д.), а также системы тестирования и проверки знаний.

70

Таким образом, администраторы учебного курса (например, преподаватели) могут объединять в рамках учебной программы различные учебные курсы, компоновать учебные материалы и создавать быстро и оперативно учебные пособия с заданным уклоном, сложностью и материалами. Причем все учебные программы, созданные таким способом, могут кардинально отличаться по содержанию, но при этом будут собраны из единой базы разделяемых теоретических и практических материалов.

В системах обучения с семантическими связями в основе построения программ лежит создание онтологии, т.е. системы терминов и их определений и отношений между ними [2]. По учебным курсам формируются так называемые тезаурусы (словари), которые составляют основу понятийного аппарата учебного курса. Причем каждый термин словаря может быть входным, выходным или ссылочным, если рассматривать этот термин относительно отдельно взятого модуля (лекции).

Входной термин означает, что он был определен в одном из предыдущих модулей текущего курса, выходной – определяется в данном модуле текущего курса, ссылочный – был определен в рамках другого пакета (курса).

Таким образом, при указании входного или ссылочного термина модуля для него создается гиперссылка к соответствующему элементу тезауруса и к модулям, в которых термин определен. Такая система гиперссылок очень похожа на структуру всем хорошо известной глобальной сети Интернет.

Термины в курсе задаются в именительном падеже в единственном числе. Для идентификации терминов в других формах в таких системах может быть использован метод прямого указания термина и создания ссылки на него вручную администратором курса. В более продвинутых системах для этого предусматривается специальная программа морфологического анализа [3].

Формирование учебного пособия в системах с семантическими связями выполняется посредством навигации по семантической сети словаря. Индикация любого термина в тезаурусе осуществляется путем перехода к вершине семантической сети (то есть модулю, в котором он определен). На рис. 1 приведена типовая схема навигации по семантической сети.

Рис. 1. Схема навигации по семантической сети

71

Обучающая система также должна позволять выдавать полную информацию о каждом из терминов тезауруса: понятие, где определен, в каких модулях используется. На рис. 2 приведен пример вывода такой информации в одной из обучающих систем с семантическими связями – База и Генератор Образовательных Ресурсов (БиГОР).

Рис. 2. Вывод информации о термине тезауруса

Подводя итог, можно сказать, что применение в образовании обучающих систем с семантическими связями имеет большие перспективы, поскольку обладает множеством преимуществ. Можно указать несколько ключевых требований к таким обучающим системам:

−модульная структуризация знаний о предметной области (создание онтологий понятий);

−возможность оперативной компиляции учебных пособий;

−коллективное развитие базы учебных материалов;

−открытая архитектура;

−наличие модулей проверки знаний.

72

ционных технологий является важной темой и задачей исследования. Для решения поставленной задачи требуется систематизировать структуру архитектуры предприятия, которая должна соответствовать направлению развития передовых областей цифровых информационных технологий с учетом результата анализа структуры АП и тематического исследования в предприятии.

Наиболее важной характеристикой архитектуры предприятия является то, что она обеспечивает целостное представление о предприятии [1]. Внутри отдельных уровней архитектуры может проводиться локальная оптимизация, что должно привести к желаемой ситуации для компании в целом.

Однако, в свою очередь, высокооптимизированная ИТ-инфраструктура, которая может показывать высокую производительность при низких затратах, рискует оказаться слишком жесткой и негибкой, если она должна поддерживать быстро меняющиеся бизнес-процессы. Корпоративная архитектура должна обеспечивать понимание развития ИТ-стратегии, необходимое для балансировки этих требований, что облегчит переход от задач, решаемых на стратегическом уровне, к повседневным бизнес-задачам [2].

Для достижения такого представления АП объединение информации из ранее не связанных уровней требует подхода, который понятен всем участникам.

Рассмотрим пять основных архитектурных представлений [3]:

−вид архитектуры бизнес-процесса;

−вид архитектуры бизнес-систем;

−вид архитектуры данных;

−вид архитектуры приложений;

−технологический вид архитектуры.

Эти пять архитектурных представлений учитывают достаточное разнообразие бизнес-процессов, бизнес-систем, модели данных и т.д. Как правило, организация может иметь сотни бизнес-процессов, которые уже внедрены или которые она планирует упростить на этапе планирования. Кроме того, каждый бизнес-процесс может состоять из 5-10 подпроцессов.

