Содержание к диссертации
Введение
Глава 1. Современное состояние технической диагностики и систем поддержки процесса повышения квалификации сотрудников 13
1.1. Современное состояние технической диагностики 13
1.2. Автоматизация процесса подготовки специалистов 20
1.3. Имитационное, проблемное и эвристическое обучение 22
1.4. Информационные средства поддержки процесса обучения 23
1.5. Выводы 27
Глава 2. Структура трехуровневой системы диагностирования изделий электронной техники в технологическом процессе 28
2.1. Общие принципы диагностики, их место в системных исследованиях 28
2.2. Трехуровневая система диагностических мероприятий в технологическом процессе. 32
2.2.1. Применение базы данных 33
2.2.2. Использование нейронной сети 35
2.2.3. Построение экспертной системы 35
2.3. Основные принципы диагностирования изделий в процессе производства в приборостроении 37
2.4. Диагностирование логических и одиночных константных неисправностей 39
2.5. Применение нейронных сетей и экспертных систем для распознавания неявно выраженных неисправностей в технологическом процессе 40
2.5.1. Установка критериев для определения порогового значения переключения элементов нейронной сети 42
2.5.2. Обучение нейронной сети 49
2.5.3. Настройка экспертной системы 53
2.5.4. Последовательность диагностических мероприятий в технологическом процессе изделий в приборостроении 56
2.6. Формализация модели области знаний 58
2.7. Выводы 58
Глава 3. Интеллектуальный тренажер как основа автоматизированной обучающей системы 59
3.1. Принципы пост-роения интеллектуального тренажера для обучения диагностированию электронных схем 59
3.1.1. Дедуктивный метод изучения теории 60
3.1.2. Индуктивный метод изучения теории 63
3.2. Структура интеллектуального тренажёра как основы автоматизированной обучающей системы 65
3.2.1. Блок, содержащий теоретические сведения 67
3.2.2. Интерфейс пользователя 69
3.2.3. Генератор заданий 70
3.2.4. Построение автоматического "решателя" 70
3.2.5. Блок настройки на компетентностные особенности обучаемого 70
3.2.6. Блок графического отображения объекта диагностирования 71
3.3. Автоматическая генерация тестовых заданий 71
3.4. Способы генерации тестовых заданий 73
3.4.1. Древовидная структура схемы 73
3.4.2. Послойная структура схемы 75
3.5. Настройка автоматизированной обучающей системы на компетентностные особенности обучаемого 78
3.6. Разработка способа оценки уровня подготовки обучаемого и настройка автоматизированной обучающей системы на этот уровень 79
3.7. Интеллектуальные средства разрабатываемого тренажера 81
3.8. Выводы 81
Глава 4. Реализация интеллектуального тренажера контроля электронных схем в технологическом процессе 82
4.1. Выбор среды и языка программирования 82
4.2. Особенности реализации автоматического генератора и автоматического "решателя" в АОС 84
4.3. Представление реализации предметной области 87
4.3.1. Представление подсистемы "Диагностика комбинационных схем" 87
4.3.2. Пошаговая проверка построения теста обучаемым 91
4.3.3. Представление подсистемы "Диагностика синхронных последовательностных схем" 93
4.3.4. Представление подсистемы "Диагностика асинхронных последовательностных схем" 95
4.3.5. Интерфейс пользователя 95
4.4. Апробация работы и ее практическое применение 100
4.5. Выводы 104
Заключение 105
Список литературы 106
- Современное состояние технической диагностики
- Применение нейронных сетей и экспертных систем для распознавания неявно выраженных неисправностей в технологическом процессе
- Автоматическая генерация тестовых заданий
- Особенности реализации автоматического генератора и автоматического "решателя" в АОС
Введение к работе
Актуальность проблемы. В настоящее время весьма остро встает
вопрос обеспечения качества производимой продукции вообще и
электронных систем в частности. Если раньше разработка новых
электронных приборов и систем была ориентирована на 10-15-летний срок
эксплуатации и диагностические тесты формировались
специализированными подразделениями разработчиков аппаратуры, то теперь моральное старение изделий электронной техники происходит гораздо быстрее, объемы производства стали меньше, поэтому все этапы от разработки до изготовления часто выполняются непосредственно на предприятии-изготовителе. Вместе с тем, в условиях жесткой конкуренции предприятие не может позволить себе снижать качество продукции. Наилучшим выходом в данном случае является создание автоматизированной обучающей системы (АОС), предназначенной для повышения квалификации обслуживающего персонала без отрыва от производства и представляющей собой систему интеллектуальной поддержки процессов обучения и переподготовки инженерно-технического персонала в технологическом процессе производства.
