авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 |
-- [ Страница 1 ] --

Х ВСЕРОССИЙСКАЯ ЗАОЧНАЯ КОНФЕРЕНЦИЯ

ПО ТЕОРЕТИЧЕСКИМ ОСНОВАМ ПРОЕКТИРОВАНИЯ

И РАЗРАБОТКИ РАСПРЕДЕЛЕННЫХ

ИНФОРМАЦИОННЫХ СИСТЕМ

«ПРИС 2012»

12-13 июня 2012 года

Материалы конференции

Красноярск

2012

СИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ

ИНСТИТУТ ПРОБЛЕМ ИНФОРМАТИКИ И УПРАВЛЕНИЯ МОН, КАЗАХСТАН

НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ИНСТИТУТ ВЫЧИСЛИТЕЛЬНОГО МОДЕЛИРОВАНИЯ СО РАН САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ ГПС МЧС РОССИИ ИНСТИТУТ КОСМИЧЕСКИХ И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ СФУ СИБИРСКИЙ ГОСУДАСРСТВЕННЫЙ АЭРОКОСМИЧЕСКИЙ УНИВЕРСИТЕТ ИМ. АК. М.Ф.

РЕШЕТНЕВА КРАСНОЯРСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ КРАСНОЯРСКИЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ ИМ. В.П. АСТАФЬЕВА КРАСНОЯРСКИЙ КРАЕВОЙ МЕДИЦИНСКИЙ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИЙ ЦЕНТР Х ВСЕРОССИЙСКАЯ ЗАОЧНАЯ КОНФЕРЕНЦИЯ ПО ТЕОРЕТИЧЕСКИМ ОСНОВАМ ПРОЕКТИРОВАНИЯ И РАЗРАБОТКИ РАСПРЕДЕЛЕННЫХ ИНФОРМАЦИОННЫХ СИСТЕМ ПРИС- Материалы конференции Красноярск 12-13 июня 2012 года Красноярск УДК 28. Х Всероссийская заочная конференция по теоретическим основам проектирования и разработки распределенных информационных систем (ПРИС-2012):

Материалы конференции, 12-13 июня 2012 г. / Под ред. к.ф.-м.н. Г.М. Рудаковой;

Отв.за вып. к.т.н. Л.Д. Якимова. – 2012. - 115 с.

В сборнике представлены материалы десятой Всероссийской заочной конференции по теоретическим основам проектирования и разработки распределенных информационных систем (ПРИС-2012), проходившей в Красноярске 12-13 июня 2012 г.

Основной целью конференции является содействие обмену информацией о новых достижениях в области методологии и средств создания, проектирования и поддержки распределенных информационных систем, а также обсуждение вопросов, связанных с информационными технологиями как инструментом обучения проектированию и разработке систем.

Материалы предназначены для научных работников и специалистов в области информатизации, руководителей предприятий и органов территориально административного управления, а также студентов и аспирантов соответствующих специальностей.

Конференция проводится при поддержке:

ГОУ ВПО «Сибирский государственный технологический университет»

Редакционная коллегия:

Г.М. Рудакова, кандидат физико-математических наук – ответственный редактор Л.Д. Якимова, кандидат технических наук – ответственная за выпуск Печатается в авторской редакции ©ФГБОУ ВПО «СибГТУ», ©Коллектив авторов, СЕКЦИЯ 1. ПЕРСПЕКТИВНЫЕ ТЕХНОЛОГИИ В РАЗРАБОТКЕ ИНФОРМАЦИОННЫХ СИСТЕМ АВТОМАТИЗАЦИЯ АДМИНИСТРИРОВАНИЯ СЕРВЕРОВ РАСПРЕДЕЛЁННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ Р.С. Акинфеев, М.А. Бебишев, А.С. Борисов, Н.Ф. Лунёв ООО «ВПути», г. Красноярск, ceo@ktovputi.ru В статье излагаются особенности разработки системы администрирования находящихся в облаке «Amazon Elastic Cloud» серверов через защищенный протокол SSH.



Существует множество систем управления таких производителей, как: ETegro Technologies, BMC Software, HP и Microsoft. Все рассмотренные системы ориентированы либо на управление аппаратными ресурсами серверов, либо на предоставление услуг в сфере облачных вычислений и имеют высокую стоимость. В результате было принято решение о разработке собственной системы администрирования. Была спроектирована система развертывания и управления серверами приложений. Данная система позволяет администратору развертывать, как полностью сервер приложений, так и отдельное приложение проекта на указанных серверах. Кроме того, администратор имеет возможность обновлять приложения и структуру базы данных на серверах, а так же перезапускать серверы и развертывать тестовые серверы. Диаграмма вариантов использования представлена на рис. 1.

Рисунок 1 – Функциональные требования к системе развертывания и управления серверами приложений Для реализации данной системы (рис. 2) была использована библиотека с открытым исходным кодом fabric, которая позволяет автоматизировать различные операции на большом количестве удаленных серверов. Администратор вводит в консоль команду, после чего происходит запуск необходимой функции из скрипта.

Производится защищенное подключение к серверам через протокол SSH и выполнение операций.

Рисунок 2 – Развертывание экземпляра сервера На базе Fabric был разработан кроссплатформенный скрипт на языке Python, содержащий различные функции для работы с серверами приложений. Например, диаграмма деятельности (см. рис. 2) демонстрирует порядок выполняемых действий, необходимых для развертывания экземпляра сервера приложений. После ввода администратором соответствующей команды в консоль, создается окружение в корневом каталоге проекта на удаленном сервере. Это необходимо для устранения конфликтов между разными версиями проекта. Затем, производится подключение к репозиторию с исходными кодами проекта, которые копируются на сервер через защищенное соединение по протоколу SSH, после чего на сервере устанавливаются все необходимые для корректной работы сервера приложений пакеты.

При обновлении приложения на серверах до указанной версии, производится подключение к репозиторию и получение версии приложения. Затем, происходит получение списка серверов, на которых необходимо обновить приложение, после чего приложение обновляется на каждом из указанных серверах приложений. Выполнение перечисленных операций изображено на рис. 3.

Принцип функционирования системы развертывания и управления серверами приложений сервиса изображен на рис. 4. Администратор, исходя из потребностей, вводит в консоль операционной системы команду вида «fab идентификатор функции Fabric-скрипта». Консоль вызывает библиотеку «Fabric», которая в свою очередь выполняет указанную функцию и описанную в скрипте. Скрипт соединяет компьютер администратора с указанными серверами, находящимися в облаке «Amazon Elastic Cloud», через защищенный протокол SSH и выполняет необходимые действия на серверах. При необходимости, серверы обращаются к репозиторию системы версионного контроля «Mercurial» с хранящимися в нем исходными кодами проекта и копируют их на свои жесткие диски.





Рисунок 3 – Обновление приложения на серверах до указанной версии Рисунок 4 – Функциональная схема системы развертывания и управления серверами приложений Литература Система PATROL: управление распределенными ресурсами - № 03, 1998 | Архитекторам 1.

информационных систем | Журнал «Открытые системы».

Django. Разработка веб-приложений на Python. – Пер. с англ. – СПб.: Символ-Плюс, 2010. – 2.

с., ил.

Программирование на Python, том 1, 4-е издание. - Пер. с англ. – СПб.: Символ-Плюс, 2011. – 3.

992 с., ил.

Программирование на Python, том 2, 4-е издание. - Пер. с англ. – СПб.: Символ-Плюс, 2011. – 4.

992 с., ил.

ESMS - система управления серверами [Электронный ресурс] / Режим доступа:

5.

http://www.etegro.com/support/articles/esms Управление серверами приложений [Электронный ресурс] / Режим доступа:

6.

http://www.nvconsulting.net/resh_sysp1.html Материалы по Windows Azure [Электронный ресурс] / Режим доступа:

7.

http://msdn.microsoft.com/ru-ru/windowsazure/hh Обзор облачных решений - Rackspace, Amazon, CloudSigma [Электронный ресурс] / Режим 8.

доступа: http://www.inspe.kz/news/obzor-oblachnykh-reshenii-rackspace-amazon-cloudsigma Облачные Вычисления [Электронный ресурс] / Режим доступа: http://msdn.microsoft.com/ru 9.

ru/windowsazure/gg 10. Fabric 1.4.2 documentation Azure [Электронный ресурс] / Режим доступа:

http://docs.fabfile.org/en/1.4.2/index.html 11. Распределенные облачные (Cloud) вычисления [Электронный ресурс] / Режим доступа:

http://sites.google.com/site/moiknigiilekcii/lekcii/informatika/lekcia-no25/cloud 12. Django | The Web framework for perfectionists with deadlines [Электронный ресурс] / Режим доступа: https://www.djangoproject.com/ 13. Среды Web-разработки на языке Python, Часть 1: Разработка для Web с помощью Django и Python [Электронный ресурс] / Режим доступа: http://www.ibm.com/developerworks/ru/library/l django/ 14. Fabric — пара прикладных рецептов / Хабрахабр [Электронный ресурс] / Режим доступа:

http://habrahabr.ru/post/141271/ 15. Язык программирования Python [Электронный ресурс] / Режим доступа: http://python.ru/ ИНДЕКСИРОВАНИЕ И СОПОСТАВЛЕНИЕ СУЩНОСТЕЙ ПРЕДМЕТНОЙ ОБЛАСТИ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА М.А. Бакаев, Т.В. Авдеенко Новосибирский государственный технический университет, г. Новосибирск maxis81@gmail.com;

tavdeenko@mail.ru Статья описывает применение индексирования – технологии, широко распространённой в настоящее время в области обработки и сравнения текстовой информации, – к многомерным сущностям предметной области. Предлагается модель онтологии, основанной на фреймах, совмещающей концептуальную модель и контролируемый словарь базовых терминов, используемых для индексирования. На основе построенной онтологии разработана интеллектуальная система, предназначенная для поддержки проектирования человеко компьютерного взаимодействия в веб-приложениях. Система автоматически формирует своё представление о конкретной задаче проектирования в виде структурированного набора базовых терминов, посредством соотнесения входных данных (характеристики целевых пользователей и требования к веб-приложению, записанные на естественном языке) и информации, хранимой в базе знаний. Задача проектирования затем может быть сопоставлена с индексированными рекомендациями по проектированию взаимодействия, представляющими практическое знание, существующее в предметной области. В итоге, в качестве выходных данных система формирует упорядоченный набор рекомендаций, релевантных контексту конкретного взаимодействия, который может применяться проектировщиками при создании интерфейсов для различных категорий пользователей.

