Современные проблемы информатизации в моделировании и социальных технологиях

ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ЛИПЕЦКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ВОЛОГОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ БАКИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АКАДЕМИЯ ФСО РОССИИ (г. ОРЕЛ) ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

СОВРЕМЕННЫЕ ПРОБЛЕМЫ ИНФОРМАТИЗАЦИИ В МОДЕЛИРОВАНИИ И СОЦИАЛЬНЫХ ТЕХНОЛОГИЯХ

Сборник трудов Выпуск 14 (по итогам XIV международной открытой научной конференции)

Научная книга Воронеж - 2009

СПИ-МТ-2009

ББК 32.81 С56 Современные проблемы информатизации в моделировании и социальных технологиях: Сб. трудов. Вып. 14/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2009. - 136 с. (137-272) ISBN 978-5-98222-422-4 Сборник трудов по итогам XIV Международной открытой научной конференции “Современные проблемы информатизации в моделировании и социальных технологиях”, проводившейся в ноябре 2008 - январе 2009 гг., содержит материалы по следующим основным направлениям: информационные технологии в образовании и медицине; моделирование сложных систем и технологических процессов. Материалы сборника полезны научным и инженернотехническим работникам, связанным с различными аспектами информатизации современного общества, а также аспирантам и студентам, обучающимся по специальностям, связанным с информатикой и вычислительной техникой. Редколлегия сборника: Кравец О.Я., д-р техн. наук, проф., руководитель Центра дистанционного образования ВорГТУ (главный редактор); Алиев А.А., д-р техн. наук, проф., зав. кафедрой ИТиП БГУ; Блюмин С.Л., заслуженный деятель науки РФ, д-р физ.-мат. наук, проф., кафедра ПМ ЛГТУ, Водовозов А.М., канд. техн. наук, доц., зав. кафедрой УВС ВолГТУ; Лебеденко Е.В., канд. техн. наук, кафедра ИВТ Академии ФСО России; Лукьянов А.Д., канд. техн. наук, доц., кафедра АПП ДонГТУ; Подвальный С.Л., заслуженный деятель науки РФ, д-р техн. наук, проф., зав. кафедрой АВС ВорГТУ.

ББК 32.81 С56

Ó Коллектив авторов, 2009

ISBN 978-5-98222-422-4 138

СПИ-МТ-2009 Введение Уважаемые коллеги! Перед Вами сборник трудов, опубликованный по итогам четырнадцатой Международной открытой научной конференции “Современные проблемы информатизации”. Конференция проводилась в рамках плана Федерального агентства по образованию Воронежским государственным техническим университетом, Бакинским государственным университетом, Вологодским государственным техническим университетом, Липецким государственным техническим университетом, Академией ФСО России (г.Орел), Донским государственным техническим университетом (г.Ростов-на-Дону) в ноябре 2008 - январе 2009 гг. Было решено провести в рамках настоящей конференции четыре тематически дифференцированные – «Современные проблемы информатизации в экономике и обеспечении безопасности», «Современные проблемы информатизации в моделировании и социальных технологиях», «Современные проблемы информатизации в анализе и синтезе технологических и программно-телекоммуникационных систем»; «Современные проблемы информатизации в проектировании и информационных системах». Цель конференции - обмен опытом ведущих специалистов в области применения информационных технологий в различных сферах науки, техники и образования. Конференция продолжила традиции, заложенные своими предшественницами. Представители ведущих научных центров и учебных заведений России, Украины, Беларуси, Азербайджана и Грузии представили результаты своих исследований, с которыми можно ознакомиться не только в настоящем сборнике, но и на http://www.sbook.ru/spi. Настоящий сборник содержит труды участников конференции по следующим основным направлениям: · информационные технологии в образовании и медицине; · моделирование сложных систем и технологических процессов.

Председатель Оргкомитета, руководитель Центра дистанционного образования Воронежского государственного технического университета, д-р техн. наук, проф.

139

О.Я.Кравец [email protected]

СПИ-МТ-2009

3. Информационные технологии в образовании и медицине Абрамов А.К. ОСОБЕННОСТИ ВНЕДРЕНИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СЕТЕЙ В ОБРАЗОВАТЕЛЬНЫЙ ПРОЦЕСС [email protected] По мере внедрения телекоммуникационных сетей и технологий Internet, Intranet и Extranet в процесс обучения, в вузах возникает проблема, аналогичная "ликвидации компьютерной неграмотности". Речь идет о ликвидации сетевой неграмотности, а точнее о разработке комплексного плана сквозного обучения студентов всех специальностей практическим навыкам и теоретическим основам работы в телекоммуникационных сетях. Обучение должно быть сквозным, начиная с первого семестра и на начальной стадии основываться на пользовательских аспектах, чтобы позволить обучаемым уже на младших курсах применять сетевые технологии на практике и в последующем их становления как специалиста. Говоря о тенденциях применения сетевых технологий в интересах систем образования, следует отметить, что эффективность технологии Web тем выше, чем выше степень реализуемой интерактивности. Стандартные средства HTML в сочетании с возможностями программ CGI являются надежным и удобным инструментом придания Web документам указанных свойств. На этой базе создаются электронные учебные пособия, доступные в Интернет и позволяющие преподавателю и обучающемуся активно взаимодействовать в системе образования. Статичность Web документа, дополняемая включением в его состав небольших анимаций (до 1/3 экрана монитора), преодолевается с помощью языка программирования Java. Синтез Java с Web позволяет включать в Web материалы динамические модели процессов и устройств, необходимые для изучения явлений или управления определенным процессом. В качестве средств интерактивного общения используются компьютерные видеоконференции. Технология АТМ рассматривается в периодической печати и научнотехнической литературе как основная для построения мультимедийных систем дистанционного образования, функционирующих в диалоговом режиме. Однако следует учесть следующие недостатки технологии АТМ, сдерживающие её применение. Так, некоторые коммутаторы АТМ ведущих фирм производителей имеют дефекты, существенно снижающие производительность сетей. При подключении к таким коммутаторам локальных сетей Ethernet обнаруживается систематическая ошибка, серьезно влияющая на работу подключаемых сетей. Протокол CSMA/CD, по которому работают коммутаторы АТМ, предусматривает задержку при возникновении конфликтов обращения к коммутатору 52,6 мс, в то время как реальная задержка равна 22 мкс. Кроме этого локальные сети АТМ требуют достаточно сложной инфор140

СПИ-МТ-2009 мационной настройки и регулярного обслуживания с участием, как правило, сертифицированных специалистов. Таким образом, решение проблем образования за счет внедрения сетей АТМ наталкивается на практике на экономические трудности, связанные с большими затратами на установку и обслуживание ЛВС по сравнению с технологией Ethernet, ставшей к настоящему времени традиционной. В качестве возможной альтернативы АТМ технологии в локальных сетях, используемых для систем образования, рассматривается Gigabit Ethernet по стандарту 802.3z, заявленная способной обеспечить обмен данными по многомодовому кабелю на расстояние до 260м. Однако из-за дифракции светового пучка и неоднородностей волокна специалистами и пользователями при эксплуатации таких сетей отмечается систематическое возникновение разброса времени передачи пакетов. Поэтому реальная длина кабеля ЛВС должна быть сокращена до 100м. Этот недостаток приводит к необходимости пересмотра потенциальных возможностей Gigabit Ethernet и ориентироваться на технологию АТМ, обеспечивающую гарантированную полосу пропускания для каждого приложения при заданной фиксированной задержке пакетов каждого вида информации. Одной из тенденций применения сетевых технологий в системах образования является подключение к Интернет, включая создание собственных Web узлов, организацию собственных страниц на серверах Интернет. Выводы. 1. Подавляющее большинство услуг, используемых системами дистанционного образования, связаны с Интернет (самой дешевой), в то время как существующие, не менее доступные сети, практически не применяются. 2. Ожидаемое применение технологии виртуальной реальности, виртуальных сетей может повлечь качественный рост заинтересованности и результативности обучения. 3. Успех в решении проблем использования сетевых технологий в образовательном процессе возможен лишь при реализации принципов системного подхода, целесообразности и непрерывного развития автоматизированных средств обучения. Абсатаров Р.А., Олейникова С.А., Кравец О.Я., Зимарин Г.И. ОПТИМИЗАЦИЯ ФУНКЦИОНИРОВАНИЯ МНОГОПРОФИЛЬНОГО СТАЦИОНАРА НА ПРИМЕРЕ ГОРОДСКОЙ БОЛЬНИЦЫ СКОРОЙ МЕДИЦИНСКОЙ ПОМОЩИ [email protected] Рассмотрим больницу скорой медицинской помощи (БСМП) с несколькими кабинетами обслуживания пациентов, на вход которой поступает случайный поток пациентов с жёстким маршрутом их следования к кабинетам Целью исследования является построение математической модели рас141

СПИ-МТ-2009 пределённой лечебно-диагностической системы и оптимизация последней с точки зрения её равномерной загрузки. В качестве критерия оптимизации возьмём достижение равномерной загрузки системы. Такой выбор обусловлен тем, что заранее неизвестно, пациенты какого типа поступят на обслуживание в каждый момент времени. Поэтому чем более равномерной будет загрузка системы, тем больше резерв её производительности в целом. Всего существует несколько источников потоков пациентов. Каждый кабинет состоит из нескольких идентичных лечебно-профилактических модулей (ЛПМ) и предназначен для обслуживания пациентов по определенному виду. Пусть, для определённости, БСМП состоит из N кабинетов (центров обработки в терминах теории массового обслуживания) и J различных потоков (источников заявок в терминах теории массового обслуживания). Рассмотрим функционирование такой системы. Если рассматривать каждый центр обработки как многоканальную СМО, то её характеристиками являются: Интенсивность входного потока на данный кабинет li, i=1,…,n. Производительность ЛПМ для i-го вида задач mi, i=1,…,n; Количество идентичных ЛПМ i-го обслуживающего комплекса Si, i=1,…,n, Si>1. Если число мест в очереди не ограничено, то для i-го вида потока будем иметь вероятность полной загрузки Si (1) Pi = . S i !(S i - a i ) Si a ik ai + å a iSi k = 0 k! По этим выражениям можно выбрать рациональный вариант, обеспечивающий согласованность потока пациентов, количества кабинетов и единиц ЛПМ, тип ЛПМ с определённой пропускной способностью. В качестве целевой функции рассмотрим достижение равномерной загрузки системы. Оптимизационная задача будет иметь вид: D(P) ® min, n

å ci m i S i £ C , i =1 n

å i =1

(2) ciкап (S i )

£C

кап

,

m i S i ³ li , i = 1,..., n. 1 N 1 N 2 2 где D ( P) = å ( Pi - Pcp ) = å Pi - Pcp2 , (3) N i =1 N i =1 сi – затраты на обслуживание одного пациента по i-му виду потока, С – ресурсы, выделяемые в месяц всей системе, сiкап – капитальные затраты по iму виду ЛПМ; Скап – ресурсы, выделяемые на капитальные затраты, 142

СПИ-МТ-2009 1 N Рcp = å Pi . (4) N i =1 Необходимо найти такие Si по каждому типу потока пациентов, при котором загрузка всей системы была бы равномерной (т.е. которые бы доставляли минимум целевой функции). Другими словами, необходимо найти такое количество ЛПМ для каждого кабинета, чтобы загрузка всей системы была равномерной. Для этого найдём сначала дисперсию: æ ö ç ÷ N N N 1 ç ÷ 2 Pi P j ÷. D(P ) = (n - 1) Pi ç N2 ç i =1 i =1 j =1 ÷ ç ÷ j ¹i è ø

å

å å

(5)

Показано, что корни уравнения Si 2k - ( S i - k ) 2 k S i + 2 Si +1 S i + 1 Si +2 1 Si +3 ai + ai ai + ai = 0. å k! Si ! Si! Si ! k =0

(6)

li = a i , дают точки оптимума для дисперсии. mi Рассмотренная задача – это некоторый идеальный пример, образец, к которому необходимо стремиться. И если параметры входных интенсивностей удовлетворяют оптимальным интенсивностям, то загрузка действительно является равномерной. Если же это не так, необходимо решать оптимизационную задачу. При этом необходимо учитывать то, что изначально известны только интенсивности обслуживания, а интенсивности входящих потоков будут зависеть от того, какие у нас будут маршруты. Т.е. для обслуживания пациента может потребоваться не один, а несколько кабинетов, и при этом входные интенсивности будут зависеть от «маршрутов», по которым решается задача. После ряда приближений выпишем новые вероятности Si Pi ( S ) = . (7) S S 1 æ ö a i + 2pSi ç i ÷ S ( Si - a i )ea è e ø ai Уравнения (1) и (8) для всех i=1,…,N и составляют математическую модель распределённой лечебно-диагностической системы с несколькими кабинетами обслуживания пациентов. В предположении, что вероятность загрузки каждого центра обработки равна Р, задача сводится к решению системы вспомогательных уравнений (с учётом ограничений (2)): где

i

i

i

1 N å ( Pi - Pcp ) 2 ® min, N i =1 | P1 - P |< e ,

(9)

... | Pn - P |< e . 143

СПИ-МТ-2009 С учётом этих условий решение задачи сведено к поиску области, удовлетворяющей ограничениям, в которой вероятности менее всего отличаются от Р. После этого в данной области методом перебора уже ищется то значение n-мерной функции вероятности, которое доставляет минимум целевой функции. Албегов Е.В., Бутенко Дм.В., Бутенко Л.Н. ПОСТРОЕНИЕ МЕРИДИОНАЛЬНО-ГОМЕОСТАТИЧЕСКОЙ МОДЕЛИ ВЗАИМОДЕЙСТВИЯ И ВЗАИМОВЛИЯНИЯ ОРГАНОВ ЧЕЛОВЕЧЕСКОГО ТЕЛА C ПРИМЕНЕНИЕМ ПРИНЦИПОВ ГОМЕОСТАТИКИ И ТЕОРИИ У-СИН [email protected] [email protected] Для организма человека давно обнаружено явление гомеостазиса – поддержания постоянства параметров внутренней среды, но модели внутренних гомеостатов во многом неясны. Целью данной работы является построение гомеостатических систем, характерных для человека на основе имеющихся сведений и принципов гомеостатики. Последние могут быть представлены следующим образом: структурным основанием гомеостаза является особенная организация информационных потоков при управлении процессами в объекте управления; простейшая гомеостатическая структура образуется из трёх контуров управления, образующих такую целостность, где один контур управляет целями в двух других нижележащих контурах управления, а эти имеют общий объект управления; цели управления в контурах нижнего уровня соотносятся как противоположенные; поддержание гомеостаза динамических свойств объекта управления обеспечивается согласованием процессов в «треугольнике управления» [1]. Рассмотрение теории У-СИН показало, что имеется два цикла по органам ЯН и по органам ИНЬ, в которых по часовой стрелке наблюдаются процессы стимулирования, а против часовой угнетения [2]. По нашему мнению, это является признаком взаимодействия между двумя полюсами гомеостатов. Кроме того, если соединить органы ЯН и ИНЬ, относящиеся к одной и той же стихии по теории У-СИН, то можно получить ещё ряд гомеостатов. То, что такое взаимодействия является именно гомеостатическим, подтверждает ритм взаимодействия органов в этом гомеостате. Например, в гомеостате (металл) “легкие – толстый кишечник” лёгкие активизируются с 3 до 5 часов утра, а толстый кишечник с 5 до 7 часов утра. Таким образом, соединив все 6 известных органов ИНЬ и ЯН по горизонтали и вертикали, мы получаем гексагон, в вершинах которого находятся органы человека, а рёбрами являются гомеостатические связи между этими органами. Поскольку в состав гомеостатической биоэнергетической системы входят регуляторы, то мы предположили, что в виде каналов регулирования ис144

СПИ-МТ-2009 пользуются так называемые основные меридианы, которые имеют проекции на поверхности человеческого тела в виде линий различной длины, содержащие биологически активные точки организма человека. Известно, что кроме 12-ти основных меридианов, относящихся к определенным органам человеческого тела, существуют другие подсистемы меридианов, выполняющих функции дополнительных прямых и обратных связей. Это, так называемые, чудесные меридианы, система сухожильно-мышечных меридианов и двух непарных (переднесрединный и заднесрединный меридианы), а также вторичные коллатеральные линии ЛО, которых насчитывается 15 продольных и 12 поперечных (вторичные меридианы) [3]. На центры коммутации, передающие управляющее воздействие в заднесерединный и переднесерединный меридианы претендуют, по нашему мнению, для органов ИНЬ – спинной мозг, для органов ЯН - головной мозг. Регулятор-руководитель, возможно, представляет собой закономерное начало природы, задающее ритмы работы гомеостатов органов. Представленное взаимодействие иллюстрируется рис. 1.

Рис.1. Меридионально-гомеостатическая модель взаимодействия энергий органов у человека Представленная модель "пентакуб" была положена нами в основу соз145

СПИ-МТ-2009 дания исследовательского макета автоматизированной системы по выбору лекарственных препаратов. Автоматизированная система содержит блок визуализации взаимосвязи и взаимодействия органов человека, блок выбора стратегии лечения на основе гомеостатической картины взаимодействия органов, которые впоследствии детализируются до соответствующих эвристических правил, банк данных лекарственных препаратов. Результатом работы системы является представление отчёта с рекомендациями по приёму лекарственных препаратов, содержащий название больного органа тела, заболевание органа тела, перечень лекарственных препаратов и время применения с учётом состояния физиологической временной непатологической гиперфункциональной активности органов тела. Отметим, что предлагаемый подход позволяет осуществить множественный выбор лекарственных препаратов в зависимости от состояния пациента и позволяет более обоснованно руководить процессом лечения за счёт автоматизации второго этапа общего процесса лечения, заключающегося в выборе тактики и схемы лечения. Список использованных источников 1. Теслинов А.Г. Развитие систем управления: методология и концептуальные структуры М., Глобус, 1998. – 229с. 2. Теория Инь и Ян и Пяти первоэлементов (У-Син). – 2005. – http://www.psychopuncture.injan.ru/ru/gazeta/5-elements.html 3. Гава Лувсан. Традиционные и современные аспекты восточной рефлексотерапии. М.: Наука, 1986. -575 с. Бабенко И.В., Сигида Ю.Л., Шувалов Е.В. ИСПОЛЬЗОВАНИЕ УМК ПО ДИСЦИПЛИНЕ «ТЕОРИЯ УПРАВЛЕНИЯ» В ВИРТУАЛЬНОМ ИНФОРМАЦИОННОМ ПРОСТРАНСТВЕ [email protected] [email protected] [email protected] На сегодняшний день в учебном процессе все чаще применяются технологии, позволяющие автоматизировать решение самых сложных проектов и задач. Отсюда вытекает повышенный спрос на специалистов, которые могли бы внедрять, совершенствовать и разрабатывать новые технологии в образовании. Одним из современных направлений использования инновационных технологий является дистанционное обучение. Для обеспечения его работоспособности требуется разработка учебно-методических комплексов (УМК) по различным дисциплинам учебных специальностей или направлений. Учебно-методический комплекс представляет собой набор различных образовательных программ, необходимых для повышения качества образовательного процесса. 146

СПИ-МТ-2009 Разработанный УМК предназначен для дистанционного обучения студентов специальностей 220201 "Управление и информатика в технических системах" и 220301 "Автоматизация технологических процессов и производств в машиностроении" по дисциплине «Теория автоматического управления». Он также может быть использован для любых технических специальностей, изучающих данный курс, как очной, так и заочной форм обучения. Представленный УМК включает в себя следующие разделы: Лекционный курс (2 семестра); Методические указания для проведения лабораторных и курсовых работ (8 лабораторных и 2 курсовых работы); Программные средства, необходимые для упрощения процесса моделирования и решения сложных задач на ЭВМ (программа «Фантек», предназначенная для анализа и структурно-параметрического синтеза систем автоматического управления (со справочным руководством)); Контрольные вопросы на экзамен по семестрам; Тестовые задания для проведения рейтингового контроля и экзамена; Рабочая программа и рекомендуемая литература. В лекционном курсе по ТАУ имеются такие разделы как: - основные понятия и определения теории управления; - математическое описание объектов и систем управления; - структурные представление и анализ в теории управления; - временные и частотные характеристики динамических объектов и систем; - исследование одноконтурных систем автоматического управления; - синтез САУ методом типовых регуляторов; - построение областей устойчивости САУ в плоскости их параметров; - оценка качества управления в линейных автоматических системах и многие другие. Лекционный курс является важной частью УМК, он выполнен в форме презентаций. Навигация в данных презентациях осуществляется путем выбора интересующего раздела, а затем подраздела. Из любого подраздела можно в любой момент вернуться в главное меню, и выбрать любую другую тему. Присутствует продуманное отношение к читаемости текста, удачное графическое и цветовое оформление в форме школьной доски, на которой, преимущественно белым цветом (аналог цвета мела), излагается курс. Формат презентаций особенно удобен для проведения лекций в ВУЗах, аудитории которых оснащены техническим и программным обеспечением, позволяющим демонстрировать презентацию на проекторе. Современные технологии, реализованные в курсе, позволяют в наглядной форме показать суть любого технологического процесса, что является преимуществом данного формата. Презентации могут быть продемонстрированы слушателям с помощью пакета Microsoft PowerPoint, либо другими подобными пакетами. Для просмотра HTML - курса на компьютере должен быть установлен браузер Microsoft Internet Explorer версии 5.0 и выше. Все материалы УМК располагаются в виртуальной информационной сети Интернет, на официальном сайте ДГТУ (www.dstu.edu.ru). Для ознаком147

СПИ-МТ-2009 ления с УМК можно также зайти на сайт центра дистанционного образования (de.dstu.edu.ru) из внутренней сети университета. В заключение следует отметить, что разработанный учебнометодический комплекс постоянно дорабатывается. Планируется его использование не только для обучения студентов, но и для повышения квалификации преподавателей по дисциплине «Теория автоматического управления». Большаков А.Л., Бутенко Д.В. ПРОБЛЕМА ОБЕСПЕЧЕНИЯ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ПРИ ВЫБОРЕ ЛЕКАРСТВЕННОГО СРЕДСТВА [email protected] [email protected] Активное развитие фармакологии в последние десятилетия повлекло за собой появление на рынке большого количества новых лекарственных препаратов. Это не только расширило возможности лечения, но и повысило риск нанесения вреда пациенту. Cложившаяся ситуация весьма затрудняет выбор эффективного, а также наиболее безопасного лекарственного средства. Проблема выбора лекарственного препарата и его дозы на сегодняшний день является одной из главных, если не главной, проблемой лекарственной терапии. Лидирующее место среди типов врачебных ошибок занимает ошибка выбора лекарственного средства и его дозы. Опасность развития тяжелых, подчас необратимых, осложнений вследствие лекарственной терапии, привлекает к проблеме безопасности использования лекарственных препаратов внимание практических врачей и пациентов. О ее огромном масштабе говорит статистика. Например, по данным Всемирной Организации Здравоохранения, 2-3% общей популяции людей страдают от побочных действий лекарственных средств, ежегодно в результате развития осложнений выписывается 76,3 млн. рецептов для проведения корректирующей терапии, погибает 100-200 тыс. пациентов. В большинстве случаев причиной ошибок служит отсутствие у врача своевременной актуальной информации о назначаемом лекарственном средстве и о его вновь выявленных побочных эффектах. Анализ современных автоматизированных справочных систем и банков данных по лекарственным средствам показал, что ни одна из систем не представляет возможности поддержки принятия решения при выборе лекарственного средства, учитывая его возможные побочные действия. Анализ информации о побочных действиях различных лекарственных средств ложиться на плечи врача. Врачу приходиться делать выбор наиболее безопасного препарата среди большого множества однотипных лекарственных средств, основываясь только на своем опыте.

148

СПИ-МТ-2009 В работе для решения данной проблемы предлагается создание автоматизированной системы поддержки принятия решения при выборе лекарственного средства. Присутствие средства поддержки принятия решения со стороны автоматизированной системы (например, автоматизированного банка данных по современным лекарственным средствам) крайне облегчило бы решение этой проблемы, значительно снизило бы риск нанесения вреда здоровью пациента при назначении препарата. Таким образом, возникает вопрос: “Как выбрать наиболее безопасное лекарственное средство?”. Многие автоматизированные банки данных по лекарственным средствам обладают возможностями классификации лекарственных препаратов по разным методикам. Существуют следующие методы классификации лекарственных средств: в соответствии с международной классификацией болезней (МКБ), классификация по активному веществу (основному компоненту препарата), анатомо-терапевтически-химическая классификация, классификация по фармакологическим группам. Представим достаточно распространенную ситуацию: пациенту необходимо лекарство от гриппа. Врач сможет быстро отобрать лекарства, применяемые при гриппе, используя МКБ классификацию. А если у пациента, к тому же больные почки, используя, еще классификацию лекарств по типу вызываемых побочных эффектов, врач сможет выбрать лекарства, применяемые при гриппе и не дающих нежелательных осложнений на почки. Но лекарств от гриппа очень и очень много. Какое выбрать? Какое наиболее безопасное? К тому же на практике, при назначении лекарственного средства имеют место не два фактора (грипп, больные почки), а гораздо больше. Множество факторов (возраст, пол, вес, хронические болезни пациента, препараты, применяемые совместно и т.д.), все они влияют на возникновение побочного действия, осложняя выбор на порядок. Таким образом, предлагается решить проблему выбора наиболее безопасного лекарственного средства путем разработки автоматизированной системы (автоматизированного банка данных современных лекарственных средств), в основные задачи которой входит: описание современных лекарственных средств классификация современных лекарственных средств и их побочных эффектов сбор информации о вновь выявленных побочных действиях описание лекарственных взаимодействий подбор наиболее оптимальной схемы лечения А также поддержка принятия решения при выборе лекарственного средства, основанная на анализе информации имеющейся в банке данных (информации о побочных действиях, лекарственных взаимодействиях, классификациях лекарственных средств и т.д.) и сопоставлении с новыми дан149

СПИ-МТ-2009 ными (личные данные пациента, болезнь). Таким образом, врачу в ходе клинической практики планируется предоставить весь комплекс необходимой информации для эффективного выбора наиболее безопасного лекарственного средства, а также подбора наиболее оптимальной схемы лечения исходя из индивидуальных особенностей пациента. Концепция выбора лекарственного средства используемая в данной автоматизированной системе основывается на взаимодействие факторов влияющих на возникновение побочного действия. Возникновение побочного действия лекарственного средства представляется как результат взаимодействия таких факторов как длительность применения, доза препарата, лечимая болезнь, препараты, применяемые совместно, особенности пациента (возраст, пол, вес, сопутствующие болезни, различные аллергические показатели и т.д.). В системе ведется сбор информации о случаях возникновения побочных действий при применении лекарственных средств, а также факторов, в результате взаимодействия которых оно появилось. Используя статистику случаев возникновения побочных действий лекарственных, анализируя факторы, повлиявшие на возникновение побочного действия в каждом отдельном случае, и сопоставляя с факторами новой ситуации (лечимая болезнь, индивидуальные особенности пациента, доступные лекарственные средства и т.д.) появляется возможность обеспечить поддержку принятия решения при выборе лекарственного средства. Данная автоматизированная система предназначается для использования врачами, фармацевтами, а также органами контроля качества безопасности лекарственных средств. Путем использования данной системы врач получит доступ к актуальной и своевременной информации о современных лекарственных средствах и о результатах их применения (о побочных действиях постоянно выявляемых в ходе клинической практики), а также поддержку принятия решения со стороны системы для выбора наиболее безопасного лекарственного средства. Также используя эту систему, врач сможет оперативно заявить о новом случае возникновения побочного действия лекарственного средства, а органы по контролю безопасности лекарственных средств, в свою очередь, смогут оперативно отреагировать на это сообщение. Другие же врачи, использующие эту систему, будут уже в курсе о вновь выявленном побочном действии лекарственного средства и с учетом этого получат соответствующую поддержку со стороны системы при выборе лекарственного средства. Таким образом, путем внедрения данной системы в лечебные учреждения планируется снизить риск нанесения вреда здоровью пациента при назначении лекарственного средства. А также повысить качество фармакологического контроля и снизить расход на лекарственную терапию, за счет использования поддержки принятия решения со стороны автоматизированной системы для выбора наиболее безопасного лекарственного средства, исклю150

СПИ-МТ-2009 чая дополнительные расходы на лечение побочных эффектов. Дронова Е.Н. ОРГАНИЗАЦИЯ ТЕЛЕКОНФЕРЕНЦИЙ В УЧЕБНОМ ПРОЦЕССЕ [email protected] Телеконференция, являясь одной из современных форм обучения, существенно расширяет возможности организации учебных занятий. Эта форма обучения, с одной стороны, достаточно проста с позиций ее организации (для проведения конференции необходим лишь почтовый ящик на серверах Интернета), с другой стороны, позволяет синтезировать преимущества использования учебной дискуссии с организацией виртуального общения ее участников (к обсуждению проблемы, поднятой в рамках телеконференции, каждый участник может присоединиться в любой момент). Суть учебной телеконференции заключается в следующем: преподаватель, выступающий в роли модератора, объявляет тему (обсуждаемую проблему) телеконференции, а затем участники телеконференции высказывают свое мнение по поводу заявленной проблемы в форме электронных сообщений. Принцип работы в телеконференциях мало чем отличается от принципа работы с электронной почтой: пользователь может высылать свои сообщения в любую телеконференцию (необходимо лишь на нее «подписаться») и читать сообщения, посланные другими участниками. Основные дидактические функции телеконференции как формы обучения заключаются в том, что любой участник телеконференции, будь то преподаватель или ученик, может: – зарегистрироваться в телеконференции под виртуальным именем, что увеличивает раскрепощенность участников телеконференции, так как они «видят» друг друга только через сообщения; – отправить сообщение, высказав в нем свое мнение по поводу обсуждаемого предмета (это сообщение сразу же попадает в поле зрения всех участников и, возможно, вызовет их ответные сообщения); – читать сообщения других (каждый участник телеконференции может читать все пришедшие и размещенные к данному моменту сообщения или выборочно, по одному из тематических направлений); – задавать вопросы участникам телеконференции по поводу обсуждаемой проблемы; – отвечать на вопросы других участников и модератора, высказывая свое мнение или делясь информацией с другими; – отсылать свои сообщения в любое время в рамках телеконференции (это позволяет подготовить более взвешенное, продуманное сообщение по конкретному вопросу, аргументировано обосновать свое мнение и оформить его в наиболее лаконичном виде, в результате чего происходит развитие 151

СПИ-МТ-2009 рефлексивной культуры человека, его критического мышления, самосознания и творчества); – одновременно участвовать в обсуждении сразу нескольких тематических направлений. В результате, организация учебной телеконференции позволяет создать специфическую учебно-познавательную среду, основными характеристиками которой являются: – интерактивность (активное взаимодействие всех участников обучения друг с другом и с сетевыми информационными ресурсами, поддерживаемое как на техническом, так и на методическом уровне); – информативность (насыщенность среды информацией, организованность и удобство пользования данной информационной средой посредством специальных технологических приемов и средств информационнокоммуникационных технологий); – открытость (открытость учебно-познавательной среды с точки зрения доступа к информационным сообщениям и общения с другими участниками конференции); – оперативность (обеспечение высокой скоростью обмена информацией, возможность контролировать процесс обучения, поддерживать обратную связь с участниками конференции, регулярно обновлять информацию о ходе конференции, быстро корректировать ее при необходимости и осуществлять к ней доступ пользователей в любое удобное для них время); – интегративность (возможность интеграции данной среды с системой общего среднего образования как на уровне содержания, так и на уровне организации). Примерами организации телеконференций в учебном процессе могут выступать проводимые нами в Барнаульском государственном педагогическом университете на факультете математики и информатики в рамках преподавания курса «Информационные и коммуникационные технологии в образовании» две телеконференции по проблемам: «Использование информационно-коммуникационных технологий в современной школе», «Достоинства и недостатки представленного цифрового образовательного ресурса». Первая телеконференция проводилась в начале курса и была направлена на формирование у студентов положительной мотивации к его изучению. Вторая телеконференция была построена в форме обсуждения качества представленного цифрового образовательного ресурса и анализа типичных ошибок при его разработке; эта телеконференция выступала в роли профилактики ошибок студентов при разработке своих цифровых образовательных ресурсов. В заключение хотелось бы отметить, что направленность на достижение современного качества образования требует разумного использования в учебном процессе телеконференции наряду с различными другими формами обучения. 152

СПИ-МТ-2009 Дьячук П.П. (мл.), Николаева Ю.С. ОПТИМАЛЬНОЕ ОБУЧЕНИЕ РЕШЕНИЮ ЗАДАЧ [email protected] Учебная деятельность всегда направлена на субъективно новый (для каждого конкретного обучающегося) результат. Чаще всего этот результат определяется научением обучающимися безошибочному решению задач или проблем. Обычно этот процесс носит итеративный характер [1] и связан с проблемой поиска решения задач. В системах искусственного интеллекта [2] проблема поиска решения состоит в нахождении алгоритма и соответствующей программы поиска допустимого пути в пространстве состояний. В процессе научения решению задач поиск в пространстве состояний осуществляет обучающийся. Путь, который проходит обучающийся, в процессе поиска решения задачи совсем не обязан быть оптимальным. Однако по мере научения путь проходимый обучающимся приближается к оптимальному, т.е. становится безошибочным. Подход, использующий пространство состояний, очень распространен в решении задач. В нем предполагается существование счетного множества S состояний и множества O операторов, которые отражают состояния множества S в себя. Решение задачи рассматривается как передвижение в пространстве, определяемом множеством этих состояний, с целью достигнуть желаемое множество целевых состояний. Задача решена, когда найдется такая последовательность операторов o = o (1) , o( 2 ) ,....o ( k ), , (1) что s g = o ( k ) (o ( k -1) (...o ( 2 ) ( s0 ))...)) , (2) где s0 - некоторое состояние из множества начальных состояний, а sg - из множества целевых состояний. На рис. 1 в качестве примера представлено граф пространства состояний задачи по преобразованию линейной функции.