Кроме того, подготовка специалистов по технической диагностике в рамках программ высшей школы, очевидно, никогда не потеряет своей актуальности. Поэтому еще одной сферой применения АОС является ее использование при подготовке специалистов в вузовской и профессиональной сферах.
Проблемы диагностики электронных приборов решали как российские, так и зарубежные ученые. Известны работы Пархоменко П.П., Карибского В.В., Согомоняна Е.С., Каравая М.Ф., Лобанова А.В., Schlichting R., Rennels D.A., Dolev D. и мн. др.
Вопросами e-learning и создания автоматизированных обучающих систем занимаются, в частности Савельев А.Я., Тихомиров В.П., Солдаткин
5 В.И., Гусєва А.И., Игнатова И.Г., Дэ-Джун Кванг, Мьюнг-Сук Дженни Панг и
др.
Актуальность работы, посвященной повышению квалификации обслуживающего персонала, как условия обеспечения надежности и отказоустойчивости, и связанной с ними диагностикой технических объектов, не вызывает сомнений, если учесть возрастающее число и масштабы техногенных катастроф, обусловленных ненадежным функционированием технических объектов, а также увеличение себестоимости разработок технических объектов с возрастанием их сложности и повышением степени интеграции.
Актуальность проблемы обусловлена тем, что в условиях увеличения числа малых предприятий с быстро меняющимся ассортиментом производимой продукции нет возможности обеспечить длительную подготовку специалистов нужной квалификации. Поэтому использование АОС позволяет решить проблему ускорения процесса повышения квалификации специалистов, в том числе и с использованием методов электронного образования (e-learning).
Построение АОС, осуществляемое на основе разработки структуры, алгоритмов генерации заданий, создание интеллектуального модуля контроля результатов обучения является, следовательно, актуальной задачей.
Объектом исследования является структура АОС.
Предметом исследования являются методы и средства построения интеллектуальных тренажеров как одного из видов или компонентов АОС для обучения инженерно-технического персонала, участвующего в технологическом процессе производства изделий электронной техники методам технической диагностики.
Техническая диагностика - отрасль научно-технических знаний, сущность которой составляют [1] теория, методы и средства обнаружения и поиска дефектов объектов технической природы (в частности, электронных,
компьютерных систем), а также на основе синергетического подхода — биологических, экономических и других типов систем.
Диагностический аспект обеспечения и поддержания надежности электронных и компьютерных систем состоит в рассмотрении и реализации совокупности мероприятий по своевременному обнаружению неисправностей и поиску дефектов с целью их последующего устранения (или исключения недопустимого влияния) и тем самым восстановления работоспособного состояния объекта [1]. Специалистов в этой области не так много и от их квалификации зависит качество выпускаемой продукции, а так же ее себестоимость, поэтому предметная область интеллектуального тренажера представляется весьма актуальной.
Целью диссертации является разработка и программная реализация методов и средств для повышения квалификации обслуживающего персонала в области диагностики электронных приборов за счет создания интеллектуальной АОС.
Для достижения поставленной цели необходимо решение следующих задач.
Разработка требований к функционированию АОС и ее структуры.
Анализ существующих методов подготовки специалистов в рамках технологии e-learning.
Формализация модели области знаний (диагностирование электронных приборов).
Разработка схемы алгоритма интеллектуального тренажера для подготовки специалистов в области технической диагностики (на первом этапе реализации — рассмотрение общих вопросов технической диагностики, а так же построение диагностических тестов для комбинационных схем (d-алгоритм Рота)).