Введение. Современная информационная среда характеризуется непрекращающимся ростом объемов хранимых и используемых данных, а также усложнением их структуры. Возникновение и распространение сети Интернет, большинство ресурсов в которой являются гипертекстовыми документами, привело к бурному развитию методов и технологий обработки текста на естественном языке – аннотирования, индексирования и поиска, перевода на другой язык и т.д. В частности, большую практическую значимость имеет задача определения схожести текстов (целых документов, отдельных фраз или же соответствие поисковому запросу), для решения которой применяются подходы, основывающиеся как на расчёте и сопоставлении чисто статистических характеристик текста [1], так и на анализе его семантики [2]. В рамках второго подхода одной из распространенных технологий является индексирование – описание текста при помощи «индекса», т.е. набора специальных терминов (ключевых слов), извлекаемых из самого текста или назначаемых из некоторого множества возможных терминов (словаря).

Индексирование также широко применяется в целях классификации (часто называемой «теговой») многомерных объектов – аудио- и видеоматериалов, изображений и т.д. – в «рекомендательных системах» или хранилищах данных (см., например, методы индексирования в [3]). В нашей работе, в свою очередь, предлагается подход к индексированию сложных многомерных сущностей слабоструктурированных предметных областей, позволяющий осуществлять как классификацию, так и определение схожести (сопоставление) таких сущностей. Данные проблемы актуальны, например, для интеллектуальных систем (ИС), которые:

– содержат значительное количество слабо организованных знаний – не формализуемых полностью, собранных из различных источников, дублирующихся или противоречивых;

– формируют своё «представление» о решаемой задаче на основе неполной или неструктурированной входной информации.

В частности, нами осуществлялась разработка ИС для поддержки проектирования человеко-компьютерного взаимодействия (ЧКВ) в веб-приложениях, т.е. для задачи, обладающей описанной выше спецификой. Среди основных недостатков уже существующих решений (таких как MetroWeb, BORE) – отсутствие возможности сопоставления конкретного проектируемого взаимодействия с практическими рекомендациями по проектированию, представляющими экспертное знание (см. соответствующий обзор в [4]). Соответственно, в нашей статье описан предложенный подход к индексированию и сопоставлению сущностей, реализованный в рамках ИС, построенной нами на основе фреймовой онтологии, одновременно содержащей концептуальную модель предметной области и контролируемый словарь «базовых терминов», используемых для индексирования. Входной информацией для системы являются характеристики целевых пользователей разрабатываемого веб приложения и требования к нему, записанные на естественном языке (текст требований анализируется специальным блоком ИС). Система формирует «представление» о каждой конкретной решаемой задаче в виде упорядоченного набора базовых терминов (индекса), который можно назвать «запросом» в базу знаний (БЗ), хранящую рекомендации, индексированные аналогичным образом. Результатом работы системы (выходной информацией) являются релевантные задаче рекомендации, а также автоматически генерируемый прототип веб-интерфейса.

Метод. Формально предлагаемую в нашей работе фреймовую онтологию можно представить следующим кортежем:

OF C, R, S, G, T, DS, DG, E, (1) где C {ci | i 1,...n} – конечное непустое множество фреймов-классов, описывающих понятия предметной области;

R {ri | i 1,...m} – конечное множество бинарных отношений, заданных на классах, R CC, R = {RISA}RASS, где RISA – антисимметричное, транзитивное, нерефлексивное отношение иерархии «класс-подкласс», задающее частичный порядок на множестве классов;

RASS – конечное множество ассоциативных отношений;

S {si | i 1,...k} – конечное множество слотов (атрибутов класса);

G {gsi | i 1,...l} – конечное множество фасетов (атрибутов слота);

E {ei | i 1,...u} – конечное множество экземпляров классов;

T – конечное непустое множество, определяющее контролируемый словарь терминов предметной области, построенное на множестве базовых терминов B {bi | i 1,...n}, составляющих множество имен классов онтологии:

n n T Ti, Ti {bi } Eq (bi ), Ti ;

i 1 i Eq(bi) – множество синонимичных терминов, каждый из которых связан с базовым термином bi B, DS – конечное множество типов слотов, DG – конечное множество типов фасетов.

Структура фрейма-класса определяется следующим образом:

c NameC, (isa c parent), ( s1, s2,...sn ( c ) ), где с, cparent С – классы онтологии, связанные отношением иерархии RISA, si S – слоты фрейма, Namec B – имя класса, являющееся базовым термином контролируемого словаря T. Иерархии фреймов-классов образуются посредством указания в подчиненном фрейме связи «isa» и имени фрейма-родителя cparent.

Все множество классов С разбивается на два непересекающихся подмножества С = СabstractСconcrete. Для классов подмножества Сconcrete возможно определять экземпляры класса (конкретные объекты) e E. Структура фрейма-экземпляра аналогична структуре класса c, для которого построен экземпляр:

e(c) Namee, ( s1, s2,..., sn ( c ) ), e e e e e e где s1, s2,..., sn ( c ) – экземпляры слотов класса с, заполненные конкретными значениями атрибутов. Структура фрейма-слота определяется следующим образом:

sC NameS,C, ( gs1, gs2,...gsk ( S,C ) ), где sс S – слот класса с, gsi G – фасеты слота, Names,с – имя слота.

Определение ассоциативных отношений, составляющих множество RASS, осуществляется путем явного указания в качестве значения слота некоторого фрейма имени связанного с ним фрейма, а также типа связи, существующей между этими фреймами. Для реализации ассоциативных связей среди элементов множества типов слотов DS кроме выделения подмножества стандартных типов (symbol, string, float,…) DSS, используются также типы Dclass (тип «Класс») и Dinstance (тип «Экземпляр»):

DS DSS {Dclass} {Dinstance}.

Задание типов Dclass и Dinstance предполагает указание дополнительного аргумента – ассоциированного класса. Если один из слотов класса с1 имеет тип Dinstance с ассоциированным классом с2, то в качестве значений слота при создании экземпляров класса с1 могут быть использованы экземпляры классов множества Tr(с2) – транзитивного замыкания с2 по отношению RISA, включающего класс с2 и все его подклассы ниже по иерархии:

Tr(c2 ) {c2 } {ci C | RISA (ci, c2 )}.

В этом случае классы c1 и с2 связаны ассоциативным отношением, т.е.

RASS (c1, с2). Если один из слотов класса с1 имеет тип Dclass с ассоциированным классом с2, то в качестве значений слота при создании экземпляров класса с1 могут быть использованы классы множества Tr(с2). В этом случае классы c1 и с2 также связаны ассоциативным отношением, т.е. RASS (c1, с2). Таким образом, значением слота может становиться не только экземпляр ассоциированного класса, но и базовый термин.

Если связь с Dinstance является общеупотребимой при создании моделей данных, то использование в качестве значений слота фреймов-классов (Dclass) предоставляет новые возможности в сочетании со словарём терминов. Поскольку каждый из фреймов классов соответствует базовому термину, то набор таких терминов может использоваться для индексации сложных объектов предметной области (текстовых и не только). Например, хранимой в базе знаний ИС рекомендации gi со следующим текстом: «С логотипа сайта должна быть ссылка на главную страницу (кроме как на самой главной странице)», сопоставляются фреймы-классы Logo («Логотип»), Homepage («Главная страница»), Hyperlink («Гиперссылка»), образуя множество T(gi)B. Контекст конкретного взаимодействия описывается аналогичным образом, однако набор классов (Pr B) формируется системой автоматически, исходя из характеристик целевого пользователя и требований, задаваемых в качестве входной информации. Сопоставляя два этих набора, ИС способна определять степень релевантности («близости») каждой из рекомендаций к условиям конкретной задачи по проектированию взаимодействия, выявляя множество общих терминов B(gi) B:

Pr T ( g i ) B( g i ), B( g i ) ki (2) Соответственно, в качестве выходной информации системой выбираются только те рекомендации, для которых ki0.