Рис. 1. Граф пространства состояний решения задачи по преобразованию графика линейной функции из начального состояния (1,0) в целевое состояния (-1/3, -1) 153

СПИ-МТ-2009

Пространство состояний задачи конструирования графика линейной функции представляет собой граф, вершины которого находятся в узлах квадратных решеток. Каждой вершине соответствует два числа (k, b).. Первое число соответствует k – тангенсу угла наклонная графика, второе число – b показывает, то насколько поднят, или опущен график линейной функции вдоль оси Oy. Квадратные решетки соответствуют разным знакам k. Любая вершина графа может быть начальным состоянием графика линейной функции, так же как и любая вершина может служить целевым состоянием. Применим модель обучения в процессе работы, предложенную в [1], в компьютерной системе управления процессом научения решению задач. Обозначим yk – выполняемый обучающимся в k-ом периоде времени объем учебных действий. Если интерпретировать тип обучающегося (уровень навыка) rk Î [0; 1] как долю успешных действий обучающегося, то, выполняя в периоде k объем работ yk, обучающийся достигнет результата zk=rkyk. Тогда результат обучающегося – суммарный объем работ, успешно выполненных обучающимся за k периодов времени, k

Z k = å ri yi

(3)

i =1

С другой стороны, обучающимся выполнен больший объем (успешных и неуспешных) действий: k

Y k = å yi

(4)

i =1

Этот объем учебных действий условно, как считает автор работы [1], можно считать тем «опытом», который приобрел обучающийся. В модели фигурируют три «макропараметра»: суммарный объем учебных действий Y, число периодов T и результат Z. Искомой переменной является «траектория обучения» y1,T. Фиксируем суммарный объем учебных действий Y, которые может выполнить обучающийся, и время обучения T. Требуется найти траекторию, максимизирующую результат Z: ìZ t ® max ï t íY £ Y ït £ T î

(5)

Эту задачу можно условно назвать задачей об оптимальном обучении.. Задача заключается в том, чтобы за фиксированный объём учебных действий -Y на данном фиксированном периоде – T, добиться максимального результата – Z. Каждое действие обучающегося правильное или неправильное фиксируется системой и записывается в специальный протокол. Системой вычисляется доля успешных действий: Rk =

Zk . В зависимости от k определяется Yk

154

СПИ-МТ-2009 уровень успешности обучаемого и строится кривая научения (рис. 2).

Рис. 2. Кривая научения В процессе научения обучающемуся может не хватить ресурса Y1 для выполнения заданного объёма работ Z1, значит Z11Z2. Этот ресурс вычисляется следующим образом: Yk +1 = Z k +1 + Yk (1 -

Z kk ) Zk

(4)

где Zkk - фактическое количество успешных действий. С течением периодов, добавка к объёму работ Y будет уменьшаться, т.е. Y→Z. Ошибочные действия будут совершаться всё реже. Когда Y станет равным Z, в течение нескольких периодов подряд, можно сделать вывод, что обучающийся научился решать поставленные задачи. На рис. 3 показана экспериментальная зависимость Y(k).

Рис. 3. Зависимость Y(k). Горизонтальная ось – номер периода научения или работы k 155

СПИ-МТ-2009 Несмотря на то, что задание одно и тоже, и потенциально проблемная среда одинакова для всех обучающихся, реальная проблемная среда зависит как от их поведения (учебной деятельности), так и от личности обучающегося. Это определяется тем, что поведение обучающегося является саморегулируемым и взаимосвязанным с проблемной средой и личностью обучающегося [3]. Список использованных источников 1. Новиков Д.А. Модели обучения в процесс работы. М.: ИПУ РАН, 2008. 2. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд..: Пер. с англ. -М.: Изд. Дом "Вильямс", 2006. – 1408 с. 3. Дьячук П.П. Функциональные компьютерные системы управления деятельностью обучающихся решению задач// Информатика и образование. 2007, № 7, с. 102-104. Заславская О.Ю. ИСПОЛЬЗОВАНИЕ СТАНДАРТНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ В УСЛОВИЯХ АКТИВНОГО ВНЕДРЕНИЯ СОВРЕМЕННЫХ ТЕХНОЛОГИЙ В ОБРАЗОВАТЕЛЬНЫЙ ПРОЦЕСС [email protected] В концепции «информационного общества» информация приобретает первоочередное значение, так как без качественного информационного обеспечения, налаженной инфраструктуры связей невозможно получить оптимизированное по набору параметров управленческое решение. Создание целостной системы информации внутри образовательного учреждения позволит улучшить качество прогнозирования и планирования управляющей и управляемых подсистем. Четкое понимание возможностей информационных технологий, активное участие руководителей образовательных учреждений в сборе, накоплении, регистрации, передаче, обработке, хранении, представлении информации и ее анализе при подготовке и принятии решений обеспечивает эффективность управленческой деятельности. Перед руководителем образовательного учреждения неизбежно возникает проблема – или воспользоваться готовой программой для преобразования информационного обеспечения своего учреждения или разработать такую программу самостоятельно. К положительным моментам первого подхода необходимо отнести отсутствие необходимости изучения каких-либо оболочек, офисных приложений, языков программирования, вникания в тонкости взаимодействия приобретенной программы с различными операционными системами и т.д. Кроме того, их можно с равным успехом использовать для работы в различных об156

СПИ-МТ-2009 ластях: организации документационного обеспечения управления, подготовке текстовых документов, обработке финансово-экономической информации, работе с организованными массивами информации (базами данных), а также возможность распределенной обработки данных в рамках локальных и глобальных информационно-вычислительных сетей и т.д. Это является особенно привлекательным с финансовой точки. Однако при использовании покупных программ могут встретиться и затруднения. Например, прежде чем приступить к практической работе, часто необходимо изучить десятки страниц инструкции по использованию приобретенной программы. Такие инструкции, как правило, написаны достаточно специфическим языком, насыщены многими незнакомыми для преподавателей, далеких от программирования, терминами. Поэтому реальное количество времени, необходимое для изучения “глобальной” приобретенной программы “с нуля” может составить десятки часов. Приобретенные со стороны программы, как правило, отличаются определенной консервативностью. Если в ходе эксплуатации такой программы возникает необходимость радикально изменить интерфейс ее отдельных разделов, ввести дополнительные элементы мультимедиа и т.д., то самостоятельно это сделать затруднительно и необходимо обращаться к разработчику, что требует дополнительных финансовых затрат. Создание целостной системы информационного обеспечения, на основе использования стандартного программного обеспечения, а именно, интегрированный офисный пакет MSOffce, включающий в себя табличный процессор Excel, систему управления базами данных Access, текстовый процессор Word, программный продукт для создания презентаций PowerPoint в образовательном учреждении позволит без дополнительных финансовых затрат улучшить качество, оперативность управленческого и педагогического анализа, создать интерактивную аналитическую основу прогнозирования и планирования, и тем самым повысить эффективность своей управленческой деятельности. Список использованных источников 1. Заславская О.Ю., Сергеева М.А. Информационные технологии в управлении образовательным учреждением. Учебное пособие. – М., 2006. Калягин А.Н. АНАЛИЗ РЕЗУЛЬТАТОВ ОБУЧЕНИЯ СТУДЕНТОВ ФАКУЛЬТЕТА «МЕНЕДЖМЕНТ В ЗДРАВООХРАНЕНИИ» ПО ТЕОРИИ СЕСТРИНСКОГО ДЕЛА В СИСТЕМЕ ДИСТАНЦИОННОГО ОБУЧЕНИЯ «ГЕКАДЕМ 3.0» [email protected] Система дистанционного обучения «ГЕКАДЕМ» стала применяться в 157

СПИ-МТ-2009 Иркутском государственном медицинском университете для ведения заочного этапа на отделении сестринского дела факультета «Менеджмент в здравоохранении, медицинское право, медицинская биохимия» с 2004 года [1,4]. Работу ведут конструктор курсов, формирующий учебный курс, и тьютор, непосредственно курирующий деятельность студентов [2]. Первоначально использовалась 2 версия программного продукта, а с 2008 года введена в эксплуатацию 3 версия, получившая новые возможности, предназначенные для изучения анализа успеваемости студентов: анализ успеваемости по учебным блокам, аналитика по учебным курсам, ранее имелись функции сводная таблица успеваемости, финальная статистика по группам, итоги. Новые возможности программного продукта позволяют тьютору шире реализовывать возможности анализа работы студентов, лучше представляться сильные и слабые места электронного учебного курса и представлять рекомендации разработчику курсов. Теория сестринского дела – это новая учебная дисциплина, введённая в преподавание в связи с открытием в 1991 году новых факультетов высшего сестринского образования в медицинских ВУЗах России. Её основная цель – познакомить студентов 1 курса с современным состоянием сестринского дела в России и за рубежом, важнейшими теоретическими положениями этого раздела медицины. Фактически в ней формируются начальные компетенции медицинской сестры более высокого профиля – лидера сестринского дела [3]. Перед внедрением этого предмета в учебный процесс была проведена большая организационно-методическая работа, включившая в себя подготовку рабочих программ, учебных блоков, тестов, индивидуальных заданий, семинаров, создания форм контроля [1,4]. На очном этапе студенты слушают лекции преподавателя, на заочном сталкиваются с большим объёмом новых терминов, которые представлены в глоссарии, созданном для каждой темы в отдельности, имеют возможность знакомиться с теоретическим материалом, выполнять различные виды заданий – тесты, индивидуальные и групповые проекты, участвовать в семинаре. Различные виды активности каждого студента в период обучения в дистанционной среде позволяют глубже и прочнее усвоить предмет, познакомиться с мнением своих коллег по важным вопросам сестринского дела. Индивидуальные проекты рецензируются преподавателем и по ним выносятся рекомендации для каждого студента. За период работы через систему «Гекадем» по предмету теории сестринского дела прошли 265 студентов. После первого года работы были предприняты меры по совершенствованию заданий для студентов. Кроме того, в первый год работы было довольно большое число студентов, которые не имели представления об обучении в виртуальной среде, но с течением времени число таких стало существенно сокращаться, что привело к исчезновению группы несдавших предмет уже на втором году работы. Распределение оценок между студентами в разные годы представлено в таблице 1. Из неё 158

СПИ-МТ-2009 видно, что предмет хорошо усваивается. Высоким на протяжении всех лет является качество знаний студентов (отличные+хорошие оценки), которое составляет 97,0%, стабильным – средний балл. Таблица 1 Оценка успеваемости студентов по годам Год обуОбщее СредРаспределение оценок, % чения число сту- Отлично Хорошо Удовле- Не сдали ний дентов, балл творичел. тельно 2004 86 57,0 37,2 4,7 1,1 4,5 2005 66 59,1 36,4 4,6 4,5 2006 58 87,0 13,0 4,9 2007 59 61,1 37,3 1,7 4,6 Итого 265 66,0 31,0 2,7 0,3 4,6 Таким образом, использование системы дистанционного обучения «ГЕКАДЕМ 3.0» позволяет решать не только задачи по обеспечению студентов учебными материалами и проверки их знаний, но и оценки качества подготовки специалистов с помощью блока аналитических возможностей. Список использованных источников 1. Калягин А.Н. Организация дистанционного обучения студентов по специальности «Менеджмент в здравоохранении» в медицинском вузе// Врач-аспирант. – 2006. - Вып. 3 (12). – С. 270-271. 2. Основы деятельности тьютора в системе дистанционного образования: специализированный учебный курс/ С.А. Щенников, А. Г. Теслинов, А.Г. Чернявская и др. – 2-е изд., исправ. – М.: Дрофа, 2006. – 591 с. 3. Погорелова И.Г., Калягин А.Н., Жукова Е.В. Компетентностный подход в современном медицинском образовании// Сибирский медицинский журнал (Иркутск). – 2008. – Т. 77. №2. – С. 106-109. 4. Malov I.V., Pogorelova I.G., Guzol L.O. Realization of Distance Learning at Irkutsk State Medical University: First Experience, Problems & Perspectives. // Global Integration of Graduate Programmes, Irkutsk, Oktober, 5, 2005 y. – Irkutsk, 2005. – P. 28. Кирилов А.А., Олейникова С.А. О ПОДХОДАХ К ФОРМАЛИЗАЦИИ ДЛИТЕЛЬНОСТИ ОБСЛУЖИВАНИЯ ПАЦИЕНТОВ В МНОГОПРОФИЛЬНЫХ ЛЕЧЕБНО-ПРОФИЛАКТИЧЕСКИХ УЧРЕЖДЕНИЯХ [email protected] Рассматривается задача оптимизации функционирования лечебнопрофилактического учреждения (ЛПУ) [1]. На вход системы поступает поток 159

СПИ-МТ-2009 пациентов, которым необходимо оказать медицинскую помощь. Обслуживание оказывают специалисты, каждый из которых имеет определенную специальность (терапевт, кардиолог и т.д.). Каждый пациент проходит свой «маршрут» лечения, который определяет лечащий врач. Необходимо таким образом составить расписание приема для каждого пациента, чтобы загрузка ЛПУ в целом была бы оптимальной с точки зрения некоторого критерия. На качество расписания будет влиять степень соответствия фактической и запланированной длительности обслуживания пациентов. Поэтому чем более адекватной будет оценка длительности обслуживания отдельным пациентом, тем более оптимальное можно сформировать расписание. Проводя анализ функционирования ЛПУ, можно выявить факторы, влияющие на длительность обслуживания [1]. Основными факторами будут являться специфика оказываемой услуги и особенности конкретного пациента. Другим важным фактором является так называемая «случайность» поступления данного пациента в ЛПУ. Всех пациентов условно можно разделить на случайных и запланированных. Случайные пациенты поступают в систему в случайные моменты времени и требуют выполнения услуг, перечень которых можно лишь предсказать в статистическом смысле. Запланированными считаются пациенты, которые посещают того или иного специалиста в данном ЛПУ неоднократно. Поскольку предварительный «осмотр» данного пациента уже проводился, специфика его болезни в той или иной степени установлена, логично предположить, что для его приема потребуется в среднем меньше времени, чем для «нового» пациента. Специфика заболевания у пациента также является важным фактором, влияющим на длительность обслуживания. Таким образом, некоторые параметры для отдельного пациента можно учесть исходя из исходных данных, влияние остальных параметров можно лишь предположить. Существуют также разные технические факторы, которые могут существенно замедлить время обслуживания. К ним относятся, например, выход из строя оборудования, отключение электричества и т.д. Однако будем предполагать, что влияние этих факторов на длительность обслуживания незначительно. Длительность обслуживания – это случайная величина, на которую оказывает влияние большое число факторов. Определим закон распределения этой случайной величины. Для этого наиболее подходящим является закон бета. В частности, данный закон имеет две неотрицательные точки пересечения с осью абсцисс, что в наибольшей степени подходит для описания длительности обслуживания, поскольку, как правило, всегда можно указать наименьшее и наибольшее время выполнения операции. Формула его плотности имеет следующий вид [2]: ì (t - a )p-1 (b - t )q -1 , a £ t £ b, ï f x (t ) = í (1) B(p, q ) ï0, t < a , t > b. î 160

СПИ-МТ-2009 Как видно из формулы (1), время обслуживания зависит как от значений a и b, так и от параметров закона p и q. Значения a и b соответствуют наименьшему и наибольшему времени обслуживания, а параметры p и q определяют характер данного распределения. В частности, при увеличении p и q, распределение становится более сконцентрированным около моды, при равенстве p и q – симметричным (и в этом случае оценкой будет являться середина интервала [a,b]) и т.д. Существует ряд методов, позволяющих по значениям a, b и m оценить математическое ожидание (среднюю длительность) и дисперсию (отклонение от среднего). К ним в частности относится наиболее распространенный метод решения задач СПУ - ПЕРТ. Все они предполагают точное знание границ изменения случайной величины и ее наиболее вероятное значение. Однако, в настоящее время при планировании деятельности ЛПУ практически отсутствует механизм коррекции этих значений в зависимости от специфики случайной величины. Поэтому важной задачей является также корректная оценка границ интервала a и b, а также оценка моды m. Таким образом, длительность выполнения работ в ЛПУ можно описать с помощью случайной величины, имеющей закон бета. В зависимости от специфики этой величины (запланированный или случайный пациент, характер заболевания и т.д.) необходимо варьировать границы ее возможных значений. Следующей задачей является разработка системы принятия решений, которая по имеющимся сведениям о пациенте и каждой конкретной операции, которую необходимо выполнить для его обслуживания, предложила бы механизм количественной оценки a, b и m. Список использованных источников 1. Олейникова С.А., Кирилов А.А. Об одном подходе к решению задачи планирования обслуживания пациентов// Врач-аспирант. Выпуск 3(24). 2008. с.235-240. 2. Кобзарь А.И. Прикладная математическая статистика/ А.И. Кобзарь М.: Физматлит, 2006. – 816с. Кораблев К.Г. СТРУКТУРА И ВОЗМОЖНОСТИ АВТОМАТИЗИРОВАННОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ ПРИ ИСПОЛЬЗОВАНИИ НОВЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ [email protected] Информационные технологии (ИТ) в образовании играют все более существенное значение. Современный учебный процесс сложно представить без использования компьютерных средств обучения (КСО). Последние составляют обширный класс средств, относящихся к образовательным ИТ. Направление автоматизированных обучающих систем (АОС) может рассматри161

СПИ-МТ-2009 ваться как набор компьютерных обучающих систем (КОС) для базовой подготовки по одному или нескольким разделам (темам) курса (дисциплины) с возможностями компьютерных систем контроля знаний (КСКЗ) для определения уровня знаний обучающегося (тестируемого) по данным разделам (темам) курса (дисциплины), и его оценивания с учетом установленных квалификационных требований. Структура разрабатываемой АОС должна состоять из двух модулей: обучающего и контролирующего. Первый модуль включает в себя достаточный объем теоретического материала, а также вопросы для самопроверки в рамках изучаемого раздела или темы. Контролирующий модуль построен по принципу классификации предлагаемых вопросов по степени сложности в зависимости от того, какую оценку получает обучающийся на предыдущем этапе опроса. Причем, в зависимости от полученной оценки при ответах на вопросы, происходит выборка вопросов из того или иного класса. При использовании системы в учебном процессе реализуются следующие возможности: - поиск и вывод на экран любой темы (раздела) курса (дисциплины), которые входят в АОС как самостоятельный блок учебного материала; - просмотр, изучение (при необходимости - конспектирование) и усвоение пояснительного (учебного) материала по каждому вопросу выбранной темы (раздела); - самопроверка степени усвоения учебного материала за счет предъявления обучающемуся нескольких вопросов с альтернативными ответами по теме, из которых только один ответ верен; - контроль степени усвоения учебного материала тем (разделов), входящих в АОС с автоматическим выставлением оценки по сумме правильных ответов (в 5-ти балльной шкале) и занесением данных в память ПЭВМ. Эффективность АОС обеспечивается включением у обучающегося как слуховой, так и зрительной памяти. Монахова М.А. ИСПОЛЬЗОВАНИЕ МУЛЬТИМЕДИЙНЫХ ТЕХНОЛОГИЙ В ПРЕДПРОФИЛЬНОЙ ПОДГОТОВКЕ УЧАЩИХСЯ 9-Х КЛАССОВ [email protected] Создание учащимися совместно с педагогами новых образовательных и информационных технологий для конкретно взятой школы на базе современных мультимедийных технологий повышает уровень образования. Обогащение образовательного процесса применением учебнометодических мультимедийных комплексов позволяет улучшить качество преподавания предмета. Презентация «Мир профессий», созданная на основе материала, взято162

СПИ-МТ-2009 го из Интернета, открывает учебный курс предпрофильной подготовки и наглядно подтверждает наличие огромного количества профессий, в котором необходимо выбрать ту, единственную, удовлетворяющую потребностям и возможностям учащихся. Эта же презентация используется как основа в середине учебного года на классных часах, но уже с полученными результатами по типу профессий и выбору профиля обучения в 10-ом классе. Создан видеофильм, продолжительностью 40 минут с экскурсиями на различные предприятия города, который наглядно помогает познакомиться с профессиями, востребованными в нашем городе. В рамках месячника профориентации проводится презентация «Учебные заведения города Нурлат». Это итоговая защитная работа по предпрофильной подготовке, созданная учениками 9 класса, позволяет виртуально и очень подробно знакомиться со всеми учебными заведениями города, тем самым, проводя заочно ярмарку вакантных мест. Это позволяет привлекать выпускников к поступлению в Вузы родного города и приобретать профессию одновременно, работая, так как многие из них имеют заочную форму обучения. Эта же презентация наглядно знакомит с понятием «факультет», «специальность», «формы обучения». Ее использование начинается как изучение нового материала, в конце урока как закрепление, на последующих уроках как повторение изученного. Кроме презентаций, созданных учащимися школы и педагогом- организатором предпрофильной подготовки, на занятиях-тренингах, проводимых психологом школы, применяется готовый мультимедийный продукт «Самопознание». Новые информационные и Интернет-технологии открывают учащимся доступ к не традиционным источникам информации, повышают эффективность самостоятельной работы, дают совершенно новые возможности для творчества, позволяют реализовывать принципиально новые формы и методы обучения. Первухина Н.В. ПРИМЕНЕНИЕ КОМПЬЮТЕРА В ПРЕПОДАВАНИИ ИНОСТРАННЫХ ЯЗЫКОВ [email protected] «Истинным стимулом человеческой жизни является завтрашняя радость. В педагогической технике эта завтрашняя радость является одним из важнейших объектов работы» Макаренко Научно-технический прогресс - это процесс непрерывного развития 163

СПИ-МТ-2009 науки, техники, технологии, совершенствования форм и методов организации труда. Одним из важнейших его направлений является автоматизация преподавания. Быстрые темпы развития информационно-коммуникационных технологий способствуют появлению новых форм обучения. Рациональное использование персонального компьютера позволяет применять новые способы передачи учебной информации учащимся. Примером такой передачи являются электронные учебные пособия (ЭУП), позволяющие сделать более доступными формы восприятия теоретического материала, расширить знания, уменьшить время, затрачиваемое на обучение, повысить качество и мотивацию преподавания. Разработка ЭУП позволяет автоматизировать процесс предъявления теоретического материала и тестирования учащихся с меньшими затратами времени, углубить знания, сократить сроки обучения, увеличить число слушателей на одного преподавателя. Контроль знаний студентов является одним из немаловажных моментов в учебном процессе. Программа тестового контроля позволяет автоматизировать процесс тестирования с меньшими затратами времени, что значительно облегчает работу преподавателя. Обычные контрольные вопросы бумажных учебников заменяются интерактивными тестами. С их помощью можно своевременно выявить нежелательные, узко дисциплинарные тенденции в изложении учебного материала и внести своевременную коррекцию в учебный процесс. При этом результат тестирования выдается сразу – в специальном окне после прохождения теста высвечивается количество правильных ответов и оценка. Экономия времени, необходимого для изучения конкретного материала, благодаря использованию электронного учебника в преподавании в среднем составляет 30%, а приобретенные знания сохраняются значительно дольше, так как визуальный метод получения информации человеком воспринимается легче, чем вербальный, и запоминается на более длительное время. В сотрудничестве со студентами отделения информационных технологий были созданы такие ЭУП как: Английский язык для начинающих. Компьютерный английский. Car is our friend (для студентов отделения автомобильного транспорта), а также интерактивные тесты по темам «Экология», «Компьютерные термины», «Англоязычные страны», «Международные автомобильные термины» и другие. Учебные пособия и тесты размещены на внутриколледжном сервере, куда имеют доступ все преподаватели и студенты. В современных условиях учебные заведения ставят перед собой задачу подготовить не просто знающих и умеющих что-либо делать людей, а людей, способных к деятельности в условиях конкуренции, умеющих ориентиро164

СПИ-МТ-2009 ваться в потоке научно-технической информации, работать с литературой, осваивать новые технологии. Важно не просто передать знания, а выработать у учащихся потребность в максимальном развитии возможностей и способностей, в готовности постоянно учиться и самосовершенствоваться. Формирование личности ребенка складывается из многих параметров. Одним из основных является формирование и развитие творческих способностей учащихся, их интеллектуальной активности. Проблема развития комплекса свойств, входящих в понятие «творческие способности», требует длительной, целенаправленной работы. После пятнадцати лет, когда заканчивается формирование основ образного, творческого мышления, волевой и моральной сферы человека, осознание закономерностей окружающего мира, - наступает время использования компьютера, как инструмента продуктивной работы. Умелое руководство творческой работой позволяет соединить интерес студентов к иностранному языку и компьютерным технологиям. Выполняя самостоятельные творческие задания к урокам, студенты создают презентации, видеофильмы, анимационные ролики по различным темам на английском или немецком языках, электронные газеты к различным памятным датам. В учебном фильме «Forever native» на английском языке рассказывается о природе Алтая, о туристических горных маршрутах, об организации сплавов по реке Катунь, об уникальном озере Ая. Яркие видеофрагменты, красочные фотографии, музыкальное сопровождение (горловое пение коренных жителей Алтая) дополняют интересную информацию о родном крае. Видеофильм сделан в программе «Pinnacle Studio» с использованием спецэффектов. Интерактивное приложение (на английском и русском языках) по теме «Экология планеты» рассказывает об экологической обстановке на нашей планете и в Алтайском крае в частности. Данная работа заняла третье место в международном конкурсе «Цифровой ветер» в номинации «Интерактивное приложение» и получила сертификат участника международного конкурса «Join Multimedia» (компания Siemens, Германия). Учебные проекты по темам «Русские немцы на Алтае», «По ком звонит колокол» (экология Алтайского края), «Компьютерные зомби» (о проблемах лудомании среди подростков) стали победителями регионального конкурса учебных проектов в рамках программы «Intel». Во время проведения бинарного урока по теме «Путешествия» (английский язык + информатика) студенты познакомились с достопримечательностями зарубежных стран и России, научились создавать с помощью ПК рекламные видеоролики, озвучивать их на английском языке. Интерактивная игра «Англоязычные страны» была создана для проведения интеллектуального марафона среди старшеклассников школ города и студентов первого курса колледжа. Игра была построена с учетом реальных 165

СПИ-МТ-2009 знаний, умений и подготовленности учащихся по данной теме. Помимо ПК, был использован мультимедийный проектор, 2 экрана, звуковые устройства, что обеспечивало большую наглядность при проведении игры.

Разработана с использованием языка разметки гипертекста HTML, постоянно набирающего популярность, причем не только в сфере Интернеттехнологий, но и в области презентационных услуг, рекламно-выставочной деятельности, в разработке программного обеспечения. Достоинством языка HTML является мобильность и простота использования. С его помощью можно грамотно и профессионально создавать привлекательные и интересные электронные документы. Игра выполнена эмоционально ярко, с применением анимационных эффектов, теоретический материал включает текстовую информацию из различных источников, что немаловажно при изучении данной дисциплины, и сопровождается иллюстрациями, анимационными рисунками, фотографиями и видеороликами. Данная игра проста в обращении, т.к. рассчитана на неопытного пользователя. Может быть использована любым преподавателем при подготовке к занятиям, на внеаудиторных занятиях, а также при самообучении. Позволяет повысить эффективность преподавания и восприятия учебного материала, сделать процесс обучения более наглядным. При открытии учебного пособия мы попадаем на стартовую страницу, а с нее на главную страницу, при помощи которой мы можем работать уже непосредственно с данным материалом. На главной странице расположены названия тем и количество баллов по каждому вопросу. При открытии окна с количеством баллов высвечивается окно с вопросом и 4 вариантами ответов. При нажатии на правильный ответ высвечивается окно, на котором появляется изображение пляшущего мышонка, и происходит возврат на главную страницу. При нажатии на неправильный ответ высвечивается окно, на котором появляется изображение плачущего ребенка, и происходит возврат на страницу с вопросом. 166

СПИ-МТ-2009

Содержание игры позволяет формировать комплекс знаний и умений и оперирование ими; соотносить изученное и изучаемое; соединять отдельные знания в одно целое. Структура игры компактна, материал на каждом этапе логически взаимосвязан, информативная ёмкость достаточно большая. Компьютер, предоставляя разнообразный материал для творчества, сам творить не может, как не может и научить творить ребенка. Но можно самим научиться творить с помощью компьютера. Ведь творчество – это дар, присущий только человеку. Известный американский психолог Д.Моррис писал: «Творчество есть не более как проекция детских качеств на жизнь взрослых. Если бы процессы, с которыми они связаны, - чувство удивления и любопытства, тягу к пробам, поискам и находкам - можно было бы предохранить от возрастного увядания, если бы можно было добиваться того, чтобы они преобладали в поведении взрослого, тогда мы бы победили в важной битве - битве за творчество». 167

СПИ-МТ-2009 Полушкин О.А. МОДЕЛИРОВАНИЕ ПРОЦЕССА ПОДГОТОВКИ СПЕЦИАЛИСТОВ КАК СРЕДСТВО УПРАВЛЕНИЯ ИХ КАЧЕСТВОМ [email protected] Проблема качества подготовки специалистов остро встала перед высшей школой РФ в последние годы. В настоящее время наметилась тенденция поиска пути решения этой проблемы с использованием международных стандартов (МС ИСО серии 9000:2000) и модели Премии Правительства РФ в области качества, построенной на их основе и ставящей главную задачу – стимулировать вузы к поиску современных методов управления, установить ориентиры в области развития систем обеспечения качества подготовки специалистов. Следует заметить, что отмеченный путь хотя и манит своей целью, однако в большей мере он ведет к пропаганде идей, заключенных в МС ИСО серии 9000:2000. Это подтверждает сомнения, появившиеся на заре популяризации этих стандартов в нашей стране в работе [1] и сводящиеся к тому, что рост популярности этих идей происходит благодаря пугающей информации о закрытии европейского и мирового рынков для предприятий, не внедривших эти стандарты. Вместе с тем, механизма внедрения эти стандарты не содержат, отчего у нас в стране и поныне растет их популярность, а не практическая реализация. Не отвергая правильность и полезность популяризации принципов менеджмента качества продукции вообще и выпускников вузов, в частности, а сетуя лишь на отсутствие средств их практической реализации, заводящее в тупик решение государственной проблемы качества подготовки специалистов в вузе, заметим следующее: – эффективное решение проблемы качества следует искать не с традиционным лозунгом обеспечения и постоянного подъёма качества высшего образования, а путем управления качеством подготовки специалистов в вузе, преследующим цель гарантировать требуемый и количественно обоснованный уровень качества подготовки в заданные сроки заданного количества выпускаемых вузом специалистов каждой из подготавливаемых им специальностей. Именно так должна в современных условиях формулироваться основная цель функционирования образовательной деятельности государственного вуза; – одним из принципов менеджмента качества, хотя и не получившим должного и достаточно полного раскрытия в МС ИСО серии 9000:2000 и даже не нашедшим отражения в отмеченной выше модели Премии Правительства РФ в области качества, является «системный подход к менеджменту». Вместе с тем, именно этот принцип, при современном уровне развития теории и практического использования методов управления сложными системами на всех стадиях их создания (нормирование показателей качества, проек168

СПИ-МТ-2009 тирование, реализация) и функционирования (работа, эксплуатация, потребление, обслуживание, ремонт и пр.), является основой практической реализации других стандартизованных принципов менеджмента качества. С позиции теории управления сложными системами, разрабатывающей методологию современного системного подхода к анализу и синтезу объектов и процессов, обладающих признаками сложной системы [2,3], поставленная Минобрнауки РФ задача создания в отечественных вузах «систем управления качеством подготовки специалистов» некорректно сформулирована. Если технологический процесс подготовки некоторой специальности в вузе имеет признаки сложной системы, то управление им и, в том числе, управление качеством его продукции (выпускаемые специалисты) является атрибутом такой системы. Поэтому в корректной (с позиций системотехники) формулировке перед вузами должна ставиться задача «постановки процессов подготовки специалистов на системотехническую основу», которая решается воссозданием у существующей в каждом вузе некоторой «системы» подготовки специалистов всех (без исключения) отмеченных и раскрытых в [2,3] признаков сложной системы, что позволит решать задачи управления этими процессами средствами системотехники, включая имитационное моделирование их функционирования. Последнее позволяет априорно оценить эффективность различного рода управляющих воздействий на эти процессы. При этом разработка математической модели процесса подготовки специалистов в вузе и формализованных для использования ЭВМ алгоритмов моделирования этого процесса при решении задач управления его качеством может быть поставлена и решена в общем виде, пригодном к использованию при подготовке любой специальности в вузе любого профиля и направления подготовки. Первой задачей построения математической модели процесса подготовки специальности в вузе как сложной системы является разработка модели функционирования элемента этой системы, в качестве которого принят процесс подготовки отдельной i-й дисциплины учебного плана специальности. Её решение потребовало введения критерия оценки качества функционирования такого элемента, построенного в виде

Ki =

ni (1 - n i-β ) p i (1 - p i-u ), ni -1 pi - 1 i

i

(1)

где ni – число дисциплин учебного плана специальности, на которых основывается изучение i-й дисциплины, включающее рассматриваемую дисциплину; βi – взвешенная системная оценка адекватности ресурсообеспечения учебного процесса подготовки i-й дисциплины в конкретном вузе, готовящем конкретную специальность, представленная как βi = 0,1(4βTi + 3βKi + 2βMi + βИi ) ; (2) pi – число преподавателей, ведущих подготовку i-й дисциплины для рассматриваемой специальности; ui – показатель качества работы преподава169

СПИ-МТ-2009 телей, ведущих подготовку i-й дисциплины специальности, который принимается пропорциональным уровню оплаты их труда и который служит критерием адекватности обеспечения процесса подготовки i-й дисциплины энергетическими ресурсами (в соответствии с [2] последние включают не только различные виды физической энергии, но и финансовые средства, потребные для обеспечения функционирования сложной системы). В последнем выражении βTi, βKi, βMi, βИi – критерии адекватности обеспечения процесса подготовки i-й дисциплины ресурсом времени, кадровым преподавательским ресурсом, материальными и информационными ресурсами соответственно. Не представляя здесь полученные в ДГТУ общие выражения для расчета этих критериев и ui (это, как и [4], - материалы отдельных публикаций), отметим, что эти критерии могут быть рассчитаны для каждой i-й дисциплины учебного плана специальности в условиях её подготовки каждым конкретным вузом. Поэтому значения ni, βi, pi, ui, определяющие характеристику Ki собственных свойств модели и совместно учитывающие уровень обеспечения учебного процесса подготовки i-й дисциплины учебного плана специальности всеми видами ресурсов с учетом специфики этой подготовки в конкретном вузе, представляем отдельными входами математической модели этого процесса. Значения этих критериев могут лежать в диапазоне от нуля до единицы, обеспечивая 0 < βi ≤ 1, 0 < ui ≤ 1 и 0 < Кi ≤ 1. При Кi = 1 ресурсообеспечение учебного процесса подготовки i-й дисциплины и эффективность его использования в вузе при подготовке специальности обеспечивают наивысшее (эталонное) качество подготовки этой дисциплины. Следует заметить, что определенный по (1) критерий Ki характеризует собственные свойства (потенциал) вуза, определяющие уровень качества реализуемого им процесса подготовки i-й дисциплины. Этот критерий может быть определен для каждой i=1…N дисциплины учебного плана специальности с включением в N выпускной работы. К собственным свойствам процесса подготовки каждой из дисциплин учебного плана специальности относится также вклад этой дисциплины в формирование профессиональных (отдельно специальных и фундаментальных) и непрофильных знаний будущего специалиста-выпускника, определяющих на выходе процесса его качество посредством методологии, представленной в [5]. Учитывая это, вводим трехкомпонентный вектор {ξ}i относительных уровней вклада i-й дисциплины в отмеченные направления подготовки специалиста. Компоненты {ξ}i определяются анализом рабочей программы i-й дисциплины. Наконец, к собственным свойствам модели процесса подготовки i-й дисциплины относим критерий Si сложности восприятия этой дисциплины обучающимся контингентом. Методические положения по обоснованию значений Si для любой i=1…N дисциплины разработаны в ДГТУ. 170

СПИ-МТ-2009 Качество освоения i-й дисциплины обучающимся специальности контингентом объема Lc зависит не только от характеристик собственных свойств процесса её подготовки, но и от уровня подготовленности этого контингента к её изучению. Для дисциплин начальной подготовки в вузе, изучаемых в первом семестре обучения, уровень подготовленности контингента оценивается качеством набора на специальность, определяемого с помощью разработанной в ДГТУ /6/ модели φ(h) качества набора. Последняя представляется как смещенный закон Максвелла с характеристиками hmin – минимальный уровень довузовской подготовки, определяемый проходным баллом на вступительных испытаниях, и σ0 – параметр закона, характеризующий однородность набора на специальность. Процесс изучения каждой i-й дисциплины начальной подготовки трансформирует φ(h), изменяя значения параметров этой модели и формируя на выходе модель φ(hi) качества подготовки этой дисциплины обучающимся контингентом. Параметры hmini, σ0i этой модели определяются не только значениями hmin, σ0, но и значениям критерия Кi по построенным зависимостям. Для дисциплин последующей подготовки, изучение которых базируется на знаниях, умениях и навыках, полученных по ранее изученным дисциплинам вузовской подготовки, уровень подготовленности контингента к изучению каждой k-й из этих дисциплин оценивается моделью φ(hnk). Её параметры определяются значениями hminl, σ0l параметров закона Максвелла распределения оценок качества подготовки каждой l-й дисциплины для l=1…nk – число дисциплин вузовской подготовки, на которых основывается изучение k-й дисциплины. Модель процесса подготовки k-й дисциплины последующего обучения в вузе трансформирует параметры модели φ(hnk) в параметры hmink, σ0k модели φ(hk) на выходе процесса этой подготовки с помощью полученных соотношений. Представление в качестве выходов моделей процессов подготовки отдельных дисциплин в виде законов Максвелла позволяет найти долю δk брака этой подготовки как h допk

δk=0 при h допk £ h mink ; д k =

ò j (h )dh k

k

при h допk f h mink ,

(3)

h mink

где hдопk – допустимый минимальный уровень качества подготовки k-й дисциплины, необходимый для последующего обучения или практического использования. Наконец, в качестве выхода математической модели процесса подготовки любой k-й дисциплины должна фигурировать оценка уровня достижения цели её изучения, в качестве которой принято выражение {Dk}=Kk{ξ}k, (4) в котором компоненты {Dk} определяют обеспеченные ресурсами вуза уровни профессиональной специальной, профессиональной фундаменталь171

СПИ-МТ-2009 ной и непрофильной подготовки, получаемые каждым обучающимся после изучения этой дисциплины.