Разработка подходов к реализации способов построения диагностических тестов для синхронных последовательностных схем.
Разработка алгоритма автоматической генерации заданий для интеллектуального тренажера.
Разработка алгоритма автоматического решения сгенерированных заданий.
Программная реализация разработанных методов и алгоритмов для решения практических задач обучения и повышения квалификации специалистов в области технической диагностики.
Методы исследования. Теоретическую и методологическую базу исследования составили элементы общей теории систем, методы интеллектуальных технологий, методы и алгоритмы технической диагностики, теория построения обучающих систем, методы генерации заданий, а также объектно-ориентированная технология программирования. При решении конкретных задач использовались труды отечественных и зарубежных ученых в области e-learning и технической диагностики.
Научная новизна. Диссертационная работа представляет собой совокупность научно обоснованных технических разработок, направленных на создание АОС, обеспечивающих повышение уровня квалификации обслуживающего персонала в сфере диагностирования изделий приборостроения.
В процессе исследований и разработок получены следующие новые научные результаты.
Разработана структура интеллектуального тренажера, входящего в АОС.
Разработан алгоритм формирования заданий в интеллектуальном тренажере (с помощью автоматического генератора заданий), предназначенном для технической поддержки процесса повышения квалификации специалистов с учетом уровня их подготовки.
Разработан алгоритм автоматического «решателя», который выполняет сгенерированные в автоматическом режиме задачи, учитывая особенности каждой из них.
Разработана схема алгоритма взаимодействия АОС с обучаемым.
Формализована структура модели области знаний, обеспечивающая применение двух технологий обучения - основанных на индуктивном и дедуктивном методах процесса обучения, в зависимости от индивидуальных компетентностных качеств обучаемых.
Достоверность полученных результатов подтверждается результатами успешных экспериментальных исследований и внедрения АОС в учебный процесс кафедры ИПОВС МИЭТ.
Практическая ценность работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение АОС при обучении методам технической диагностики в приборостроении. Результаты исследования доведены до конкретных алгоритмов и программной реализации.
Самостоятельное практическое значение имеют:
разработанная структура АОС позволяет повысить уровень квалификации специалистов в области технической диагностики, что является одним из условий повышения качества изготавливаемой продукции;
разработанная структура интеллектуального тренажера дает возможность осваивать методы технической диагностики как в сфере производства изделий электронной техники, так и при подготовке специалистов в вузовской и профессиональной сферах;
разработанный интеллектуальный тренажер позволяет использовать интеллектуальные технологии при изучении базовых разделов технической диагностики в соответствии с индуктивным или дедуктивным подходом в зависимости от уровня подготовки кадрового состава;
использование разработанной программы построения теста по d-алгоритму Рота может быть использовано для диагностики и
9 моделирования неисправностей в реально производимых комбинационных схемах; разработаны подходы для использования предлагаемых методов для диагностики и моделирования неисправностей в последовательностных схемах.
По результатам выступления на Научной сессии МИФИ-2007 получен диплом X Московской международной телекоммуникационной конференции студентов и молодых ученых «МОЛОДЕЖЬ И НАУКА», за работу «Актуализация знаний при обучении методам генерации тестов для электронных схем».
На Всероссийском смотре научных и творческих работ иностранных студентов и аспирантов (Томск-2007) получен диплом участника в номинации "За актуальность и практическую значимость" за работу "Автоматическая генерация тестов для автоматизированной обучающей системы".
Личный вклад автора. Все основные результаты получены автором лично. Главными из них являются:
разработана структура АОС как средства увеличения надежности выпускаемой продукции в приборостроении путем повышения уровня квалификации инженерно-технического персонала;
разработана структура интеллектуального тренажера, являющегося основой АОС;
формализована структура модели области знаний, обеспечивающая применение двух технологий изучения дисциплины, основанных на индуктивном и дедуктивном подходах;
разработан алгоритм формирования заданий (с помощью автоматического генератора заданий), предназначенных для технической поддержки процесса повышения квалификации специалистов с учетом уровня их подготовки;
проведен сравнительный анализ методов автоматической генерации схем при формировании заданий: древовидного и послойного, на основе которого выбор остановлен на послойном методе, как более эффективном и имеющем большие возможности;
разработан алгоритм автоматического "решателя", который выполняет сгенерированные в автоматическом режиме задачи, учитывая особенности каждой из них;
реализованы первые две подсистемы АОС, связанные с изучением основных положений технической диагностики и диагностированием комбинационных схем;
разработаны подходы для использования предлагаемых методов для диагностирования неисправностей в последовательностных схемах.