Применение. На основе описанной выше модели была построена онтология предметной области проектирования ЧКВ в веб-приложениях, в общей сложности включившая в себя более 150 фреймов-классов (соответствующих базовым терминам и являющихся потомками мета-класса THING). Исходя из архитектуры ИС, в качестве первого класса онтологии был задан HCI engineering task («Задача проектирования ЧКВ»), имеющий отношения с классами, представляющими входную информацию:

Target user («Целевой пользователь») и Requirement («Требование»), а также выходную информацию: Guideline («Рекомендация») и Web interface design («Проект веб интерфейса»). Значениями слота project context («контекст проекта», тип Dclass) могут являться любые классы онтологии, что позволяет описать (индексировать) контекст конкретного проектируемого взаимодействия набором базовых терминов (Pr B).

Схематично структура класса HCI engineering task и его связи с другими классами онтологии представлены на рис. 1.

Рисунок 1 – Структура класса «Задача проектирования ЧКВ» и связанные классы Для представления практического знания, накопленного в сфере ЧКВ, используется такой класс онтологии как Guideline («Рекомендация»), обладающий ассоциативными связями supported by («иметь в качестве обоснования», тип Dinstance) с классами, соответствующими другим уровням знаний – Law («Закон»), Principle («Принцип») и Finding («Сведение»). Значениями слота tag («тег», тип Dclass) класса Guideline могут являться любые классы онтологии, что позволяет производить индексацию каждой из рекомендаций gi набором базовых терминов (T(gi) B) (рис. 2).

Экземплярами класса «Рекомендация» являются рекомендации из области проектирования ЧКВ для веб-приложений для: а) всех типов веб-приложений;

б) веб приложений электронной коммерции;

в) веб-приложений электронного правительства и государственных услуг;

г) веб-сайтов образовательных учреждений.

База знаний, структура которой определяется разработанной онтологией, а содержание состоит из экземпляров классов и правил вывода продукционной модели, является одним из основных компонентов созданной ИС поддержки проектирования ЧКВ в веб-приложениях. База знаний, в совокупности с механизмом вывода («решателем») и веб-интерфейсом для взаимодействия с пользователем, составляет «портал знаний», размещённый для доступа в сети Интернет (http://clips.vgroup.su).

Рисунок 2 – Структура класса «Рекомендация» и связанные классы Разработанная система была применена для решения ряда практических задач предметной области (проектирования взаимодействия для веб-приложений) – в частности, создания официального веб-сайта для Народного факультета (НФ) Новосибирского государственного технического университета. Целевые пользователи данного веб-приложения были определены как лица пенсионного возраста, рассматривающие возможность обучения на НФ по годичной образовательной программе, включающей в себя, в частности, обучение «компьютерной грамотности».

Функциональные и качественные требования к веб-приложению, сформулированные на естественном языке, были проанализированы системой с выделением из их текста базовых терминов онтологии. После применения соответствующих правил вывода, система сформировала итоговый набор базовых терминов, описывающих контекст проектируемого взаимодействия, в следующем виде:

Website, Web page, Website element, Website service/section, Target user, Target emotion requirement, Elder user, Accessibility requirement, Error rate, Size, Color, Aesthetic impression, Trust impression, IT experience, Website experience, Contacts, Services, Web page element, Requirement, Functional requirement, Non-functional requirement, Interface quality requirement, Design requirement, Interface design property, Content design property, Guideline, Interface element, Web form element, Interface design, Web interface design, Interface quality metric, Forum, CMS / back-office, User registration, Search, Success rate, Homepage, News events, About us, Sitemap, Help, Departments facilities, Faculty / staff, Alumni employment, Majors / programs, Admission, Curriculum, Tutorials.

Системой был автоматически сформирован прототип интерфейса, а также набор рекомендаций, релевантных контексту проектируемого взаимодействия, часть из которых представлена в табл. 1 (совпавшие при соотнесении базовые термины выделены полужирным).

Для оценки качества решения, полученного с использованием ИС, было проведено экспериментальное исследование (на основе методики юзабилити тестирования) с 11 целевыми пользователями и 6 действующими веб-приложениями ( из которых представляли контрольную группу). Полученные значения такого показателя качества как процент успешного выполнения задач составили 85,9% для веб-приложения, разработанного с применением ИС, по сравнению с 40,8% для контрольной группы веб-приложений (более подробное описание исследования и результатов приводится в [5]).

Таблица 1 – Фрагмент сформированного ИС набора рекомендаций, релевантных контексту проектирования Текст рекомендации Базовые термины «Если в веб-приложениях не применяется использование различных Color;

цветов для посещённых и не посещённых гиперссылок, пожилые Hyperlink;

пользователи могут легко забыть, какие веб-страницы они уже Navigation;

посещали.» Elder user «При использовании графических изображений и видеоматериалов Imagery;

следует удостоверяться, что их размер и качество достаточно высоки, Media object;

чтобы они были восприняты пожилыми пользователям. Сочетания Interface element;

цветов, используемые в изображениях должны обеспечивать достаточный Elder user;

контраст.» Accessibility requirement «Желательно, чтобы размер элементов интерфейса составлял не менее 8 Size;

пикселей (1024*768, 17'') – иначе количество ошибок, допускаемых Interface element;

пожилыми людьми, резко возрастает. Желательное отношение среднего Error rate;

расстояния движения мыши к размеру элемента интерфейса – не менее Elder user 2^4=16.»

«Веб-формы должны избегать использования стандартных html-элементов Web form;

нестандартным образом. Пожилые пользователи в высокой степени Web form element;

полагаются на свой предыдущий опыт работы с другими веб- Error rate;

приложениями, а также с большим трудом восстанавливают работу после Elder user совершения ошибки.»

Заключение. В статье предложено применение индексирования – технологии, широко распространённой в области обработки и сравнения текстовой информации, – к многомерным сущностям предметной области. На основе фреймовой онтологии, построенной по модели (1) и совмещающей концептуальную модель и контролируемый словарь базовых терминов, используемых для индексирования, создана работающая ИС для поддержки проектирования человеко-компьютерного взаимодействия, показавшая свою применимость на ряде практических задач.

Среди дальнейших перспектив исследования можно отметить введение количественных «весов» для терминов: как показателей «специфичности» (редкости) термина в словаре и значимости в индексе. Соответственно, может быть произведено усложнение способа определения релевантности сущностей при их сопоставлении (2), на основе практического рассмотрения некоторых из существующих методов вычисления степени близости текстов или других многомерных объектов [3].

Благодарности. Работа поддержана грантом Минобрнауки РФ по проекту ТП 8.536.2011 «Разработка интеллектуальных технологий, средств компьютерного моделирования и эффективных методов оптимизации, как функционального наполнения информационно-аналитических систем поддержки принятия решений».

Литература Косинов, Д.И. Использование статистической информации при выявлении схожих документов // 1.

Интернет-математика 2007: сб. работ уч-в конкурса. – Екатеринбург: Изд-во Урал. ун-та, 2007. – С. 84-91.

2. Mihalcea, R., Corley, C., Strapparava, C. Corpus-based and knowledge-based measures of text semantic similarity. // Proc. of the 21st national conf. on Artificial intelligence, July 16-20, 2006, Boston, USA. – C. 775-780.

3. Lv, Q., Josephson, W., Wang, Z., Charikar, M., Li, K. Multi-probe LSH: efficient indexing for high dimensional similarity search. // Proc. of the 33rd Int. Conf. on Very large data bases, Sept. 23-27, 2007, Vienna, Austria.

4. Bakaev, M., Avdeenko, T. User Interface Design Guidelines Arrangement in a Recommender System with Frame Ontology // Lecture Notes in Computer Science, 2012, V. 7240, Database Systems for Advanced Applications. Springer, 2012. – С. 311-322.

5. Bakaev M., Avdeenko T. Knowledge-Based System for Web Interface Design // Proc. of 2nd Int. Conf.

on Information and Multimedia Technology (ICIMT 2010), Dec 28-30, 2010, Hong Kong, China. – Vol. 3, C. 262-266.

СИСТЕМЫ И МЕТОДЫ ПОИСКА ИНФОРМАЦИИ А.В. Демиш, П.В. Зеленков, А.В. Селянина Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева, г. Красноярск, davsg@mail.ru На сегодняшний день наибольшую ценность для общества представляет информация.

Проблема поиска информации в интернете в настоящее время является очень актуальной. Уже были предложены многие способы поиска документов, но до сих пор все поисковые системы вместе с полезной информацией предлагают тысячи бесполезных страниц, на просмотр которых уходит много лишнего времени. Одним из путей решения этой проблемы являются метапоисковые системы, которые могут одновременно использовать несколько поисковых систем, таким образом охватывая больший объем существующей информации. В данной статье рассматриваются основные поисковые системы, приводится их описание и структура.

В настоящее время используются различные инструменты поиска. Одним из самых распространенных является поисковая система.

На информационном рынке можно выделить разные классификации поисковых систем:

– по принципу организации поисковой услуги:

– поисковые системы;

– каталоги;

– метапоисковые машины.

– по принципу обрабатываемой информации:

– многоцелевые системы;

– специализированные системы.

Любая поисковая система представляет собой специальный веб-сайт, на котором пользователь по заданному запросу может получить ссылки на сайты, соответствующие этому запросу. Поисковые системы обычно состоят из трех компонент:

1. агент (паук или кроулер), который перемещается по Сети и собирает информацию;

2. база данных, которая содержит всю информацию, собираемую пауками;

3. поисковый механизм, который люди используют как интерфейс для взаимодействия с базой данных.