Модели функционирования процессов освоения дисциплин начальной (а) и последующей (б) подготовки в вузе Схемы на рисунке представляют определенные выше входы, собственные свойства и выходы математических моделей процессов подготовки дисциплины в вузе, а полученные соотношения связывают входы и собственные свойства этих моделей с характеристиками выходов, определяя таким образом функцию элемента сложной системы, которой представляется процесс подготовки специальности в вузе. Дополнительно на этих схемах в качестве входов представлены: Lc – объем контингента, набранного для обучения специальности по результатам вступительных испытаний; lCS – объем контингента, изучающего k-ю дисциплину в s-м семестре обучения специальности. Математическая модель процесса подготовки специальности в вузе трактуется как совокупность моделей процессов подготовки всех N дисциплин учебного плана этой специальности, совместное взаимосвязанное и взаимозависимое функционирование которых направлено на достижение определенных и поставленных выше целей. Построение такой модели потребовало выделения в процессе подготовки специальности отдельных иерархически подчиненных подсистем профессиональной специальной, профессиональной фундаментальной и непрофильной подготовки, каждая из которых включает некоторое число элементов (дисциплин учебного плана), обеспечивающих соответствующий вид подготовки выпускаемого специалиста. Совокупность таких подсистем с определением элементов, их образующих, представляет собой иерархическую структуру процесса подготовки специальности. Её построение требует ранжировки дисциплин учебного плана с учетом их приемственности. Разработанная методика такой ранжировки, основанная на анализе рабочих программ дисциплин учебного плана специальности, позволяет не только формализовать определение значений nk для моделей процесса подготовки дисциплин (см. рисунок), но и построить матрицы операторов связей дисциплин в подсистемах, связей подсистем иерархической структуры всего процесса подготовки специальности и эффективно распределить процессы подготовки дисциплин по семестрам обучения. При этом 172

СПИ-МТ-2009 наивысший уровень иерархии (наименьший номер в ранжировочном ряду дисциплин, равный единице) имеет выпускная работа, завершающая процесс подготовки специалиста. С построением отмеченных операторов связей выходы модели функционирования процесса подготовки дисциплины, имеющей более высокий номер в ранжировочном ряду, автоматически поступают на входы моделей функционирования процессов подготовки дисциплин, имеющих более низкий номер в ранжировочном ряду, если изучение последних основывается на знаниях, умениях и навыках, полученных при изучении первой. Поэтому совокупность моделей функционирования процессов подготовки всех N дисциплин (включая выпускную работу) учебного плана и операторов их связей представляет собой математическую модель процесса подготовки специальности в вузе в представленной выше её трактовке. Обобщенно эту модель можно представить в виде {K} = [W] {h} , (5) где {K} – вектор количественных оценок выходов модели, компоненты которого определяют степень достижения поставленных целей процесса подготовки специалистов в вузе; [W] – матрица характеристик собственных свойств процесса подготовки специальности в вузе, которые определяются уровнями адекватности всех видов ресурсов (временных, кадровых, материальных, информационных, энергетических) подготовки всех дисциплин учебного плана специальности в вузе, а также характеристиками {ξ}i, Si каждой из i=1…N этих дисциплин; {h} – вектор характеристик качества довузовской подготовки и объема Lc контингента, набранного для обучения специальности в вузе, компонентами которого, помимо введенного Lc, являются параметры hmin, σ0 модели φ(h) качества набора на специальность, представленной выше. Построенная по разработанной в ДГТУ методике модель (5) предусматривает в качестве выходов (компонентов {K}) следующие характеристики качества функционирования процесса подготовки специальности в вузе и качества выпускаемых им специалистов: -количественная оценка 0
СПИ-МТ-2009 ства подготовки выпущенных специалистов, позволяющего определить прогнозируемые доли контингента L, имеющие отличное, хорошее и удовлетворительное качество подготовки специальности в данном вузе. Построение модели и обеспечение её адекватности корректировкой параметров по ретроспективным данным позволяет на формализованной основе с помощью ЭВМ обеспечить управление процессом подготовки специалистов в вузе решением таких основных задач как: - при определенных [W] и {h} найти {K}, им отвечающее, (анализ процесса); - при определенном {h}найти [W], обеспечивающее требуемый {K}, (синтез процесса). Заметим, что этот (далеко не полный) перечень задач управления процессом подготовки специалистов в вузе решается руководством каждого вуза, выпускающими кафедрами и в настоящее время. Однако принимаемые при этом управленческие решения должным образом не обосновываются и потому их реализация зачастую не приводит к желаемому результату. Использование построенных моделей и выполнение с их помощью априорного имитационного моделирования процесса подготовки специалистов в вузе обеспечивает гарантию эффективности реализации принимаемых управленческих решений, направленных на подъем и обеспечение требуемого качества выпускаемых вузом специалистов, их ангажированность и конкурентоспособность. Изложенное показывает, что теоретические основы моделирования процесса подготовки специалистов в вузе, разработанные в ДГТУ и представленные выше, опираясь на интерпретацию этого процесса в виде сложной системы, представляют собой механизм практической реализации всех принципов менеджмента качества, заложенных в МС ИСО серии 9000:2000. Подобные разработки отсутствуют как в РФ, так и за рубежом. На 2009 год запланирована практическая апробация изложенных выше теоретических положений путем построения математической модели процесса подготовки специальности 171000 в условиях ДГТУ, а также постановка, разработка методик, алгоритмов и формализация для ЭВМ решения ряда задач моделирования этого процесса для выработки обоснованных управленческих решений по оптимизации распределения имеющихся в вузе ресурсов подготовки этой специальности, для осуществления мониторинга процесса подготовки в реальном времени и пр. Поскольку все вузы РФ (вне зависимости от формы собственности, направления и профиля подготовки выпускаемых специалистов) стоят перед необходимостью решения проблемы качества выпускников, выполненная и представленная выше разработка имеет высокий инновационный потенциал. Список использованных источников 1. Лапидус В.А., Терехова Т.В. Немного о проблемах и «болезнях» наших предприятий в области управления качеством. – СиК. 12-91.-С.9-12. 2. Честнат Г. Техника больших систем (средства системотехники). Пе174

СПИ-МТ-2009 ревод с англ. И.Н. Васильева, Е.Н. Дубровского, А.С. Манделя и др., под ред. О.И. Авена. М.; Энергия, 1969. 3. Рыжкин А.А., Полушкин О.А. Процесс подготовки специалистов в вузе как сложная система. – Материалы Х международной конф. «Современные технологии обучения, СТО-2004». С.-П.: ЛЭТИ.- 2004.-С.24-26. 4. Рыжкин А.А., Полушкин О.А. Критерий оценки адекватности информационного обеспечения учебного процесса подготовки дисциплин в вузе. – Материалы IV международн. науч.-метод. конф. «Системы управления качеством высшего образования». Воронеж: Воронежский госуниверситет.2004.-С.147-151. 5. Рыжкин А.А., Полушкин О.А. О нормативах уровней различных видов подготовки в вузе. – Материалы заочной науч.-практ. конф. «Инновационные технологии в современном обществе». С.-П.: Из-во института управления и экономики.-2004.-С.57-62. 6. Полушкин О.А. Обобщенная статистическая оценка и управление качеством набора на специальность в вузе. – Науч.-метод. пособие. – Ростов н/Д: Издательский центр ДГТУ, 2005. – 24с. Поляков Ю.А. ПРИМЕНЕНИЕ СРЕДСТВ МУЛЬТИМЕДИА В ПРОЦЕССЕ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ «СОПРОТИВЛЕНИЕ МАТЕРИАЛОВ» [email protected] Переход от индустриального общества к информационному, в котором процессы создания и распространения знания становятся ключевыми, приводит к необходимости реформирования образования. Основная образовательная цель, которая формулируется в новых условиях – подготовить специалиста, способного выдержать конкуренцию на рынке труда. На сегодняшний день очевидным является тот факт, что развитие информатики и информационных технологий гораздо больше, чем любых других, определяет степень эффективности процесса общеинженерной подготовки современного специалиста, кардинально изменяет условия обучения и профессионального труда, вносит решающий вклад в формирование современной образовательной среды. Повышение эффективности обучения в процессе изучения дисциплины «Сопротивление материалов» во многом зависит от грамотного применения на занятиях возможностей информационных технологий. Четкая, целенаправленная и методически продуманная система изложения знаний во время проведения лекций и семинаров способствует повышению качества усвоения студентами учебного материала. При подготовке к занятиям по сопротивлению материалов удобно использовать возможности программы PowerPoint. Это достаточно распространенная и сравнительно легкая в освоении про175

СПИ-МТ-2009 грамма. Она проста в управлении, не требует навыков программирования и весьма удобна для создания цветных слайдов с анимационными эффектами, что способствует повышению интереса студентов к проводимым лекциям. Для подготовки визуального материала к презентациям, создаваемым с помощью PowerPoint, можно также использовать программы создания вебстраниц. Презентация (от английского “presentation” – представление) – это набор цветных картинок-слайдов на определенную тему, подготовленных с использованием компьютера. Они пришли на смену традиционным диафильмам или диапозитивам и демонстрируются с помощью современных видеопроекционных технологий. На каждом слайде можно не только помещать произвольную текстовую и графическую информацию, но и дополнять ее закадровым голосовым сопровождением. Презентации приобретают специфическое назначение на всех этапах лекции, а также при выполнении практических работ. Слайд-фильм позволяет показать на одном слайде условие предлагаемой задачи, а на другом – ее решение (поэтапное выполнение). Это помогает сократить время при проверке домашних заданий, повторении и закреплении старого и изложении нового материала, отвести больше времени на выполнение практических работ, правильно понять цель и ход предстоящей работы, предупредить многие ошибки, ускорить процесс выполнения заданий. Слайды служат образцами для правильного исполнения работы. Показывать подготовленные презентации можно как средствами “главного” приложения – PowerPoint, – так и средствами простой программыдемонстратора (PowerPoint Viewer). Возможность использования нескольких режимов демонстрации (смена слайдов вручную – в прямом и обратном направлении – автоматический показ) позволяет преподавателю сопровождать каждый кадр пояснениями, возвращаться к ранее рассматриваемому материалу (слайдам – наглядным пособиям) на любом этапе занятия. В период проведения инновационной программы «Качество. Знания. Компетентность» в 2006-2007 гг. в Государственном технологическом университете «МИСиС» с целью создания материально-технической базы для проведения занятий и контроля знаний студентов с использованием самого современного оборудования и новейших методик, способов подачи материала обучающимся была оборудована 31 мультимедийная аудитория, в том числе 2 поточные аудитории Б-1 и К-212. Например, поточная аудитория К-212, рассчитанная на 182 рабочих места студента, оснащена интерактивной системой контроля знаний, функционирующей следующим образом. Рабочее место студента оборудовано настольным 7-дюймовым монитором, наушниками и микрофоном. Данное решение позволяет выводить любую информацию на персональный монитор студента (статические и динамические изображения), причем это может быть как одинаковая для всех информация, так индивидуальная. Обратная связь со студентом организована 176

СПИ-МТ-2009 посредством использования виртуальной клавиатуры, выводимой на экран, что позволяет студенту не только выбирать вариант ответа на вопрос, но и давать развернутый ответ. Данные возможности позволят проводить в режиме on-line тестирования, использовать в процессе лекции тренажеры. Кроме этого, у преподавателя появляется возможность проведения интерактивных лекций, в ходе которых удается практически мгновенно получать отклик аудитории, а при тестировании правильно распределить сложность вопросов в соответствии с рейтингом каждого студента. Помимо этого, оснащение рабочего места позволяет проводить в аудитории научно-практические конференции, используя возможность предоставления материалов каждому участнику на его родном языке. Аудитория К-212 оборудована тремя большими экранами, видимыми с любого рабочего места, и тремя мультимедийными проекторами. Система видеоуправления позволяет выводить информацию на экраны в любой комбинации с различных источников (DVD, компьютер, активная доска преподавателя, документ-камера, дополнительный источник). Та же информация может транслироваться и на рабочие места студентов. Рабочее место лектора укомплектовано ноутбуком, документ-камерой, «активным» планшетом, интерактивной доской, позволяющей на сформированном изображении, как статическом, так и динамическом, производить графические пометки, которые могут транслировать как на большие экраны, так и на рабочее место студента. Документ-камера позволяет выводить изображения с твердых копий на любой носитель видеоинформации в аудитории, в том числе на интерактивную доску, где преподаватель сможет дать свои графические комментарии к изображениям. Указанная аудитория комплектуется средствами для проведения видеоконференций в режиме 1+3 (к точке доступа, находящейся в аудитории, можно подключить до 3 удаленных точек), что позволяет проводить дистанционное обучение в любом известном сейчас формате, научно-практические конференции, совещания и т. д. Аудитория К-212 оборудуется системой звукового сопровождения в составе статической системы громкоговорителей и радиомикрофона у преподавателя. На каждом рабочем месте также предусмотрен стационарный микрофон. Остальные 29 аудиторий оборудованы разным набором технических средств, что позволяет наиболее рационально использовать оборудование при проведении занятий: 1) Аудитории К-112, Б-734, Б-934, А-305, А-308, А-312, А-507 укомплектованы проектором, экраном, документ-камерой, интерактивной доской, звуковым оборудованием. Такое наполнение позволяет проводить занятия, используя любой состав мультимедийного материала. 2) Аудитории А-303, А-304, А-306, А-328 укомплектованы проектором, экраном, маркерной доской, звуковым оборудованием, документ177

СПИ-МТ-2009 камерой. Данное наполнение исключает только возможность интерактивных изменений в материале презентации, но позволяет подавать материал студентам любым известным способом. 3) Аудитории Б-727, Б-947, А-505, А-506, А-510, А-512 укомплектованы проектором, экраном, маркерной доской. Это наиболее простое оснащение аудиторий позволяет проводить занятия, используя мультимедийные элементы, показывать студентам видеоролики, иллюстрирующие подаваемый материал, и т. п. Кроме этого приобретены переносные мультимедийные комплексы, состоящие из проектора, переносного экрана, ноутбука, переносного звукового оборудования и оборудования для проведения видеоконференций (ВКС). Полное или частичное использование данных комплексов позволяет проводить занятия с использованием мультимедийного материала и ВКС в любой аудитории университета. Смалько Е.А. ТЕЛЕКОММУНИКАЦИОННЫЕ ТЕХНОЛОГИИ В УЧЕБНОМ ПРОЦЕССЕ [email protected] Динамическое развитие средств компьютерных коммуникаций, программного и аппаратного обеспечения приводит к необходимости использования в образовательном процессе нетрадиционных форм и методов учебного взаимодействия. В большинстве своём учителя неохотно прибегают к внедрению новых методов и средств обучения, тем более, что, например, использование компьютерных и телекоммуникационных технологий влечет за собой полную смену методики, изменение форм учебной работы, задачного материала, методов диагностики обучения. Однако всегда технический прогресс был той движущей силой, которая изменяла к лучшему нашу жизнь, наполняла её новым смыслом, развивала контакты и совершенствовала качество межличностного взаимодействия. Абсолютно новые формы общения между участниками учебного процесса можно организовать, например, используя специальное программное обеспечение, позволяющее поддерживать телеконтакты, опосредованные компьютерными коммуникациями. С помощью, например, программы «Camfrog Video Chat» (http://www.camfrog.com/) можно во время уроков или во внеурочное время организовывать такие формы взаимодействия между учениками, а также между учениками и их наставниками, которые обеспечивают визуальный и голосовой контакт (рис.1).

178

СПИ-МТ-2009

Рис.1. Скриншот программы «Camfrog Video Chat» с окнами участников видеосвязи

Рис.2. Интерфейс программы «eMEETplus C1000» с окном введения пользовательского пароля Возможность видеть своего собеседника, наблюдать за выражением его лица, мимикой и жестами намного упрощает и в то же время обогащает общение между людьми. Никакие заранее записанные видеоролики, никакая трансляция видеозаписей широковещательными средствами передачи дан179

СПИ-МТ-2009 ных не имеют такого воздействия на людей, как «живое» общение. На самом деле, ничего лучшего за это никогда не было и не будет. Современные программы, предназначенные для проведения видеоконференций, видеочатов помогают поддерживать видеосвязь on-line в реальном времени. Теперь и в школе появляется возможность использовать их. Если позволяет учебная программа и аппаратно-программные средства, а также если преподаватель заранее подготовил всю необходимую почву для организации подобных форм взаимодействия участников учебного процесса, проводить видеоконференции полезно и очень интересно для школьников и студентов. Тематическое общение, активное взаимодействие, обмен впечатлениями, идеями, гипотезами, методами разрешения проблем может сделать процесс изучения отдельных учебных тем более эффективным, максимально адаптированным к современным условиям компьютерно-ориентированного коммуникационного взаимодействия. На рынке программных средств можно найти много интересных решений, предназначенных для проведения видеоконференций, — «eMEETplus C1000» (http://www.neotechsoft.co.kr/) (рис.2), «ICUII Video Chat» (http://www.icuii.com/), Split Video Chat for Video Conference (http://www.splitcamera.com/), «FACT — Universal Video Conferencing Tool» (http://www.unicontel.com/) и др. Есть среди них коммерческие проекты и бесплатные решения. Некоторые программные инструменты совместной работы в масштабе сети также имеют специальные встроенные средства для проведения видеоконференций. Встраиваются программные модули, обеспечивающие видеоконференц-связь, и в некоторые web-браузеры. Например, подобным приложением для «Firefox» является «VZOchat Web Client» (http://www.vzochat.com/). В сети также можно найти особенно красивые программные решения для проведения детских видеоконференций. К примеру, инструмент «ArcSoft Magic-i» (http://arcsoft.com/) позволяет сопровождать видеочат разнообразными видеоэффектами, а также обеспечивает монтаж транслируемых панорам и цифровых изображений. Очевидно, лишь работая с адаптированными к этой возрастной группе программными средствами, маленьким исследователям современных возможностей компьютерных коммуникаций будет интересно принимать участие в сетевом взаимодействии. Понятно, что телеконференц-связь можно организовать, лишь имея в наличии соответствующую аппаратную поддержку, в частности средства мультимедийного взаимодействия — web-камеру, микрофон. Но они постепенно перестают быть экзотикой в учебных компьютерных классах. Также современная аппаратура, которая отвечает самым новым стандартам, позволяет «стирать» ощутимость удаленности собеседников. Расширение сферы общения, круга знакомых ровесников, совместное решение интересных задач, партнерство в выполнении творческих проектов и многое другое могут привнести в учебный процесс компьютерно-ориентированные средства под180

СПИ-МТ-2009 держки телеконтактов. Вслед за развитием идей по созданию виртуальных миров в сети Интернет появились сведения о разнообразных проектах по организации и программной поддержке коллективного общения на базе концепции виртуального присутствия. Так, на сегодняшний день создано несколько интересных программных средств, позволяющих учащимся посредством компьютерной сети организовывать партнерское взаимодействие в создаваемых ими виртуальных мирах. Примером такой программной среды является, например, свободно распространяемое средство «Croquet» (http://www.opencroquet.org/) (рис.3).

Рис.3. Скриншот программы «Croquet» с разнообразными окнами

Рис.4. Операции с окном, проводимые виртуальным персонажем В 3D-сцены можно вмонтировать заранее снятые видеокамерой либо найденные в свободно распространяемых репозиториях видеоролики (рис.4). В создаваемые виртуальные миры могут импортироваться уже готовые графические объекты, также простейшие изображения можно создавать непосредственно во вмонтированном в «Croquet» специальном графическом 181

СПИ-МТ-2009 редакторе. При этом нарисованные объекты приобретают иллюзию объемности (рис.5).

Рис.5. Команда для вызова графического редактора (окно сверху) и пара нарисованных в нем объектов (в нижнем окне)

Рис.6. Виртуальные сцены «Страны чудес» Еще один подобный проект — «Project Wonderland» (https://lg3dwonderland.dev.java.net/) — также предназначен для создания партнерских виртуальных миров, совместно разделяемых сред (рис.6). 182

СПИ-МТ-2009 Использование в учебном процессе всех современных полезных для всестороннего развития детей возможностей, воплощенных разработчиками вышеупомянутых программных средств, особенно если они предоставляются на бесплатной основе, может значительно увеличить образовательный потенциал компьютерных технологий, предоставить учителям воистину «чудесные» инструменты для реализации различных форм коллективного обучения, повышающие активность и заинтересованность учащихся. Соляник А.И. О РЕАЛИЗАЦИИ МЕТОДОЛОГИЧЕСКОГО ПОДХОДА К УПРАВЛЕНИЮ КАЧЕСТВОМ САНАТОРНО-КУРОРТНОЙ РЕАБИЛИТАЦИИ В ЛЕЧЕБНО-ДИАГНОСТИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ [email protected] Предложенный в [9] методологический подход к управлению качеством санаторно-курортной реабилитации привел к разработке [10] принципов и методов обеспечения непрерывного повышения качества, которые были апробированы и успешно реализованы в лечебно-диагностической деятельности при ряде онкологических заболеваний. Ключевым положением разработанной концепции управления качеством санаторно-курортной деятельности является необходимость постоянного совершенствования процессов и в первую очередь основного бизнеспроцесса санатория – «процесс санаторно-курортного лечения». Этот процесс является основным бизнес-процессом в рассматриваемой процессноориентированной структуре санаторно-курортного учреждения. И качество этого процесса определяет качество всей санаторно-курортной деятельности санатория. Входными данными процесса являются: санаторно-курортная карта; направление страховой компании; страховой полис. Выходными данными процесса являются: санаторно-курортная книжка; акт сдачи - приемки медицинских услуг. Выделенный из процессной модели санатория основной процесс «Санаторно-курортное лечение» можно представить в виде трех наиболее важных и ответственных подпроцессов: «Диагностика», «Назначение наиболее результативного лечебного воздействия», «Поведение лечебных мероприятий». В подпроцессе «Диагностика» вопросы выбора наиболее информативных признаков того или иного заболевания носят первостепенный характер. Сказываются на качество диагностики, выбор правильной тактики санаторно-курортного лечения что в конечном существенным образом сказывается на степень удовлетворенности пациента санатория. 183

СПИ-МТ-2009 В подпроцессе «Диагностика» врачу приходиться выделять наиболее информативные диагностические признаки для постановки и уточнения диагноза (исходя из анамнеза, накопленного опыта диагностики и лечения, объективных данных о пациенте, сведений о реакции организма на предыдущее лечебное воздействие и т.д.). В подпроцессе «Назначение лечения» - выбирается оптимальная схема санаторно-курортного лечения. Причем объем данных, анализируемых в этих подпроцессах, может достигать значительной величины. Эти обстоятельства существенно осложняют работу врачакурортолога при решении задач выбора правильной тактики санаторнокурортного лечения, что может негативно сказывается на качестве предоставляемых услуг. Определение оптимальных процедур, назначаемых при санаторнокурортном лечении, даже при известном диагнозе представляет сложную задачу, так как каждый больной при одном и том же диагнозе имеет различные симптомы как по их характеру, так и по степени их напряженности. Процедуру поиска назначений можно оптимизировать, используя методы математического моделирования. При этом математическая модель процесса санаторно-курортного лечения позволяет устанавливать взаимосвязь симптомов заболевания и методов лечения. Применяя статистические методы обработки результатов активного эксперимента, хорошо зарекомендовавшие себя практически во всех областях науки, можно попытаться формализовать правила принятия решений сложившиеся в данном разделе медицины. В частности: Разработаны и внедрены протоколы ведения больных, интегральный аддитивный критерий результативности, алгоритмы и модели первичной и уточняющей диагностики рака предстательной железы и почки [1, 2]. Разработаны логические модели выделения и документирования лечебно диагностических процессов при патологии предстательной железы. Определены принципы оценки эффективности этих процессов на основе применения формализованных мер, учитывающих изменение качества жизни пациента и характеризующие клинические и экономические результаты процесса [3, 4]. Разработан алгоритм взаимодействия лечебных учреждений, участвующих в процессе диагностики и лечения патологии предстательной железы, определены требования к объему и характеру информации передаваемой по структуре межфункциональных связей [5]. С учетом реальных диагностических возможностей учреждений здравоохранения различного уровня, методами факторного анализа, определены признаки влияющие на прогноз течения заболевания и формализована степень их влияния [6]. На основе принципов проектирования новых лечебно-диагностических процессов определяемых международными стандартами ИСО серии 9000, разработана стратегия совершенствования диагностических методов, направленная 184

СПИ-МТ-2009 на четкую визуализацию ткани предстательной железы, ее капсулы, всех слоев стенки мочевого пузыря, внутритазовой клетчатки и лимфатических узлов [7, 8]. Полученные результаты свидетельствует об инвариантности разработанных принципов и методов обеспечения непрерывного повышения качества процесса санаторно-курортной реабилитации и инициировали разработку функциональных стандартов при других локализациях рака. Список использованных источников 1. Стрельников А.В., Сержанина О.А., Соляник А.И. Управление качеством диагностики и лечения заболеваний предстательной железы на основе системного подхода и математического моделирования// Системный анализ и управление в биомедицинских системах. – 2004. - Том 3. - №2. - С. 130-132. 2.Стрельников А.В., Сержанина О.А., Соляник А.И. Организационные принципы повышение качества диагностики и лечения хронических простатитов// II Российский научный форум «Мужское здоровье и долголетие»: материалы форума. – М., 2003. – C.112-113. 3.Стрельников А.В., Сержанина О.А., Соляник А.И. Реализация взаимодействия протоколов ведения больных с различной патологией предстательной железы// Матер. межрегион. НПК «Актуальные вопроса качества в здравоохранении», Липецк, 2004. - С. 279-280. 4.Стрельников А.В., Сержанина О.А., Соляник А.И. Своевременное выявление рака предстательной железы. Управление качеством// Российский семейный врач. – 2004. - Том 8. - №3. - С. 17-20. 5.Стрельников А.В., Сержанина О.А., Соляник А.И. Стратегия повышения качества диагностики и лечения заболеваний предстательной железы на основе процессно-ориентированного подхода// Проблемы управления здравоохранением. – 2004.- №3(16). – С.73-76. 6.Стрельников А.В., Сержанина О.А., Соляник А.И. Повышение качества диагностики и лечения хронического простатита на основе процессноориентированного подхода//Университетская наука: взгляд в будущее. Сб. тр. юбилейной науч. конф. КГМУ и сессии Центрально-Черноземного научного центра РАМН. – Курск, 2005. - С. 307-308. 7.Кравец О.Я., Родцевич О.А., Соляник А.И. Алгоритмизация диалоговых процедур диагностики и лечения рака почки// Обеспечение и контроль качества медицинской помощи: сб. науч. тр. – Воронеж, 2007. - С. 81-89. 8.Соляник А.И., Вериковский А.Е., Нестеров Е.Д., Системный подход к управлению качеством в региональных санаторно-курортных системах// Актуальные вопросы медицинской реабилитации на современном этапе: матер. юбилейной межрегион. НПК. – Воронеж, 2007. – С. 65-72. 9. Соляник А.И., Кравец О.Я. Пути и средства повышения эффективности управления качеством социально-экономической системы// Системы управления и информационные технологии. № 2.2(32), 2008, - С.304-308. 185

СПИ-МТ-2009 10. Соляник А.И., Кравец О.Я. Концептуальная модель управления качеством в региональной социально-экономической системе// Системы управления и информационные технологии. №2.3(32), 2008. - С. 394-398. Фоминова Н.С. ПРОБЛЕМЫ ПОСТРОЕНИЯ СИСТЕМ АВТОМАТИЗИРОВАННОЙ ОЦЕНКИ ЗНАНИЙ [email protected] В настоящее время в учебных заведениях высшего и среднего звена для итогового и промежуточного контроля знаний часто используются компьютерные системы опроса. Использование таких систем позволяет достичь высокой производительности при проверке уровня усвоения материала и снизить затраты на обучение, но реальная оценка знаний и понимания предмета такими системами не проводится, т.к. результаты получаемые по итогам работы с такой системой совпадают со мнениями квалифицированных педагогов, так же часто как две случайные величины, меняющиеся от 1 до 5 по целым числам. В нашей работе именно мнение квалифицированного педагога, работающего с экзаменуемым, считаем мерой верности оценки. Поэтому можем констатировать что оценка, получаемая с помощью автоматизированных систем контроля знаний, является неверной. В основу дальнейшего анализа имеющихся методик автоматизированной оценки знаний положены следующие положения: 1. Основной проблемой имеющихся автоматизированных систем оценки знаний является их поверхностность, слабый учет смысловых корреляций вопросов и ответов. 2. Основной технической проблемой разработки систем нового типа является эффективное представление смысла вопросов и ответов и их корреляций для ЭВМ. На основе конструктивного анализа имеющихся методов построения систем автоматизированной оценки знаний предлагаются новые методы построения таких систем и приводится пример законченной разработки, реализующей на практике некоторые теоретические положения, выдвигаемые в работе. Частично проводится обобщение проблемы оценки знаний и верной методики опроса, на область проблем исследования систем вообще. Когда речь идет об автоматизированных системах оценки знаний, то можно положить, что речь идет о системах тестирования. Очевидно, что вопросы произвольного вида компьютер сгенерировать не в состоянии, как и оценить не строго формализованный ответ. Следовательно, речь идет либо о работе со списком вопросов либо со списком типов вопросов, т.е. или конечная база вопросов или бесконечная, разбиваемая на конечное число эквивалентных по смыслу классов, которые далее и положены просто вопросами по 186

СПИ-МТ-2009 любому их представителю. Ответ на каждый из вопросов, известен или может быть выражен в определенной форме, допускающей проверку. По существу, может быть дан полный список ответов на вопрос или же множество ответов бесконечно, но существует фактор, определяющий верность ответа и позволяющий разбить его на конечное множество классов, эквивалентных или близких с точки зрения верности ответов, которые и далее будут приняты просто вариантами ответа – по любому из представителей классов. То есть: A < ¥ , имеется конечное множество вопросов и ответов 1. 2. A = ¥ ,тогда пусть определено F F : A ® K Í R , где K – подмножество R 1) K < ¥ A' ( x1 ) = {x x Î A F ( x) - F ( x1 ) < e }

{A ( x )} - покрывает '

i

A без пересечений

2) K = ¥ , тогда пусть определено F1 F1 : K ® K1 Í R

Значит, рассматривается конечное множество вопросов, каждому из которых соответствует конечное число ответов, каждому из которых в соответствие поставлена его верность. Оценка определяется как некоторая функция в зависимости от верности данных на некоторые вопросы ответов. Одними из наиболее часто используемых систем тестирования являются системы со случайным выбором вопросов и их различные модификации. Самым простым случаем является система, выбирающее заданное число неповторяющихся вопросов из базы, получающая ответы на них и выставляющая оценку с использованием ступенчатой функции от суммы численных характеристик верности ответов, нормированная путем деления на количество вопросов и некоторую константу. Тогда оценка определяется следующей формулой: "i n i - верность {0,..., k } Í Z n

n=

C ån i i

n

Считается что оценка тем более точная, чем больше вопросов задано. Основной рациональный смысл этого утверждения заключается в уменьшении колебаний среднего значения численных характеристик верности ответа, что уменьшает вероятность неверной оценки, при остановке тестирования в заданный момент. С другой стороны можно трактовать это как желание получить максимум информации от тестируемого, т.к. с каждым выбором, полученная информация неуклонно растет. Пусть M n-1 - среднее до n - 1 шага, c - ответ на n - ом шаге, причем c Î A = {0,..., k} Í Z

187

СПИ-МТ-2009 M n = M n -1 (

n -1 c )+ n n

æ n -1- n ö c æ -1ö c D n M = M n - M n-1 = M n-1 ç ÷ + - M n-1 ç ÷ + n ø n è è n ø n При n ® ¥ DM ® 0

Далее существуют две базовые модификации этой системы, одна в сторону идеи получения большей информации, другая в сторону более точной оценки. Очевидно, что данные цели взаимосвязаны в случае любого разумного метода оценки, но такая классификация систем все же остается полезной именно для иллюстрации связи в прямую и обратную сторону. 1. Расширение в сторону большей информации. Например, имеем систему тестирования со многими ответами, т.е. на один вопрос нужно выбрать несколько ответов, которые в совокупности представляют верный ответ. Ясно, что I n+1 = I n + log 2 ( A ) информация, получаемая в таком случае выше, чем, если на вопрос только один ответ. Но это значит, что верности можно приписать значения не только {0, 1}, а и большее количество дробных значений между 0 и 1, например 2 количество выбираемых ответов , тем самым обеспечивается более четкое изменение средней верности, что ведет к ее более быстрой сходимости и значит более точной оценке. æ n- k ö æ n -k -1 ö ln çç Õ (n - i ) ÷÷ > ln çç Õ (n - i ) ÷÷ è i=0 ø è i =0 ø

2. Расширение в сторону более точной оценки. Например, имеем группы вопросов с весовыми коэффициентами важности вопросов и ответов на них, причем один вопрос из группы обязательно входит в тест. Таким образом повышаем точность и корректность оценки, но при этом учитываем смысловые взаимосвязи между вопросами и ответами, тем самым как бы совершая предсказания относительно выбора ответов на аналогичные вопросы, а тем самым повышаем получаемую информацию. Например, приписывая ответам на вопросы весовые коэффициенты – мы классифицируем вопросы по сложности. При этом можем утверждать, что вероятность ответа более или менее среднего значения верности на сложный вопрос фактически очень мала, т.к. это сильно изменит эту среднюю верность. Получаем ограничения на выбор для вопросов, на которые еще не отвечали, тем самым увеличивая информацию. Таким образом

(

) (

p DM 1 ³ p DM 2 DM < DM 1

)

2

c æ -1ö DM = M n-1 ç ÷ + w , n è n ø

Причем чем меньше w , тем больше вероятность. Таким образом, можем утверждать высокую согласованность двух критериев оценки систем тестирования – вероятности получения верной оценки

188

СПИ-МТ-2009 при остановке теста и количества полученной информации до заданного момента. С другой стороны, в основе всех рассмотренных конструкций систем тестирования лежит случайный выбор вопросов, который является оптимальным только в случае полного отсутствия знаний о смысловых корреляциях между вопросами. В случае наличия таких знаний у опроса появляется своя логика и структура. Ясно, что чем сложнее логика и структура опроса, тем больше будет получаемая информация и точнее оценка. Но сложная структура опроса требует больше знаний о связях между различными вопросами и ответами на них, а представить для компьютера их сложнее. Таким образом: 1. Основные системы автоматизированного контроля знаний - системы тестирования или аналогичные им. 2. Большинство существующих систем тестирования создает мало связные опросы, используя случайный выбор вопросов, тем самым, получая малое количество информации от тестируемого. 3. Точность оценки определяется количеством полученной от тестируемого информации. Теоретические рассуждения приведенные в работе подкрепляются практическим примером реализации системы интеллектуального тестирования - ПАК ИТ ”Logos”, разработанной на кафедре ИПОВС МИЭТ (ТУ). Интересной представляется область расширения интеллектуального тестирования на любые системы. При этом такое обобщение несет свои применения, такие как системы тестирования программных продуктов, системы предварительной диагностики пациентов. Более того очевидно, что методика может быть применена в этих областях без серьезных изменений и доработки.