Реализация полученных результатов. Диссертационная работа выполнялась в соответствии с планом научно-технических исследований кафедры "Информатика и программное обеспечение вычислительных систем» Московского государственного института электронной техники (технического университета) и являлась составной частью исследовательских мероприятий в рамках НИОКР «Разработка методологии практической подготовки студентов в рамках инновационных образовательных программ» Федеральной целевой программы развития образования на 2006-2010 годы.
Все работы по программной реализации АОС проводились под руководством или при непосредственном участии автора. Результаты диссертационной работы используются в учебном процессе кафедры в материалах курсов «Теория систем» и «Системный анализ и математическое моделирование».
В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты:
Структура АОС, использующая интеллектуальные технологии.
Алгоритм работы интеллектуального тренажера для обучения методам технической диагностики в приборостроении.
Алгоритм формирования заданий, предназначенных для повышения квалификации специалистов и контроля за этим процессом с точки зрения технологии обучения методам технической диагностики.
Способ оценки уровня подготовки специалиста и настройки интеллектуального тренажера на этот уровень, обеспечивающий применение двух технологий представления информации, основанной на индуктивном и дедуктивном методах.
Программная реализация разработанных алгоритмов и моделей для решения практических задач обеспечения процесса подготовки специалистов в области технической диагностики.
Апробация работы и публикации. Материалы диссертации обсуждались на Всероссийских межвузовских научно-технических конференциях МИЭТ 2005 - 2007 гг., на ежегодных научных сессиях МИФИ : 2006 - 2008 гг., на Всероссийской межвузовской научно-практической конференции «Актуальные проблемы информатизации. Развитие информационной инфраструктуры, -технологий систем». МИЭТ, ноябрь, 2007, на научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (ИНФО-2007), г. Сочи.
По теме диссертации опубликовано 15 работ, полностью отражающих основные научные результаты, в том числе 3 статьи (из них 1 - в журнале "Известия вузов. Электроника", входящем в перечень ВАК), 10 тезисов докладов на конференциях, 2 методические разработки в рамках инновационной образовательной программы МИЭТ "Современное профессиональное образование для Российской инновационной системы в области электроники". Автор принимал участие в НИР "Исследование направлений информационной поддержки деятельности предприятий социально-культурной сферы и вопросов организации учебного процесса подготовки и переподготовки кадров на основе E-learning технологии" Московского института искусств и информационных технологий в качестве исполнителя.
12 Программные средства. При проведении работы используется объектно-ориентированный подход. Реализация программной части интеллектуального тренажера проводится на языке С# в среде Visual C#.NET 2005, для разработки экранных форм используется VB 0.6.
Структура и объем работы.
Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 69 наименований и 5 приложений. Работа изложена на 150 страницах (112 страниц основного текста), содержит 6 таблиц и 43 рисунка. В приложениях приведены основные результаты работы АОС, акт о внедрении, фрагменты листинга разработанной АОС.
Во введении обоснована актуальность темы, дана общая характеристика работы, определена цель работы, приведена структура и краткое содержание диссертации.
В первой главе рассматривается роль и место технической диагностики производства электронных приборов, а также вопросы, связанные с построением автоматизированных обучающих систем.
Вторая глава посвящена анализу предметной области АОС. Предметной областью АОС являются подходы и методы технической диагностики. В данной главе рассматриваются основные из них.
В третьей главе приводится структура разработанного интеллектуального тренажёра с точки зрения информационной и интеллектуальной поддержки управления процессом повышения уровня квалификации инженерно-технического персонала.