Рассматривая процесс моделирования архитектуры предприятия, можно заключить, что единого способа или алгоритма, который позволял бы однозначно описать ИТ-инфраструктуру не существует, но для различных уровней архитектуры предприятия применяют некоторые разработанные правила, позволяющие анализировать рассматриваемый объект по выделенным метрикам. Каждый уровень имеет свои собственные методы описания: текстовые, графические, неформальные или точные. Соответственно для анализа архитектуры предприятия в целом необходимы модели, которые построены с учетом методов и инструментов, спроектированных на всех уровнях.

Реализация в архитектуре зависит от того, что бизнес определяет как архитектуру, а что нет. Организация архитектурного решения позволяет выделить границу между тем, что не должно быть изменено, и тем, что может быть заполнено более свободно. Это предъявляет высокие требования к качеству архитектуры. Качество означает, что ИТ-архитектура действительно помогает в до-

74

стижении основных бизнес-целей организации. Следовательно, при построении и поддержании архитектуры предприятия в актуальном состоянии выбор должен быть связан с бизнес-целями, то есть они должны быть рациональными.

Любая организация выигрывает от четкого понимания ее структуры, продуктов, операций, технологий и сети отношений, связывающих их вместе и с ее окружением. Кроме того, существуют внешние факторы, которые необходимо учитывать, как со стороны клиентов, поставщиков и других деловых партнеров, так и со стороны регулирующих органов. Особенно, если компания становится больше и сложнее, то архитектурные решения начинают играть существенную роль.

Согласованность бизнеса и информационных технологий признана важным инструментом для достижения эффективности организации. Эффективность определяется отношениями между компонентами, а не только подробной спецификацией каждого отдельного взятого компонента.

Модель стратегического выравнивания Хендерсона и Венкатрамана [4] различает аспекты бизнес-стратегии и организационной инфраструктуры, с одной стороны, и ИТ-стратегии, и ИТ-инфраструктуры, с другой стороны (рис.). Модель предоставляет четыре доминирующие перспективы, которые используются для решения проблемы согласованности между этими аспектами. В качестве отправной точки можно взять бизнес-стратегию предприятия.

Получить свою ИТ-инфраструктуру возможно либо через ИТ-стратегию, либо через организационную инфраструктуру; и наоборот, можно сосредоточиться на ИТ как на средстве поддержки и начать с ИТ-стратегии, извлекая организационную инфраструктуру через бизнес-стратегию или основываясь на ИТинфраструктуре. В любой из этих точек зрения архитектура предприятия может оказать ценную помощь в управлении предприятием.

Рис. Модель стратегического выравнивания

75

Может показаться, что архитектура – это нечто статичное, ограничивающее все в пределах своих правил и границ и препятствующее инновациям. Однако, это не так. Четко определенная архитектура является важным активом при позиционировании новых разработок в контексте существующих процессов, ИТ-систем и других активов организации, а также помогает определить необходимые изменения.

В современном мире, который становится все более сетевым, ни одно предприятие не может сосредоточиться исключительно на собственных бизнеспроцессах. Чтобы справиться с множеством взаимосвязей с клиентами, поставщиками и другими партнерами, корпоративная архитектура является ценным активом. Ярким примером этого является аутсорсинг части бизнес-процессов компании и ИТ-операций. Для того чтобы любой проект был успешным, крайне важно иметь четкое представление о том, какие именно действия и обязанности выполняются всеми вовлеченными партнерами, а также какие услуги и взаимодействия между этими партнерами.

Архитектура предприятия – это стратегический инструмент для руководства организацией через запланированную стратегию развития, с помощью многочисленных тематических исследований. Многие предприятия используют «операционную модель» с четким выбором уровней интеграции и стандартизации бизнес-процессов на предприятии. Такая операционная модель должна соответствовать как их сфере деятельности, так и стадии их развития.