189

СПИ-МТ-2009

4. Моделирование сложных систем и технологических процессов Адигамов А.Э., Редкозубов С.А. МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА ЗАДАЧИ КРАТКОСРОЧНОГО АДАПТИВНОГО БАЙЕСОВСКОГО ОПЕРАТИВНОГО ПРОГНОЗА [email protected] Технико-экономические оперативные прогнозы являются средством, с помощью которого оценивается степень выполнения плановых заданий. Подобные прогнозы должны являться основным инструментом контроля за ходом выполнения плана. Отличия в назначении предплановых и оперативных технико-экономических прогнозов определяют отличие в методологии их разработки. Использование экстраполяционных (по времени) методов в предплановом долгосрочном прогнозировании по большей части не правомочно и не имеет смысла. Использование методов статистической экстраполяции в оперативном прогнозировании не только допустимо, но зачастую и единственно возможно. Экономические процессы и отражающие их временные ряды по своей природе являются принципиально неоднородными. Наряду с устойчивой эволюторной составляющей (обычно именуемой тенденцией или трендом) они включают в себя некоторые периодические и стохастические компоненты. В силу этого применение методов стохастической экстраполяции в экономии имеет ряд существенных особенностей. Методы статистической экстраполяции не являются универсальными, и их использование в практике оперативного экономического прогнозирования дает достаточно надежные результаты лишь тогда, когда оно опирается на логические и экономические предпосылки. Основной предпосылкой такого рода служит предположение о том, что изучаемый экономический процесс является достаточно инерционным, т.е. экстраполяция тенденции развития (тренда) не противоречит его экономической природе. Ограничительные действия этой предпосылки состоит в том, что методы экстраполяции тенденции не применимы в случаях значительных изменений экономических факторов, определяющих ход процесса. Поэтому, чтобы учесть возможные в прогнозируемом периоде значительные изменения в тенденции процесса, следует по возможности использовать дополнительную информацию, если таковая имеется. В краткосрочном прогнозе необходима та или иная степень чувствительности метода к различного рода изменениям прогнозируемого показателя, таким как скачки, всплески, постепенное нарастание общей тенденции, явление сезонности и т.п. Такого рода изменения можно каким-то образом отслеживать, если построить систему прогнозирующих уравнений, отра190

СПИ-МТ-2009 жающих те или иные случайные возмущения, которым подвергается тренд и угол наклона тренда. Рассмотрим метод краткосрочного прогнозирования, основанный на применении байесовского подхода. Действие обычных систем прогнозирования часто ухудшается с возникновением изменений в тренде или в угле его наклона, или возникновением переходных процессов. В данном методе предпринята попытка имитировать явления такого характера при использовании получаемых последовательно исходных данных временного ряда для вычисления апостериорных характеристик в этих случаях в каждый момент времени. Прогнозирующая система дает не только численные значения прогноза, но и распределения вероятностей величин тренда и углов его наклона. При построении этого метода к нему предъявляются следующие требования: 1. Прогнозирующая система должна распознавать и соответственно реагировать на неустановившиеся ошибки, всплески и внезапные изменения тренда и его наклона. 2. Прогнозирующая система должна быть адаптивна как к тренду, так и к его наклону, т.е. её чувствительность должна возрастать, когда происходит их изменение (т.е. когда возрастает неопределенность) и обладает хорошей реакцией на неустановившиеся процессы (ошибки). 3. Прогнозирующая система должна выдавать не только численное значение прогноза, но также совместное распределение вероятностей параметров, отражая, таким образом, существенную неопределенность в оценке тренда и его наклона. Рассмотрим базисную модель следующего вида: (e ~ N (0;Ve )), ü d t = m t s t + Et , (1) (g t ~ N (0;Vg )),ïý , m t = m t -1 + b t + g t , b t = b t -1 + d t , (d ~ N (0;Vd )) ïþ где dt – текущее значение спроса, m t – текущее значение тренда, b t – текущее значение наклона, st – текущее значение сезонного фактора, e t – наблюдаемый шум, g t – возмущение тренда, d t – возмущение угла наклона тренда. Случайные компоненты e t , g t , d t предполагаются независимыми и нормально распределенными с нулевыми средним и известными (не обязательно постоянными) дисперсиями Ve ,Vg ,Vd . Такого рода модели, в которых как тренд, так и угол наклона подвержены воздействию непрерывных случайных возмущений, часто оказываются полезными в прогнозировании различных технико-экономических показателей. Можно показать, что при таком задании прогнозирующей системы (1) с постоянными дисперсиями Ve ,Vg ,Vd и при игнорировании сезонного фактора st, система эквивалентна системе: 191

СПИ-МТ-2009

(

)

et = d t - mt -1 + b t -1 ü ï mt = mt -1 + b t -1 + A1et ý ï b t = b t -1 + A2 et þ

,

(2)

где константы А1 и А2 есть отношения V V A1 = g ; A2 = d . Ve Ve Существенной проблемой в разработке указанных выше известных прогнозирующих систем является выбор параметров А1 и А2, которые определяют чувствительность системы. В рассматриваемом случае всегда существует противоречие между чувствительностью прогнозирующей системы, которая быстро реагирует на действительные изменения, прогнозируемого показателя, если они происходят, и нечувствительностью системы, которая в этом случае не реагирует на шум и на неустановившиеся ошибки. Это противоречие требований, а также то обстоятельство, что неустановившиеся ошибки происходят чаще, чем большие изменения тренда или его наклона, на практике обычно приводит к ошибкам из-за нечувствительности. Поэтому, когда действительно происходят большие изменения прогнозируемого показателя, подобранные cтандартные параметры А1 и А2 не дают сигнала об их появлении, и процесс медленно движется к желаемому новому уровню. Результатом является то, что полученные прогнозы содержат серьезные ошибки в отношении периода времени. По этой причине были предприняты попытки спроектировать адаптивные системы, которые будут как подавать сигнал о появлении необычного события, так и увеличивать в то же самое время чувствительность прогнозирующей системы. Таким образом, предложена система такого типа, которая адаптивна в отношении тренда, но не в отношении его наклона, и, следовательно, имеющая нежелательную реакцию на неустановившиеся состояния. Байесовский подход со многими состояниями способен в некоторой степени преодолеть эти трудности. Андреев А.Н., Андреев М.А., Липилина А.П. ГЕНЕРАТОР ПСЕВДОСЛУЧАЙНЫХ ИМПУЛЬСОВ С РЕГУЛИРУЕМОЙ ВЕРОЯТНОСТЬЮ [email protected] [email protected] [email protected] Генераторы псевдослучайных последовательностей и импульсов широко применяются в задачах технической диагностики и стохастической идентификации динамических систем. Их основным преимуществом является относительная простота как аппаратной, так и программной реализации. Однако равномерное распределение нулевых и единичных состояний в одноразрядной псевдослучайной последовательности существенно сужает область 192

СПИ-МТ-2009 применения классического варианта. При моделировании случайных потоков событий, как в одноканальном, так и многоканальном режимах, необходима имитация не только равномерно распределенных импульсных сигналов, но и сигналов с регулируемой вероятностью выходного потока в максимально возможном диапазоне от 0 до 1. Регулирование вероятности распределения во временной области позволит моделировать, например, реальные помехи в каналах связи или артефакты при цифровой обработке сигналов датчиков в измерительных и управляющих комплексах. Регулирование вероятности равномерно распределенных импульсных последовательностей возможно путем вырезания либо добавления в базовый спектр высокочастотных либо низкочастотных составляющих с тем же равномерным распределением, что существенно усложняет не только алгоритмы генерации, но и возможность вычисления реальной вероятности требуемого события. Наиболее эффективным способом регулирования вероятности при использовании последовательностей с базовым равномерным распределением представляется воздействие на уровне сигналов синхронизации с реализацией линейной зависимости вероятности от управляющего воздействия. Принцип формирования импульсов с регулируемой вероятностью события (формирование единичного импульса) демонстрирует компьютерная модель генератора, приведенная на рис. 1. Базовым элементом схемы является генератор псевдослучайных чисел, реализованный по классической схеме регистра сдвига с логическими обратными связями через сумматор по модулю два. Воздействие на вероятность формирования единичного импульса осуществляется путем организации каналов дизъюнкции и коньюнкции для равномерно распределенной импульсной последовательности. Логическое сложение и умножение базового потока осуществляется с последовательностью импульсов с регулируемой длительностью. Каждый формируемый импульс жестко привязан к фронтам основной синхронизирующей последовательности. Регулирование длительности осуществляется в пределах периода частоты синхронизации. Вероятность формирования единичного импульса на выходах коньюнктора и дизъюнктора линейно зависит от длительности управляющих импульсов. Изменение длительности управляющих импульсов в пределах периода частоты синхронизации позволяет регулировать вероятности формирования Рис. 1. единичных импульсов в диапа193

СПИ-МТ-2009 зоне 0 – 0,5 на выходе коньюнктора и в диапазоне 0,5 – 1 на выходе дизъюнктора. На рис. 2 демонстрируются импульсные последовательности, полученные с помощью виртуального логического анализатора. Сверху вниз на рис. 2 показаны импульсы синхронизации, импульсы с регулируемой длительностью, импульсы порождающей псевдослучайной последовательности, импульсы на выходах дизъюнктора и коньюнктора. Длительность управляющих импульсов в приведенном примере составляет четверть периода. Вероятность событий на выходах коньюнктора и дизъюнктора оцениваются величинами 0,25 и 0,75 соотРис. 2. ветственно. Артемов А.А. КАЧЕСТВЕННОЕ ИССЛЕДОВАНИЕ СИСТЕМЫ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ, ОПИСЫВАЮЩИХ СИНЕРГЕТИЧЕСКОЕ УПРАВЛЕНИЕ ОДНОПОТОКОВЫМ РПД [email protected] Математическая модель однопотокового реактора периодического действия (РПД) представляет собой следующую систему дифференциальных dС A GA = × (c A0 - c A ) - k × С A × С B ; уравнений: dt V dС B G dV = - A ×СB - k ×СA ×СB; = GA , или dt V dt dx 1 u dx 2 u = × ( x 10 - x 1 ) - k × x 1 × x 2 ; = × x 2 - k × x1 × x 2 ; dt x3 dt x3 dx 3 = u где С А0 = x10 - концентрация жидкости в питающем трубопроводе; dt С A = x1 - концентрация реагента A в РПД, С B = x 2 концентрация реагента В, V = x 3 - объем реакционной смеси и G A = u - поток питающего трубопровода (управляющее воздействие). Покажем глобальную устойчивость ЗУ [1] ( x 2 N - k × T × x1) × x 3 u = на инвариантном многообразии T -

1

m = e [1] . Можно подставить полученное управление во второе дифференциальx 2

N

194

СПИ-МТ-2009 dx 2 ( x 2 N - k × T × x1) × x 3 × x 2 - k × x1 × x 2 =x3 × T ное уравнение объекта управления. dt , N +1 dx 2 x2 = + k × x1 × x 2 - k × x1 × x 2 T после преобразования получим dt dx 2 x 2 N +1 =T , т.е. получаем уравнение с разделяющимися переменными или dt dx 2 dt dx 2 dt = -ò = . Интегрируя обе части уравнения ò можно N +1 N +1 x2 T x2 T N ×t x2-N = + Const , или получить следующее решение T -

1

æ N ×t ö N x2 = ç + Const ÷ . Поскольку в начальный момент времени è T ø x 2(0) = CB 0 = x 20 (концентрация изначально загруженного в РПД реагента В), то значение константы можно записать как: Const = x 2 -0 N . Таким образом, зависимость концентрации реагента В от времени будет определяться формулой

æ N ×t ö + x 2 0- N ÷ x2 = ç è T ø

-1 N

.

Требование

устойчивости

1

æ öN ç ÷ 1 ÷ = 0 выполняется для любых положительlim С B = lim ç t® ¥ t® ¥ N × t N çç + C B 0 ÷÷ è T ø ных Т и N, где T – постоянная времени ПДО [1] (Т>0), а N – весовой коэффициент ЗУ (N=1,2,3…). Теперь можно произвести качественное исследование первого дифференциального уравнения, подставив в это выражение закон управления: dx1 ( x2 N - k × T × x1) = × ( x10 - x1) - k × x1 × x2 . Полученное выражение можно привести dt T dx1 x2N к виду = a × x12 + b( x 2) × x1 + c ( x 2) , где a = k , b ( x 2 ) = - k × x0 - k × x 2 , dt T x2N c( x 2) = x1 0 коэффициенты параболы при фиксированном значении T концентрации x 2 .

Рассматривая концентрацию реагента B как константу можно построить графики, изображенные на рис. 1. Значение абсциссы вершины параболы определяется выражением зависящем от концентрации реагента В и представляет собой следующую математическую зависимость: - b( x 2) x 2 N 1 1 y 3( x 2) = = + × x10 + × x 2 . 2×a 2×T 2 2 Можно показать, что изначально концентрация подаваемого раствора 195

СПИ-МТ-2009 меньше

значения

N

абсциссы

вершины

x10 < y ( x 2 0 ) :

параболы

N

x2 1 1 x2 x10 < 0 + × x10 + × x20 ; x10 < 0 + x 2 B 0 последнее выполняется, поскольку T 2× T 2 2 при положительном параметре T N

x 20 > 0 , а неравенвыполняется T ство x10 < x20 относится к исход-

ным данным. При уменьшении концентрации x 2 значение y 3( x 2) будет также уменьшаться и при достигнет значения x2 = 0 y 3( x 2) =

Рис. 1. Изменение параболы при уменьшении концентрации реагента В ражение для первого корня: y1(0) =

1 × C A0 , т.е., правый корень 2

параболы будет стремиться к значению y 2( x2 ) ® x10 , а левый y1( x 2) ® 0 . Аналогично можно показать решая уравнение: вы-

-b+ b2 -4×a×c ; 2×a

-(-k × x0) - (-k × x0 )2 -0 k × x0 -k × x0 = =0 и 2× k 2× k

-(-k × x0) + (-k × x0)2 -0 2× k × x0 = = x0. Концентрация реагента А при этом 2× k 2×k d будет также стремиться к нулю, поскольку скорость изменения С А на инdt тервале [0, C A0 ] отрицательная, как видно из рис. 1. Поскольку концентрации

второго корня

исходных компонентов стремятся к нулю, то финишной точкой инвариантного многообразия будет начало координат фазового пространства. Таким образом, показана глобальная устойчивость исходного закона управления качественным исследованием дифференциального уравнения. Список использованных источников 1. Артемов А.А., Нейдорф Р.А. Использование шаблона управляющего воздействия при синтезе закона управления однопотокового РПД методом АКАР/ сб. тр. IX- междунар. открытой научн. конф. СПИ-ТТ /ВГТУ, Воронеж, 2004. – Вып. 9. Афанасьев В.В. МОДЕЛЬ НАДЕЖНОСТИ ХРАНЕНИЯ ДАННЫХ В РАСПРЕДЕЛЕННЫХ БАЗАХ ДАННЫХ [email protected] Трактовка понятия «надежность», применяемая относительно программных средств, а также традиционных технических систем, для оценки 196

СПИ-МТ-2009 распределенных баз данных (РБД) не применима. Работоспособность БД определяется соответствующим свойством СУБД. Дефект БД, приводящий к сбою автоматизированной системы, может проявиться только в случае отсутствия требуемой информации. Отсутствие информации в информационном хранилище возможно только в случае ее изначального отсутствия там (т.е. неполноты БД), а также утери или низкой достоверности хранения (искажение данных в результате некорректного выполнения транзакции). Известный метод предотвращения ошибок искажения данных предполагает введение информационной избыточности. Таким образом, надежность БД является комплексным свойством, представляемым избыточностью БД и достоверностью хранения информации. Под избыточностью понимается не прямое дублирование хранимых данных, а наличие специальных способов повышения надежности БД. К таким способам относятся: журнализация транзакций, наличие сегментов отката, r-фазность фиксации транзакции, статистические данные для каждого базового отношения, хранение дополнительных фрагментов РБД в сети узлов данных. Последний способ находится в противоречии с операционным свойством неизбыточности, которая достигается приведением базы данных к высшим нормальным формам. Избыточность РБД может быть выражена вероятностью неискажения хранимой информации вследствие неудачной транзакции. Параметрическая оценка избыточности определена кортежем:

I ( R) = r , Z LOG ,V UNDO , N UNDO , N bfactor ( R), N blocks ( R) Для оценки избыточности БД достаточно определить значения следующих параметров: r – число фаз фиксации транзакции; ZLOG – число одновременно ведущихся журналов фиксации транзакций; VUNDO – объем сегмента отката; NUNDO – число одновременно поддерживаемых сегментов отката, доступных текущему сеансу, Nbfactor(R) – количество кортежей, размещаемых в одном блоке БД, Nblocks(R) – количество блоков вторичной памяти, необходимых для сохранения отношения. Достоверность хранения информации определяется достоверностью отдельных информационных элементов (операционных единиц модели данных) P ОЕ и достоверностью доступа к ним. В свою очередь показатель P ОЕ зависит от структуры данных, применяемой в оцениваемой БД: двоичная куча, динамическое множество, связанный список, B-tree и тому подобное. Любую структуру данных можно представить как последовательное или параллельное соединение ячеек, хранящих компоненты операционной единицы. В случае последовательного соединения ячеек достоверность операционной единицы определяется как произведение вероятностей безошибочного описания элементов реального мира в соответствующем отношении: P ОЕ = ÕÕ r i j , j

i

197

СПИ-МТ-2009 а при параллельном соединении ячеек достоверность хранения определяется соотношением: P ОЕ = 1 - ÕÕ (1 - r i j ) j

i

где: r ij – достоверность i-й ячейки j-го кортежа операционной единицы. Достоверность доступа к информационным единицам P Д определяется как: Р Д =1- Р К , где: Р К – вероятность коллизии (совпадения хеш-значений двух ключей). Способы формирования хеш-функций позволяют предположить, что математическое ожидание числа коллизий данного ключа х с ключом у равно m -1 , где m – мощность множества потенциальных ключей. Учитывая, что процесс назначения хеш-адресов ключам БД описывается экспоненциальным законом распределения, то для определения величины 1 - P K необходимо знать параметры m – мощность множества потенциальных ключей и n – текущее число ключей РБД [1].

(

)

Список использованных источников 1. Кульба В.В. и др. Теоретические основы проектирования оптимальных структур распределенных баз данных. – М: СИНТЕГ, 1999 г. – 660 с. Беляков Э.В., Власова С.А., Ходаченко Д.О. ПРИНЦИПЫ РЕАЛИЗАЦИИ АВТОМАТИЗИРОВАННЫХ РАБОЧИХ МЕСТ РУКОВОДИТЕЛЯ [email protected] Современный руководитель в процессе своей деятельности оперативно решает множество разнообразных по своей специфики задач. Для реализации идеи автоматизации управленческих решений требуется создание для каждого уровня управления и каждой предметной области специальных рабочих мест на базе профессиональных персональных ЭВМ. Автоматизированное рабочее место (АРМ), или, в зарубежной терминологии, "рабочая станция" (work-station), представляет собой место пользователя-специалиста той или иной профессии, оборудованное средствами, необходимыми для автоматизации выполнения им определенных функций. Функционирование АРМ может дать желаемый эффект при условии правильного распределения функций и нагрузки между человеком и машинными средствами обработки информации, ядром которой является компьютер. Создание такого "гибридного" интеллекта в настоящее время является проблемой. Однако реализация этого подхода при разработке и функционировании АРМ может принести ощутимые результаты. 198

СПИ-МТ-2009 Для каждого объекта управления должны предусматриваться автоматизированные рабочие места, соответствующие их функциональному назначению. Однако принципы создания АРМ должны быть общими: системность, гибкость, устойчивость, эффективность. Согласно принципу системности АРМ следует рассматривать как системы, структура которых определяется функциональным назначением. Принцип гибкости означает приспособляемость системы к возможным перестройкам благодаря модульности построения всех подсистем и стандартизации их элементов. Принцип устойчивости заключается в том, что система АРМ должна выполнять основные функции независимо от воздействия на нее внутренних и внешних возможных факторов. Это значит, что неполадки в отдельных ее частях должны быть легко устранимы, а работоспособность системы быстро восстановима. Эффективность АРМ следует рассматривать как интегральный показатель уровня реализации приведенных выше принципов, отнесенного к затратам по созданию и эксплуатации системы. Экономию затрат на обработку информации с помощью АРМ рассчитывают по (1), сравнивая затраты на обработку информации при, как минимум двух вариантах обработки информации: С = С1 – С0 (1) где С1 – затраты на обработку информации до внедрения АРМ, а С0 – затраты после внедрения. При этом С1 оценивается по фактическим показателям, а С0 – с помощью проектных, плановых, нормативных показателей. Срок окупаемости проекта АРМ рассчитывают как: Tарм = К / ΔС (2) где Tарм – срок окупаемости; К – сумма капитальных затрат; ΔС – экономия затрат на обработку информации. Коэффициент эффективности – это показатель, обратный сроку окупаемости: Еэ = 1 / Tарм (3) Для повышения эффективности деятельности руководителя в разрабатываемом АРМ предлагается внедрение модуля автоматизации подготовки документов, позволяющего оформлять основные виды документов, в соответствии с ГОСТ Р 6.30-2003. Список использованных источников 1. Аппак М.А. Автоматизированные рабочие места на основе персональных ЭВМ. М.: Радио и связь, 1989. – 176с.

199

СПИ-МТ-2009 Блюмин С.Л. АГРЕГИРОВАНИЕ МОДЕЛЕЙ И МОДЕЛИРОВАНИЕ ОТКЛОНЕНИЙ [email protected] Пусть u=f(x) и v=g(y) – две математических модели зависимостей откликов u,v от влияющих на них факторов x,y. Аддитивным агрегированием факторов и откликов является их суммирование, соответственно z=x+y, w=u+v; соответствующим аддитивным агрегированием заданных моделей является модель w=h(z) или u+v=h(x+y) или f(x)+g(y)=h(x+y). Аддитивными отклонениями факторов и откликов – их разностями – являются, соответственно, d=y-x, D=v-u; модель для них записывается в виде D=h(d) или vu=h(y-x) или g(y)-f(x)=h(y-x). Замена переменных y-x=s, y=x+s переводит ее в f(x)+h(s)=g(x+s), то есть, с точностью до обозначений, в агрегированную модель. Уравнение f(x)+g(y)=h(x+y), в котором все три модели предполагаются неизвестными, в теории функциональных уравнений [1] известно как первое уравнение Пексидера; другими уравнениями являются f(x)×g(y)=h(x×y), f(x)+g(y)=h(x×y), f(x)×g(y)=h(x+y), подсказывающие как мультипликативное и смешанные агрегирования моделей, так и мультипликативное и смешанные отклонения факторов и откликов. В приложениях некоторые из функций могут быть заданы, а по ним строятся остальные. Частными случаями уравнений Пексидера являются функциональные уравнения Коши [1], в которых неизвестные функции f, g , h совпадают. Построение моделей для аддитивных, мультипликативных и смешанных отклонений в этом случае рассмотрено в [2,3]. Агрегирование моделей и моделирование отклонений применяются, например, в цепном экономическом факторном анализе [4], когда две факторных системы различной структуры агрегируются на одном и том же временном промежутке (статический структурный анализ) или одна и та же факторная система агрегируется на двух различных временных промежутках (динамический анализ). Список использованных источников 1. Ацел Я., Домбр Ж. Функциональные уравнения с несколькими переменными. – М.: ФИЗМАТЛИТ, 2003. – 432 с. 2. Блюмин С.Л. Дискретность против непрерывности в информационных технологиях: квантовое исчисление и его альтернативы // Системы управления и информационные технологии. – 2008. - № 1.2(31). – С. 217-221. 3. Блюмин С.Л. Бинарные арифметические операции, формулы конечных различений, функциональные уравнения гомоморфизмов // Вести высших учебных заведений Черноземья. – 2008. - № 1. – С. 38-42. 4. Блюмин С.Л., Суханов В.Ф., Чеботарев С.В. Экономический факторный анализ. – Липецк: ЛЭГИ, 2004. – 148 с. 200

СПИ-МТ-2009 Брыксина Л.Н. , Головинов С.О., Преображенский А.П. ИССЛЕДОВАНИЕ СПУТНИКОВЫХ КАНАЛОВ СВЯЗИ [email protected] Современные организации характеризуются большим объемом различной информации, в основном электронной и телекоммуникационной, которая проходит через них каждый день. Поэтому важно иметь высококачественный выход на коммутационные узлы, которые обеспечивают выход на все важные коммуникационные линии. В России, где расстояния между населенными пунктами огромное, а качество наземных линий оставляет желать лучшего, оптимальным решением этого вопроса является применение систем спутниковой связи (ССС). Имитатор макета тракта передачи данных (ИМПД) спутникового диапазона предназначен для проведения моделирования комплексов и систем связи спутникового диапазона в условиях, приближенных к имеющим место в реальной эксплуатации. Цели и задачи моделирования комплексов и систем связи спутникового диапазона могут быть следующими: -Воспроизведение идентичных, повторяющихся условий для сравнительных испытаний различных типов аппаратуры или сравнения различных принципов её построения с целью выбора наилучших решений. -Изучение влияния различных факторов среды распространения, характеризующих канал, на показатели качества аппаратуры связи с целью выбора оптимальных решений. -Набор статистики большого объёма, требующий длительного времени проведения испытаний. -Изучение характеристик в условиях, которые тяжело реализовать на практике. ИМПД выполнен в виде математической модели, предназначенной для запуска в среде Simulink из состава пакета программ MatLab release 2006a. Модель состоит из следующих составных частей: - формирователь данных (Data source); - имитатор передающей части (Transmitter); - имитатор спутникового канала (Channel); - имитатор приёмной части (Receiver); - регистратор ошибок. Список использованных источников 1.Сафутин В.А Спутниковые каналы связи. – М., 2003. 2.Чечин Г.В. Беспроводные каналы связи. – М., 2006. 3. Камишев В.В. Вещание по спутнику. – М., 2001.

201

СПИ-МТ-2009 Булычев Ю.Г., Мозоль А.А., Челахов В.М., Карпиленя М.Н., Глянько В.Е., Лункин А.С. ОЦЕНКА ПАРАМЕТРОВ ДИСКРЕТНО-НЕПРЕРЫВНЫХ МАРКОВСКИХ ПРОЦЕССОВ НА ОСНОВЕ ДИСКРЕТНОГО ПРЕОБРАЗОВАНИЯ ФУРЬЕ [email protected] Синтез перспективных измерительных систем, имеющих в составе разнесенные в пространстве устройства получения измерительной информации и ее обработки, требует обеспечения высокой достоверности и оперативности прима измерительных сигналов. В настоящее время для приема измерительной, телеметрической, другой полезной информации, поступающей по радиоканалам от удаленных источников, широко используются корреляционные приемники. Они обеспечивают высокую помехоустойчивость приема дискретных сигналов на фоне белого гауссовского шума. При этом априори известные непрерывные информационные параметры принимаемого сигнала изменяются по случайному закону, что затрудняет их обработку. Кроме того, в векторе информационных параметров может присутствовать случайная задержка сигнала, обусловленная, например, движением источника сигнала и приемника относительно друг друга. В этом случае принимаемый сигнал будет марковским. Точные уравнения и алгоритмы обработки сигнала, применяемые в приемниках цифровой информации, приведены в работе [1] для дискретнонепрерывных марковских процессов. Однако, реализация данных оптимальных алгоритмов на практике затруднена из-за большого объема вычислений, которые требуют значительного времени даже при использовании современных ЭВМ. В данном докладе развивается метод квазиоптимального оценивания параметров дискретно-непрерывных марковских процессов, позволяющий повысить достоверность приема и обработки информации в условиях неприменимости традиционного гауссовского приближения. Запишем полезный сигнал по аналогии с [2] в виде s (t ,q , l ) = s[t - t ,q (t -t ), b (t -t )], где l = {lq , q = 1, m} = {t , b q , q = 1, m - 1} – диффузионный m -мерный марковский процесс, t – случайная задержка сигнала, b = {b q , q = 1, m} – компоненты марковского процесса l , описывающие непрерывные параметры сигнала (амплитуду, фазу, частоту и т. д.); q – дискретный информационный параметр, T – длительность тактового интервала, границы которого tk зависят от случайной задержки и определяются как tk = kT + t (t k ), k = 0,1,... . Информационный параметр q на протяжении интервала T остается неизменным. Возможные значения дискретного параметра q образуют простую однородную цепь Маркова на n состояний. Считается, что матрица вероятно202

СПИ-МТ-2009 стей перехода из i -го состояния в j -е П = {p ij }, i, j = 1, n и вектор вероятностей

начальных состояний p0 = {p0 i }, i = 1, n известны. Априорные сведения о процессе l задаются уравнением Фоккера-Планка-Колмогорова для априорной плотности вероятности p = {t , l}. ¶p pr (t , l ) ¶t

[

]

¶ aa (t , l ) p pr (t , l ) + a =1 ¶la m

= -å

[

]

1 m ¶2 bab (t , l ) p pr (t , l ) = L{p pr (t , l )}, + å 2 a ,b =1 ¶la ¶lb

(1)

где L{} × – оператор Фоккера-Планка-Колмогорова, aa , ba ,b – коэффициенты сноса и диффузии по времени задержки t . Поступивший по радиоканалу информационный сигнал x (t ) = s (t ,q , l ) + n(t ) представляет аддитивную смесь полезного сигнала s (t ,q , l ) и белого гауссовского шума, характеристики которого заданы: M [n(t )] = 0, M [n(t )n(t + t )] =

N0 d (t ) . 2

На практике вектор параметров {l ,q (t - t )} образует многокомпонентный смешанный марковский процесс, что обеспечивает выполнение соотношений [2]. b1b º 0 для b = 1, m и a1 < 1 . (2) Воспользуемся принятой на практике моделью [2] задержки сигнала ìt& = W; (3) í& W = W + n t , a ( ) î W где nW - формирующий белый гауссовский шум с характеристиками: N M [nW (t )] = 0, M [nW (t )nW (t + t )] = W d (t ) , W – величина, зависящая от причин воз2

никновения задержки, например, от отношения случайной составляющей скорости передатчика (приемника) Vr - Vr (t ) к скорости распространения элекVr . c Если дисперсия DW << 1 , то для соотношений (3) условия (2) эквивалентны неравенству W < 1 с вероятностью близкой к единице [3].

тромагнитных волн c : W =

Применим к апостериорной плотности вероятности многокомпонентного смешанного марковского процесса метод разделения переменных: p(t ,q , l ) = p (t , l ) p (t , q l ) , где p = (t , l ) – апостериорная плотность вероятности непрерывных параметров l; p (t ,q l ) – условная апостериорная вероятность дискретного параметра q при фиксированном l . По аналогии с [1] для апостериорной плотности вероятности непрерывных параметров имеем ¶p (t , l ) = L{p(t , l )} + [F (t , l ) - F (t )] p(t , l ) , ¶t

203

(4)

СПИ-МТ-2009 где

F (t , l ) = å Fi (t , l ) p (t , Q = i l ) , F (t ) = ò F (t , l ) p (t , l )dl , n

i =1

Fi (t , l ) =

[

]

1 2x (t )s(t - kT - t , Q = i, l ) - s 2 (t - kT - t , Q = i, l ) . N0

Поскольку решение уравнения (4) весьма сложно, на практике обычно ограничиваются гауссовским приближением, которое справедливо при больших отношениях сигнал - шум. Требуется разработать новый подход к интегрированию уравнения (4), позволяющий снять ограничение на отношение сигнал - шум. Для получения решения указанного уравнения с заданной точностью в масштабе времени, близком к реальному, применим метод численного интегрирования уравнения Фоккера-Планка-Колмогорова на базе алгоритмов быстрого преобразования Фурье. По аналогии с [4] воспользуемся рекуррентным представлением уравнения Стратоновича в дискретной форме. Перейдем от уравнения (4) для p(t , l ) к уравнению Стратоновича для ненормированной меры U (t , l ) ¶U (t , l ) = L{U (t , l )}+ F (t , l )U (t , l ) . ¶t

(5)

На основе модификации метода Эйлера [5] применительно к уравнению (5) получим рекуррентно соотношение U (t + Dt , l ) = U (t , l ) + Dt{L{U (t , l )} + F (t , l )U (t , l )}.