Четвертая глава посвящена программной реализации интеллектуального тренажера и его экспериментальному применению. Обосновывается выбор среды программирования.
Заключение содержит краткие выводы по проделанной работе и основные полученные результаты.
Современное состояние технической диагностики
Техническая диагностика - отрасль научно-технических знаний, сущность которой составляют [1] теория, методы и средства обнаружения и поиска дефектов объектов технической природы.
Основное назначение технической диагностики состоит в повышении надежности объектов на этапе их эксплуатации, а также в предотвращении производственного брака на этапе изготовления объектов и их составных частей [2].
Согласно [1] под дефектом будем понимать любое несоответствие свойств объекта заданным, требуемым или ожидаемым его свойствам. Неисправное и неработоспособное техническое состояние может быть детализировано путем указания соответствующих дефектов, нарушающих исправность или работоспособность и относящихся к одной или нескольким частям объекта или к объекту в целом.
Диагностический аспект обеспечения и поддержания надежности состоит в рассмотрении и реализации совокупности мероприятий по своевременному обнаружению и поиску дефектов с целью их последующего устранения или исключения недопустимого влияния и тем самым восстановления работоспособного состояния объекта [2].
В теории технической диагностики выделяют два типа объектов -дискретные и аналоговые. На начальных этапах развития технической диагностики основной моделью неисправностей был класс константных неисправностей, а основным методом построения тестов - полный перебор вариантов с последующей оптимизацией и построением минимального теста. Увеличение размерности решаемых задач привело к отказу от оптимизации тестов и переходу к вероятностным методам построения тестов. Дальнейшее увеличение степени интеграции схем, появление микропроцессоров и других схем с большой и сверхбольшой степенью интеграции привело к необходимости функционального представления объектов на макроуровне и, соответственно, функционального диагностирования. Современные многопроцессорные вычислительные системы, используемые в распределенных вычислениях, требуют новых подходов к обеспечению их надежности и методам диагностики. В настоящее время существует широкий спектр средств тестового диагностирования — от простейших внешних или встроенных средств до универсальных многофункциональных внешних средств. Последние часто бывают предназначены не только для диагностирования, но и для решения других задач, и содержат в своем составе управляющую ЭВМ с развитым программным обеспечением. Тем не менее, интерес к детерминированному построению тестов не потерял своей актуальности до настоящего времени, и служит базой для последующих, более современных методов. А современные мощные и сверхмощные вычислительные системы позволяют существенно увеличить размерность решаемых задач. В процессе поиска неисправностей выделяют шесть этапов: ? выявление признаков неисправности; ? системный анализ признака неисправности; ? составление перечня возможных неисправных функций; ? локализация неисправной функции; ? локализация неисправности в схеме; ? анализ полученных результатов [2]. Обобщая сведения из литературы по поиску неисправностей [3, 4, 5, 6] построим классификацию неисправностей (рис. 1.1). Классификация неисправностей Кроме того, различают неисправности враждебные и дружественные. Под дружественной неисправностью понимают произвольное поведение неисправного элемента системы, но одинаковое по отношению к другим элементам. Под враждебной (Византийской) неисправностью понимают произвольное поведение неисправного элемента системы, и не одинаковое по отношению к другим элементам. В том числе, элемент, имеющий неисправность Византийского характера, в определенных ситуациях может вести себя как исправный. Методы диагностирования подразделяются на [7]: ? тестовые и функциональные; ? динамические, статические, параметрические; ? со штатными и дополнительными контрольными точками; ? с временной заменой блоков (эмуляцией) на время проверок; ? внешние и внутренние; ? с преобразованием структуры объекта и без преобразования; ? постоянные и периодические; ? поэлементные и в целом всего блока; ? детерминированные и вероятностные. Для сокращения времени анализа неисправностей в классических случаях принимаются следующие меры: рассмотрения заведомо необнаруживаемых неисправностей и нахождения подмножеств эквивалентных неисправностей, оставляя в списке неисправностей одного представителя каждого подмножества; разбиение всех неисправностей на независимые классы, характери зующиеся тем, что при моделировании неисправностей схемы в нее можно вводить по одной неисправности каждого класса. Остановимся на рассмотрении неисправностей объектов приборостроения, различающихся поведением во времени: ? дискретные: катастрофические отказы, вызванные нарушениями в физической структуре объекта контроля; ? непрерывные: отказы, обусловленные процессами старения, уходом параметров из области допустимых значений; ? перемежающиеся: отказы, наличие или отсутствие которых проявляется случайным образом и является следствием ненадежной установки элементов, появления микротрещин в токопроводящих дорожках, плохо отрегулированных зазоров, износа деталей и т.д.