Самым «интеллектуальным» поисковым средством является агент. Агент – это аппаратная или программная сущность, способная искать и обрабатывать информацию, находить и индексировать другие виды ресурсов, не только страницы. Агенты могут также быть запрограммированы для извлечения информации из уже существующих баз данных. Независимо от информации, которую агенты индексируют, они передают ее обратно базе данных поискового механизма. Агенты бывают двух типов – неспециализированные и специализированные.

Неспециализированные агенты обеспечивают поиск информации по ключевым словам и устойчивым словосочетаниям. Кроме поиска они поддерживают различные и многочисленные сервисы, например, передача запроса пользователя на множество машин поиска, настройка на личные предпочтения пользователя, формирование тематической базы данных на основе результатов поиска пользователя. Системы агентов объединяют ссылки на сайты, найденные множеством машин поиска, и удаляют неработающие ссылки.

Специализированные поисковые агенты предназначены для поиска информации узкой тематики. Они умеют очень хорошо работать на сайтах своей тематики и показывают очень слабые результаты на всех остальных сайтах. При этом даже адреса сайтов могут быть зашиты в исходные коды агента. Системы, построенные на базе специализированных агентов, предоставляют пользователям определённый пакет для организации и управления найденной информацией.

По способу организации информации информационно-поисковые системы делятся на два вида: классификационные (рубрикаторы) и словарные.

Рубрикаторы (классификаторы) – поисковые системы, в которых используется иерархическая (древовидная) организация информации. При поиске информации пользователь просматривает тематические рубрики, постепенно сужая поле поиска (например, если необходимо найти значение какого-то слова, то сначала в классификаторе нужно найти словарь, а затем уже в нем найти нужное слово).

Словарные поисковые системы – это мощные автоматические программно аппаратные комплексы. С их помощью просматривается информация в Интернет. В специальные справочники-индексы заносятся данные о местонахождении той или иной информации. В ответ на запрос осуществляется поиск в соответствии со строкой запроса. В результате пользователю предлагаются те адреса (URL), на которых в момент сканирования найдены искомые слово или группа слов. Выбрав любой из предложенных адресов-ссылок, можно перейти к найденному документу. Большинство современных поисковых систем являются смешанными.

К достоинствам применения поисковых машин можно отнести огромный объем информации, исследуемой ими, и ее периодическую актуализацию. На сегодняшний день в сети Интернет существует множество различных поисковых систем. Ниже приведены наиболее популярные из них.

Рейтинг глобальных поисковых систем (по данным Nielsen NetRatings).

Основные поисковые системы:

http://www.google.com/ — 46.2% http://www.yahoo.com/ — 22.5% http://search.msn.com/ — 12.6% http://www.aol.com/ — 5.4% http://www.myway.com/ — 2.2% http://www.ask.com/ — 1.6% http://search.netscape.com/ 1.6% Прочие поисковые системы — 7.9% Наглядно рейтинг глобальных поисковых систем представлен на диаграмме, изображенной на рис. 1.

прочие 7,9% search.netscape.

ask.com - 1,6% com myway.com 1,6% google.com - 2,2% - 46,2% aol.com - 5,4% search.msn.com 12,6% yahoo.com - 22,5% Рисунок 1 – Рейтинг мировых поисковых систем Рейтинг российских поисковых систем (по данным SpyLog). Наглядно рейтинг российских поисковых систем представлен на диаграмме, изображенной на рис. 2:

http://www.yandex.ru/ - 45,7% http://www.rambler.ru/ - 15,1% http://www.google.com/ - 26% http://www.mail.ru/ - 6.6% mail.ru 6,6% google.com yandex.ru 26% 45,7% rambler.ru 15,1% Рисунок 2 – Рейтинг российских поисковых систем Метапоисковые системы. Несомненно, вышеприведенные поисковые системы имеют ряд плюсов и являются простыми и эффективными средствами поиска. Однако наиболее эффективными и удобными на сегодняшний день являются метапоисковые системы, так как они предоставляют единый доступ к нескольким другим поисковым системам, которые являются полностью независимыми. К ряду достоинств метапоисковых систем можно отнести:

– Широкая зона охвата сети. Ни одна поисковая система не имеет полного покрытия Web, поэтому использование нескольких поисковых систем повышает вероятность обнаружения искомого документа.

– Повышенное качество поиска. Используются поисковые системы, которые лучше всего соответствуют текущим потребностям пользователя.

– Новые возможности поиска. Крупномасштабные поисковые системы из-за огромного количества запросов не могут тратить много времени на обработку каждого отдельного запроса.

Метапоисковые системы не имеют такого ограничения и могут фокусироваться на решении конкретных задач поиска, ориентированных на узкую целевую аудиторию.

Всё это облегчает внедрение новых методов поиска, поскольку даёт возможность проверить их эффективность без реализации полноценной поисковой системы.

Литература Зеленков П.В. Алгоритм работы поискового модуля в системах поддержки принятия решений / 1.

Зеленков П.В., Ковалев И.В., Карасева М.В., Рогов С.С. Фундаментальные исследования. – 2008. – № 3. – С. 33.

Зеленков П.В. Поиск и обработка информации на базе мультилингвистических тезаурусов / 2.

Зеленков П.В., Ковалев И.В., Карасева М.В., Рогов С.С. Современные наукоемкие технологии. – 2008. – № 3. – С. 31.

Зеленков П.В. Модифицированный алгоритм HITS / Зеленков П.В., Сидорова Г.А. Вестник 3.

Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. – 2011. – № 2. – С. 17-20.

ПЕРСПЕКТИВНЫЕ ТЕХНОЛОГИИ РАДИОДУСТУПА Р.В. Карцан, Е.С. Жукова, И.Н. Карцан Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева, г. Красноярск, Zhykova_K@mail.ru В настоящее время весь спектр частот распределен и строго лицензируется, но используются они крайне неэффективно, поэтому частот постоянно не хватает. Решением данной проблемы может стать использование технологии «когнитивное радио», которая представляет собой систему беспроводной коммуникации, в которой один из двух элементов (сеть или беспроводной узел) изменяет свои параметры передачи или приема для эффективной и рациональной связи, исключающей взаимные помехи у имеющих разрешение (лицензию) или не имеющих разрешение пользователей.

Сегодня активно проектируются и строятся системы широкополосного радиодоступа в диапазоне от 50 до 960 МГц с использованием технологии «Когнитивное радио», на базе стандарта IEEE 802.22, в котором заложена возможность безлицензионного использования таких систем.

Когнитивное радио позволяет:

– оптимизировать использование радиочастотного спектра с учетом особенностей работы радиоэлектронных станций военного и гражданского назначения;

– автоматизировать вторичное использования ресурса;

– максимально использовать возможности спутниковой радионавигационной системы ГЛОНАСС;

– решить проблему цифрового неравенства.

Основной принцип подобной радиосвязи в динамическом управлении загрузкой частоты. Это весьма сложный технический процесс, суть которого состоит в том, что в сотовой сети с одним каналом связи один пользователь может пользоваться им, пока второму пользователю канал не нужен. Проще говоря, частоты, которые за кем-то закреплены, могут использоваться в тот момент, пока они не нужны владельцу. А поскольку загруженность часто невысока, например абонент определенное время говорит по мобильному телефону, а остальное время телефон находится в режиме ожидания, - то таким образом становятся доступны значительные частотные ресурсы.

Система постоянно анализирует спектр радиосигнала, окружающие фоновые сигналы, а также поведение пользователей сети. Базовая станция, собрав всю информацию о частотном диапазоне и используя информацию о своем месторасположении (по данным систем спутниковой навигации ГЛОНАСС или GPS), определяет, какие частоты могут быть использованы для установления связи с пользователями сети. При уже установленной связи система периодически сканирует частотный диапазон на случай появления новых сигналов и при обнаружении таковых сразу же перестраивается на другие частоты.

Новый стандарт был спроектирован для беспроводных региональных сетей (WirelessRegionalAreaNetwork, WRAN). Это предполагает покрытие зон радиусом в десятки километров. Спецификация позволит провайдерам интернет-услуг обеспечить жителям сельских районов доступ к широкополосному доступу в сеть там, где его еще нет. Увеличение радиуса действия удалось достичь благодаря уменьшению рабочих частот, обычно используемых в Wi-Fi, WiMax или LTE для передачи информации.

Подбор оптимальных частот зависит от многих факторов. Для обеспечения наибольшей дальности с сохранением разумной мощности и приемлемой полосы пропускания лучшим образом подошли частоты диапазона от 54 до 862 МГц, так называемые телевизионные частоты. Ширина полосы одного телевизионного канала в США, Японии и большей части Центральной и Южной Америки составляет 6 МГц, для России и большинства других стран эта величина равна 8 МГц, но встречаются также стандарты с 7-мегагерцовой полосой, например в Австралии, Бельгии и Люксембурге.

Поэтому в 802.22 предполагается использовать ширину полосы одного канала в 6 (8,7) МГц.

Существующая система телевещания может служить примером успешного использования этого диапазона для покрытия больших площадей. К тому же данным частотам не страшны стены и препятствия. Однако в использовании ОВЧ/УВЧ есть и недостаток: меньшие частоты (длинные волны) нуждаются в более габаритных антенных системах. Кроме повсеместно используемых систем аналогового телевидения NTSC (США, Канада, Япония), PAL (Европа), SECAM (Франция, Греция, Россия) диапазон официально закреплен за радиосвязью государственных служб (полиции, противопожарной службы и т. д.) и коммерческих сервисов (такси и т. д.). В данной полосе также работают беспроводные микрофоны, системы цифрового телевидения ATSC/DVB-T — важно, что никому из них нельзя мешать.