Представим прямое и обратное преобразования Фурье в виде: F[] × = åk =0 ...åk N -1

N -1

1

æ1ö F -1 [] × =ç ÷ èNø

m

å

m =0

[]× expæçç - j åmq=1 è

... r =0 å k N -1

2pnq k q ö ÷, N ÷ø

[]× expæçç j åmq=1, =0

N -1

1

m

è

2pnq k q ö ÷. N ÷ø

Тогда, выполнив операции дифференцирования, соответствующие оператору Фоккера-Планка-Колмогорова, с использованием преобразований F[] × , F -1[] × и переходя от непрерывного преобразования Фурье к дискретному путем применения теоремы Котельникова в области U (t , l ) по каждому из параметров, получим

{

{

U (t + Dt , k ) = U (t , k ) - Dt F -1 åa =1 F[aa (t , k )U (t , k )] jna DJa +

[

m

}

]

1 m (6) å F bab (t , k )U (t , k ) na DJa nb DJb }- F (t , k )U (t , k ) , 2 a ,b =1 2p где k = k q Dlq , q = 1, m , n = nq DJq , q = 1, m , DJq = , N – размерность сетки по Dlq N +

{

}

{

}

каждому из параметров lq . Рекуррентный алгоритм (6) позволяет вычислить значения ненормированной меры в узлах сетки по параметрам l . Переход от ненормированной меры к искомой апостериорной плотности вероятности производится по формуле 204

СПИ-МТ-2009 p(t , k ) = [c (t )U (t , k )] , -1

(7)

где ¥

¥

m m N -1 N -1 ép ù m с(t ) = ò ... òU (t, l )Õq=1 dlq = ò ... ò åk =0 ...åk =1U (t, k ) Õq=1 sin cê (lq - kq Dl )úÕq=1 dlq = 1 m ë Dl û -¥ -¥ sin x N -1 N -1 = (Dl )m åk =0 ...åk =1U (t , k ) , sin c x = . 1 m x

Искомая апостериорная плотность вероятности на всем фазовом пространстве для фиксированного момента t восстанавливается в соответствии с теоремой Котельникова. p(t , l ) = åk =0 ...åk N -1

N -1

1

m =0

m ép ù ( lq - k q Dl )ú. p(t , k )Õq -1 sin c ê ë Dl û

(8)

Правила выбора пространственной сетки и оценка погрешностей вычисления апостериорной плотности вероятности при использовании соотношений (6) – (8) приведены в [5]. Реализация алгоритма (6) в масштабе времени, близком к реальному, обеспечивается за счет применения эффективных алгоритмов быстрого преобразования Фурье для дискретного преобразования Фурье. Условная вероятность дискретного параметра [6] é t ù p(t , Q = i l ) = expê ò Fi (t1 , l )dt1 ú p(t = kT + t + 0, Q = i l ) ´ ëkT +t û -1

для

ìï n üï é t ù ´ íå exp ê ò Fi p(t1 , l )dt1 ú p (t = kT + t + 0, Q = i l )ý ïî i =1 ïþ ë kT +t û точек t , лежащих внутри тактового

(9) интервала,

p(t + 0, Q = i l )=

n

= å p ji p (t - 0, Q = j l ) для t = t + kT . j =1

Оптимальный приемник должен принимать решение по максимуму смешанной апостериорной плотности вероятности, то есть -1 Q*k = max {ò p[kT + t , Q = i, l ]¶l }, (10) i

где Q -оптимальная оценка дискретного параметра; max -1{ f (i )} – функция, * k

i

обратная функции максимума, то есть Q равна тому i , при котором f (i ) – максимальна. При более высокой точности фильтрации непрерывных параметров l и в наиболее распространенном на практике случае, когда значения Q*k независимы для разных k , (т. е. p (t = kT + t * , Q = i l* ) = pi ), справедлив упрощенный алгоритм оценки информационного параметра [1, 2] * k

ìï( k +1)T +t üï Q = max í ò Fi t , l* dt + ln pi ý . i ïî kT +t * ïþ *

* k

-1

( )

(11)

Рассмотрим применение полученных алгоритмов (6) – (9), (11) для построения оптимальных приемников сигналов с двукратной фазоразностной 205

СПИ-МТ-2009 модуляцией первого порядка. Пусть на k -м тактовом интервале передается один из возможных сигналов pù é s (t , Q, W,t ) = A cos êw 0 (1 + W )(t - kT - t ) + Q ú . 2û ë где A,w0 – известные константы; Q – принимает четыре равновозможных 1 значения 0…3 с вероятностями перехода p ij = , i, j = 0,...,3 , kT + t < t < (k + 1)Tt . 4

Таким образом, запишем

s (t ,0, W,t ) = A cos[w0 (1 + W )(t - kT - t )] ,

s (t ,1, W,t ) = - A sin [w0 (1 + W )(t - kT - t )] ,

s (t ,2, W,t ) = - A cos[w0 (1 + W )(t - kT - t )] , s (t ,3, W,t ) = A sin [w0 (1 + W )(t - kT - t )] .

Поскольку некогерентный демодулятор с фазоразностной модуляцией первого порядка не требует знания начальной фазы j0 и инвариантен по отношению к флуктуациям фазы j (t ) , если интервал корреляции существенно меньше длительности тактового интервала, то в выражении для полезного сигнала с целью упрощения примем j0 = 0 , j (t ) = 0. Для неэнергетических параметров [4] Fi (t , W,t ) =

ip ù 2A é x (t )cos êw0 (1 + W )(t - kT - t ) + ú , i = 0...3 . N0 2û ë

(12)

С учетом независимости и равновероятности значений и переходов, подставляя (9), (12) в выражение для F (t , l ) , получим ìï é t ù F (t , W,t ) = íF0 (t , W,t )sh ê ò F0 (t , W,t )dt ú - F1 (t , W,t ) ´ ïî ë kT +t û -1

ù é t ù üï é t ù ïüïì é t ´ sh ê ò F1 (t , W,t )dt ú ýích ê ò F1 (t , W,t )dt ú + ch ê ò F1 (t , W,t )ú dt ý . û ëkT +t û ïþ ë kT +t û ïþïî ë kT +t Раскроем оператор L в (5) с учетом (1) - (3) ¶U (t , W,t ) ¶[WU (t , W,t )] ¶[aWU(t , W,t )] =-+ + ¶t ¶t ¶W N W ¶ 2U (t , W,t ) + + F (t , W,t )U (t , W,t ). 4 ¶W 2

(13)

Рекуррентный алгоритм (6) применительно к (13) имеет вид ì é N 2ù U Dt = U m - Dt íФ -1 êФ(WU ) jnt DJt - Ф(aWU ) jnW DJW + W Ф(U )(nW DJW ) ú 4 û î ë ü (14) - F (t , kW , kt )U ý , þ где U Dt = U (t + Dt , kt , kW ) , U = U (t , kt , kW ) , kW = 0...N - 1 , kt = 0...N - 1 , nW = 0...N - 1 , ìï é t ù nt = 0...N - 1 , F (t , kW , kt ) = íF0 (t , kt , k W )sh ê ò F0 (t , kt , kW )dt ú ïî ëkT +t û -1

é t ùü ì é t ù é t ùü - F1 (t , kt , kW )sh ê ò F1 (t , kt , k W )dt ú ïý ïích ê ò F0 (t , kt , kW )dt ú + ch ê ò F1 (t , kt , kW )dt ú ïý . ë kT +t û ïþ ïî ë kT +t û ë kT +t û ïþ

206

СПИ-МТ-2009 Алгоритмы (9) – (12) позволяют синтезировать схемы оценивания параметров сигналов, функционирующие в масштабе времени, близком к реальному. Для реализации вычислительной процедуры (9) возможно использование не только современных персональных ЭВМ, но и типовых микропроцессоров, позволяющих достаточно эффективно выполнять операции перемножения матриц (векторов) и выпускавшихся промышленностью еще в конце прошлого века. Таким образом, предложенный метод оценки дискретно-непрерывных марковских процессов позволит значительно повысить достоверность приема и обработки информации, поступающей в измерительную систему по радиоканалу. Метод может быть использован как при синтезе перспективных измерительных установок и систем, так и при модернизации существующих. Список использованных источников 1. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. - М.: Радио и связь, 1991. 2. Тихонов В.И., Харисов В.Н. Оптимальный прием дискретных сигналов со случайной задержкой // Радиотехника и электроника, 1980, Т. 25, №3. 3. Булычев Ю.Г., Погонышев С.А. Квазиоптимальная нелинейная фильтрация на базе дискретного пространственно-частотного преобразования Фурье // Радиотехника, 1989, №1. 4. Булычев Ю.Г., Бурлай И.В., Погонышев С.А. Численноаналитический метод дифференцирования функций с ограниченным спектром на основе формулы Котельникова // Журнал вычислительной математики и математической физики, 1992, Т. 32, №3. 5. Булычев Ю.Г., Бурлай И.В. Метод дифференцирования функций ограниченной длительности с использованием сплайн - продолжения и разложения в ряд Котельникова // Проблемы передачи информации, 1993, Т. 29, №4, С.46-57. 6. Сверхбольшие интегральные схемы и современная обработка сигналов / Под редакцией С. Гуна, X. Уайхауса, Т. Калайта. - М.: Радио и связь, 1989. Васильев Е.М. БЫСТРАЯ АДАПТАЦИЯ МОДАЛЬНЫХ РЕГУЛЯТОРОВ [email protected] Задача модального управления объектом x& (t ) = Bx (t ) + Nu (t ); T y (t ) = Ax (t ), где x(t)=[x(t)1…x(t)n] – n-мерный вектор измеряемых или наблюдаемых координат состояния; u(t), y(t) – управление и выходная координата; B, N, A – характеристическая матрица, матрицы управления и выхода соответственно; требует введения регулятора R=[r1…rn] [1]. Его параметры ri 207

СПИ-МТ-2009 в условиях нестационарности B и N непрерывно пересчитываются путём решения системы из n уравнений |pE-B+NR|=pn+cn-1pn-1+ …+c1p+c0, где Е=diag(1…1); c0,...,cn-1 – коэффициенты эталонной модели. С целью сокращения времени, необходимого для вычисления ri, пред~ лагается декомпозиция n-мерной системы на n уравнений вида ri+1=ci- - bi , ~ i=0...n-1, где bi – элементы последней строки характеристической матрицы ~ B объекта в форме Фробениуса [1]. Для перехода к этой форме с помощью ~ ~ преобразующей матрицы Т, вычисляемой через матрицы B, N , B , N [1], необходимо обеспечить инвариантность Т к параметрам объекта. С этой целью воспользуемся специальной системой координат x: Т 1 0 ... 0 0 ù é- l 1 é0ù é1ù ú ê 0 1 ... 0 0 - l2 ê0ú ê0ú ú ê B= M ; N = ê M ú; A = êMú , M M M M M ú ê 0 ê0ú ê0ú 0 ... 0 - l n -1 1 ú ê ëêhn ûú ëê0ûú ë- h0 - h1 - h2 ... - hn - 2 - hn -1 - l n û где hi – параметры объекта; li – положительные несовпадающие числа. При этом для идентификации объекта используется его описание в базисе многочленов 1, p+l1, (p+l1)(p+l2),…, (p+l1)(p+l2)…(p+ln): hn -1 h0 hn y( p ) + y ( p ) + ... + y( p) = u( p ) . ( p + ln ) ( p + l1 )...( p + l n ) ( p + l1 )...( p + l n ) В результате преобразующая матрица Т приобретает вид 0 0 0 ...ù é 1 2 ê - l1 1 0 0 ...ú ê 2 ú - l1 - l 2 1 0 ...ú , T = ê l1 ê- l31 l22 + l21 + l1l 2 - l 3 - l 2 - l1 1 ...ú ê ... ... ... ... ...úû ë не содержащий нестационарные параметры объекта. Список использованных источников 1. Избранные главы теории автоматического управления / Б.Р. Андриевский, А.Л. Фрадков. – СПб.: Наука, 1999. – 467 с. Воробьев А.А., Дмитриев Д.А. РАЗРАБОТКА СИСТЕМЫ МОДЕЛИРОВАНИЯ КЛАСТЕРА КОРПОРАТИВНОЙ ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНОЙ СЕТИ [email protected] Корпоративная информационно-вычислительная сеть (КИВС) является сложным объектом, обладающим свойствами иерархически-модульной орга208

СПИ-МТ-2009 низации, мультисервисности, отказоустойчивости, экономичности, информационной безопасности. В КИВС различного масштаба имеется множество типов вычислительных систем: рабочие станции, серверы, персональные ЭВМ, кластеры, на которые опирается информационная составляющая ИВС: серверы баз данных и электронной почты, Web и FTP-серверы др. Основной функцией управления КИВС является решение проблемы управления ее составляющими на их жизненном цикле. В работе рассматриваются проблемы, связанные с администрированием (установкой, параметрической настройкой, демонтажем и др.) кластеров в КИВС и подход для их решения. Для разработки, изучения или определения динамических характеристик кластеров необходимо использовать моделирование. Для этого создаются распределённые автоматизированные системы моделирования, которые состоят из локальной вычислительной сети с возможностью выхода в Internet и пользователей. Локальная вычислительная сеть включает в себя рабочие места пользователей, администраторов, сервер моделирования на базе VMWare и файловый сервер для хранения приложений, моделей и методик. В сервере виртуальных машин хранится база моделей кластера, созданных в VMWare. Администратор организует и контролирует предоставление и использование информационных сервисов, обеспечивает их предсказуемое поведение, уменьшает количество сетевых неполадок за счёт правильной организации процесса функционирования сети, также обеспечивает защиту информации. Для исследования динамических характеристик системы кластера пользователи осуществляют доступ к файловому серверу и ищут интересующую их модель, затем проводят эксперименты на этих моделях в сервере моделирования. При этом часть задач моделирования выполняется пользователями (экспертами), а другая часть - компьютерными компонентами. В случае если пользователям не удалось найти необходимую модель в сервере моделирования, они могут воспользоваться сетью интернет и дополнить базу моделей найденной информацией. Гаджирагимова М.Ш. ОБ ОДНОЙ МОДЕЛИ ОПТИМАЛЬНОГО РАСПРЕДЕЛЕНИЯ ФАЙЛОВ В УЗЛАХ СЕТИ [email protected] Обеспечение роста производительности информационных систем связано с решением некоторых основных проблем, перечисленных в [1]. Одним из них является оптимальное распределение информационных ресурсов по узлам компьютерной сети и организация оптимального доступа к информации в каждом узле. Многочисленные подходы к распределению информаци209

СПИ-МТ-2009 онных ресурсов, предлагаемые разными авторами, обычно сводятся к формулировке оптимизационных задач. Этому проблему посвящено множество работ, и сегодняшний день существует ряд математических моделей [1,2,3]. Эти модели отличаются видом целевой функции (объем данных нуждающихся в пересылке в течение единицы времени, затрата для передачи файлов межу узлами компьютерной сети, общее среднее время выполнения запроса и.т.д) и совокупностью ограничений. Для обеспечения эффективного доступа к распределенным информационным ресурсам требуется рационально разместить файлы в узлах сети. Распределенная обработка производится с целью минимизации времени выполнения запросов к файлам, уменьшения нагрузки на сервер, а так же для перемещения конкретных файлов на серверы, находящиеся ближе к пользователям, часто обращающимся к этим файлам. В данной работе предложена математическая модель организации оптимального распределения файлов в узлах компьютерной сети. При организации оптимального распределения файлов на базе компьютерных сетей в качестве критериев используются параметры критерия минимума затрат, обусловленных передачей данных между узлами сети и суммарными затратами на внешние запоминающие устройства для хранения и обслуживания файлов. Постановка задачи. Пусть задана компьютерная сеть, состоящая из n узлов и m число независимых файлов. Предполагается, что компьютеры по объему памяти разные. Введем следующие обозначения: Kj - j –ый узел; Fi - i-ый файл; vi - размер (объем) i-ого файла; Vj - объем памяти сервера, находящегося в j -ом узле; lij - интенсивность запросов, которые поступают из j-ого узла к i-ому файлу; aij - объем запроса из j-ого узла к i-ому файлу; bij - объем данных, пересылаемых из j-ого узла к i-ому файлу при ответе на запросы; rij - затраты на сохранение и обслуживание i-ого файла в j-ом узле; Csj - затраты на передачу единицы информации между узлами s и j (css = 0, s = l, 2, . . . ,n); γsj - пропускной способность сети между узлами s и j. xij - (i=1,2,…m; j=1,2,…n) – параметры переменных, определяемых по формуле (2). Тогда в течение единицы времени общая затрата на передачу информации между узлами будет как в (1) при условиях (2-6). (1) более наглядно отражает суть поставленной задачи.

210

СПИ-МТ-2009 C = ååå lij (a ij + b ij ) C sj (1 - xij ) xis + åå rij xij ® min m

n

n

m

i =1 j =1 s =1

xij Î {0, 1}, "i , j n

n

(1)

i =1 j =1

(2)

1 £ å xij £ n, "i

(3)

m å v i x ij £ V j , " j i =1

(4)

j =1

m

ål i =1

is

a is xij £ g sj

(5)

is

b is xij £ g sj

(6)

m

ål i =1

Условие (2) означает, что если файл Fi находится в узле Kj, тогда значение переменных xij , будет равняться 1, в противном случае 0. Причем, один файл может находится в одном, в нескольких или во всех серверах компьютерной сети, как показано в условии (3). В следующем условии (4) указывается, что сумма объема файлов vi , находящихся на сервере j -ого узла не должна превышать общего объема памяти сервера Vj. Условия (5) и (6) связаны с пропускной способности сети между узлами. В первом случае объем каждого запроса не должен превышать объема пропускной способности сети между узлами s и j. Во втором случае объем данных, пересылаемых из j-ого узла к i-ому файлу при ответе на запросы не должен превышать объема пропускной способности сети между узлами s и j. Следует отметит, что для реализации модели (1) с ограничениями (2)(6) можно построить алгоритм анологичному алгоритму описанного в [1]. Распределение Х будет оптимальным в том случае, если обьем памяти каждого узла, предназначенной для хранения файлов не ограничена. Список использованных источников 1. Цегелик А.К. Системы распределенных баз данных.- Львов, 1990.с.6-59. 2. Алгулиев Р. М. Алыгулиев Р. М. Шарифов М. Г. Модель оптимального размещения серверов и Web-контентов в Content Delivery Networks// Автоматика и вычислительная техника. 2006. №4. c.42-50 3. Янбых Г.Ф., Столяров Б.А. Оптимизация информационновычислительных сетей. Москва, 1987.

211

СПИ-МТ-2009 Дорофеев В.И., Дорофеев Д.В. АВТОМАТИЧЕСКОЕ УПРАВЛЕНИЕ ПРОЦЕССОМ КОАГУЛЯЦИИ ЭМУЛЬСИОННЫХ КАУЧУКОВ [email protected] Процесс коагуляции проводят в каскаде из двух аппаратов, в первый из которых подается латекс и коагулянты. Важнейшим показателем технологического процесса является полнота коагуляции. От степени коагуляции зависит отсутствие латекса в сточных водах и превращение его в крошку. Полная коагуляция необходима для исключения потерь готового продукта при проведении технологического процесса и получения экономического и экологического эффекта. Косвенно судить о полноте коагуляции можно по изменению величины рН среды в аппаратах. При этом оптимальные значения вышеуказанного показателя, позволяющего минимизировать потери синтетического каучука, является переменной величиной в зависимости от марки каучука и соотношения коагулянтов. Для автоматического управления процессом коагуляции применяется подход, заключающийся в жесткой стабилизации величины рН среды в первом аппарате изменением подачи коагулянта. При этом заданное значение рН среды в первом аппарате в стационарном режиме корректируется в зависимости от величины рН среды во втором аппарате. Для уменьшения запаздывания по каналу управления рН среды применен прогнозирующий фильтр и определение тенденции изменения параметра с использованием аппроксимирующей функции. В процессе управления предусматривается непрерывная автоматическая компенсация возмущений по изменению: a) в растворе содержания коагулянта в зависимости от показаний концентратомера, установленного на линии подачи его в первый аппарат; б) концентрации полимера в латексе при переключении усреднителей подачи продукта на коагуляцию. Алгоритм автоматического управления процессом коагуляции внедрен в составе АСУТП. Дьяченко С.А. ИДЕНТИФИКАЦИЯ ЭЛЕКТРОПРИВОДА С ПОМОЩЬЮ НЕЙРОННЫХ СЕТЕЙ [email protected] Традиционные методы определения выходных параметров электропривода с помощью различных датчиков обладают рядом недостатков, к которым относятся невысокая точность, низкая надежность, усложнение конст212

СПИ-МТ-2009 рукции электропривода. При решении практических задач зачастую отсутствует полная информация об объекте регулирования, либо она может изменяться в ходе выполнения технологического процесса, что затрудняет или делает невозможным использование математических моделей. Одним из способов решения этих проблем является использование нейросетевых моделей. Термин нейронные сети сформировался в 40-х годах XX века благодаря исследованиям Маккалока и Питца. Дальнейшее развитие этого направления связано с работами Хебба, Розенблата, Хопфилда и других. Под нейронными сетями подразумеваются вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Одним из преимуществ использования нейронных сетей является их способность к обучению и обобщению. Составной единицей искусственной нейронной сети является искусственный нейрон. Нейрон состоит из набора синапсов, на которые поступают входные сигналы. Каждый сигнал изменяется пропорционально весу синапса. Полученные значения суммируются и поступают на вход функции активации нейрона, которая и генерирует выходное значение. Процесс обучения сети строится на основе данных обучающей выборки: входных и соответствующих им выходных параметрах модели. Обучение заключается в подборе синоптических весов таким образом, чтобы при подаче на вход сети значений из обучающей выборки, на выходе оказывались требуемые результаты. Искусственные нейронные сети нашли применение при решении многих проблем: классификация образов; кластеризация/категоризация; аппроксимация функций; предсказание/прогноз; оптимизация; память, адресуемая по содержимому; управление. Задача моделирования по обучающей выборке фактически представляет собой задачу аппроксимации функции нескольких переменных. Согласно теореме о полноте любая непрерывная функция на замкнутом ограниченном множестве может быть равномерно приближена функциями, вычисляемыми нейронными сетями, если функция активации нейрона дважды непрерывно дифференцируема и нелинейна [2]. Примером функции, удовлетворяющей указанным требованиям, может служить сигмоидальная функция: j (u ) =

1 1 + e -u

Благодаря универсальным аппроксимирующим свойствам, ИНС представляют собой мощный инструмент для решения задачи идентификации нелинейных статических и динамических объектов управления и соответственно могут применяться для решения задачи идентификации электропривода. Список использованных источников 1. Хайкин С. Нейронные сети: полный курс. – М.: ООО «И.Д. Виль213

СПИ-МТ-2009 ямс», 2006. – 1104с. 2. Дьяконов В.П., Круглов В.В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. – М.:СОЛОН-ПРЕСС, 2006. -456с. Клименко С.Г., Кравец О.Я. РАЗРАБОТКА АНАЛИТИЧЕСКОЙ МОДЕЛИ ИНТРАНЕТ-СИСТЕМЫ УПРАВЛЕНИЯ ДОКУМЕНТООБОРОТОМ [email protected] Исходя из анализа Интранет-ориентированных систем управления документооборотом, произведенного в [4], отнесем данный класс систем к классу динамических, стохастических систем, дискретных по состояниям и непрерывных по времени [1, 2]. При этом исследуемая вычислительная сеть имеет ряд особенностей: 1) Производительность сервера информационной системы зависит от числа обслуживаемых заявок; 2) По окончании обслуживания запроса пользователь не покидает сеть и через случайный момент времени снова обращается к серверу, при этом новый запрос может иметь другую трудоемкость; 3) Количество зарегистрированных в системе пользователей заранее определено; 4) Предполагается, что все поступающие на сервер заявки, внутри сервера движутся по одинаковому маршруту. С учетом указанных выше особенностей, представим вычислительную сеть, образуемую сервером системы и множеством клиентов, в виде смешанной стохастической сети, состоящей из М центров с дисциплинами обслуживания FIFO(First In First Out), PS (Processor Sharing), IS (Immediately Served), в которой циркулируют N заявок R классов. Графическое представление структуры полученной стохастической сети представлено на рис. 1. Моделирование пользовательских терминалов в исследуемой сети будем осуществлять с помощью группы одноканальных центров с дисциплиной обслуживания IS. Многоканальный центр, предназначенный для моделирования задержки, связанной с передачей результирующей информации клиенту, зададим, как центр с дисциплиной обслуживания IS. Число приборов в этом центре больше или равно максимально возможному числу сообщений в этом центре. Для моделирования работы распределителя нагрузки по web-серверам введем одноканальный центр, с дисциплиной обслуживания FIFO. Для моделирования вычислительных машин, на которых работают web-серверы и web-приложения, введем множество одноканальных центров с дисциплиной обслуживания PS. 214

СПИ-МТ-2009 Вычислительный комплекс, на котором запускается СУБД, будем моделировать, как одноканальный центр с дисциплиной обслуживания PS.

Рис. 1. Структура стохастической сети Введем дополнительные ограничения к исследуемой сети, предположив наличие лишь одного сервера СУБД, одного устройства балансировки и одного устройства, моделирующего передачу результатов работы по сети. Тогда общее количество обслуживающих устройств в сети M будет складываться из количества пользовательских терминалов MT, количества webсерверов MW, устройства балансировки, сервера СУБД, устройства эмулирующего задержку передачи информации по сети. M = MT + MW + 3 , (1) где M – общее количество устройств в сети; MT – общее количество пользовательских терминалов; MW – общее количество web-серверов. Порядковые номера устройств, входящих в подмножества однотипных элементов, образующих сеть определим следующим образом: 1) Номер терминала Ti = i , (2) где Ti – порядковый номер терминала, i= 1, MT . 2) Номер устройства балансировки B1 = M T + 1 , (3) где B1 – порядковый номер устройства балансировки; MT – общее количество пользовательских терминалов; 3) Номер web-сервера 215

СПИ-МТ-2009

Wi = M T + i + 1 ,

(4)

где Wi – порядковый номер web-сервера, i= 1, MW ; MT – общее количество пользовательских терминалов. 4) Номер СУБД-сервера D1 = M T + MW + 2 , (5) где D1 – порядковый номер СУБД – сервера; MT – общее количество пользовательских терминалов; MW – общее количество устройств web-серверов. 5) Номер устройства эмулирующего передачу информации по сети N1 = M T + MW + 3 , (6) где N1 – номер эмулятора передачи информации по сети; MT – общее количество пользовательских терминалов; MW – общее количество устройств web-серверов. Предположим, что в сети циркулируют заявки R классов. Тогда каждую заявку в сети можно охарактеризовать источником заявки или номером пользовательского терминала, откуда пришла заявка и типом запроса к серверу. Классификация заявок по источнику очевидна, поскольку заявка по окончании обслуживания должна возвращаться в источник. Такая классификация позволяет определить конечный вид матрицы маршрутов. Классификация заявок по типу запроса к серверу обусловлена тем, что различные запросы, как к web-серверу, так и к серверу СУБД, могут иметь различную трудоемкость, определяемую, например, характером web-приложения, объемом выбираемых данных сервером СУБД. Исходя из вышесказанного, общее количество классов заявок в сети определим как: R = MT × R W , (7) где R – общее количество классов заявок; MT – количество пользовательских терминалов; RW – количество специфических типов запросов к серверу. Прототипом источника заявок является пользовательский терминал, пользователь которого в процессе работы обращается к различным ресурсам сервера, и тем самым, меняя типы запросов к серверу. Для учета этой особенности допустим, что при переходе из одного центра в другой сообщения могут изменять свой класс так, что сообщение r-го класса может стать сообщением s-го класса (r,s= 1, R ), но только при условии, что источник для этих сообщений один и тот же. Разобьем множество классов сообщений R’ = {1, 2, …, R} на непересекающиеся подмножества Rk, такие, что элементами множества будут все классы заявок, источником которых был k-й терминал (k= 1, MT ).

R'=

MT

UR

(8)

k

k =1

216

СПИ-МТ-2009 Такое разбиение на подмножество гарантирует то, что классы сообщений в разных подмножествах не могут сообщаться между собой, и, следовательно, общее число сообщений в любом подмножестве остается постоянным. В дальнейшем подмножество Rk будет называться “укрупненным классом k-го терминала”(k= 1, MT ). Маршрут в смешанной сети с несколькими классами сообщений зададим матрицей маршрутов P = Pir,ks , где Pir,ks – вероятность того, что сообщение класса r, закончившее обслуживание в i-м центре, перейдет в k-й центр и станет сообщением класса s (i,k= 1, М , r,s= 1, R ). В силу того, что внутри сервера обслуживаемая заявка не меняет свой класс и маршрут, изменение класса заявки из подмножества Rk происходит только при переходе из пользовательского терминала Tk (k= 1, MT ) в устройство балансировки. Учитывая это, и приняв, что вероятности поступления заявок любого класса из устройства распределителя в k-й web-сервер, где k= 1, M w , одинаковы и равны 1/Mw, определим вид маршрутной матрицы. Поскольку преобразование заявки класса r в класс s внутри укрупненного класса (r,s Î Rk, k= 1, MT ) происходит только при переходе заявки из k-го терминала в устройство балансировки, то общую маршрутную матрицу разобьем на множество маршрутных матриц для каждого укрупненного класса и множество матриц трансформации. Соответственно каждому укрупненному Rk Rk классу Rk, будет соответствовать своя матрица маршрутов P = Pi, j , где

Pi,Rkj – вероятность того, что сообщение укрупненного класса Rk, уходящее из i-го центра, перейдет в j-центр (i,j= 1, М ) и M

åP j =1

Rk i, j

=1 ,

(9)

где i,j= 1, М , RkÎ R' . Специфику работы пользователя k-го терминала зададим матрицей Rk Rk Rk трансформации PT = Pr,s , где Pr,s - вероятность того, что сообщение ук-

рупненного класса Rk из r-класса, перейдет в s-класс (r,s Î Rk, k= 1, MT ) и при этом выполняется условие: Rw

åP s =1

Rk r,s

=1 ,

(10)

где r,s=1, Rw , Rk Î R' . Введем функцию fT(j, Rk), представляющую собой вероятность перехода для k-го терминала:

217

СПИ-МТ-2009

ìï1, j = k ; j , k = 1, M T fT ( j , R k ) = í , (11) ïî 0 , j ¹ k ; j , k = 1, M T Тогда обобщенная маршрутная матрица укрупненных классов будет иметь вид, представленный в табл. 1. Таблица 1 Маршрутная матрица для укрупненных классов i T T T B W W W j 1 2 Mt 1 1 2 Mw 1 1 T1 T2 … TMt B1 W1 W2 … W Mw D1 N1

0 0

0 0

0 0

fT fT

0 0

0 0

0 0

0 0

0 0

0 0 0 0

0 0 0 0

0 0 0 0

fT 0 0 0

0 1/Mw 0 0

0 1/Mw 0 0

0 1/Mw 0 0

0 0 1 1

0 0 0 0

0

0

0

0

0

0

0

1

0

0 fT

0 fT

0 fT

0 0

0 0

0 0

0 0

0 0

1 0

Для определения потоков, циркулирующих в стационарном режиме замкнутой сети массового обслуживания с несколькими классами заявок воспользуемся подходом, предложенным в [3] и введем коэффициенты передачи еir, представляющие собой относительную интенсивность потока сообщений r-класса из i-го центра сети (i= 1, М ) и удовлетворяющие системе линейных уравнений: R

M

е js = åå еir Pir , js

, (12) где Pir, js – вероятность того, что сообщение класса r, закончившее обслуживание в i-м центре, перейдет в j-й центр и станет сообщением класса s (i,j= 1, М ; r,s= 1, R ). Число независимых уравнений в системе (12) аналогично [3] на единицу меньше количества переменных, так что ее решение единственно с точностью до мультипликативной константы. Для отыскания однозначного решения системы уравнений (12) достаточно произвольно задать одно из значений еir. Для удобства дальнейших вычислений положим е11=1. Пусть λir – поток сообщений класса r, проходящий через i-й центр (i= 1, М ) в стационарном режиме. Тогда выражение λir=еirλ11 связывает потоки сообщений класса r, проходящие через i-й и поток сообщений 1-го класса из первого центра сети. В r =1 i =1

218

СПИ-МТ-2009 дальнейшем данные коэффициенты передачи будут использоваться при расчете основных характеристик узлов сети. Таким образом, разработана аналитическая модель обобщенной Интранет-ориентированной системы управления документооборотом как замкнутая смешанная стохастическая сеть массового обслуживания с экспоненциальным распределением времен поступления заявок и обслуживания, отличающаяся возможностью изменения класса сообщений и учетом множества web-серверов и сервера баз данных. Определены маршруты информационных потоков в сети. Список использованных источников 1. Клейнрок Л. Вычислительные системы с очередями: Пер. с англ. М.: Мир, 1979 - 600 с. 2. Клейнрок Л. Теория массового обслуживания: Пер. с англ. М.: Машиностроение, 1979 – 432 с. 3. Жожикашвили В.А., Вишневский В.М. Сети массового обслуживания. Теория и применение к сетям ЭВМ. М.: Радио и связь, 1988. – 192 с. 4. Клименко С.Г. Информационное обеспечение системы документационного обеспечения управления вуза// Информационные технологии моделирования и управления, 2008, №4(47), 2008. – С. 418-429. Красовский А.Б., Кузнецов С.А. ПРИМЕНЕНИЕ ЛИНЕАРИЗУЮЩИХ ОБРАТНЫХ СВЯЗЕЙ ДЛЯ УЛУЧШЕНИЯ ДИНАМИЧЕСКИХ СВОЙСТВ ВЕНТИЛЬНОИНДУКТОРНОГО ЭЛЕКТРОПРИВОДА [email protected] [email protected] В настоящее время вентильно-индукторные машины (ВИМ) используют преимущественно в электроприводах механизмов с относительно простыми требованиями к динамическим показателям (малые транспортные средства, бытовая техника и т.п.). Дискретность работы в сочетании с нелинейностью магнитных характеристик ВИМ осложняют синтез привода с заданными свойствами традиционными методами. Однако конструктивные особенности ВИМ дают основание предполагать о принципиальной возможности достижения при соответствующих алгоритмах и структурах управления высоких динамических характеристик. Проведенные исследования показали, что в структурах с линейными регуляторами не удается добиться высоких показателей качества переходных процессов. В частности, традиционная двухконтурная система управления с П-регулятором скорости и ПИ-регулятором тока [1] обеспечивает приемлемые показатели лишь в малой окрестности рабочей точки. Кардинальным решением проблемы является включение в контур управления математиче219