Применение нейронных сетей и экспертных систем для распознавания неявно выраженных неисправностей в технологическом процессе
Имеющееся в наличии технологическое оборудование и вычислительная техника позволяют решать задачи технической диагностики вполне успешно. То есть, задача по своему объему и сложности не выходит за пределы возможностей современных вычислительных систем, применяемых на промышленных предприятиях.
Основная черта, отличающая интеллектуальные системы, большую часть которых составляют системы экспертного типа, от всех остальных, заключается в том, что они обладают знаниями о той проблемной области, в которой работают, и о своих возможностях по решению задач в ней. Говорить об интеллектуальности искусственной системы позволяет именно возможность использования знаний, заложенных в ней. Понятие знания является ключевым термином в этой области.
Активность информации предполагает использование смешанных представлений, в которых декларативные и процедурные знания понимаются единообразно и могут активизировать друг друга [38], что является непременным признаком интеллектуальных систем, основанных на знаниях, то есть таких систем, в которых механизмы интеллектуальных рассуждений применяются к явным представлениям знаний.
Экспертные системы представляют собой вид интеллектуальных систем, основанных на знаниях, специально предназначенный для моделирования человеческих знаний и опыта в некоторой конкретной проблемной области. Как правило, экспертная система обладает обширной базой знаний, составленной из фактов, правил и эвристик, относящихся к этой области [39].
Основными характеристиками объекта контроля, определяющими уровень его контролепригодности, являются [7]: число контролируемых параметров; чувствительность контролируемых параметров к дефектам и неисправностям; ? стабильность измеряемых физических, величин при контроле исправных изделий; ? доступность конструкции изделия для применения средств неразрушающего контроля. Диагностические показатели, которыми характеризуются сложные технические объекты, обычно выражены: ? электрическими величинами; ? механическими величинами; ? логическими величинами; ? оцениваемые визуально. Так как почти все современное оборудование относится к сложным техническим объектам, то создание для него диагностической системы включает следующие этапы [7]: ? классификацию оборудования, которое в свою очередь представляется совокупностью элементов, подлежащих проверке; ? определение иерархических уровней диагностики; ? определение диагностических параметров для каждого объекта диагностирования по видам оборудования; ? определение диагностических параметров, имеющих значение для диагностики системы в целом. Согласно [42] под дефектом будем понимать любое несоответствие свойств объекта заданным, требуемым или ожидаемым его свойствам. Неисправное и неработоспособное техническое состояние может быть детализировано путем указания соответствующих дефектов, нарушающих исправность или работоспособность и относящихся к одной или нескольким частям объекта или к объекту в целом. Для сокращения времени анализа неисправностей в классических случаях принимаются следующие меры: ? сокращение списка неисправностей путем исключения из рассмотрения заведомо не обнаруживаемых неисправностей и нахождения подмножеств эквивалентных неисправностей, оставляя в списке неисправностей одного представителя каждого подмножества; ? разбиение всех неисправностей на независимые классы, характеризующиеся тем, что при моделировании неисправностей схемы в нее можно вводить по одной неисправности каждого класса; ? использование алгоритмов "быстрого завершения". Диагностирование логических и одиночных константных неисправностей Для контроля и диагностики микропроцессорных и радиоэлектронных устройств применяется различное оборудование и разные методики, зависящие от конкретных условий производства. Но есть основополагающие моменты, общие для всех случаев. Одним из них является логический подход к поиску неисправностей. Использование его позволяет сэкономить много, времени, избежать ошибок, свести помощь более опытных специалистов к минимуму. При диагностировании радиоэлектронных устройств или микросхем с низкой и средней степенью интеграции поиск неисправностей осуществляется с точностью до логического элемента. В таких случаях используются следующие известные методы обнаружения неисправностей [10, 11, 38], относящиеся к методам модификации схем дублирования и сравнения: ? метод дублирования схем и сравнения выходных сигналов; ? двухпроводная логика; ? псевдодублирование; ? воспроизведение входных сигналов; ? применение специальных кодов; ? алгебраический метод; ? определение погрешностей срабатывания. Для обнаружения неисправностей в более сложных объектах используются различные методы моделирования, включающие как моделирование неисправностей объекта, так и моделирование его поведения в процессе функционального контроля.