Литература Apurva N. Mody, Gerald Chouinard. IEEE 802.22 Wireless Regional Area Networks. Enabling Rural 1.

Broadband Wireless Access Using Cognitive Radio Technology.

2. Zander (Zhongding) Lei, Sung Hyun Hwang. IEEE 802.22 PHY Overview.

3. IEEE 802.22 WRAN Standard using Cognitive Radio technology.

РАЗРАБОТКА ОНТОЛОГИИ ПЕДАГОГИЧЕСКОГО МАСТЕРСТВА А.Н. Пермякова Сибирский государственный технологический университет, г. Красноярск, alex_shumak@mail.ru Педагогическое мастерство имеет первостепенное значение в становлении будущего профессионала, мастера своего дела. Отшлифовывая мастерство педагогического взаимодействия с коллективом педагогов и коллективом студентов, специалист овладевает коммуникативными и управленческими умениями и навыками.

Изучение данной предметной области предусматривает широкую интеграцию и осмысление связей основ педагогического мастерства с философией, эстетикой и этикой, психологией и педагогикой, историей и другими науками.

Задачи изучения педагогического мастерства:

– повышение уровня педагогической культуры;

– знание структурных элементов педагогического мастерства и их содержание;

– накопление знаний по технологии организации педагогического взаимодействия;

– овладение способами стимулирования активной познавательной и развивающейся деятельности обучающихся в процессе учебного знания, внеучебной деятельности;

– совершенствование профессионального мастерства педагога;

– организация учебно-воспитательной деятельности;

– формирование личностной педагогической культуры.

Педагогического мастерство - сложная отрасль педагогического знания, исследующая чрезвычайно многогранные явления и процессы, охватывающие своим вниманием большой объем совершенно специфических понятий и терминов, связанные в силу своего предмета со многими областями психолого-педагогических и социально философских дисциплин.

Для изучения данной предметной области необходима определенная система, облегчающая процесс овладения обширным материалом, важнейшей характеристикой, которой является ее внутренняя упорядоченность.

На помощь приходит онтология педагогического мастерства, точно классифицируя, она выявляет зависимость, обобщает и представляет в наиболее приемлемом для восприятия и запоминания виде изучаемый материал. Онтология или концептуальная модель предметной области, состоит из иерархии понятий предметной области, связей между ними и законов, которые действуют в рамках этой модели.

В области педагогического мастерства применение онтологий может преследовать следующие цели:

– обеспечение единого понимания широким кругом лиц терминов и понятий в предметной области;

– организация и формализация знаний предметной области;

– анализ данных предметной области и изменение исходных допущений при расширении знаний о предмете;

– реализация функций справочного и обучающего инструмента.

Актуальность задачи создания онтологии педагогического мастерства определяется следующим:

– большой объем разнородной информации в данной предметной области;

– отсутствие в настоящее время онтологии мониторинга педагогического мастерства.

Концептуальная модель, в свою очередь, несет определенную нагрузку, относится к тем базовым внутренним элементам каркаса педагогических знаний, которые могут затем наращиваться и расширятся, но уже всегда останутся в сознании в обобщенном и систематизированном виде.

Рисунок 1 – Схема построенной онтологии педагогического мастерства в Protg На рис. 2 и 3 показаны некоторые классы онтологии педагогического мастерства.

В данной работе разработана онтология мониторинга педагогического мастерства, которая представлена на рис. 1.

Рисунок 2 – Класс «Педагогическая квалификация»

Рисунок 3 – Класс «Педагогические способности»

Класс педагогическая квалификация – это степень и вид профессиональной обученности (подготовленности), позволяющий специалисту выполнять работу на определенном рабочем месте.

– слот «виды повышения квалификации» строкового типа, описывает все виды повышения квалификации;

– слоты «фамилия», «имя», «отчество» строкового типа, содержат ФИО педагога;

– слот «цель» строкового типа, описывает цели повышения квалификации;

– слот «образовательное учреждение» строкового типа, описывает учреждение, в котором осуществляется повышения квалификации;

– слоты «период с», «по» строкового типа, содержат даты начала и окончания повышения квалификации.

Класс педагогические способности – это совокупность индивидуально психологических особенностей личности учителя, отвечающих требованиям педагогической деятельности и определяющих успех в овладении этой деятельностью.

Слот «свойства» – строкового типа, описывает свойства педагогических способностей.

Для каждого класса создана форма, с помощью которой производится ввод значений экземпляров. Для удобства пользователя форму можно редактировать.

Рисунок 4 – Форма «Педагогическая квалификация»

Разработанная онтология предназначена для совершенствования профессионального мастерства педагогов, для улучшения знания структурных элементов педагогического мастерства и их содержания.

В соответствии с поставленными задачами в данной работе рассмотрены основы педагогического мастерства.

Созданная онтологическая модель полностью удовлетворяет требованиям, предъявляемым к системам подобного назначения. Основными достоинствами данной онтологической модели являются простота в использовании, доступность и достаточно высокие функциональные возможности.

Разработанная онтология спроектирована таким образом, что позволяет в короткие сроки производить необходимые дополнения и изменения.

Литература Девятков, В.В. Онтологии и их применение [Электронный ресурс]/ В.В.Девятков Режим доступа:

1.

http://www.swsys.ru/index.php?page=article&id= Артемьева, И. Л. Сложно структурированные предметные области. Построение многоуровневых 2.

онтологий. Информационные технологии №1 [Текст]/ И. Л. Артемьева, 2009. – 16с.

Гладун А.Я. Онтологии в корпоративных системах. Часть I. [Электронный ресурс]/ [Электронный 3.

ресурс]/ [Электронный ресурс]/ [Электронный ресурс]/ [Электронный ресурс]/ [Электронный ресурс]/ А.Я. Гладун, Ю.В. Рогушина // Режим доступа:

http://www.management.com.ua/ims/ims115.html Якушева, С.Д. Основы педагогического мастерства: учебник для студ. Сред. Проф. Учеб. Заведений 4.

[Текст]/ С.Д. Якушева. – М.: Издательский центр «Академия», 2008. 256 с.

ИССЛЕДОВАНИЕ И РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ СИНТЕЗА ОПТИМАЛЬНЫХ РАСПИСАНИЙ ПАРАЛЛЕЛЬНО-ПОСЛЕДОВАТЕЛЬНЫХ ОБСЛУЖИВАЮЩИХ СИСТЕМ А.П. Рогачев Новосибирский государственный технический университет, г. Новосибирск, razor_edge@bk.ru Задача синтеза расписаний работы параллельно-последовательных обслуживающих систем является одной из наиболее актуальных задач теории расписаний применительно к производственным системам. В настоящее время она весьма далека от приемлемого решения для задач реальной размерности. В данном докладе рассмотрен один из возможных подходов к её решению. Он заключается в декомпозиции общей задачи и выделению локальных подзадач по числу блоков параллельных приборов и координирующей задачи. Далее проанализированы точный и приближённый методы решения задачи синтеза расписаний параллельной динамической обслуживающей системы. Затем на их основе синтезирован алгоритм, который позволяет получать решение задачи синтеза расписаний параллельной динамической системы за приемлемое время с качеством, практически не уступающим точным методам. Затем рассмотрены подходы к решению задачи синтеза расписаний последовательных систем и реализован алгоритм её решения.

После этого на основе алгоритмов для параллельных и последовательных систем получен алгоритм синтеза расписаний параллельно-последовательных систем. Далее этот алгоритм реализован в среде ILOG OPL Development Studio и проведено тестирование его работы на примерах. Проведённое тестирование позволяет убедиться в эффективности разработанных алгоритмов.

До сих пор едва ли не единственным средством автоматизации календарного планирования на практике являются имитационные модели (включая различные эвристические схемы, основанные на регулировании системы посредством варьирования приоритетов, дисциплин обслуживания заявок и очередей). Данные инструменты используются в таких российских MES системах, как ФОБОС, PolyPlan, Зенит и т.д.

Стоит отметить, что во многих случаях использование данных инструментов для календарного планирования приводит к значительным простоям оборудования, его неравномерной загрузке, увеличению сроков, необходимых для выпуска партии изделий. В дальнейшем это может привести к невыполнению плана, срыву сроков поставок, ухудшению репутации предприятия и потерей заказов на изготовление продукции. Поэтому разработки, использующие оптимизационные алгоритмы для решения задачи календарного планирования, с высокой вероятностью будут востребованы в промышленном производстве, а также в других видах производств.

Типичная параллельно-последовательная обслуживающая система (рис.1) состоит из совокупности блоков, или подсистем, содержащих взаимозаменяемые, в общем случае неидентичные приборы. На производстве это группы взаимозаменяемого оборудования. На рис. 1 они пронумерованы от 1 до n. В эту систему поступают заявки. Для каждой заявки указывается технологический маршрут, т.е. последовательность блоков, которую она должна пройти для завершения обслуживания. Задача состоит в том, чтобы распределить заявки по приборам так, чтобы время завершения последней операции (длина расписания) было минимальным.

Рисунок 1 – Типичная параллельно-последовательная обслуживающая система Нами рассмотрен один из возможных подходов к решению данной задачи.