СПИ-МТ-2009 ской модели ВИМ для расчета текущих значений коэффициентов передачи используемых регуляторов в функции положения ротора и электромагнитных нагрузок ВИМ. На практике это приводит к структуре управления с дополнительными линеаризующими обратными связями по току и скорости [2], воздействующими на коэффициенты соответствующих регуляторов. Для компенсации влияния противо-ЭДС двигателя на его динамические свойства контура тока предложено использовать дополнительную положительную корректирующую связь по скорости. Для проверки работоспособности и эффективности такого управления создана нелинейная модель привода в среде MATLAB-SIMULINK. Моделирование показало, что регулирование с использованием линеаризующих обратных связей позволит существенно улучшить динамические характеристики вентильно-индукторного электропривода. Список использованных источников 1. Krishnan R. Switched reluctance motor drives: modeling, simulation, analysis, design, and applications // CRC Press LLC, 2001. 2. Hannoun H., Hilairet M., Marchand C. Gain-scheduling PI current controller for a Switched Reluctance Motor // IEEE, 2007. Маглеванный И.И., Ларина М.В., Карякина Т.И. КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ САМООРГАНИЗАЦИИ КВАЗИДВУМЕРНОГО ЭЛЕКТРОННОГО ГАЗА В СИЛЬНЫХ ЭЛЕКТРИЧЕСКОМ И МАГНИТНОМ ПОЛЯХ [email protected] В данной работе приводятся результаты компьютерного моделирования кинетических режимов и самоорганизации неравновесного квазидвумерного электронного газа в условиях холловских измерений. Модельная мультистабильная система (рис. 1) содержит квазидвумерную сверхрешетку (2СР) поперечного размера L , зашунтированную сопротивлением R , и источник тянущего постоянного поля E x (оси OX и OY направлены под углом 45 o по отношению к главным осям [01] и [02] простойr квадратной решетки). Магнитное поле H = (0,0, H ) нормально плоскости решетки. Параметром порядка служит поперечное (по отношению к протекающему в образце току j x ) спонтанное электрическое Рис. 1. 220

СПИ-МТ-2009 поле E y . Управляющими параметрами являются тянущее поле, магнитное поле, температура образца и сопротивление шунта. Анализ проводился в безразмерных величинах с использованием единиц измерения (масштабных множителей) напряженностей электрического и магнитного полей E 0 = h (et 0 d ), H 0 = h 2 c (et 0 Dd 2 ), плотности тока j 0 = neDd h , температуры T0 = D k и времени t 0 = t 0 . Здесь t 0 – время релаксации квазиимпульса, d 2 – период 2СР, 2D – ширина зоны проводимости, n – концентрация (невырожденных) носителей заряда, k – постоянная Больцмана. Для типичной 2СР с -3 параметрами n = 10 15 см , d = 10 -6 см, D = 10 -2 эв, t 0 = 10 -12 c имеем E 0 » 660 В/см, H 0 » 4300 э, j 0 » 2400 А/см 2 , T0 » 100 K. Особое внимание сосредоточено на исследовании ситуаций, в которых имеют место неравновесные фазовые переходы (НФП). "Затравочный" НФП заключается в возникновении спонтанного поперечного поля при H = 0 . Магнитное поле обусловливает холловский фактор, приводящий к искажению затравочного профиля поперечной э.д.с. Поскольку рассматриваемые эффекты нелинейны, "чистый" эффект Холла не может быть выделен в этом случае. Таким образом, говоря о холловском поле, мы имеем в виду поперечное поле, включающее оба отмеченных выше фактора. В предыдущих работах [1, 2], посвященных данной проблеме, магнитное поле считалось слабым и учитывалось в линейном приближении. Здесь мы рассматриваем сильные поля. В нормализованных переменных плотность тока, рассчитанную с помощью уравнения Больцмана в t = const приближении, можно представить в виде [3] r r r I (1 / 2T ) ¥ r r j E, T , H = 1 (1) ò v ( p(t )) exp( -t )dt , I 0 (1 / 2T ) 0

(

)

где T – температура, I n (z) – модифицированная функция Бесселя, r r r r r r v ( p ) = ¶e ( p ) / ¶p , e ( p) = 1 - cos p x cos p y , функция p (t ) является решением r r r r r r начальной задачи dp / dt = E + v ( p) ´ H , p (0) = 0 . В нормализованных переменных динамика параметра порядка описывается уравнением [3]. E 1 dE y ¶F , F (E x , E y T , H , r ) = ò j y ( E x , E ¢y , T , H , r )dE ¢y + rE y2 . (2) =2 dt ¶E y 0 y

c начальным условием E y |t = 0 = E y 0 . Здесь r = L2 E02t 0 /( RVDn) , V – объем образца, F - синергетический потенциал (обобщенная функция генерации энтропии) [4] При данных значениях управляющих параметров статическое макросостояние системы E y = E y ( E x , T , H , r ) идентифицируется как устойчивое асимптотическое ( t ® ¥ ) решение задачи (2). Множество всех макросостоя221

СПИ-МТ-2009 ний представляет собой аттрактор. Границы областей притяжения определяют неустойчивые состояния (репеллер). При данных значениях управляющих параметров фазовая траектория будет принадлежать той или иной ветви аттрактора в зависимости от начальных условий, т. е. макросостояние может разрывным образом зависеть от своего начального значения, поэтому система характеризуется мультистабильностью. При вариации управляющих параметров имеют место кризисы ветвей аттракторов, что приводит к бифуркациям и структурным перестройкам макросостояний - неравновесным фазовым переходам. Информация о многообразии стационарных состояний может быть получена на основе фундаментальных представлений, сформулированных в теории катастроф [5]. Изучение условий качественного изменения макросостояний системы сводится к определению критического многообразия M = {(E x , E y , T , H , r )Î R 5 | ¶F / ¶E y = 0}. Последнее условие неявно определяет параметрическое представление критических значений параметра порядка – функцию E ycr = E ycr ( E x , T , H , r ) Û ( E x , E ycr , T , H , r ) Î M . В общем случае эта функция является многозначной. Устойчивость критических значений по отношению к малым флуктуациям определяется с помощью морсовской характеристики потенциала F – критической кривизны [4]: cr 2 2 cr cr W ( E x , T , H , r ) = ¶ F / ¶E y ( E x , E y , T , H , r ) . При W > 0 критическая точка

E ycr определяет устойчивое макросостояние системы, соответствующее локальному минимуму потенциала, а при W cr < 0 - неустойчивое состояние, соответствующее локальному максимуму. Бифуркационное множество (локальная сепаратриса) в пространстве управляющих параметров определяется условием условием вырождения критических точек, т.е. обращения в нуль морсовской характеристики, и может быть определено путем исключения параметра E y из соотношений ¶F ¶ 2F (E x , E y ,T , H , r) = 0 , ( E x , E y ,T , H , r ) = 0 . (3) ¶E y ¶E y2 В каждой точке локальной сепаратрисы потенциал является неморсовской функцией и является структурно неустойчивым. Таким образом, локальная сепаратриса разбивает пространство управляющих параметров на открытые области, каждая точка которых параметризует структурно устойчивые потенциальные функции разных типов. Т.к. рассматриваемая модель является детерминистической, то при квазистатистическом изменении управляющих параметров перестройка макросостояния системы (НФП) происходит в соответствии с принципом максимального промедления, т. е. когда путь в пространстве параметров пересекает локальную сепаратрису[5]. Для расчета и визуализации бифуркационного множества и критического многообразия использовались авторские алгоритмы и программы. Программная реализация проводилась с применением средств объектно222

СПИ-МТ-2009 ориентированного программирования на алгоритмическом языке С++. На рис. 2 представлены результаты компьютерного моделирования локальной сепаратрисы при H = 0 . Плоскость управляющих параметров разбивается на открытые подмножества 1, 2, 3, в каждом из которых схематически представлено поведение потенциальной функции F в зависимости от параметра порядка, соответствующие статические макросостояния являются соответственно моностабильными, бистабильными или тристабильными. Вдоль сепаратрис макросостояния становятся вырожденными. Кривая ABKB1 представляет множество, ограничивающее область бистабильности, точки которого параметризуют потенциальные функции, у которых вырожден центральный минимум. Кривая B1 KB 2 ограничивает область тристабильности, причем KB 2 представляет множество, точки которого параметризуют потенциальные функции, у которых вырождены нецентральные минимумы. Точка K является трикритической, а точечная кривая KM представляет множество Максвелла (нелокальную сепаратрису)[5], точки которого параметризуют потенциальные функции с тремя равными нулю минимумами.

Рис. 2 .

Рис. 3.

Бифуркационная диаграмма на рис. 3 характеризует нелинейное поведение макросостояний системы при изменении тянущего поля. Точечные стрелки указывают фазовые траектории, которые асимптотически принадлежат той или иной ветви аттрактора в зависимости от начальных условий. Точечные части кривых соответствуют неустойчивым состояниям, которые определяются отрицательными значениями морсовской характеристики. Нулевые значения критической кривизны соответствуют точкам пересечения пути T = 0.1 на плоскости управляющих параметров с локальной сепаратрисой. Так, для | E x |< 1 существует единственное макросостояние E y = 0 . При квазистатическом возрастании | E x | и достижении значения | E x |» E1 происходит выход из области притяжения этого аттрактора, ветвь E y = 0 становится неустойчивой, и происходит бифуркация этой ветви на две симметричные 223

СПИ-МТ-2009 устойчивые ветви. В результате имеет место спонтанное нарушение симметрии и НФП второго рода. Невозможно предсказать, на какую ветвь – верхнюю или нижнюю – произойдет переход. Это определяется малыми случайными возмущениями. В диапазоне E x Î ( E1 , E 2 ) существуют два симметричных макросостояния, а также одно неустойчивое состояние E y = 0 . Диапазону E x Î ( E 2 , E 3 ) отвечают три устойчивых (одно из них нулевое) и два неустойчивых состояния. При возрастании | E x | и достижении значения | E x |» E 3 параметр порядка скачком переходит на ветвь E y = 0 , т. е. происходит НФП первого рода. При обратном изменении скачок происходит при | E x |» E 2 . Таким образом, НФП первого рода сопровождаются пороговыми переключениями и гистерезисом. При наличии магнитного поля | H |> 0 происходит искажение локальной сепаратрисы и бифуркационных диаграмм. Как показывают результаты модельных расчетов, при больших значениях магнитного поля рассматриваемая система проявляет фракталоподобную структуру бифуркационного множества, как показано на рис. 4. Каждая область мультистабильности на плоскости управляющих параметров включает остроконечные "языки Арнольда" более высокой мультистабильности (цифры указывают число макросостояний).

Рис. 4.

Рис. 5.

На рис. 5 представлены макросостояния системы при различных значениях температуры: 1) T = 0.1 ; 2) T = 0.35 ; 3) T = 0.5 . Магнитное поле специфическим образом размывает НФП и вынуждает систему сделать определенный выбор между равновероятными (при H = 0 ) состояниями (вынужденная бифуркация). При малых температурах отмеченная выше тонкая структура бифуркационного множества проявляет себя в появлении дополнительных складок устойчивых листов критического многообразия с соответствующими слабо выраженными бифуркациями. При дальнейшем увеличении магнитного поля самоорганизующийся 224

СПИ-МТ-2009 квазидвумерный электронный газ демонстрирует все возрастающую сложность своего нелинейного поведения, проявляющуюся в наличии множественных неравновесных фазовых переходов и гистерезисных режимов. Подобная чувствительность макросостояния влияет на проводимость 2СР. На рис. 6 представлена вольтамперная характеристика (ВАХ) образца, которая определяется критическими значениями продольной плотности тока j x ( E x , T , H , r ) = j x ( E x , E ycr , T , H , r ) . При изменении тянущего поля ВАХ демонстрирует нелинейное поведение, возможности пороговых переключений между ветвями низкого и высокого сопротивления и гистерезис. Анализ выявил новые гальваномагнитные эффекты в 2СР, проявляющиеся в условиях холловских измерений в сильном магнитном поле в режимах управляемых неустойчивостей. Макросостояниям системы соответствует минимум производства энтропии. Поэтому модель демонстрирует выполнение принципа Пригожина о минимуме производства энтропии для устойчивых стационарных состояний без ограничения на степень отклонения от равновесия. Исследования таких систем важны в двух отношениях. Во-первых, детальное изучение НФП может привести к более глубокому пониманию физических механизмов неустойчивостей в полупроводниках и той роли, которую играют в этих явлениях свойства и геометрические параметры материала, что является необходимым условием для совершенствования технологии произРис. 6. водства новых полупроводниковых приборов, использующих такие неустойчивости. Во-вторых, полупроводник в неравновесном состоянии представляет собой весьма удобную модельную систему для изучения нелинейных синергетических эффектов, подобных НФП и самоорганизации. Это связано с тем: что для исследования полупроводников создана весьма разнообразная методика измерений, обеспечивающая лучшую воспроизводимость и более высокое пространственное и временное разрешение, чем в других, например, гидродинамических системах. Изучение общих закономерностей самоорганизации имеет принципиальное значение, поскольку оно открывает перспективы создания искусственных самоорганизующихся систем высокого уровня сложности, а также управления процессами их эволюции. Исследования в области самоорганизации открывают перспективы создания принципиально новых физических устройств для обработки информации, контроля и управления их поведением. Список использованных источников 1. Маглеванный И.И., Шмелев Г.М., Эпштейн Э.М., Известия вузов, 225

СПИ-МТ-2009 Физика 39, № 7, 46 (1996). 2. Шмелев Г.М., Эпштейн Э.М., Маглеванный И.И., ФТП 31, № 8, 916, 1997. 3. Epshtein E.M., Maglevanny I.I., Shmelev G.M. J. Phys.: Condens. Matter. 8, 4509, 1996. 4. Epshtein E.M., Shmelev G.M., Maglevanny I.I., Phys. Lett. A 254, 107, 1999. 5. Гилмор Р. Прикладная теория катастроф, Кн. 1. – М.: Мир, 1984. 350 с. 6. Kazunori A. Nonlinear Dynamics and Chaos in Semiconductors. Bristol and Philadelphia: Institute of Physics Publishing, 2001. Мокрова Н.В. ЭФФЕКТИВНОСТЬ ДЕКОМПОЗИЦИИ ЗАДАЧИ УПРАВЛЕНИЯ СТС [email protected] Синтез иерархической структуры системы управления предполагает решение многовариантной задачи разбиения сложной системы на отдельные элементы и подсистемы. Причем данная задача возникает многократно на разных уровнях иерархии. Оценка эффективности разбиения сложной технологической системы (СТС) и возникающих при этом структур многоуровневой системы управления, представляет чрезвычайно сложную для формализации и решения задачу. Возможна лишь приближенная оценка оптимальности декомпозиции, которую выполняют для определенного класса объектов с учетом принятых допущений и предположений. В работе предложены постановка и решение задачи оценки эффективности разбиения сложной системы. Проведены исследования опытной системы линейной структуры (рис.1), состоящей из n последовательно соединенных элементов, каждый из которых имеет один вход, одно управление и один выход. На первом этапе исследований принято, что обратные связи, обозначенные пунктиром, отсутствуют.

Рис. 1. Граф СТС линейной структуры Решение локальных и глобальной задач выполнено с использованием симплекс-алгоритма при заданных параметрах вычислительной процедуры. В качестве критерия оптимальности в задаче декомпозиции использована следующая функция затрат

226

СПИ-МТ-2009 b

T = c 01 + c 02 Br + c02 B + c 04 B + (c 05 + Br )å Ti Л , r

2 r

3 r

i =1

Л

где Ti – время решения локальной задачи для i -й подсистемы; Br – число переменных связи в методе явной декомпозиции, определяющее размерность глобальной задачи; b – число подсистем, коэффициенты c01 ,....,c05 , характеризующие вычислительный алгоритм, принятый для решения глобальной задачи. В экспериментальных расчетах варьировали количество элементов СТС в подсистеме n и число подсистем b. На рисунке 2. представлены результаты экспериментальных исследований. Они показывают, что изменение n и b влияет на оценку времени решения задачи, но не изменяет вида кривых. Когда количество выделяемых подсистем равно единице, происходит централизованное решение задачи управления СТС. С ростом числа подсистем затраты возрастают, а затем уменьшаться, достигая минимума. Это объясняется тем, что при малом числе выделенных подсистем локальные задачи имеют относительно высокую размерность и сложность при сравнительной простоте задачи координации. С увеличением числа подсистем, сложность и размерность локальных задач убывают, но возрастает сложность и размерность задачи координации. Минимальные затраты времени имеют место тогда, когда локальные задачи наиболее просты. Однако при этом размерность задачи координации максимальна и дальнейший ее рост может привести к снижению эффекта декомпозиции.

Рис. 2. Время решения задачи оптимизации СТС. Таким образом, полученные зависимости подтверждают интуитивные представления об эффекте декомпозиции и целесообразности использования иерархического управления в СТС. Можно сделать вывод, что эффектив227

СПИ-МТ-2009 ность декомпозиции тем выше, чем больше элементов в СТС. С увеличением числа элементов возрастает показатель оптимального числа подсистем. При этом затраты на управление всей системой неизбежно возрастают. Овечкин И.В. МОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕНИЯ ТЕМПЕРАТУРНЫХ ПОЛЕЙ В РЕЖУЩЕЙ ПЛАСТИНЕ [email protected] В настоящее время в мире имеет место тенденция по переходу к сухому резанию. Но возникает проблема перегрева режущей кромки и повышения износа сменной многогранной пластины (СМП). Поэтому охлаждающее действие смазочно-охлаждающих жидкостей необходимо компенсировать альтернативными путями охлаждения. В работе [1] представлено внутреннее охлаждение режущего инструмента (РИ) тепловой трубой, которая отводит тепловой поток от режущей пластины. Недостатком такой системы является большое тепловое сопротивление в месте контакта тепловой трубы и СМП это приводит к снижению эффективности охлаждения. Предложенная автором конструкция с фазовым переходом непосредственно на опорной поверхности СМП не имеет этого недостатка и работает следующим образом: охлаждающая жидкость из бачка течет по резиновому шлангу и отверстию в державке к капиллярному материалу, по которому попадает под опорную поверхность СМП РИ. При резании опорная поверхность нагревается, и доводит жидкость до кипения, образовавшийся пар выходит в окружающую среду. Фазовый переход отбирает от опорной поверхности большое количество тепловой энергии, тем самым снижает температуру резания. Очевидно, что больший эффект дадут жидкости с меньшей температурой кипения и большей удельной теплотой парообразования. На первом этапе для проверки эффективности устройства мною было проведено компьютерное моделирование тепловых потоков и распределения температур в сравниваемых пластинах методом конечных элементов (МКЭ) [2, 3]. МКЭ является наиболее распространенным методом для решения прикладных задач при компьютерном моделировании. Сущность МКЭ состоит в разбиении области на ряд непересекающихся подобластей, которые взаимосвязаны только в узловых точках, к ним и прикладываются тепловые потоки. Решение заключается в определении значений температуры в узлах, которые используются для получения других тепловых величин. По уравнению теплопроводности (1) строится модель распределения температуры в сравниваемых пластинах. В модели учитываются реальные размеры исследуемого тела и следующие составляющие теплообмена: - теплоотдача в окружающую среду и в державку; 228

СПИ-МТ-2009 - лучистый теплообмен; - теплопроводность; d æ dT ö d æ dT ö d æ dT ö ÷+ çλz ÷ = -q , çλx ÷ + çλ y dx è dx ø dy è dy ø dz è dz ø где T-температура; - компоненты тензора теплопроводности; dT – теплопроводность как функция температуры; q – удельная мощность тепловыделения, в линейной постановке – константа. Из – за сложной формы моделируемой СМП приходится использовать тетрагональную форму конечноэлементной сетки. Тетрагональная сетка разбивает моделируемую деталь по всему объему и дает возможность оценить тепловые поля внутри пластины. Сетку необходимо подбирать оптимальных размеров в зависимости от величины элементов модели. Вообще говоря, чем мельче сетка, тем большую точность можно получить, но для этого потребуется и большее количество времени на проведение вычислений. Модель распределения температуры в СМП (рис. 1) для пластины из твердого сплава Т15К6 – сталь 45 с V = 166 м/мин, t = 0.3 мм, S = 0,2 мм/об. 373 К 431 К 484 К 586 К 679 К 771 К 827 К 884 К 948 К 987 К

460 К 522 К 584 К 646 К 709 К 771 К 833 К 895 К 958 К 1020 К

а) б) Рис. 1. Температурное поле стандартной пластины (а) и пластины с охлаждаемой опорной поверхностью (б) Данные полученные моделированием показывают, что охлаждение опорной поверхности СМП снижает температуру резания и выгодно перераспределяет тепловые поля в режущем клине, что, повышает стойкость инструмента. Список использованных источников 1. Дубров Ю.С., Грибельный М.Г. Сборные резцы, оснащенные тепловыми трубами. СТИН 2002 №9. 2. Галлагер Р. Метод конечных элементов. Основы. Пер. с англ. – М.: Мир, 1984. – 428 с. 3. Применение ЭВМ для решения задач теплообмена/ Г.Н. Дульнев, В.Г. Парфенов, А.В. Сигалов. М.: Высш. шк., 1990. – 207 с.

229

СПИ-МТ-2009 Огнев С.П., Кораблина Т.В. МОДЕЛИРОВАНИЕ СЛОЖНЫХ ОБЪЕКТОВ И АЛГОРИТМИЗАЦИЯ СИСТЕМ С АППАРАТОМ МНОГОВАРИАНТНЫХ ФУНКЦИЙ ДЕТЕРМИНАЦИИ [email protected] Объектное большое разнообразие обусловлено динамичным множеством структурно-параметрических вариантов внутренних свойств и состояний самого объекта, его входных и выходных воздействий со всевозможными возмущениями и источниками неполных и помехоискаженных измерений. Достаточное количество технологических объектов управления характеризуются наличием больших запаздываний в каналах измерения и регулирования и сложных возмущающих воздействий. А). Большое запаздывание характеризуется временем запаздывания, превышающим полусумму времени инерции объекта регулирования и временного интервала предсказуемости возмущения с требуемой точностью, и когда недостаточно эффективны широко распространенные типовые регуляторы. Показатель степени запаздывания количественно выражается: 2t o Sz = , 2t o + To + q где tо – время запаздывания объекта управления: То – время инерции (в частности, постоянная времени инерции объекта); q – временной интервал предсказуемости с требуемой точностью возмущающего воздействия, приведенного ко входу или к выходу объекта управления, функционально связанных между собой выражением: qвых » qвх+ То , где qвх , qвых – временные интервалы предсказуемости приведенного возмущения, соответственно, ко входу и к выходу объекта управления. Б). Сложные возмущения характеризуются обратной величиной временного интервала его предсказуемости с требуемой точностью, меньшего времени запаздывания в сумме со временем инерции объекта управления, и когда необходимо многовариантное и интервальное прогнозирование динамики возмущений. Показатель степени сложности возмущающего воздействия количественно выражается: to + То Sl = . 2q + t o + T o Эти обстоятельства, как правило, не позволяют применить при моделировании сложных объектов и синтезе систем автоматического регулирования технологических процессов известные методы, основанные на рассмотрении качества переходных процессов при детерминированных возмущающих воздействиях. Соответственно неэффективными оказываются и базирующиеся на таком подходе упрощенные методы [1, 2]. 230

СПИ-МТ-2009 В работе [3] для вышеназванных объектов управления предложен инженерный метод расчета настроечных параметров типовых регуляторов, который учитывает и динамические характеристики объектов, и характеристику действующих на них возмущающих воздействий с использованием аппарата корреляционных функций (в частности коэффициентов автокорреляции). Данная методика предусматривает возможность выявления лишь линейных автосвязей. При этом в [3], произведя аппроксимацию корреляционной функции экспоненциальной зависимостью, введен показатель возмущения aТо . Реальные же промышленные объекты характеризуются, чаще всего, наличием сложных возмущений, для описания которых недостаточно применять только линейные модели. В связи с этим возникает необходимость в расширении используемого набора методов, алгоритмов и моделей, привлекая аппарат многовариантных функций детерминации (МвФД) [4, 5]. По своему содержанию каждая МвФД представляет набор значений показателя степени детерминированности какой-либо переменной величины в зависимости от ее собственной предыстории и от других факторов. При этом обязательно вводится вариантность по числу аргументов, групп и сдвигам между отсчетами данных, по объемам их выборок и по иным условиям. В роли показателя степени детерминированности используется чаще всего относительная доля изменчивости определяемой величины, объясняемая учитываемыми определяющими факторами. В аспекте преемственности установлено и сделано так, что МвФДаппарат глубоко сопрягается с аппаратом корреляционных функций (в частности, коэффициентов корреляции) и аппаратом дисперсионных функций (в частности, дисперсионных-корреляционных отношений). При строго линейных связях МвФД практически совпадают с модулем корреляционных функций, а при двухаргументных нелинейных связях МвФД практически совпадают с дисперсионными функциями, а также с близкой к ним дисперсионной мерой идентичности модели реальному объекту [6]. Для построения модели объекта и ориентированного расчета настроек алгоритма управления, как такового, так и как корректирующего контура в составе системы восстановительно-прогнозирующего управления развитие методики [3] предполагает следующее. Характеристика возмущений aТо заменяется на характеристику То/θвых, (в частном случае, при возмущениях с линейными автосвязями, имеется взаимопереход θвых = 1/a). В качестве практической реализации, настроечные характеристики параметров ПИ-регулятора, приведенные на номограммах в [3] аппроксимированы экспоненциальными зависимостями. Исходили из минимума среднемодульного отклонения (СМО) настроечной характеристики с номограммы от аппроксимирующей характеристики. Проведенные расчеты показали, что для наиболее распространенных на практике объектов управления, удовлетво231

СПИ-МТ-2009 ряющих условию 0,2 < to / To < 1 оптимальные значения настроечных параметров ПИ-регулятора могут определяться по формулам: Т и Т о » (5 + 50 × Т о q вых ) × exp( - 3 × t o To ); 1 ] × [1 - exp( - 0, 2 × Tи Т о )], t o / To - 0, 07 где kп - коэффициент пропорциональной части ПИ-регулятора; Ти -время изодрома ПИ-регулятора. Для полученных экспоненциальных зависимостей СМО не превышает 2,5, что допустимо при настройке промышленных регуляторов. Применение предлагаемой методики позволяет получить адекватную модель объектов управления с учетом сложных возмущающих факторов с нелинейными связями и большими запаздываниями в каналах управления. Расчет настроечных параметров управляющей системы с учетом таковых показателей реализует более качественные переходные процессы в системе, что увеличивает эффективность производственного процесса в целом. k п k o » 0, 4 × [1 +

Список использованных источников 1. Копелович А.П. Инженерные методы расчета при выборе автоматических регуляторов. - М.: Металлургиздат, 1960. 314 с. 2. Ротач В.Я. Расчет настройки промышленных систем регулирования. - М.: Госэнергоиздат, 1961. - 447 с. 3. Ротач В.Я. , Хаджийски М.Б. О синтезе систем автоматического регулирования производственных процессов // Промышленное применение автоматики, 1966. № 9. с. 158-164. 4. Авдеев В.П., Кораблина Т.В., Криволапова Л.И. Комплекс алгоритмов и программ с многовариантными функциями детерминации и нелинейными предикторами // Изв. вузов. Чер. металлургия.- 2000. - № 5. с. 56 –57. 5. Киселева Т.В., Кораблина Т.В., Руденкова Е.Г. Комплексный анализ рядов данных // Перспективные промышленные технологии и материалы. Науч. тр. Сиб. гос. индустриал. Ун-та/ Отв. ред. В.Е. Громов, С.М. Кулаков. – Новосибирск: Наука, 2004. с. 490 – 505. 6. Райбман Н.С., Чадеев В.М. Построение моделей процессов производства. – М.: Энергия, 1975. – 376 с. Пашковский М.Е., Барабанов В.Ф. ИССЛЕДОВАНИЕ ПЛИС В КАЧЕСТВЕ ОСНОВЫ ПОСТРОЕНИЯ РЕКОНФИГУРИРУЕМЫХ, ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ЦИФРОВЫХ СИСТЕМ [email protected] В сфере построения цифровых систем наметилась тенденция к переходу к программируемым логическим интегральным схемам (ПЛИС), это обу232

СПИ-МТ-2009 словлено в первую очередь снижением цен на данные приборы. ПЛИС и программно-инструментальная среда для разработки проектов на их основе – это мощная платформа для создания реконфигурируемых высокопроизводительных цифровых систем и устройств различной степени сложности с минимальными материальными и временными затратами. ПЛИС отличает высокая интеграция, гибкость, универсальность, мощная логика с памятью, внутренними возможностями перепрограммирования и ведения параллельных вычислений. По принципу формирования требуемой структуры целевого цифрового устройства ПЛИС относят к двум группам, CPLD (Complex Programmable Logic Device) —программируемые логические приборы, энергонезависимые, с некоторым ограничением допустимого числа перезаписи содержимого. FPGA (Field Programmable Gate Array) — программируемые пользователем вентильные матрицы, не имеющие ограничений по числу перезаписей. Основными производителями ПЛИС являются: Xilinx и Altera, занимающие большую часть рынка. В таблице переведен перечень некоторых выпускаемых ПЛИС с 2000 года до настоящего времени. Архитектура (CPLD) имеет скромные характеристики в объёме логических элементов по сравнению FPGA. Однако CPLD обладает и преимуществами: возможность построения на их основе одночиповых решений, так как эти устройства не требуют внешней микросхемы для загрузки конфигурации, а также являются энергонезависимыми. Это позволяет CPLD использоваться для замены рассыпной логики, а также в качестве системных и периферийных контроллеров несложных микропроцессорных устройств. Благодаря использованию одного питания, и корпусов с межвыводным расстоянием, достаточным для ручного монтажа, возможно их использование в мелкосерийном производстве и радиолюбительской практике. В настоящее время наиболее современным семейством CPLD фирмы Xilinx считается CoolRunner-II, а Altera является семейство MAX II. В тоже время активное развитие архитектуры FPGA отводит устройствам CPLD вспомогательную роль. Специализированные САПР, учитывающие все особенности структуры кристаллов FPGA и CPLD фирмы Xilinx, разработаны самим производителем - это системы ISE (Integrated Synthesis Environment) Foundation и ISE Alliance. Компанией Altera для программной поддержки производимых ПЛИС созданы среды разработки MAX+PLUS II и Quartus II Subscription Edition, а также бесплатные MAX+PLUS II BASELINE и Quartus II Web Edition. САПР поддерживают все этапы проектирования. Сфера применения FPGA Xilinx: различные структуры суперкомпьютеров, в областях цифровой обработки сигналов. ПЛИС компании используют при разработке интеллектуальных устройств аутентификации лиц, распознавания образов на основе нейронных сетей. Xilinx производит микросхемы в различных типах корпусов и в нескольких исполнениях, включая индустриальное, военное и радиационно-стойкое, для использования в автомобиль233

СПИ-МТ-2009 ной электронике (системы спутниковой навигации, беспроводной связи, управления оборудованием, обеспечение безопасности и др.). К областям применения ПЛИС компании Altera можно отнести, радиолокационное оборудование, электронно-бытовую и медицинскую технику, управляющие контроллеры, информационные электронные доски, счетчики жидкости и тепла, кассовые терминалы, торговые автоматы и многое другое. Сравнительная таблица ПЛИС фирм Xilinx и Altera Параметры Тех- Кол-во логичеЧасОбъём НапряСемейства ПЛИС ноло- ских элементов тота, RAM, жение ядгия, мг кбит ра, В Мин. Макс. нм Xilinx Vertex II FPGA 120 512 93184 420 3026 1,5 Vertex II-Pro FPGA 130 432 125136 500 10008 1,5 Spartan-IIE FPGA 130 1536 2700 200 288 1,8 Spartan-3 FPGA 90 1536 74880 326 1872 1,2 Vertex 4 FPGA 90 13824 200448 500 1392 1,2 Vertex 5 FPGA 65 3120 330000 550 10300 1 Cool Runner CPLD 180 32 512 127 - 175 3,3 Cool Runner - CPLD 180 32 512 333 1,8 II Altera Stratix FPGA 130 10570 114140 250 10118 1,5 Stratix GX FPGA 130 10570 41250 250 3423 1,5 Stratix II FPGA 90 15600 179400 500 9383 1,2 Stratix III FPGA 65 48000 340000 600 21000 1,1 Stratix IV FPGA 40 72600 681100 600 31491 0,5-1,35 MAX7000 CPLD 180 600 5000 175 3,3-5 MAX II CPLD 180 240 2210 304 1,5 Список использованных источников 1. http://www.xilinx.com 2. http://www.altera.com Платонова В.Л., Пунин Н.Г. АСПЕКТЫ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННОЙ ЗАЩИЩЕННОСТИ СЕТЕВЫХ СИСТЕМ [email protected] В условиях глобализации сетевых информационных систем их защищенность становится наиболее актуальной проблемой. 234

СПИ-МТ-2009 Существует множество факторов, влияющих на уровень информационной защищенности сетевых систем. При оценке защищенности сетевых систем используют методы имитационного моделирования, что позволяет не только получить прогноз, но и разработать соответствующие рекомендации по улучшению их структуры. Структурная схема процесса имитационного моделирования, при реализации которого аналитическая модель учитывает структуру и характеристики процессов, в ней протекающих, представлена на рис. 1. Основными элементами схемы являются аналитическая модель (блок 6) и генератор угроз (блок 5). В блоке 5 формируются угрозы: обобщенные, не зависящие от параметров исследуемой сети, и специфические, которые генерируются на основе информации о структуре сетевой системы. На вход блока 6 подается информация о структуре сети и количественные характеристики ее элементов, а также воздействия, сформированные генератором угроз.