Автоматическая генерация тестовых заданий
Автоматический генератор заданий обеспечивает генерацию заданий заданного класса. Задания генерируются случайным образом, т.е. автоматический генератор заданий повышает степень автоматизации интеллектуального тренажера.
Генератор заданий работает по квазислучайному принципу. Несмотря на то, что схемы генерируются случайным образом, они состоят из ограниченного количества заранее определенных вентилей. Кроме того, генерируемая схема должна быть ограниченного размера, чтобы обучаемый мог решить предлагаемую задачу за разумный промежуток времени. Недостаток автоматической генерации, заключающийся в сложности проверки таких заданий, устраняется наличием автоматического решателя. Автоматический "решатель" построен на основе тех алгоритмов, по которым должна выполняться задача при ее решении обучаемым. Его функционирование возможно в двух режимах: обычном и пошаговом. Обычный режим используется в тех случаях, когда необходимо получить и проконтролировать конечный результат. Пошаговый режим включается для контроля процесса решения задачи. Автоматический "решатель" может использоваться для решения задач технической диагностики, в том числе, и в промышленных целях. При повышении степени индивидуализации процесса обучения предполагает возможность учета степени подготовленности и интеллектуальных особенностей обучаемого. В основе этого блока лежит возможность применения одного из двух подходов: индуктивного и дедуктивного. Особенностью задач технической диагностики является то, что объект диагностирования чаще всего наиболее удобно представлять в графическом виде: электронной или структурной схемы, графа и т.д. Поэтому одной из составных частей АОС является блок графического отображения объекта диагностирования. Этот блок позволяет не только графически отобразить объект диагностирования, но и в случае необходимости обозначить контрольные точки, наиболее значимые элементы и др. Графический интерфейс делает работу интеллектуального тренажера более наглядной и понятной. АОС может использоваться как в рамках технологического процесса, так и самостоятельно при подготовке специалистов соответствующих специальностей в вузах. В этом случае автоматическая генерация контрольных заданий в интеллектуальном тренажере приобретает еще большую актуальность по следующим причинам. 1) Если интеллектуальный тренажер используется как вспомогательное средство, призванное улучшить качество обучения, в рамках очного учебного процесса, автоматическая генерация контрольных заданий гарантирует их достаточно большое количество, чтобы избежать повторяемости и освобождает преподавателя от трудоемкой работы по формированию и проверке заданий. 2) Если интеллектуальный тренажер используется в рамках технологического процесса, количество заданий может быть несколько меньше, но автоматическая генерация заданий повышает степень автоматизации и позволяет выдерживать определенную методологию, связанную с индивидуализацией процесса подготовки специалистов. К достоинствам автоматической генерации заданий можно отнести следующие. 1. Типовые задания с предопределенными ответами рано или поздно становятся известны обучаемым, поэтому их приходится обновлять. 2. Индивидуальные задания, генерируемые в автоматическом режиме, предполагают индивидуальный подход при их решении, то есть невозможность воспользоваться стандартным или чужим решением. Недостатком автоматической генерации заданий является то, что преподаватель или специалист по подготовке кадров должен сам с точностью до значений проверять сгенерированные задания, что требует от него дополнительных усилий и времени. Разрабатываемый интеллектуальный тренажер предназначен для обучения приемам и методам технической диагностики. Контрольные задания для него представляют собой диагностируемый объект среднего уровня сложности, на который подаются входные воздействия. Требуется определить поведение объекта. После этого в предлагаемый объект вводится неисправность и обучаемый должен определить поведение объекта в контрольных точках и выделить неисправный элемент или подозреваемую область неисправности. Если обучаемый справился с этой задачей, генерируется более сложный объект, если нет - менее сложный. По результатам выполнения контрольной задачи делается вывод о степени готовности специалиста к выполнению данной работы.