Он заключается в декомпозиции общей задачи и выделению локальных подзадач по числу блоков параллельных приборов и координирующей задачи. Далее проанализированы точный и приближённый методы решения задачи синтеза расписаний параллельной динамической обслуживающей системы. Затем на их основе синтезирован алгоритм, который позволяет получать решение данной задачи за приемлемое время с качеством, практически не уступающим точным методам. Алгоритм заключается в поиске Парето-оптимального решения приближённой задачи с дальнейшим вычислением целевой функции точной задачи для всего Парето-оптимального множества, что позволяет найти приближённое к оптимальному решение.

Затем рассмотрены подходы к решению задачи синтеза расписаний последовательных систем и реализован алгоритм её решения. Далее на основе алгоритмов для параллельных и последовательных систем получен алгоритм синтеза расписаний параллельно-последовательных систем. Кратко данный алгоритм можно представить следующим образом:

1. На исходных данных определяем множество слоёв Gq и их толщину mq.

Задаём начальное значение номера шага алгоритма q=0.

2. Увеличиваем номер шага q=q+1. Переходим от слоя Gq к слою Gq+1.

Переход состоит из переноса заднего фронта слоя и переноса переднего фронта слоя.

3. Для слоя Gq определяем предшествующие и последующие задержки обслуживания по каждой из заявок для всех операций, не вошедших в слой.

Предшествующие назначения на шагах от 1 до (q-1) сохраняются.

4. Определяются оптимальные назначения на параллельные приборы для включённых в слой Gq операций (решается задача синтеза оптимальных расписаний параллельных систем).

5. Поскольку в текущем слое определены все назначения и таким образом слой преобразуется в mq – стадийную последовательную обслуживающую систему, определяем его локально оптимальное расписание (решается задача синтеза оптимальных расписаний последовательных систем).

6. Проверка условий останова алгоритма. Если текущий слой является последним, получено локально-оптимальное расписание ППОС, останов алгоритма. Иначе следует перейти к п.2.

Затем этот алгоритм реализован в среде ILOG OPL Development Studio.

Структуру данной среды разработки можно представить следующим образом (рис. 2):

Рисунок 2 – Структура среды разработки ILOG OPL Development Studio Некоторые особенности данной среды:

– наличие в составе CPLEX – одного из лучших модулей, реализующих алгоритмы оптимизации;

– широкие возможности для интеграции с другими приложениями;

– представление моделей в привычном виде, что позволяет затрачивать намного меньше времени, чем при использовании языков программирования общего назначения;

– наличие в составе CP Optimizer оптимизатора логического программирования в ограничениях (CP) для решения детальных задач составления расписаний, а также неопределённых комбинаторных оптимизационных задач, которые непросто линеаризовать и решить, используя традиционные методы математического программирования.

Проведенное тестирование работы алгоритма на примерах позволило доказать эффективность данного декомпозиционного подхода к решению задачи синтеза расписаний параллельно-последовательных систем.

В дальнейшем планируется реализация и дальнейшее развитие приложения в среде Microsoft Visual Studio с подключением библиотек ILOG. Это следует сделать, так как данная среда предоставляет гораздо более широкие возможности, нежели скриптовый язык javascript, используемый для управления ходом решения в ILOG OPL Development Studio IDE.

Также можно выделить следующие дальнейшие направления работы:

– Более подробный анализ работы MES-систем, представленных на рынке (ФОБОС, Зенит и т.д.) и сравнение на конкретных примерах их работы с работой наших программных реализаций;

– Анализ работы программ на различных ЭВМ (64-разрядные системы, серверы и т.д.).

Литература Мезенцев Ю.А. Оптимизация расписаний параллельных динамических систем в календарном 1.

планировании. Журнал «Информационные технологии», М., Изд-во «Новые Технологии» 2008. №2.

С.16-23.

Мезенцев Ю.А. Оптимизация расписаний параллельно-последовательных систем в календарном 2.

планировании // Информационные технологии. М., Изд-во «Новые технологии» 2009. №6 С. 35-41.

Танаев В.С., Сотсков Ю.Н., Струсевич В.А. Теория расписаний. Многостадийные системы. 3.

М.:Наука, 1989. – 328 с.

Филлипс Д., Гарсиа-Диас А. Методы анализа сетей. - М.: Мир, 1984.– 496 с.

4.

ДИСТАНЦИОННАЯ ТЕХНОЛОГИЯ ОБУЧЕНИЯ ПРОЕКТИРОВАНИЮ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ НА ОСНОВЕ ИММУННОСЕТЕВОГО МОДЕЛИРОВАНИЯ Г.А. Самигулина, З.И. Самигулина Институт проблем информатики и управления, г. Алматы, Казахстан galinasamigulina@mail.ru На основе современных сетевых телекоммуникационных технологий и интеллектуальной технологии AIS разработаны дистанционные технологии обучения, которые позволяют в условиях удаленного доступа проектировать интеллектуальные системы управления с использованием иммунносетевого моделирования, подключаться к реальным данным, отрабатывать необходимые навыки для успешного изучения сложных IT- технологий.

Введение. Современное высокотехнологичное производство предъявляет повышенные требования к системам промышленной автоматизации, что в свою очередь приводит к острой необходимости подготовки высококвалифицированных специалистов в данной области. В связи с этим актуально внедрение различных инновационных подходов и поиск новых нетрадиционных методов обучения, нацеленных на улучшение качества получаемого образования. Трудность заключается в необходимости освоения студентами большого объема знаний и практических навыков работы не только по дисциплинам, предусмотренным учебным планом, но и по многим смежным. Решение данной проблемы возможно с помощью дистанционного образования.

В настоящее время технологии обучения предоставляют широкий выбор функциональных возможностей при разработке методов и средств дистанционного обучения. Актуальна задача формирования новейших технологии дистанционного обучения для студентов технических специальностей, где необходимо задействовать реальное оборудование. Сложность работы с такими методиками заключается в организации доступа к оборудованию, и разработке методов обучения, нацеленных на использование лабораторной базы, через удаленный доступ.

С другой стороны перспективным направлением является дистанционное обучение новым технологиям, которые применяются при проектировании систем управления сложными реальными объектами с различными видами неопределенностей параметров. В таких системах при обработке огромных потоков данных используются принципы имитационного моделирования естественных систем. Наиболее успешное развитие и применение в последнее время получили нейронные сети и эволюционные алгоритмы.

Интересны с данных позиций результаты по искусственным иммунным системам (Artificial Immune Systems, AIS). Это относительно новое направление в искусственном интеллекте [1] с использованием которого разработан ряд приложений для дистанционного обучения в среде Internet [2], в компьютерном молекулярном дизайне лекарственных препаратов [3], в системах безопасности и защите компьютеров от вредоносного программного обеспечения [4] и др.

Постановка задачи. Постановка задачи формулируется следующим образом:

необходимо разработать дистанционную технологию обучения проектированию интеллектуальных систем управления на основе иммунносетевого моделирования [5, 6].

Проектирование AIS (рис. 1) включает в себя ряд этапов:

– Сбор данных с реального объекта управления.

– Организация информационного обмена данными.

– Предварительная обработка данных на основе различных подходов (факторный анализ, нейронные сети, генетические алгоритмы и др.) [5].

– Решение задачи распознавания образов на основе нахождения минимальной энергии связи между пептидами с использованием сингулярного разложения матриц.

– Оценка энергетических погрешностей и расчет коэффициентов риска прогнозирования [6].

– Выработка управляющего воздействия.

Процедура сбора и обмена данными с реального объекта для AIS. Ниже описана процедура сбора данных с реального объекта промышленной автоматизации и организация информационного обмена данными для разработанной интеллектуальной системы управления на основе AIS.

Для решения поставленной задачи применяется технология OPC (OLE for Process Control), которая предназначена для обмена данными с системой измерения и управления.

Рисунок 1 – Система управления на основе AIS Данная технология представляется двумя классами программ: ОРС – сервер (OPC server) и ОРС – клиент (OPC client).

Первая программа предназначена для взаимодействия с аппаратурой, а вторая получает данные от сервера для последующей обработки и передачи команд управления на сервер [7].

Механизм организации информационного обмена с реального объекта представляет собой систему, которая состоит из управляющей и исполнительной частей.

Управляющая часть воздействует на исполнительную часть через исполнительные устройства. Она состоит из одного или более программируемых логических контроллеров (Modicon M340, под управлением программы Unity Pro L), роль которых заключается в реализации алгоритмов управления в процессе обработки данных, связанных с исполнительной частью, и человеко-машинный интерфейс (Superviseur PcVue 32), обеспечивающий отладочные функции и управляющие воздействия со стороны человека (оператора) на процесс.

В качестве исполнительной части рассматриваются датчики и исполнительные устройства, обеспечивающие связь между исполнительной и управляющей частями.

Датчики информируют управляющую часть о состоянии исполнительной части. Они преобразуют физические величины в стандартные электрические сигналы.

Исполнительные устройства изменяют состояние исполнительной части в соответствии с командами, которые формируются управляющей частью [8].

Алгоритм организации сбора данных с помощью OPC технологии показан на рис.

2. Информация с контроллера Modicon M340, через коммутатор поступает на сервер OPC. Благодаря протоколу OPC/DCOM организуется передача данных разным клиентам.

Сбор и обработку данных можно разделить на несколько этапов:

– Сбор данных с помощью программы OPC Factory Server.

– Локализация данных в специальных макросах Exel (OPC - client).

– Организация человеко–машинного интерфейса с помощью программы Superviseur PcVue 32.

– Обработка данных в среде MATLAB.