Рис.1. Схема аналитического моделирования информационной защищенности С помощью интерфейса ввода данных (блок 2) пользователь задает информацию о сети, эти данные обрабатываются в двух блоках: в блоке формирования и классификации неблагоприятных факторов (блок 3), выходные данные которого подаются на вход генератору угроз; и в блоке формирования входных данных (блок 4), выходные данные которого подаются на вход аналитической модели. В результате работы аналитической модели получаем данные, которые далее анализируются в блоке 7 и подаются на вход в блок 8. Блок принятия 235

СПИ-МТ-2009 решений и синтеза рекомендаций (блок 8) решает следующие задачи: анализ вкладов различных факторов в достижении необходимого уровня защищенности; формирование рекомендаций для повышения защищенности сетевой системы; принятие решения о допустимости практического использования сетевой системы. Для реализации предложенной схемы, на первом этапе необходимо разработать аналитическую модель сетевой системы, модели обобщенных и специфических угроз, а также определить структуру информации, задаваемой пользователем. Список использованных источников 1. Галатенко В.А. Основы информационной безопасности. М.: ИНТУИТ.ру, 2005. 208 с. 2. Гришина Н.В. Организация комплексной системы защиты информации. Гелиос АРВ, 2007. 256 c. 3. Пазизин С.В. Основы защиты информации в компьютерных системах; М.: Науч. изд-во «ТВП», 2003. 178с. 4. Измайлов А. Ф. Чувствительность в оптимизации. М.: Физматлит, 2006. 245 c. Корчагин А.С., Кравец О.Я., Погодаев А.К. О СВОЙСТВАХ ОБРАТНЫХ ОТОБРАЖЕНИЙ С ВЕТВЛЕНИЯМИ [email protected] Статья продолжает цикл исследований, связанных с применением нормированных отображений для доказательства корректности программ [3-9]. Все термины и определения содержатся там же. Пример 1. Рассмотрим два автомата на рис. 1. Легко убедиться, что здесь не существует нормированного обратного отображения из первого автомата во второй. Однако существует отображение в смысле [1]. В таком отображении шаг одного автомата может быть согласован последовательностью шагов в другом автомате с тем же следом. Как и в случае прямого отображения, мы будем характеризовать нормированные обратные отображения исходя из “обратных отображений с ветвлением”, и использовать эту характеристику для установления того, что ≤ B и ≤ iB являются отношениями порядка. Обратное отображение с ветвлением из A в B является полным отношением b ⊆ states(A) × states(B), таким образом, что: 1. Если s ∈ start (A) и u ∈ b[s] , тогда B имеет реализацию, которая заканчивается на u и b-связана с s. 236

СПИ-МТ-2009 a 2. Если t ¾ ¾® A s и u∈ f[s] , то B имеет фрагмент реализации, который a заканчивается в u и b-связан с t ¾ ¾® s. Теорема 1 1. Предположим, (b, n) есть нормированное обратное отображение из A в B. Тогда b будет обратным отображением с ветвлением из A в B. 2. Предположим, b является обратным отображением с ветвлением из A в B. Пусть n(s,u)=0, если s – не начальное состояние или uÏb[s] и в противном случае будет равно длине кратчайшей реализации, которая заканчивается в u и b-связана с s. Кроме того, пусть a n(t ¾ ¾® s, u)=0, если uÏf[s] и в противном случае, равно длине кратчайшего фрагмента реализации, заканчивающегося в u, a которое b-связано с t ¾ ¾® As. Тогда (b, n) является нормированным прямым отображением из А в В. Доказательство: (1) следует из Леммы 1 (тр. наст. конф.). ДоказательстРис. 1. Различие между во (2) стандартно. обратными отображениями и Как в случае прямого отображения, нормированными обратными мы видим, что если существует нормироотображениями ванное обратное отображение между двумя автоматами, в действительности существует нормированное обратное отображение с нормой, диапазоном которой являются натуральные числа. Утверждение 1. ≤ B и ≤ iB являются отношениями порядка. Доказательство: Аналогично доказательству Утверждения 2 из [9]. Следующий результат о частичной полноте является вариантом ранее полученного результата [1, 2]. Теорема 2 (Частичная полнота нормированных обратных отображений) Если A является лесом и A ≤ T B то A ≤ B B. D

Доказательство: Отношение b = after ( B ) o past ( A) есть обратное отображение ветвления из A в B. Отметим, что в Утверждении 1 усиливается заключение теоремы 2 в A≤ iBB в случае, когда B имеет конечно-скрытый недетерминизм. Пример 2. Рассмотрим автоматы A′ и B′ на рис. 2. Здесь нет нормированных обратных отображений из B′ в A′. Отношение, обозначенное пунктирными линиями, теряет справедливость, поскольку обратный переход из состояния u0 нельзя симулировать из связанного состояния s0. Следовательно, нормированные обратные отображения не обеспечивают полного метода доказательства для установления включения следа. В дальнейших исследо237

СПИ-МТ-2009 ваниях покажем, что полноту можно получить, комбинируя прямые и обратные отображения.

Рис. 2. Пример пошаговой детализации Список использованных источников 1. Lynch N.A., Vaandrager F.W. Forward and backward simulations, I: Untimed systems. Information and Computation, 121(2):214–233, September 1995. 2. Jonsson B. On decomposing and refining specifications of distributed systems. In J.W. de Bakker, W.P. de Roever, and G. Rozenberg, editors, Proceedings REX Workshop on Stepwise Refinement of Distributed Systems: Models, Formalism, Correctness, Mook, The Netherlands, May/June 1989, volume 430 of Lecture Notes in Computer Science, pages 361–387. Springer-Verlag, 1990. 3. Корчагин А.С., Погодаев А.К. Доказательство корректности программ на основе применения нормированных моделей// Прикладные задачи моделирования и оптимизации: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2006. С. 186-195. 4. Корчагин А.С., Кравец О.Я. Операторное моделирование с использованием последовательной детализации при доказательстве корректности программ// Информационные технологии моделирования и управления, № 6(40), 2007. – С. 714-719. 5. Корчагин А.С., Погодаев А.К. Технология пошаговой детализации при операторном моделировании для доказательства корректности программ// Территория науки, 2007, №4(5). Воронеж 2007. С. 501-507. 6. Корчагин А.С., Кравец О.Я., Погодаев А.К. О некоторых свойствах технологии пошаговой детализации при доказательстве корректности программ// Системы управления и информационные технологии, 2007, №3.1(29). – С. 166-169. 7. Корчагин А.С., Кравец О.Я. Нормированное прямое моделирование через пошаговую детализацию// Современные проблемы информатизации в моделировании и социальных технологиях: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. – Воронеж: «Научная книга», 2008. – С. 232-235. 8. Кравец О.Я., Корчагин А.С. О непротиворечивости нормированных 238

СПИ-МТ-2009 прямых моделей// Современные проблемы информатизации в проектировании и информационных системах: Сб. трудов. Вып. 13/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: "Научная книга", 2008. – С. 494-497. 9. Кравец О.Я., Корчагин А.С. О связи прямого и нормированного прямого отображений// Информационные технологии моделирования и управления, 2008, №4(47). – С. 392-398. Подерский И.С. ПРИЕМЫ РАБОТЫ С РАЗРЕЖЕННЫМИ МАССИВАМИ В ЗАДАЧЕ ОПТИМИЗАЦИИ ТРАФИКА В СЕТИ [email protected] Рассматривается задача обеспечения равномерной загрузки каналов в сети с заданной топологией. Для этого нужно равномерно (относительно среднего значения) распределить потоки по каналам связи. Для того чтобы контролировать условия сохранения потоков, устранять петли трафика и прочие проблемы присущие перераспределению трафика потребовалось задать переменные для каждой тройки: узел источник трафика, узел приемник, канал. Другими словами мы делим трафик в канале на составляющие его потоки. Пусть сеть состоит из N узлов и М каналов связи. Обозначим через lij переменную величину, обозначающую поток по каналу из узла i в j, через qij - обозначим величину пропускной способности канала из узла i в j, Предположим, что длины пакетов независимы и

1 - средняя длина пакета. m

Тогда текущая загрузка канала определяется как: r=

lij

m × qij

.

Среднюю загрузку определим: r ср (l ) =

1 M

N

N

lij

åå mq i =1 j =1

,

ij

тогда равномерную загрузку можно получить, минимизировав дисперсию между r и r ср . Исходя из вышесказанного, зададим критерий равномерной загрузки каналов следующим образом: N

N

ååa i =1 j =1

ij

(

lij - r ср (l )) 2 ® min , mqij

где aij - коэффициент существования канала связи: ì0 канал ij - не сущ , aij = í канал ij сущ î1

239

СПИ-МТ-2009 Для того, чтобы после перераспределения трафика потоки не нарушились необходимо дополнить критерий условиями существования и сохранения потока. Чтобы задать условия сохранения потока нам необходимо знать, что за трафик находится в канале. Для этого разобьем поток в канале на составляющие: N

N

lkl = åå Uijs klij , i =1 j =1

где Uij - величина трафика порожденного узлом i и предназначенного узлу j s klij (0 £ s klij £ 1) - доля трафика от узла i узлу j ( Uij ), проходящая по каналу kl. Условия существования потока гарантирующие, что трафик в канале не превысит пропускную способность канала можно записать как: "k , l = 1..N

N

N

åå U s i =1 j =1

ij

ij kl

£ qkl ,

Условия целостности потока гарантируют, что в процессе перераспределения трафика маршрутизация не нарушится. Для каждой пары узлов i j условие целостности состоит из трех групп уравнений. Первое уравнение определяет условие на узел источник трафика и задает, что весь трафик, порожденный узлом i должен из него выйти. Второе уравнение накладывает условие на узел назначения и гарантирует, что весь трафик, предназначенный узлу j придет в него. Группу три образуют остальные уравнения, задающие транзитные (для трафика из i в j) узлы. Условие задает, что входящий в l трафик равен исходящему из него, т.е “чужой” трафик не остается в транзитных узлах. N ì s klij = 1 l= j å ï k =1 ï N ï "i ® j í s lkij = 1 l =i å ï N k =1 N ï s ij - s ij = 0 l ¹ i, j å kl lk ïå k =1 î k =1

узел назначения узел источник . остальные узлы

Кроме того, есть условие на переменную s , которое следует из определения переменной: 0 £ s klij £ 1 . В этом контексте критерий принимает вид: N

N

åå aij ( i =1 j =1

1 mqij

N

N

åå (U s k =1 l =1

ij

где соответственно r ср1 =

ij kl

1 M

1 ) - r ср (s )) 2 ® min , N

N

åå ( i =1 j =1

1 mqij

N

N

åå (U s k =1 l =1

ij

ij kl

)) .

В итоге получаем следующую задачу: N

N

åå aij ( i =1 j =1

1 mqij

N

N

åå (U s k =1 l =1

ij

ij kl

1 ) - r ср (s )) 2 ® min

240

(1)

СПИ-МТ-2009 N ì l = j узел _ назначения s klij = 1 å ï k =1 ï N ï l =i узел _ источник "i ® j í s lkij = 1 å ï N k =1 N ï s ij - s ij = 0 l ¹ i, j остальные _ узлы å kl lk ïîå k =1 k =1

"k , l = 1..N

N

N

åå U s i =1 j =1

ij

ij kl

(2)

(3)

£ qkl

"i, j , k , l = 1..N s klij ³ 0 , s klij £ 1

(4) Однако в текущем представлении у задачи возникает проблема с размерностью. В сети с N узлами может быть до N 2 - N каналов и столько же потоков. Следовательно, предельное значение количества переменных для задачи, описывающей сеть с N узлами равняется ( N 2 - N ) N - N . То есть для сети из 100 узлов потребуется зарезервировать массив длиной порядка 6e+39556. Конечно, в реальной задаче количество каналов и соответственно переменных будет гораздо меньше, но все равно статические массивы подобной размерности ни в одной среде не поддерживаются. Рассмотрим процесс построения матрицы А, описывающей систему ограничений (2)-(4). Каждая строка матрицы описывает одно ограничение. Проведем соответствие между индексами s klij и положением переменной в матрице. Для каждой пары ij узлов источник-приемник выделим диапазон из N 2 - N каналов, описываемых переменными kl . То есть переменные, задающие трафик из узла 1 в 2 будут располагаться в столбцах с 1 по N 2 - N , соответственно из узла 1 в узел 3 с N 2 - N + 1 по 2 * ( N 2 - N ) и т. д. Очевидно, что при таком представлении в матрице А будет очень много нулевых элементов. А это дает возможность значительно сократить затраты на хранение матрицы А с помощью использования разреженного массива. Разреженный массив - массив, большинство элементов которого равны между собой, так что хранить в памяти достаточно лишь значения отличные от основного (фонового) значения. Различают два типа разреженных массивов: 1) массивы, в которых местоположения элементов со значениями отличными от фонового, могут быть описаны математически; 2) массивы со случайным расположением элементов. Очевидно, что мы имеем дело с массивом со случайным расположением элементов. В этом случае возможны два варианта представления. 1) Методом последовательного размещения. Метод заключается в запоминании ненулевых элементов в одномерном массиве и идентификации каждого элемента массива индексами строки и столбца, как это показано на рис. 1 а). Доступ к элементу массива A с индексами i и j выполняется выборкой индекса i из вектора ROW, индекса j из вектора COLUM и значения элемента из вектора A. Слева указан индекс k векторов наибольшеее значение, которого определяется количеством нефоновых 2

241

СПИ-МТ-2009 элементов. Отметим, что элементы массива обязательно запоминаются в порядке возрастания номеров строк. Более эффективное представление, с точки зрения требований к памяти и времени доступа к строкам матрицы, показано на рис. 1 б). Вектор ROW уменьшен, количество его элементов соответствует числу строк исходного массива A, содержащих нефоновые элементы. Этот вектор получен из вектора ROW рис. 1 а) так, что его i-й элемент является индексом k для первого нефонового элемента i-ой строки. Представление матрицы А, данное на рис. 1 сокращает требования к объему памяти более чем в 2 раза. Для больших матриц экономия памяти очень важна. Способ последовательного распределения имеет также то преимущество, что операции над матрицами могут быть выполнены быстрее, чем это возможно при представлении в виде последовательного двумерного массива, особенно если размер матрицы велик.

Рис. 1. Последовательное представление разреженных матриц 2) Представление разреженных матриц методом связанных структур. Методы последовательного размещения для представления разреженных матриц обычно позволяют быстрее выполнять операции над матрицами и более эффективно использовать память, чем методы со связанными структурами. Однако последовательное представление матриц имеет определенные недостатки. Так включение и исключение новых элементов матрицы вызывает необходимость перемещения большого числа других элементов. Если включение новых элементов и их исключение осуществляется часто, то должен быть выбран описываемый ниже метод связанных структур. Метод связанных структур, однако, переводит представляемую структуру данных в другой раздел классификации. При том, 242

СПИ-МТ-2009 что логическая структура данных остается статической, физическая структура становится динамической. Для представления разреженных матриц требуется базовая структура вершины, называемая MATRIX_ELEMENT ("элемент матрицы"). Поля каждой из этих вершин содержат соответственно значение, индексы строки и столбца элемента матрицы, а также поля являющиеся указателями на следующий и предыдущий (если требуется) элементы. Наша задача после формирования матрицы А удалить из неё все нулевые столбцы и строки, привести ее к линейно-независимому виду. Эти действия подразумевают много операций по удалению элементов, в связи с чем предпочтительнее использовать второй способ для представления матрицы А. Список использованных источников 1. Далека В.Д., Деревянко А.С., Кравец О.Г. Модели и cтруктуры данных, Харьков-ХГПУ(2000). 2. Таха Х.А. Введение в исследование операций, Вильямс (2007). Полосин А.Н. СТРУКТУРА ПРОГРАММНОГО КОМПЛЕКСА ДЛЯ МОДЕЛИРОВАНИЯ ГИБКИХ ПРОЦЕССОВ ЭКСТРУЗИИ В МНОГОАССОРТИМЕНТНЫХ ПРОИЗВОДСТВАХ ПОЛИМЕРНЫХ ПЛЁНОК [email protected] По оценкам экспертов от 60 до 75 % объёма мирового производства полимерных материалов перерабатывается методом экструзии. Одношнековые и многошнековые экструдеры используются для пластикации, смешения и формования композиций при изготовлении полуфабрикатов и изделий в сложных производствах полимерных плёнок, характеризующихся широким ассортиментом продукции (до 15 основных типов плёнок, используемых для упаковки, а также в технических целях), многостадийностью и гибкостью технологических схем, множеством режимов функционирования. При этом существует проблема нерационального использования экструзионного оборудования с точки зрения значительных энергозатрат на переработку материала, ухудшения физико-механических показателей экструдата и возможного брака изделий, так как синтез и перенастройка производства осуществляются на основе практических рекомендаций и экспериментального подбора технологического регламента. Поэтому особое значение в рамках компьютеризации производств приобретает разработка физически обоснованных моделей экструзионных агрегатов и реализующего их гибкого программного комплекса. Анализ современных отечественных и международных экструзионных 243

СПИ-МТ-2009 и экструзионно-каландровых производств полимерных плёнок показал, что пластицирующие экструдеры используются на различных стадиях производства – для подготовки питания каландров (как вспомогательные агрегаты) и для формования плёнки (как основные агрегаты). Подготовка пластикатов из высоковязких нетермостабильных полимеров (например, поливинилхлорида) для питания каландров осуществляется в осциллирующих и планетарновальцевых экструдерах. Интенсивное осевое и радиальное перемешивание материала обеспечивается конструктивно-кинематическими особенностями экструдеров (одновременным вращательным и возвратно-поступательным движением шнека с прерываемой нарезкой и месительными зубьями на корпусе или системой 6–10 планетарных шнеков, вращающихся и обкатывающих центральный шнек). Процесс формования материалов различных типов протекает в одношнековых экструдерах и двухшнековых экструдерах с противоположным вращением шнеков. Характерной особенностью экструзионных агрегатов является их аппаратная гибкость, обеспечиваемая сменной головкой (плоскощелевой, кольцевой, фильерной) и переменной модульной конфигурацией шнека, набираемого из элементов различных типов (транспортных, смесительных), отличающихся геометрическими параметрами. Например, осциллирующие экструдеры, используемые в производстве плёнок из поливинилхлорида и полипропилена, имеют 6 конфигураций шнека. Аппаратная гибкость позволяет оперативно перенастраивать экструдеры на различные типы и рецептуры полимерных материалов (путём изменения конфигурации шнека), толщину и ширину формуемой плёнки (за счёт смены экструзионной головки). Основными режимными параметрами процесса, определяющими производительность, энергопотребление и показатели качества, являются частота вращения шнека и температура обогрева корпуса. Основой для построения комплекса моделирования является обобщённое формализованное описание экструзии как объекта моделирования: Y = F(Gextruder , Ppolymer , Textrusion ), Y = {T, P, h, G , E, d, w , I d , g},

Gextruder = {K extruder , D, D L , C scr , Gscr , K die , Gdie }, K extruder = {E1 , E 2 , E 3 , E 4 }, K die = {D1 , D 2 , D 3 }, Ppolymer = {Tpolymer, Fs , Tsm , R m }, Textrusion = {N, Tb , Tscr , Tdie }, где Y – вектор выходных параметров процесса; Gextruder – вектор геометрических характеристик агрегата; Ppolymer – вектор характеристик полимерного материала; Textrusion – вектор режимных параметров процесса; T, P, h – температура [°С], давление [Па], вязкость [Па·с] экструдата; G – производительность, кг/с; E – энергопотребление, Дж/кг; δ, w, Id, g – показатели качества материала: толщина [м], ширина [м], индекс термодеструкции [%], степень смешения; Kextruder – тип экструдера (E1 – одношнековый, E2 – осциллирующий, E3 – двухшнековый с противоположным вращением шнеков, E4 – планетарновальцевый); D, D/L – диаметр [м] и относительная длина шнека (шнеков); Cscr – конфигурация шнека; Gscr – вектор геометрических параметров шнека (глу244

СПИ-МТ-2009 бина канала, шаг нарезки, число заходов и др.); Kdie – тип экструзионной головки (D1 – фильера, D2 – плоскощелевая головка, D3 – кольцевая головка); Tpolymer – тип базового полимера; Fs – вектор фрикционных характеристик твёрдого материала (коэффициенты трения); Tsm – вектор теплофизических характеристик твёрдого материала и расплава: плотность [кг/м3], теплоёмкость [Дж/(кг·°С)], теплопроводность [Вт/(м·°С)], теплота плавления [Дж/кг], температуры стеклования и плавления [°С]; Rm – вектор реологических характеристик расплава: коэффициент консистенции [Па·сn], индекс течения; N – частота вращения шнека, об/с; Tb, Tscr, Tdie – температуры корпуса, шнека и головки [°С]. Задача моделирования процессов экструзии в гибких многоассортиментных производствах полимерных плёнок заключается в автоматизированном синтезе структуры S, определении параметров A и выборе устойчивого метода численного решения M математической модели F(S, A, M), позволяющей рассчитать выходные параметры Y экструзионного агрегата с допустимой для данного класса объектов погрешностью (e < emax = 10–15 %) в области адекватности, определяемой типом, конфигурацией и геометрическими характеристиками экструдера Gextruder, типом и характеристиками перерабатываемого полимерного материала Ppolymer, технологическими диапазонами режимных параметров процесса экструзии Textrusion. Для решения поставленной задачи разработан гибкий программный комплекс моделирования, структура которого приведена на рис. Программный комплекс включает: информационное обеспечение (для перенастройки комплекса на переменные характеристики объекта моделирования), математическое обеспечение, подсистему расчёта выходных параметров процесса экструзии, модуль формирования результатов моделирования в виде таблиц, 2D и 3D графиков, интерфейсы исследователя и администратора баз данных. Информационное обеспечение включает информационно-справочную подсистему по процессам экструзии, базы данных (БД) геометрических характеристик экструдеров и формующих головок (27 вариантов экструзионных агрегатов), характеристик полимерных материалов (10 типов базовых полимеров), технологических параметров, показателей качества целевой продукции (требования к качеству 11 типов полимерных плёнок), результатов моделирования (отчётов о проведённых вычислительных экспериментах). Для реализации БД использована СУБД SQL Server 2005, которая обеспечивает интегрированную обработку и анализ данных с повышением уровня их защиты и надёжности. Для добавления, удаления и редактирования записей в БД разработан интерфейс администратора, авторизация которого осуществляется по паролю. Библиотека базовых математических моделей включает функциональные модели, описывающие процессы в зонах питания, плавления и смешения расплава для экструдеров 4 типов с учётом реализации различных механизмов перехода в вязкотекучее состояние (по Маддоку–Стриту, дисперсный), 245

СПИ-МТ-2009 неньютоновского поведения, проскальзывания и утечек расплава, а также модели для расчёта коэффициента гидравлического сопротивления головок различной конфигурации. Модели экструдеров основываются на уравнениях баланса массы, импульса и энергии, записанных для твёрдой фазы и расплава полимера, с учётом реологической модели Оствальда–де’Вилье, температурной зависимости коэффициента консистенции по Рейнольдсу (для кристаллических полимеров) и Вильямсу–Лэнделу–Ферри (для аморфных полимеров) и внешнего теплообмена по Ньютону–Рихману [1].

Функциональная структура программного комплекса Для оценки среднего времени пребывания в экструдерах со сложной гидродинамикой потоков разработаны комбинированные динамические модели, являющиеся сочетаниями типовых моделей гидродинамики, охвачен246

СПИ-МТ-2009 ных рециклами. Библиотека настраиваемых параметров моделей содержит значения коэффициентов уравнений (например, пьезометрического коэффициента плотности, температурного коэффициента вязкости, коэффициентов теплоотдачи) для настройки базовых моделей на различные рецептуры полимерных материалов. Библиотека методов решения включает разностные схемы Лакса–Вендроффа, Лаасонена и схему Рунге–Кутта для решения уравнений различных типов. Таким образом, разработан гибкий программный комплекс, позволяющий рассчитать характеристики процесса экструзии для различных типов аппаратно гибких экструдеров, полимеров, технологических режимов и являющийся эффективным инструментом решения задач синтеза и перенастройки плёночных производств с учётом энерго- и ресурсосбережения, расширения ассортимента и улучшения качества целевой продукции. Список использованных источников 1. Полосин А.Н., Чистякова Т.Б. Математические модели движения и плавления полимеров для проектирования и управления экструдерами // Системы управления и информационные технологии. – 2006. – № 4. – С. 30–36. Рогов И.Е. ПРИМЕНЕНИЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ В РАЗРАБОТКЕ И ИССЛЕДОВАНИИ СРЕДСТВ НЕРАЗРУШАЮЩЕГО КОНТРОЛЯ [email protected] В настоящее время для структуроскопии широко используется электромагнитные (токовихревые) преобразователи, возбуждаемые многочастотным сигналом. Известно, что такой сигнал является многомерным, так как его вещественные и мнимые составляющие на каждой частоте образуют независимый векторный базис. Многомерный сигнал позволяет избирательно контролировать отдельные параметры изделия, отстраиваясь от влияния остальных параметров, которые в данном случае являются мешающими факторами [1,2]. Процесс преобразования информации при неразрушающем электромагнитном контроле можно разделить на ряд этапов. Каждый из них реализуется в соответствии со своим оператором Рi. Из них в аналитическом виде известны для некоторых определенных случаев лишь Р3 и Р4. Сведения об остальных частичны и, как правило, не формализованы. Оператор Р5 преобразует входные сигналы устройства контроля в выходные (контролируемые характеристики) и, по сути, должен реализовать цепочку преобразований 247

СПИ-МТ-2009 Р 5 = Р -41 ® Р 3-1 ® Р 2

(1)

где Р i-1 - преобразование, обратное Рi.

Рис.1. Этапы преобразования информации при электромагнитном неразрушающем контроле Однако Р4 весьма сложен, а преобразование Р -41 не всегда точно и однозначно реализуемо. Р3 и Р2 - стохастичны по своей природе и зачастую неизвестны. Поэтому фактически оператор Р5 отображает не (1), а построенную по экспериментальным данным модель связи М: r X = F У1 , У 2,....У n , (2) r где X - вектор контролируемых характеристик качества изделия; {Уi} - совокупность компонентов многомерного сигнала измерительного преобразователя (датчика) системы. Обычно на практике количество действующих факторов велико и не поддается учету. Поэтому ограничиваются n основными сильнодействующими факторами, а влияние неучтенных факторов и нелинейности учитывают случайной величиной ε, действующей равновероятно по всем измерениям многомерной координатной системы. Зависимость сигнала электромагнитного преобразователя от факторов в линейном приближении имеет вид:

(

)

ì ï U1 = a11x1 + a12 x 2 + ..... + a1n x n + e ï í U 2 = a 21x1 + a 22 x 2 + .... + a 2n x n + e ï................................................................. ï îU m = a m1x1 + a m 2 x 2 + .... + a n x n + e

(3)

Решение обратной задачи позволяет определить значение заданного фактора (допустим х1) по сигналам датчика. Эта обратная задача некоррект248

СПИ-МТ-2009 на, и решить ее можно, например, статистически при помощи множественной r линейной регрессии. Определив вектор В такой, что: х1= b1 U1 +b2 U2 +…+bm Um + ξ x (4) где ξ x - некоторая погрешность. При настройке прибора этот вектор определяется статистически методом наименьших квадратов: B = r

-1

× rX

(5)

где r - автокорреляционная матрица сигналов; rX - взаимная корреляционная матрица факторов. Для решения выражения (5) составляется таблица наблюдений типа: № U1 U2 ….. Um х1 х2 ….. хn п/п 1. х1.1 2. х1.1 3. х1.1 ….. ………. х1.2 х1.2 ……… ……… х1.K х1.K N х1.K где U1 ….. Um - измеряемые сигналы (составляющие спектр); х1 - фактор, подлежащий контролю; х2 …. хn - остальные существенные факторы, влияющие на сигнал датчика. Для настройки прибора необходимо детерминировано изменять х1 в диапазоне его измеряемых значений. В таблице 1.2.1 для примера х1 принимает К значений в диапазоне варьирования: х1.1, х1.2, … х1.K. Такое разбиение необходимо для построения регрессионной модели, отображающей зависимость х1 от сигнала датчика. Кроме того, каждому значению х1i соответствует множество наборов значений остальных факторов х2 … хn, каждый из которых, в свою очередь, получает значения в диапазоне его вариаций. Вариации мешающих факторов позволяют построить регрессионную модель, «отстраивающуюся» от влияния этих факторов. Поэтому количество таких вариаций должно быть статистически значимым, и отдельные факторы должны изменяться независимо друг от друга. В результате, настройка подобного прибора является очень трудоемким процессом. Она требует изготовления большого количества образцов, 249

СПИ-МТ-2009 отображающих все возможные вариации всех технологических процессов; измерение на образцах значений контролируемого параметра (что зачастую возможно только разрушающим способом) и измерение сигналов датчика на образцах. Кроме того, цепочка технологических процессов порождает «наследственность» свойств: результаты очередного этапа зависят от вариаций предыдущего. Это приводит к увеличению разброса свойств изделий и катастрофическому росту требуемого числа настроечных образцов. Для решения проблемы разработана имитационная модель [3,4], включающая математическую модель образования сигнала датчика, расположенного над многослойным проводящим ферромагнитным полупространством, блок формирования детерминированных и случайно изменяемых электромагнитных свойств моделируемого изделия, и блок построения и анализа регрессионных моделей. Применение имитационной модели позволяет решить три задачи неразрушающего контроля: 1. Для настройки конкретного прибора нет необходимости изготавливать полный спектр настроечных образцов. Некоторое ограниченное их количество требуется в основном для привязки коэффициентов уравнения регрессии к реальным электрическим сигналам. Для примера на рисунке 2 приведены АЧХ реальных ЭДС, измеренных на образцах при варьировании зазора датчик-изделие, с моделированными при контроле изделий из стали 40ХНМА, упрочненных наклепом.

Рис.2. ЭДС датчика, вычисленные при моделировании и измеренные на образцах 2. Оптимизация условий контроля в рамках решения конкретной зада250

СПИ-МТ-2009 чи, например, определение оптимального спектра сигнала для каждого из контролируемых параметров при многопараметровом контроле. На рисунке 3 показана вероятность включения определенной частоты в оптимальную по точности модель при различных условиях контроля изделий, описанных выше. Из диаграммы видно, что использование некоторых частот дает меньшую погрешность контроля, чем других, причем разные факторы имеют разные оптимальные условия контроля.

Рис.3. Вероятность включения определенной частоты в оптимальную по точности модель 3. Исследование условий повышения точности и информативности контроля. При этом возможно, например, оценить влияние отдельных электромагнитных параметров (таких как электропроводность или мнимая составляющая комплексной магнитной проницаемости) на результат контроля, что невозможно осуществить реальными методами. На рисунках 4 и 5 показаны АЧХ передаточных коэффициентов магнитной проницаемости

251

СПИ-МТ-2009

m н ¶E s ¶E h ¶E × , электропроводности н × и толщины упрочненного н × f ¶m f ¶s f ¶h слоя, полученные на имитационной модели.