Таким образом, оптимальное архитектурное решение помогает компании внедрять инновации и изменяться, обеспечивая стабильность и гибкость. Идеи, предоставляемые для реализации оптимальной архитектуры предприятия, необходимы, с одной стороны, при определении потребностей и приоритетов для изменений с точки зрения бизнеса, и с другой стороны, при оценке того, как компания может извлечь выгоду из технологических и бизнес-инноваций. Архитектура предприятия определяется как единое целое из принципов, методов и моделей, которые используются при разработке и реализации организационной структуры предприятия, бизнес-процессов, информационных систем, функционирующих на предприятии и ИТ-инфраструктуры в целом. Представление архитектуры предприятия в виде моделей, позволяет более подробно проводить анализ существующей ситуации и дальнейшей стратегии развития предприятия. Кроме того, помогает преодолеть разрыв между ИТ-архитектурой и функциональным обеспечиваем бизнес-процессов организации.

Литература

1. Дидык Т. Г., Шаронова Ю. В. Разработка модели расчета предварительной стоимости проектных работ /Виртуальное моделирование, прототипирование и промышленный дизайн: Материалы V международной научнопрактической конференции. – Тамбов: Издательский центр ФГБОУ ВО

«ТГТУ», 2018. – Т. III. – 1 электрон. опт. диск (CD-ROM). – С.26-29.

76

2. Дидык Т. Г., Рыков В. И., Шаронова Ю. В. Алгоритмы и средства формирования онтологии заданной предметной области /Современные проблемы науки и образования. – 2013. – № 6; URL: www.science-education.ru/113-10989 (дата обращения: 05.12.2013).

3.Шавалеева Д. Н., Дидык Т. Г., Шаронова Ю. В. Методы сбора и классификации информации об элементах архитектуры предприятия /Управление экономикой: методы, модели, технологии: материалы XIX Международной научной конференции / Уфимск. гос. авиац. техн. ун-т. – Уфа: РИК УГАТУ, 2019. – С. 312-316.

4.Henderson J. C., Venkatraman N. Strategic alignment: Leveraging information technology for transforming organizations, IBM Systems Journal, – 1993. – Vol 32. -№1. – P. 4 –16.

ФГБОУ ВО «Уфимский государственный авиационный технический университет»

УДК 536.521.2

Ю. А. Клименко, А. П. Преображенский

ИССЛЕДОВАНИЕ МЕТОДИКИ ДИСТАНЦИОННОГО БЕСКОНТАКТНОГО ИЗМЕРЕНИЯ СИЛЫ ЭЛЕКТРИЧЕСКОГО ТОКА

Повышение эффективности производства зависит от поставок потребителям качественных энергоресурсов. Электроэнергия используется во всех областях человеческой жизнедеятельности, например, в промышленности, сельском хозяйстве, транспорте, торговле, в быту. Поэтому от обеспечения персонала, обслуживающего электроустановки, надёжными и простыми в эксплуатации измерительными приборами и системами дистанционного измерения электрических величин напрямую зависит надёжность энергоснабжения, сроки эксплуатации и режимы функционирования технологического оборудования, характеристики безопасности людей. Парк используемых контрольно-измерительных приборов морально и физически устаревает. Разработка новых высокоинтеллектуальные измерительных систем, основанных на новых принципах работы, направлена на обеспечение безопасной эксплуатации энергетического оборудования и сохранение жизни людей. Целью данной работы является рассмотрение методики дистанционного и бесконтактного измерения силы электрического тока, протекающего в проводнике, для дальнейшего использования при разработке нового поколения контрольно-измерительных приборов. Для реализации поставленной цели необходимо проведение анализа возможности использования зависимости температуры нагрева проводника от силы электрического тока, протекающего в нём, на основании закона Джоуля – Ленца [1]. Тепломассообмен связан с необходимостью оценки характеристик распространения теп-

77

ла и массы веществ. Теория тепломассообмена связана с одним из разделов технической физики. Необходимо применять системный подход при использовании разработок по тепло- и массообмену. Это относится и к моделированию процессов, относящихся к переносу тепла и массообмена в различных средах и конструкциях. Соответствующее использование способов моделирования связано с комбинацией математических и физических процессов. Тогда появляются возможности для разработок и применения новых электроизмерительных приборов [2].

Электрический ток, протекая в электропроводной среде, преодолевает электрическое сопротивление проводника и выполняет работу, в процессе ко-

торой происходит выделение тепла в связи с преобразованием механической энергии движения электронов (ионов) в тепловую энергию [3]. Зависимость выделяемой тепловой энергии от силы электрического тока, протекающего в проводнике, определяется в соответствии с законом Джоуля – Ленца. Количество теплоты, которое выделяется в единицу времени на участке электрической цепи, определяется выражением:

78