Для установки связи с сервером необходимо в программе c помощью пакета прикладных программ Uniry Pro L осуществить конфигурацию сети (рис. 3.1). Затем сконфигурировать основные настройки OPC Factory Server (рис. 3.2). На следующем этапе осуществляется подключение OPC – client (рис. 3.3).


Далее полученные с помощью технологии OPC данные могут передоваться в пакет прикладных программ MATLAB для дальнейшего анализа иммунными сетями (рис. 3.4).

Дистанционное обучение AIS технологии. При разработке технологии дистанционного обучения проектированию AIS при передаче информации через OPC сервер от реального контроллера к обучающимся используются программы Unity Pro L и OPC Factory Server. Отличительной особенностью данных программ является то, что каждая из них способна функционировать в режиме эмулятора.

Эмулятор программы Unity Pro L позволяет осуществлять поиск ошибок в проекте без связи с реальным программируемым логическим контроллером (ПЛК). Все задачи проекта (Mast, Fast, AUX и Event), которые выполняются на настоящем ПЛК, также доступны в эмуляторе. Отличия от реального ПЛК состоят в отсутствии модулей вх/вых и коммуникационных сетей (таких как ETHWAY, Fipio и Modbus Plus) с недетерминированным поведением в реальном времени. Все функции отладки, функции анимации, точки останова, форсирование переменных и т.п. доступны в эмуляторе.

Рисунок 2 – Технология OPC для организации информационного обмена Рисунок 3.1 – Конфигурация сети (Unity Pro) Рисунок 3.2 – Конфигурация OPC Server Рисунок 3.3 – Функционирование связи с OPC-client Рисунок 3.4 – Организация MATLAB Эмулятор контроллера отображает следующее: тип эмулируемого ПЛК;

текущее состояние эмулируемого ПЛК;

название загруженного проекта;

IP адрес и название DNS главного персонального компьютера (ПК) для эмулятора и всех соединенных клиентских ПК;

диалоговое окно для эмулирования событий вх/вых.;

Reset кнопка для сброса эмулируемого ПЛК (эмуляция холодного перезапуска), Power Off/On кнопка (для эмуляции теплого перезапуска), контекстное меню (правой кнопки мыши) для контролирования эмулятора.

На ряду с программой Unity Pro L программа OPC Factory Server (OFS) также может функционировать в режиме эмулятора. Существует три варианта доступа к серверу OPC: чисто в локальном режиме, доступ через классическую настройку DCOM сети, доступ через INTERNET интерфейс HTTP. Но перед началом управления через INTERNET сервер должен быть правильно настроен.

При дистанционном обучении технологии AIS и обеспечении информационного обмена через сервер OPC с реальным объектом предлагается следующая методика (см.рис. 1):

– Обучающийся получает доступ к серверу, который связан с базой данных.

– Загружает необходимое программное обеспечение и задание для выполнения на свой компьютер.

– Осуществляет настройку эмуляторов.

– Выполняет упражнения в соответствии с заданием по проектированию AIS с использованием эмуляторов.

– В случае правильного выполнения упражнений обучающийся получает доступ к реальному оборудованию через INTERNET для тестирования своей программы в режиме стандартного соединения.

Предложенная методика открывает широкий спектр возможностей по организации многостороннего информационного обмена между интеллектуальной системой управления на основе AIS и реальным объектом, обеспечивая дополнительные возможности по контролю, диагностике, анализу данных как в условиях дистанционного обучения, так и в условиях промышленной эксплуатации.

На разработанное программное обеспечение по интеллектуальной технологии AIS получены авторские свидетельства о государственной регистрации объекта интеллектуальной собственности, зарегистрированные в Комитете по правам интеллектуальной собственности Министерства юстиции Республики Казахстан.

Рисунок 4 – Технология дистанционного обучения и организация информационного обмена с помощью OPC в режиме эмулятора На основе современных сетевых телекоммуникационных технологий и интеллектуальной технологии AIS разработана дистанционные технологии обучения, которая позволяет в условиях удаленного доступа проектировать интеллектуальные системы управления с использованием иммунносетевого моделирования, подключаться к реальным данным, отрабатывать необходимые навыки для успешного изучения сложных IT- технологий.

Литература 1. Tarakanov A.O. Formal peptide as a basic of agent of immune networks: from natural prototype to mathematical theory and applications / A.O. Tarakanov // Proc. of the I Int. workshop of central and Eastern Europe on Multi-Agent Systems (CEEMAS’99). -St. Petersburg, Russia, June 1- 4, 1999. -P.P.

281-292.

Самигулина Г.А. Математическое моделирование дистанционного обучения на основе 2.

искусственных иммунных сетей // Информатика. –Минск: Объединенный институт информатики РБ, 2010. -№ 4(28). -С. 105-111.

Самигулина Г.А., Чебейко С.В. Разработка технологий иммунносетевого моделирования для 3.

компьютерного молекулярного дизайна лекарственных препаратов // Вестник Харьковского Университета. Тематический выпуск: информатика и моделирование. - Харьков, 2011. №17. –С.142 148.

Самигулина Г.А., Чебейко С.В., Ширяева О.И., Самигулина З.И. Монография. Разработка 4.

технологий иммунносетевого моделирования для решения различных прикладных задач. – Алматы, 2011. – 217 c.

Самигулина Г.А. Разработка интеллектуальных экспертных систем прогнозирования и управления 5.

на основе искусственных иммунных систем // Проблемы информатики. – Новосибирск, 2010. № 1. – С. 15-22.

6. G. Samigulina. Development of the decision support systems on the basis of the intellectual technology of the artificial immune systems // Automatic and remold control. – М., 2012. - №2. -С.334-441.

7. http://www.novosoft.by/Ency/opc.htm Philippe Warin. Введение в промышленную автоматизацию //«Шнейдер Электрик». – Москва, 2005.

8.

МУЛЬТИАГЕНТНЫЕ СИСТЕМЫ ПОИСКА ИНФОРМАЦИИ Г.А. Сидорова, А.В. Селянина Сибирский государственный аэрокосмический университет имени ак. М.Ф. Решетнева, Красноярск, sid_ga@mail.ru Проблема поиска информации в интернете занимает одно из важнейших мест. Одним из способов решения этой проблемы является использование мультиагентных систем поиска информации. В данной статье приведена структура мультиагентных систем и подробное описание агентов.

Мультиагентные системы – системы поиска, использующие различные типы агентов. В основном мультиагентные системы содержат четыре типа агентов:

интерфейсный агент;

поисковый агент;

агент проверки существования страниц;

агент ранжирования страниц.

Интерфейсные агенты. Интерфейсный агент является автономным.

Пользователь вводит задание на поиск в текстовой форме, запускает поиск. До завершения поиска никакого взаимодействия между пользователем и интерфейсным агентом не происходит.

Алгоритм работы интерфейсного агента выглядит следующим образом:

– Получение задания от пользователя.

– Запуск поиска (передача заданий поисковым агентам).

– Ожидание результата поиска (от агента ранжирования страниц).

– Вывод результатов.

– Адаптация поискового процесса.

Поисковые агенты взаимодействуют с конкретной поисковой системой, передают ей запросы пользователя и возвращают результаты её работы агенту проверки существования страниц. Под результатом работы поисковой системы подразумеваются ссылки на страницы в сети и описания этих страниц. Поисковый агент является автономным, так как с пользователем не взаимодействует вообще.

Алгоритм поискового агента выглядит следующим образом:

– Получение задания (запроса) от интерфейсного агента.

– Передача запроса поисковой системе.

– Передача результатов поиска поисковой системы агенту проверки существования страниц.

Агенты проверки существования страниц. Этот агент, отсеяв несуществующие страницы, передаёт результат агенту ранжирования страниц. Агент проверки существования страниц является автономным, так как пользователь не принимает никакого участия в его работе.

Агент проверки существования страниц действует в соответствии со следующим алгоритмом:

– Получение списка адресов (URL) страниц от поискового агента.

– Выбор из списка непроверенной страницы, если таковых нет, управление передаётся агенту ранжирования страниц.

– Отправка запроса по адресу непроверенной страницы.

– Ожидание ответа от сервера.

– В случае ошибки страница удаляется из списка, иначе остаётся в списке.

Агенты ранжирования страниц. Агент ранжирования страниц строит совокупный рейтинг всех найденных существующих страниц, упорядочивая страницы в соответствии с номером их следования у поисковых агентов, отбрасывая дублирующиеся ссылки. Агент ранжирования страниц является автономным, так как выполняет свои задачи без привлечения пользователя.

Агент ранжирования страниц действует в соответствии со следующим алгоритмом:

– Получение списков страниц от агентов проверки существования страниц.

– В рамках результатов поиска каждой поисковой системы страница с минимальным порядковым номером получает максимальный рейтинг, страницы с более высокими порядковыми номерами получают меньший рейтинг.

– Объединение страниц с совпадающими ссылками.

– Сортировка страниц по убыванию рейтинга.

– Передача отранжированного списка страниц интерфейсному агенту.

Пользователь Интерфейсный агент Поисковый Поисковый Поисковый агент 1 агент 2 агент N Поисковая Поисковая Поисковая система 1 система 2 система N Агент проверки Агент проверки Агент проверки существования существования существования Агент ранжирования страниц Рисунок 1 – Структурная схема мультиагентной поисковой системы Структуру типовой мультиагентной системы можно представить таким образом, как показано на рис. 1.