Рис.4. АЧХ передаточных коэффициентов магнитной проницаемости и электропроводности

Рис. 5. АЧХ передаточных коэффициентов толщины упрочненного слоя Список использованных источников 1. Анисимов С.Д. Селективный электромагнитный контроль качества cамоотпуска стальных изделий. I Физические основы и принцип действия. – Дефектоскопия, 1981. №9, с. 60 – 70. 252

СПИ-МТ-2009 2. Анисимов С.Д., Ананченко Л.Н., Виноградова И.Ю., Рогов И.Е. Электромагнитный неразрушающий контроль упрочненного слоя на поверхности стальных изделий. – Дефектоскопия , 2000, №1, с. 18 – 30. 3. Анисимов С.Д., Волошина А.Г., Виноградова Н.Ю., Голубова Г.С. Приближенные уравнения для электромагнитных датчиков с ферромагнитным сердечником. – Дефектоскопия, 1985, №2, с. 8 – 16. 4. Анисимов С.Д., Рогов И.Е. Имитационное моделирование сигналов для проектирования и настройки многопараметровых электромагнитных средств неразрушающего контроля. – Дефектоскопия, 1996, №10, с.63 – 68. Сафонов В.С. К ВОПРОСУ ТЕМПОРАЛЬНЫХ РАСШИРЕНИЙ ТЕОРИИ РЕЛЯЦИОННЫХ БАЗ ДАННЫХ [email protected] Вся информация, с которой приходится работать, в той или иной степени имеет временную составляющую. Различие состоит лишь в том, что временная составляющая может как сохраняться в информационной системе, так и нет. Еще несколько лет назад время сохранялось только в тех системах, где неиспользование его приводило к искажению информации или к невозможности правильного восстановления последовательности событий. Такими системами являлись финансовые базы данных, системы хранения данных о научных экспериментах, т.е., иными словами, все системы, в которых время является неотъемлемой частью информации, например, о состоянии исследуемой системы или объекта в некоторый момент времени или о времени совершения финансовой операции. Такое малое распространение систем, накапливающих историческую информацию, вызвано, в первую очередь, тем фактом, что в большинстве случаев поставленные задачи успешно решались без сохранения времени. И, кроме того, такие системы являются требовательными к аппаратным ресурсам, прежде всего емкости носителей информации, что еще совсем недавно было весьма актуальным. Поэтому даже в системах, накапливающих информацию с временными атрибутами, временной маркировкой снабжались только те объекты, которые без временных свойств утрачивали свои свойства. Например, если говорить о бухгалтерских системах, то информация о финансовых операциях будет иметь временную маркировку, тогда как информация о лице, совершившем операцию, будет храниться лишь в ее текущем состоянии. В последнее время интерес к системам, хранящим информацию, привязанную ко времени, усилился. Такие системы принято называть темпоральными. Темпоральные базы данных – это базы, хранящие данные, привязанные ко времени и имеющие средства управления такой информацией. Глав253

СПИ-МТ-2009 ное отличие темпоральных СУБД от обычных реляционных СУБД заключается в том, что для любого объекта, который был создан в момент времени t1 и был удален в момент времени t2, сохраняются все его состояния в этом временном интервале [t1, t2], тогда как в обычной СУБД существует только текущее на конкретный момент времени состояние объекта. Таким образом, в темпоральной БД хранится история изменений состояний объекта, и пользователь может получить информацию о состоянии записи в БД в любой момент времени из указанного промежутка. Так как в темпоральной БД хранится история изменений состояния объекта, то логично предположить, что объем хранимой информации будет значительно превосходить объем информации в нетемпоральной системе. Если же обратиться к вопросу количественной оценки этих различий, то однозначный ответ дать сложно, поскольку объем информации будет сильно зависеть от способа организации темпоральности, применяется темпоральная маркировка кортежей или атрибутов и частоты изменения информации. Для примера оценим объем информации для случая маркировки кортежей. Пусть имеется некая таблица, состоящая из N-столбцов, в которой не предусмотрено хранение истории, тогда объем хранимой информации, без учета размеров индексов и т.п., может быть выражен следующей формулой: K

N

T = åå Vij ,

(1)

i=1 j=1

где T – суммарный объем информации, Vij – объем информации, содержащейся в j-атрибуте кортежа i, а K и N – количество записей и столбцов в таблице. Однако если необходимо сохранить историю изменений, то объем хранимой информации без использования различных средств оптимизации и сжатия можно выразить следующим образом: éN ù T = åå êå Vij + Vt ú , i=1 t=1 ë j=1 û K

Zi

(2)

где T – суммарный объем информации, Vij – объем информации, содержащейся в j-атрибуте кортежа i, Vt – размер временного атрибута, Zi – количество состояний кортежа i, N и K – количество атрибутов и уникальных записей соответственно. Как можно видеть из сравнения этих двух формул, увеличение объема вызвано двумя факторами: необходимостью наличия временного атрибута и хранением истории изменений. Таким образом, таблица, ориентированная на сохранение истории, будет содержать больший объем информации, чем обычная таблица, даже если в ней отсутствует история изменений. Если же рассматривать не объем отдельной таблицы, а базы данных в целом, увеличение объемов информации будет еще более значительным, так как придется учитывать размеры первичных и внешних ключей, а также индексов и других объектов БД. А размеры ключей в темпоральной БД будут превосходить по размеру аналоги нетемпоральной системы. 254

СПИ-МТ-2009 Рост объема хранимой информации, следовательно, увеличивает и требования к производительности оборудования. В настоящее время производительность систем не является серьезным ограничивающим фактором, тем более что пришло понимание того, что на основе анализа исторической информации можно более эффективно управлять хозяйственной деятельностью. Поэтому интерес к данной области исследований начал повышаться. Из всего вышеизложенного следует, что увеличение объемов хранимой информации ставит перед исследователями задачу оптимизации способов хранения. Т.е. необходимо так организовывать структуру БД, чтобы снизить объем хранимой информации, ликвидировать ее избыточность. Избыточность состоит в том, что в моделях с маркировкой кортежей каждое изменение одного из атрибутов кортежа будет приводить к появлению нового кортежа, содержащего новое состояние моделируемого объекта или события. Решение этой проблемы может быть найдено путем записи одних только изменившихся атрибутов кортежа, а вместо остальных можно использовать некоторое специальное значение, показывающее, что атрибут не изменится, хотя это приведет к сложности извлечения данных. Для получения информации о текущем состоянии объекта придется проследить всю историю изменений. В темпоральных базах данных, при использовании маркировки кортежей, каждый кортеж содержит информацию о состоянии моделируемого объекта, а также информацию о времени, когда эта информация была актуальна или записана в БД. В работах [1, 2] такое размытие информации об одном логическом объекте по нескольким кортежам было названо вертикальной темпоральной аномалией. Данная аномалия не может присутствовать в моделях, удовлетворяющих первой нормальной форме. Иногда пользователю необходимо получить общую продолжительность периода, во время которого информация об объекте присутствовала в БД независимо от всех изменений, происходивших с объектом. Для этого многими разработчиками была введена специальная операция произвольного объединения, позволяющая получить общую продолжительность всех интервалов для выбранного объекта [3, 4 и др.]. Последовательность этой операции следующая. На первом этапе отбрасываются все атрибуты кортежей, содержащие различные значения, то есть те атрибуты, которые вынуждают хранить информацию об объекте в нескольких кортежах, в результате чего получается несколько эквивалентных по значению кортежей. Эквивалентные по значению кортежи содержат идентичные данные без учета временной маркировки. На втором этапе происходит вычисление общей продолжительности для пересекающихся и последовательно идущих периодов. Главная проблема, которая возникает при использовании данной операции, заключается в том, что пользователь не всегда может точно определить, какие атрибуты являются постоянными во времени, а какие изменяю-

255

СПИ-МТ-2009 щимися. Это означает, что из запроса может быть не ясно, какие атрибуты необходимо исключить для получения желаемого результата. Второе важное понятие теории темпоральных БД – это понятие сводимости к нетемпоральной форме. Пусть M = (DS,QL,C ) – нетемпоральная модель данных, а M T = (DS T , QLT ,C T ) – темпоральная модель данных. Кроме того, пусть dbT – экземпляр БД DS T , тогда темпоральная операция op T в пространстве с OPT сводима к нетемпоральной операции op в OP , тогда и тольæ M T ,M T ö M T ,M T T ко тогда "db "t : ф op db = opçç ф db ÷÷ , а темпоральное ограничеt t è ø T T ние c в C сводимо к нетемпоральному ограничению c в C тогда и только æ M T ,M T ö M T ,M T тогда, когда "db T "t : ф c db T = cçç ф db ÷÷ , где cT dbT и c(db ) покаt t è ø T

( ( ))

( )

( ( ))

( )

( )

зывают вычисление ограничений при переходе между БД. Третье понятие, связанное с темпоральными БД, – это понятие темпоральной полноты. В работе [5] дается ее определение, которое мы приводим ниже. Темпоральная модель M V = (DS V ,QLV ) является темпорально полной по отношению к нетемпоральной модели M = (DS,QL ) , тогда и только тогда, когда выполняются следующие пять условий: 4. Модель M V обладает частичной темпоральной полнотой по отношению к модели M . 5. Для каждого темпорально сводимого запроса qV в QLV возможно убрать темпоральную сводимость путем удаления синтаксических расширений, обеспечивающих темпоральную сводимость, либо путем синтаксической модификации запроса qV в S1qS 2 , где S1 и S 2 зависят от QLV , но не от qV . 6. Имя отношения с временем актуальности в выражении может быть синтаксически заменено запросом qV в QLV , который определяет соответствующее отношение с временем актуальности без изменения семантики выражения. 7. Предикаты сравнения, предложенные в [6], могут быть использованы между: ◦ темпоральными атрибутами хранимых таблиц со временем актуальности; ◦ неявно вычисленными временами актуальности частично полных темпоральных запросов; ◦ темпоральными константами. 8. Возможно найти максимальные периоды и времена актуальности, соответствующие заданным пользователем критериям. Таким образом, все разработки в области темпоральных БД выполняются на базе этих понятий. Различные исследователи приводят ряд обобщенных требований, которым должна отвечать темпоральная модель и, соответственно, реализация данной модели. 256

СПИ-МТ-2009 Существует несколько десятков темпоральных моделей, ряд из которых имеет практическую реализацию. Поэтому разработка очередной темпоральной модели не является актуальной задачей, однако практическая реализация одной из моделей актуальна. Список использованных источников 1. Gadia S.K. A Homogeneous Relational Model and Query Languages for Temporal Databases. ACM Transactions on Database Systems, 1988, 13(4), pages 418-448. 2. Gadia S.K., Vaishnav J.H. A Query Language for a Homogeneous Temporal Database. In Proceedings of the International Conference on Principles of Database Systems, 1985, p. 51-56. 3. Navathe S., Ahmed R. Temporal Extensions to the Relational Model and SQL. Temporal Databases: Theory, Design, and Implementation, Benjamin/Cummings Publishing Company, 1993, p. 92-109. 4. Snodgrass R., editor. The TSQL2 Temporal Query Language. Kluwer Academic Publishers, 101 Philip Drive, Assinippi Park, Norwell, Massachusetts 02061, USA, 1995. 5. dos Santos C.S. Design and Implementation of Object-Oriented Views. In Proceedings of the Database and Expert Systems Applications (DEXA) Conference, 1995, p. 91-102. 6. Allen J.F. Maintaining Knowledge about Temporal Intervals. Communications of the ACM, 1983, 16(11), p. 832-843. Семёнов С.Ю. МОДЕЛИРОВАНИЕ БАЛАНСИРУЮЩЕЙ МОБИЛЬНОЙ ПЛАТФОРМЫ [email protected] Вопрос об устойчивости положения равновесия является частным случаем задачи об устойчивости движения. Эта задача имеет в современной технике большое значение [1]. Рассматриваемая балансирующая мобильная платформа представляет собой двухколесную конструкцию, имеющую подвеску с двумя независимыми приводами и высоко поднятым центром тяжести (рис. 1,а) и является примером потенциально неустойчивой Рис. 1. системы, требующей решения как за-

257

СПИ-МТ-2009 дачи устойчивости положения центра тяжести, так и устойчивости движения в целом. Модель балансирующей платформы, рассматривается как динамическая система, описывающая перевернутый маятник (Рис.1., б), движущийся под действием силы тяжести по гладкой окружности, расположенной в вертикальной плоскости и имеющий массу , расстояние от оси подвеса до центра тяжести равное , угол отклонения от вертикали , угловую скорость и ускорение силы тяжести . За основу математического описания системы взяты методы на основе уравнений Лагранжа [2]. Система имеет одну степень свободы; в качестве обобщенной координаты удобно принять угол . В этом случае уравнение равновесия системы примет вид (1): (1) где

- потенциальная энергия системы. Управление балансирующей мобильной платформой можно определить как стабилизацию положения центра тяжести в заданном диапазоне, что в свою очередь требует решения задач: определения характеристик движения платформы и алгоритмов управлениями электроприводом. Рассматривается вариант решения задачи как система регулирования с обратной связью по ускорению. Список использованных источников 1. Бутенин Н.В., Лунц Я.Л., Меркин Д.Р. Курс теоретической механики. – СПб.: Издательство «Лань», 2008. – 736 с. 2. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. – М.: ФИЗМАТЛИТ, 2008. – 320 с. Сургучева И.В. ГРУППОВЫЕ НЕЧЕТКИЕ ЧИСЛА LR-ТИПА [email protected] Математическое моделирование сложных систем с применением аппарата нечетких множеств, обычно, требует выполнения большого объема операций над нечеткими переменными. В целях снижения объема вычислений при применении теории нечетких множеств используются нечеткие LRчисла. Нечеткое LR-число А с модой a задается с помощью функции принадлежности следующим образом: ì æa- xö ïï Lç a ÷, при ø m A ( x) = í è æ x a ö ï Rçç ÷, при ïî è b ÷ø

x £ a; x > а;

258

СПИ-МТ-2009 где a – мода, a , b > 0 – левый и правый коэффициенты нечеткости. a-xö æ x -a ö Функции Læç ÷÷ обладают следующими свойствами: ÷ и Rçç è a ø è b ø 1) не возрастают на множестве неотрицательных значений аргумента; æ x-aö æ x-aö a- xö æa-xö 2) Læç ÷÷ = Rçç ÷; ÷, Rçç ÷ = Lç a ø b b ÷ è a ø è è

ø

è

ø

3) L(0) = R(0) . При заданных LR-функциях число А задается тройкой А=(a,α,β)LR. Для того чтобы обычные четкие числа могли участвовать в арифметике нечетких чисел LR-типа, принимается при α=0, β=0 ì L(a - x ) при x = а, m A ( x) = í î R( x - a) при x = a.

Такое определение соответствует числам с нулевыми коэффициентами нечеткости: А=(a,0,0)LR – обычным четким числам. Арифметические операции над числами LR-типа определяются следующим образом: (m, a , b ) LR + (n, g , d ) LR = (m + n, a + g , b + d ) LR , - (m, a , b ) LR = (- m, b , a ) LR – противоположный элемент, (m, a , b ) LR - (n, g , d ) LR = (m - n, a + d , b + g ) LR , (m, a , b ) LR × (n, g , d ) LR = (mn, an + gm, b n + dm) LR , m > 0, n > 0, æ1 b a ö (m, a , b ) -1 LR = ç , 2 , 2 ÷ , m > 0 – обратный элемент, è т m m ø LR æ m an + dm b n + gm ö (m, a , b ) LR : (n, g , d ) LR = ç , , ÷ , m > 0, n > 0. n2 n 2 ø LR èn

В качестве нулевого и единичного элемента принимаются (0, 0, 0) LR и (1, 0, 0) LR соответственно. Нечеткие LR-числа не являются полем, так как не образуют абелевы группы, ни по операции сложения, ни по операции умножения (сумма произвольного ненулевого элемента с противоположным по отношению к нему элементом не равна нулевому, произведение произвольного ненулевого элемента с обратным по отношению к нему элементом не равно единичному элементу). Предлагается переопределить противоположный элемент и обратный элемент следующим образом: - (m, a , b ) LR = (- m, - a , - b ) LR – противоположный элемент, a b ö æ1 (m, a , b ) -1 LR = ç , - 2 , - 2 ÷ , m > 0 m ø LR èт m

– обратный элемент.

При таком определении противоположного и обратного элементов нечеткие LR-числа образуют абелевы группы по операциям сложения, умножения и являются полем. В связи с чем, LR-числа с предложенной арифметикой названы групповыми. 259

СПИ-МТ-2009 Очевидно, для групповых нечетких чисел нечеткость может иметь как положительное, так и отрицательное значение, что не имеет прямого физического смысла. Показано, что применение групповых нечетких чисел при моделировании, в ряде случаев, позволяет получить результаты лучше согласующиеся с практикой, чем те которые получены с применением традиционных нечетких чисел. В частности, позволяет преодолеть, так называемый, эффект завышения неопределенности, когда полученный при выполнении последовательности арифметических операций результат является значительно более неопределенным, чем это может следовать из исходных данных. Работа выполнена под руководством доктора технических наук Ускова А.А. Шибанов А.П. МОДЕЛИРОВАНИЕ КАНАЛОВ MPLS [email protected] Введение В настоящее время в коммутирующих маршрутизаторах LSR (Label Switching Routers) высокоскоростных сетей на основе коммутации меток MPLS (Multi Protocol Label Switching) при “конструировании” трафика применяют простейшие алгоритмы распределения потоков по виртуальным каналам, основанные на учете средней скорости передачи пакетов для каждого потока. Дальнейшее улучшение работы сети и повышение показателей качества при передаче синхронного трафика возможно на основе определения дополнительных характеристик звеньев LSP (Label Switching Path) - числа параллельно работающих виртуальных каналов и оценки задержек, а также их вариаций в отдельных звеньях канала. Постановка задачи В сети MPLS выполняется передача сообщений пользователей, состоящих из заданного числа пакетов n. Данные пакеты в одном звене (LSR линия связи - LSR) могут передаваться по одному или нескольким параллельно работающим, логически далее неделимым виртуальным каналам. Время передачи пакета по виртуальному каналу принимается распределенным по экспоненциальному закону. На выход звена, состоящего из параллельных виртуальных каналов, пакеты приходят в разное время. Потом они синхронизируются и на вход следующего звена поступают одновременно (задержка синхронизации является пренебрежимо малой). Должны быть рассчитаны: среднее время передачи пакетов и его дисперсия, распределение времени передачи, как в отдельных звеньях, так и на всем тракте от одного пограничного маршрутизатора до другого. Проектировщик сети должен иметь возможность сравнения проектных вариантов, в 260

СПИ-МТ-2009 которых используется разное число элементарных виртуальных каналов с одинаковыми или разными характеристиками. GERT-сети каналов MPLS Простейшая модель процесса передачи сообщения по каналу связи изображена на рис. 1. Она пригодна для оценки пульсаций трафика, вариации интервалов между пакетами, а также может быть использована для совершенствования алгоритмов резервирования ресурсов. Ветвь (1,2) отражает переРис. 1. Типовая модель переда- сылку пакета от передатчика к приемнику и передачу положительной чи сообщения квитанции. Ветвь (1,1) связывается с передачей кадра от передатчика к приемнику и посылкой отрицательной квитанции. Ветви (2,3), (2,1) отождествляются с выполнением операции проверки признака последнего кадра (пакета) в сообщении. Можно показать, что достаточно точной является модель, в которой вероятность выбора ветви (2,3) равна 1 n , а ветви (2,1) - 1- 1 n [1]. При этом полагаем, что время выполнения этого анализа пренебрежимо мало (единицы микросекунд по сравнению с измерениями в миллисекундах времени передачи пакетов и квитанций). Ветви (1,2), (1,1), характеризуются одним и тем же параметром распределения, так как они задают схожие операции передачи информации от приемника к передатчику и посылку квитанций. Характеристики ветвей модели представлены в таблице 1. Таблица 1 Характеристики ветвей модели № Ветвь WВероятность Производящая функция п/п -функция моментов p 1 (1,2) W12 l ( l - s) 2 (1,1) l ( l - s) W13 1- p 3 (2,3) 1 W23 1 n 4 (2,1) 1- 1 n 1 W21 Эквивалентная W-функция времени передачи сообщения равна

l 1 pl × W12 W23 l-s n WE (s ) = = = n . pl l 1 -W11 - W12 W21 æ 1ö l -s 1- (1 - p) - p ç1 - ÷ n l-s n l s è ø p

Правая часть выражения есть производящая функция моментов экспоненциального распределения с параметром pl n . 261

СПИ-МТ-2009 Если передача сообщения ведется по нескольким параллельным каналам, то время передачи всего сообщения определяется моментом окончания передачи последнего пакета и характеризуется законом распределения максимальной из нескольких случайных величин n

G ( z ) = P { Z < z} = Õ Fi ( z ) , i =1

где F i ( z ) =

¥

ò f i ( ti ) d ti , i = 1,2, K , n ;

fi ( t ) =

pi li ni

-¥

-

e

pi li ni

t

.

Для виртуальных каналов с одинаковыми параметрами получаем экспоненциальное распределение выходной случайной величины с параметром l p n и функцией распределения F ( t ) = 1 - exp (- l p n ) . Рассмотрим передачу пакетов по линии связи, состоящей из двух звеньев. В первом случае канал LSP2 - LSP3 состоит из 2 параллельных виртуальных каналов (модель 1), а во втором - из 4 (модель 2). Модель 1. Агрегированные каналы первого звена составлены из 2 первичных каналов с одинаковыми параметрами a = l 1 p 1 n 1 , а агрегированные каналы второго звена - также из 2 первичных каналов с параметрами b = l 2 p 2 n 2 . Пусть l 1 p 1 = l 2 p 2 = 60 мс -1 . Возьмем число пакетов одинаковой длины, передаваемых по каждому виртуальному каналу первого звена, n 1 = 30 . Когда все эти пакеты проходят первое звено LSP, они равномерно распределяются для передачи по виртуальным каналам второго звена. Тогда n 2 = 30 , a = 2 , b = 2 .

Рис. 2. LSP с двумя первичными каналами в каждом звене Время передачи пакетов через канал LSR1-LSR2 характеризуется

(

функцией распределения G12 ( t ) = 1 - e - a t

)

2

= 1 - 2 e - a t + e - 2a t . Для кана-

ла LSR2-LSR3 имеем G 23 ( t ) = 1 - 2 e - b t + e - 2 b t . Плотность распределения вероятностей времени передачи пакетов через канал LSR1-LSR2 g 12 ( t ) = 2 a e - a t - 2 a e - 2a t , а через канал LSR2-

LSR3 g 23 ( t ) = 2 b e - b t - 2 b e - 2 b t . Тогда производящая функция моментов времени передачи пакетов по агрегированному каналу LSR1-LSR2

262

СПИ-МТ-2009 ¥

2a 2 . M 12 (s ) = ò e j 12 ( t ) d t = ( )( ) a s 2 a s -¥ st

Аналогично находим плотность распределения вероятностей времени передачи пакетов по агрегированному каналу LSR2-LSR3: M 23 (s ) = 2 b 2 (b - s )(2 b - s ). Тогда эквивалентная производящая функция моментов времени передачи пакетов от LSR1 до LSR3 с учетом того, что a = b

M 13 (s ) = 4 a 4

( a - s ) 2 (2a - s ) 2 .

После выполнения комплексного преобразования z = - s получим 2 2 F ( z ) = 4a 4 ( a + z ) (2a + z ) . Плотность распределения вероятностей времени передачи сообщения i¥

1 4a 4 zt g ( t) = e dz. (1) 2 p i -òi ¥ ( a + z ) 2 (2a + z ) 2 Для функции F ( z ) выполняются условия леммы Жордана. Плотность распределения вероятностей времени передачи пакетов через LSP находится через сумму вычетов относительно всех особых точек функции F ( z ) . Способ интегрирования выражения (1) зависит от того, имеет ли функция F ( z ) простые полюсы или полюсы некоторого порядка. Функция F ( z ) имеет полюсы второго порядка в точках z 1 = - a ,

z 2 = - 2a . Вычеты c -1 от полюсов z k порядка n находятся по формуле c -1

d n -1 1 = lim (n - 1)! z ® z k

Первый вычет

c -1 = lim

d

z ® -a

[( z - z ) 1

[( z - z )

n

k

e z x F (z )

d z n -1 2

e zt F (z )

dz

]

].

= 4a e -a t ( a t - 2) .

Второй вычет

d é 4a 4 e z t ù c -1 = = lim = 4a e - 2a t ( a t + 2) . ê ú 2 z ® - 2a dz ( a + z ) ë û Тогда плотность g ( t ) и функция распределения вероятностей G ( t ) определяются как

g ( t ) = 4a e -a t ( a t - 2) + 4a e - 2a t ( a t + 2) , G ( t ) = 1 - 4 e -a t ( a t - 1 ) - e - 2a t ( 2 a t + 5 ) . Графики этих функций при a = 2 приведены на рис. 4.

263

СПИ-МТ-2009 Модель 2. Агрегированные каналы первого звена составлены из двух первичных каналов с одинаковыми параметрами a = l 1 p 1 n 1 , а агрегированные каналы второго звена - из четырех первичных каналов с параметрами b = l 2 p 2 n 2 (рис. 3). Пусть l 1 p 1 = l 2 p 2 = 60 мс -1 . Возьмем число пакетов одинаковой длины, передаваемых по каждому виртуальному каналу первого звена, n 1 = 30 . Когда все эти пакеты пройдут первое звено LSP, они равномерно распределяются для передачи по виртуальным каналам второго звена. Тогда n 2 = 15 , a = 2 , b = 4 .

Рис. 3. LSP между двумя пограничными маршрутизаторами Время передачи пакетов через канал LSR1-LSR2 характеризуется

(

функцией распределения F12 ( t ) = 1 - e - a t ла LSR2-LSR3

)

2

= 1 - 2 e - a t + e - 2a t . Для кана-

F 23 ( t ) = (1 - e - b t ) = 1 - 4 e - b t + 6 e - 2 b t - 4 e - 3 b t + e - 4 b t . 4

Плотность распределения вероятностей времени передачи пакетов через канал LSR1-LSR2 f 12 ( t ) = 2 a e - a t - 2 a e - 2a t , а через канал LSR2-LSR3

f 23 ( t ) = 4 b e - a t - 12 b e - 2 a t + 12 b e - 3 a t - 4 b e - 4 a t .

Плотность распределения вероятностей времени передачи пакетов по агрегированному каналу LSR2-LSR3:

24 b 4 M 23 (s ) = ò e j 23 ( t ) dt = . ( )( )( )( ) b s 2 b s 3 b s 4 b s 0 Тогда с учетом того, что 2 a = b , эквивалентная производящая функx

st

ция моментов времени передачи пакетов от LSR1 до LSR3

M 13 (s ) = 768a 6 (a - s )(2a - s ) (4a - s )(6a - s )(8a - s ). После выполнения комплексного преобразования z = - s имеем 2 F13 (s ) = 768a 6 (a + z )(2a + z ) (4a + z )(6a + z )(8a + z ) . Учитывая, что для данной задачи a = 2 , получаем 2 F13 (s ) = 49152 (2 + z )(4 + z ) (8 + z )(12 + z )(16 + z ). Функция F13 (s ) имеет простые полюсы в точках z = -2 , z = -8 , z = -12 , z = -16 , а также полюс второго порядка в точке z = -4 . Для простых полюсов функции вычет от функции exp ( z x ) F ( z ) мож2

но представить в виде 264

СПИ-МТ-2009

[

]

Res e z t F ( z ) = z = zi

= 49152

(6 z

5

h ( z) = y ¢( z)

)

+ 230 z 4 + 3232 z 3 + 20640 z 2 + 59648 z + 62464 .

Вычет от полюса второго порядка равен

ù 1 1 -4 t æ 1 ö d é 49152e z t c -1 = lim ê ú = 16 - 4 e ç t + 4 ÷ . z ® - 4 dz ( z + 2 )( z + 8)( z + 12 )( z + 16) è ø ë û Тогда плотность f ( t ) и функция распределения вероятностей F ( t ) выражаются через формулы:

f ( t ) = 14,63 e - 2 t - 16e - 8 t + 4,8 e -12 t - 0,76 e -16 t - ( 64 t + 2,67 ) e - 4 t , F ( t ) = 7,31(1 - e - 2 t ) - 2 (1 - e - 8 t ) + 0,4 (1 - e -12 t ) - 0,05 (1 - e -16 t ) -

- 4,67 (1 - e -4 t ) + 16 t e - 4 t .

На рис. 4 изображены плотности и функции распределения вероятностей времен передачи сообщений для модели 1 и модернизированной модели 2. Добавление двух дополнительных параллельных виртуальных каналов в звене LSR2-LSR3 влияет на быстродействие LSP. Часть времени в каждом из звеньев LSR1-LSR2 и LSR2-LSR3 затрачивается на ожидание последнего из пакетов в связке каналов. Поэтому еще больший выигрыш может быть получен при существенном расширении полосы пропускания каждого из звеньев LSP за счет добавления большего числа параллельно работающих виртуальных каналов. При необходимости учет задержек в очередях системы производится в имитационной модели следующего (более высокого) уровня иерархии. Выборочные значения выходных случайных величин GERT-сетей интерпретируются как задержки в обслуживающих приборах системы массового обслуживания. Имеется специально разработанное программное обеспечение для моделирования GERT-сетей и функционально связанная с системой GERT визуальная программа имитации. Заключение Применение рассмотренных моделей позволяет оценить требующуюся полосу пропускания для как отдельных звеньев, так и для виртуальных каналов и путей между маршрутизаторами MPLS. При этом могут быть оценены задержки и их вариации в разных точках канала. Кроме этого, предложенные модели могут быть использованы при решении задач многопутевой маршрутизации, для нахождения наилучших вариантов инжиниринга трафика в MPLS, а также для оптимальной балансировки загрузки коммутирующих маршрутизаторов в соответствии с минимаксным критерием. Работа поддержана Российским Фондом фундаментальных исследований, грант № 07-07-00146.

265

СПИ-МТ-2009

Рис. 4. Плотности и функции распределения времени передачи пакетов Список использованных источников 1. Головкин Б.А. Расчет характеристик и планирование параллельных вычислительных процессов. М.: Радио и связь, 1983. 272 с.

266

СПИ-МТ-2009

Авторский указатель Абрамов А.К. Абсатаров Р.А. Адигамов А.Э. Албегов Е.В. Андреев А.Н. Андреев М.А. Артемов А.А. Афанасьев В.В. Бабенко И.В. Барабанов В.Ф. Беляков Э.В. Блюмин С.Л. Большаков А.Л. Брыксина Л.Н. Булычев Ю.Г. Бутенко Д.В. Бутенко Дм.В. Бутенко Л.Н. Васильев Е.М. Власова С.А. Воробьев А.А. Гаджирагимова М.Ш. Глянько В.Е. Головинов С.О. Дмитриев Д.А. Дорофеев В.И. Дорофеев Д.В. Дронова Е.Н. Дьяченко С.А. Дьячук П.П. (мл.) Заславская О.Ю. Зимарин Г.И. Калягин А.Н. Карпиленя М.Н. Карякина Т.И. Кирилов А.А. Клименко С.Г. Кораблев К.Г. Кораблина Т.В. Корчагин А.С. Кравец О.Я.

140 141 190 144 192 192 194 196 146 232 198 200 148 201 202 148 144 144 207 198 208 209 202 201 208 212 212 151 212 153 156 141 157 202 220 159 214 161 230 236 141, 214, 236 267

Красовский А.Б. Кузнецов С.А. Ларина М.В. Липилина А.П. Лункин А.С. Маглеванный И.И. Мозоль А.А. Мокрова Н.В. Монахова М.А. Николаева Ю.С. Овечкин И.В. Огнев С.П. Олейникова С.А. Пашковский М.Е. Первухина Н.В. Платонова В.Л. Погодаев А.К. Подерский И.С. Полосин А.Н. Полушкин О.А. Поляков Ю.А. Преображенский А.П. Пунин Н.Г. Редкозубов С.А. Рогов И.Е. Сафонов В.С. Семёнов С.Ю. Сигида Ю.Л. Смалько Е.А. Соляник А.И. Сургучева И.В. Фоминова Н.С. Ходаченко Д.О. Челахов В.М. Шибанов А.П. Шувалов Е.В.

219 219 220 192 202 220 202 226 162 153 228 230 141, 159 232 163 234 236 239 243 168 175 201 234 190 247 253 257 146 178 183 258 186 198 202 260 146

СПИ-МТ-2009 Содержание 3. Информационные технологии в образовании и медицине Абрамов А.К. Особенности внедрения телекоммуникационных сетей в образовательный процесс ...................................................................... 140 Абсатаров Р.А., Олейникова С.А., Кравец О.Я., Зимарин Г.И. Оптимизация функционирования многопрофильного стационара на примере городской больницы скорой медицинской помощи......... 141 Албегов Е.В., Бутенко Дм.В., Бутенко Л.Н. Построение меридиональногомеостатической модели взаимодействия и взаимовлияния органов человеческого тела c применением принципов гомеостатики и теории У-СИН.............................................................. 144 Бабенко И.В., Сигида Ю.Л., Шувалов Е.В. Использование УМК по дисциплине «Теория управления» в виртуальном информационном пространстве ............................................................ 146 Большаков А.Л., Бутенко Д.В. Проблема обеспечения поддержки принятия решения при выборе лекарственного средства.................... 148 Дронова Е.Н. Организация телеконференций в учебном процессе .............. 151 Дьячук П.П. (мл.), Николаева Ю.С. Оптимальное обучение решению задач ........................................................................................................ 153 Заславская О.Ю. Использование стандартного программного обеспечения в условиях активного внедрения современных технологий в образовательный процесс ............................................... 156 Калягин А.Н. Анализ результатов обучения студентов факультета «Менеджмент в здравоохранении» по теории сестринского дела в системе дистанционного обучения «ГЕКАДЕМ 3.0» .......................... 157 Кирилов А.А., Олейникова С.А. О подходах к формализации длительности обслуживания пациентов в многопрофильных лечебно-профилактических учреждениях ............................................ 159 Кораблев К.Г. Структура и возможности автоматизированной обучающей системы при использовании новых информационных технологий .............................................................................................. 161 Монахова М.А. Использование мультимедийных технологий в предпрофильной подготовке учащихся 9-х классов ............................ 162 Первухина Н.В. Применение компьютера в преподавании иностранных языков ..................................................................................................... 163

268

СПИ-МТ-2009 Полушкин О.А. Моделирование процесса подготовки специалистов как средство управления их качеством ....................................................... 168 Поляков Ю.А. Применение средств мультимедиа в процессе изучения дисциплины «сопротивление материалов»........................................... 175 Смалько Е.А. Телекоммуникационные технологии в учебном процессе ..... 178 Соляник А.И. О реализации методологического подхода к управлению качеством санаторно-курортной реабилитации в лечебнодиагностической деятельности.............................................................. 183 Фоминова Н.С. Проблемы построения систем автоматизированной оценки знаний......................................................................................... 186 4. Моделирование сложных систем и технологических процессов Адигамов А.Э., Редкозубов С.А. Математическая постановка задачи краткосрочного адаптивного байесовского оперативного прогноза... 190 Андреев А.Н., Андреев М.А., Липилина А.П. Генератор псевдослучайных импульсов с регулируемой вероятностью .............. 192 Артемов А.А. Качественное исследование системы дифференциальных уравнений, описывающих синергетическое управление однопотоковым РПД .............................................................................. 194 Афанасьев В.В. Модель надежности хранения данных в распределенных базах данных........................................................................................... 196 Беляков Э.В., Власова С.А., Ходаченко Д.О. Принципы реализации автоматизированных рабочих мест руководителя ............................... 198 Блюмин С.Л. Агрегирование моделей и моделирование отклонений .......... 200 Брыксина Л.Н. , Головинов С.О., Преображенский А.П. Исследование спутниковых каналов связи ................................................................... 201 Булычев Ю.Г., Мозоль А.А., Челахов В.М., Карпиленя М.Н., Глянько В.Е., Лункин А.С. Оценка параметров дискретно-непрерывных марковских процессов на основе дискретного преобразования Фурье....................................................................................................... 202 Васильев Е.М. Быстрая адаптация модальных регуляторов.......................... 207 Воробьев А.А., Дмитриев Д.А. Разработка системы моделирования кластера корпоративной информационно-вычислительной сети........ 208 Гаджирагимова М.Ш. Об одной модели оптимального распределения файлов в узлах сети ............................................................................... 209 269

СПИ-МТ-2009 Дорофеев В.И., Дорофеев Д.В. Автоматическое управление процессом коагуляции эмульсионных каучуков..................................................... 212 Дьяченко С.А. Идентификация электропривода с помощью нейронных сетей ........................................................................................................ 212 Клименко С.Г., Кравец О.Я. Разработка аналитической модели интранетсистемы управления документооборотом ............................................ 214 Красовский А.Б., Кузнецов С.А. Применение линеаризующих обратных связей для улучшения динамических свойств вентильноиндукторного электропривода .............................................................. 219 Маглеванный И.И., Ларина М.В., Карякина Т.И. Компьютерное моделирование самоорганизации квазидвумерного электронного газа в сильных электрическом и магнитном полях .............................. 220 Мокрова Н.В. Эффективность декомпозиции задачи управления СТС ....... 226 Овечкин И.В. Моделирование распределения температурных полей в режущей пластине.................................................................................. 228 Огнев С.П., Кораблина Т.В. Моделирование сложных объектов и алгоритмизация систем с аппаратом многовариантных функций детерминации ......................................................................................... 230 Пашковский М.Е., Барабанов В.Ф. Исследование ПЛИС в качестве основы построения реконфигурируемых, высокопроизводительных цифровых систем ....................................... 232 Платонова В.Л., Пунин Н.Г. Аспекты моделирования информационной защищенности сетевых систем.............................................................. 234 Корчагин А.С., Кравец О.Я., Погодаев А.К. О свойствах обратных отображений с ветвлениями .................................................................. 236 Подерский И.С. Приемы работы с разреженными массивами в задаче оптимизации трафика в сети................................................................. 239 Полосин А.Н. Структура программного комплекса для моделирования гибких процессов экструзии в многоассортиментных производствах полимерных плёнок ...................................................... 243 Рогов И.Е. Применение имитационного моделирования в разработке и исследовании средств неразрушающего контроля .............................. 247 Сафонов В.С. К вопросу темпоральных расширений теории реляционных баз данных ....................................................................... 253 Семёнов С.Ю. Моделирование балансирующей мобильной платформы..... 257 Сургучева И.В. Групповые нечеткие числа LR-типа..................................... 258 270

СПИ-МТ-2009 Шибанов А.П. Моделирование каналов MPLS .............................................. 260 Авторский указатель ........................................................................................ 267

271

СПИ-МТ-2009

Научное издание Современные проблемы информатизации в моделировании и социальных технологиях Сборник трудов. Выпуск 14 Материалы опубликованы в авторской редакции Подписано в печать 30.12.2008 г. Формат 16´84 1 . 16

Усл. печ. л. 8,5. Уч.-изд. л. 8,5. Заказ №421. Тираж 500. ООО Издательство «Научная книга» http://www.sbook.ru/ Отпечатано ООО ИПЦ «Научная книга» 394026, Россия, г.Воронеж, ул. 303-й Стрелковой дивизии, 1а (4732)205715, 297969

272