Мультиагентные системы являются программно-вычислительными комплексами, где взаимодействуют различные агенты для решения задач, которые трудны или недоступны в силу своей сложности для одного агента. Часто такие мультиагентные системы называют агентствами, в рамках которых агенты общаются, кооперируются и договариваются между собой для поиска решения поставленной перед ними задачи.

Литература Зеленков П.В. Алгоритм работы поискового модуля в системах поддержки принятия решений / 1.

Зеленков П.В., Ковалев И.В., Карасева М.В., Рогов С.С. Фундаментальные исследования. – 2008. – № 3. – С. 33.

Зеленков П.В. Поиск и обработка информации на базе мультилингвистических тезаурусов / 2.

Зеленков П.В., Ковалев И.В., Карасева М.В., Рогов С.С. Современные наукоемкие технологии. – 2008. – № 3. – С. 31.

Царев Р.Ю. Итеративный метод многоатрибутивного формирования оптимального состава 3.

информационно-управляющих систем / И.В. Ковалев, А.В. Аниконов, М.Ю. Слободин, Р.Ю. Царев // Системы управления и информационные технологии. – 2006. – № 2(24). – С. 90–95.

РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ КОММУНИКАТОРОВ ПОД УПРАВЛЕНИЕМ ОС ANDROID, ОСУЩЕСТВЛЯЮЩЕГО КОНТРОЛЬ БАЛАНСА ТРАНСПОРТНОЙ КАРТЫ Е.В. Федоров, Ю.С. Юркова, С.В. Яровой Сибирский государственный технологический университет, г. Красноярск, evgeniyfedorov1990@gmail.com Транспортная карта, внедрение которой началось в г. Красноярске в ноябре 2010 г., стала очень популярным средством оплаты проезда в пассажирском транспорте для красноярцев. В статье рассмотрены особенности приложения работы с транспортной картой.

По данным сайта http://krasinform.ru, на декабрь 2011 года реализовано более тысяч карт, а общий объем пассажиров, оплативших свой проезд с помощью транспортных карт, составил более 10 миллионов [1].

Использование транспортной карты для оплаты проезда в пассажирском транспорте очень удобно. Оплата поездки при помощи транспортной карты занимает всего 2 секунды и позволяет избавиться от поиска мелких монет для оплаты, либо пересчета сдачи, в случае оплаты крупной купюрой. Кроме того стоимость проезда по транспортной карте ниже, чем за наличный расчет.

Однако при всех преимуществах, которые дает использование транспортной карты для оплаты проезда, она имеет один довольно существенный недостаток - чтобы узнать баланс своей карты необходимо либо спрашивать его у кондуктора, отвлекая его от основной работы, либо выстаивать немаленькие очереди на почте, чтобы узнать баланс у оператора, осуществляющего пополнение карт.

Таким образом, следить за балансом транспортной карты не всегда удобно и в самый неподходящий момент средств на счете может не хватить для оплаты очередной поездки.

Для выхода из сложившейся ситуации было принято решение реализовать приложение для коммуникаторов под управлением операционной системы Android, осуществляющее контроль баланса транспортной карты.

Интерфейс приложения достаточно прост - в главном окне выводится информация о текущем балансе карты в рублях, а также в пересчете на количество поездок на автобусе, либо на троллейбусе / трамвае (рис. 1).

Оплатив поездку, пользователю необходимо лишь нажать соответствующую кнопку, чтобы от текущего счета отнялась стоимость поездки, и произошел пересчет оставшегося числа поездок.

Остальные функции приложения доступны пользователю в главном меню. При помощи главного меню можно отменить ошибочно зафиксированную поездку, получить доступ к настройкам, личному кабинету, информации о приложении, а также информации о транспортной карте, предоставляемой сайтом http://krasinform.ru (рис. 2).

Настройки приложения позволяют пользователю самостоятельно задавать текущую стоимость поездки на автобусе либо троллейбусе/трамвае, а также указывать число оставшихся поездок, при котором оно будет выделяться цветом на главном экране, напоминая о том, что необходимо пополнить счет транспортной карты.

В личном кабинете пользователю предоставляется возможность ввести номер своей транспортной карты, сумму на которую был пополнен счет, а также, в случае необходимости, очистить информацию о балансе транспортной карты.

Рисунок 1 – Интерфейс главного окна приложения «Транспортные карты»

Рисунок 2 - Главное меню приложения «Транспортные карты»

Пункт меню «Информация о карте» открывает пользователю доступ к информации, предоставляемой сайтом http://krasinform.ru о транспортной карте по ее номеру (если он введен в личном кабинете приложения).

На экране информации о карте пользователь видит номер своей транспортной карты, остаток средств на счете, а также дату последнего обновления. Обновление информации осуществляется путем нажатия кнопки на форме (рис. 3).

Рисунок 3 – Экран информации о карте Следует учесть, что информация от перевозчиков поступает на сайт http://krasinform.ru приблизительно раз в сутки, поэтому информация, предоставляемая сайтом о балансе транспортной карты, не всегда актуальна.

Именно для того, чтобы всегда поддерживать актуальность информации о балансе, в приложении и реализована возможность локального фиксирования поездок.

Также приложение позволяет просматривать статистику пополнений баланса транспортной карты и статистику поездок. Статистика поездок представлена списком, состоящим из номера маршрута, а также даты и времени поездки, кроме того в заголовке списка представлена информация об общем количестве поездок за месяц и денежной сумме затраченной на них (рис. 4).

Рисунок 4 – Экран статистики поездок Статистика платежей также представлена списком, состоящим из суммы, внесенной на счет, а также даты и времени осуществления платежа.

В случае необходимости приложение предоставляет возможность синхронизировать локальный счет приложения с информацией о балансе транспортной карты, предоставляемой сайтом http://krasinform.ru.

В ближайших планах развития сделать приложение полезным как можно большему числу горожан. В них входят как чисто технические задачи, такие как перенос приложения на другие популярные мобильные платформы, так и гораздо более широкие, такие как интеграция в приложение поддержки социальных карт, интеграция с сервисами транспортных карт других городов России. Кроме того, планируется реализация таких интересных функций, как отображение автобусов на маршруте онлайн, а также интеграция с услугой «легкий платеж» от МТС, что позволит и пополнение баланса карты сделать таким же удобным и оперативным, как и контроль баланса.

Литература Транспортная карта в г. Красноярск набирает обороты / КРАСИНФОРМ, 2011. Режим доступа:

1.

http://krasinform.ru/?page=20&news_id= Хашими, С. Разработка приложений для Android / С. Хашими, С. Коматинени, Д. Маклин – СПб.:

2.

Питер, 2011 – 736 с.

СОВРЕМЕННЫЕ ПРОГРАММНЫЕ КОМПЛЕКСЫ ДЛЯ ИССЛЕДОВАНИЯ РАБОЧИХ ПРОЦЕССОВ В ДИНАМИЧЕСКИХ СИСТЕМАХ Р.Ю. Царев, В.В. Трокай Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева, г. Красноярск, sid_ga@mail.ru Современность научно-технического уровня в промышленности, науке и образовании в настоящее время во многом определяется степенью внедрения информационных технологий, обеспечивающих решение многих задач производства, научных исследований и учебного процесса. Поэтому разработка новых программно-технических средств должна учитывать последние достижения современных мировых компьютерных и информационных технологий.

Математическое моделирование рабочих процессов с использованием методов структурного моделирования - наиболее эффективное средство отработки технических решений при создании сложного исследовательского или технологического оборудования. Применение методов и средств математического моделирования позволяет оценивать правильность проектных решений, проводить многовариантный анализ и выбирать наиболее эффективные решения. Моделирование позволяет до натурных испытаний оценить поведение проектируемой установки, выявить причины возможного возникновения нештатных ситуаций и предложить новые технические решения по предотвращению аварийных ситуаций, которые могут приводить к тяжелым экономическим или экологическим последствиям. Наибольший эффект численное моделирование позволяет получить при отработке реальной аппаратуры систем контроля и автоматического управления сложными объектами в ядерной и тепловой энергетике, в ядерном топливном цикле, в авиационной и аэрокосмической технике, в химической промышленности и других отраслях, где выход на натурные испытания опытного образца недопустим без достаточного обоснования надежности аппаратуры систем автоматических управления.

К настоящему времени в РФ и за рубежом разработано немало разнообразных инструментальных средств для математического моделирования динамических режимов в технических системах. Сравнительный анализ существующих программных комплексов (ПК) – непростая задача, поскольку они созданы в разное время и для разных целей. Программные комплексы сильно отличаются по назначению, объему, качеству и цене. Они могут вполне удовлетворять одних Пользователей и не подходить другим.

Поэтому сформулируем ряд требований, которым должны удовлетворять современные программно-инструментальные средства для автоматизации динамических расчетов:

Образное представление. Процесс автоматизированной разработки сводится к «рисованию» математической модели исследуемого объекта в виде графического изображения (например, структурной схемы), причем «рисовать» можно не только технологические схемы, но и панели управления с соответствующими приборами. При этом Пользователь работает в терминах предметной области и может не владеть глубокими знаниями в математическом моделировании и программировании.

Модульность. Создаваемая математическая модель динамики исследуемого объекта набирается из отдельных модулей или блоков, разработка и отладка которых носит независимый характер. Модульность определяет открытость и адаптируемость программно-инструментальных средств для автоматизации динамических расчетов.



Pages:   || 2 | 3 | 4 |
 

Похожие работы:





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.