В качестве первого этапа реализации выбрано рассмотрение общих вопросов технической диагностики, второго - построение диагностических тестов для комбинационных схем (d-алгоритм Рота) [16, 17] (рис.3.9).
В том случае, когда обучаемый оказывается в состоянии определить неисправный элемент в схеме достаточного уровня сложности, перед ним ставится задача сгенерировать минимальную тестовую последовательность для определения неисправности предлагаемой схемы.
Особенности реализации автоматического генератора и автоматического "решателя" в АОС
При написании программного кода всегда возникает вопрос выбора среды и языка программирования.
Вместе с выпуском новой платформы .NET компания Microsoft представила новый язык, подходящий для новой платформы - С#. С# имеет стиль синтаксиса языка С (для управляющих конструкций, блоков кода, описания сигнатуры методов и др.), много общего с Java (отсутствие множественного наследования и шаблонов, наличие сборщика мусора), Delphi и C++ Builder (ориентированность на создание компонент), в то же время он обладает своими особенностями.
Одним из важнейших факторов, позволяющим избежать ошибок является безопасность работы с типами. С# объектно-ориентированный язык, как и вся платформа .NET. Более того, это язык, ориентированный на написание компонент. С# создан для программирования в управляемой среде с присутствующим сборщиком мусора, но позволяет писать и неуправляемый (unmanaged) код. Целостность концепции видна, например, в реализации упаковки/распаковки. Это позволяет рассматривать все типы (даже примитивные) как объекты, что разрешает многие проблемы дизайна приложений. При создании языка рассматривалась не только простота написания приложений, но и их поддержки, в связи с чем в язык включили поддержку XML комментариев и контроля версий. Помимо сборщика мусора и безопасности работы с типами во избежание ошибок в языке также применяется автоматическая инициализация переменных. Все типы, которые размещаются в стеке (value types, к которым относятся примитивные типы, структуры и прочие наследники класса ValueType) инициализируются нулями. Объекты остальных типов размещаются в куче, доступ к ним осуществляется по объектной ссылке, и ссылки эти инициализируются в значение null (которая говорит, что данная ссылка не имеет ассоциированного объекта в куче). В С# представлена концепция пространств имен, аналогичная пакетам в Java. Это позволяет иерархически структурировать систему типов, делая код намного более понятным и позволяя избежать проблем с именованием. Существует возможность рассматривать пространства имен как директории, а языковые типы как файлы в этих директориях. Microsoft Visual Basic - это средство разработки программного обеспечения, включающее в себя язык программирования и среду разработки. Visual Basic позволяет работать как с объектно-ориентированным, так и с компонентно-ориентированным стилем программирования. Среда разработки Visual Basic включает инструменты для визуального конструирования пользовательского интерфейса. Visual Basic считается средством быстрой разработки программ, приложений баз данных и другого программного, работающего под управлением операционных систем семейства Microsoft Windows. Visual Basic .NET при почти полной внешней идентичности с Visual Basic по сути является совершенно другим языком, поскольку платформа .NET обладает новыми уникальными возможностями, и требует соответствующего подхода от языков и методов программирования. Поэтому на сегодняшний день более актуально говорить не о классическом Visual Basic, а о его диалекте Visual Basic for Applications (VBA) и о языке для платформы .NET - Visual Basic .NET. Visual Basic for Applications покрывает и расширяет функциональные возможности использовавшихся ранее специализированных макро-языков, таких как WordBasic. Visual Basic for Applications является интерпретируемым языком. Как и следует из его названия, он близок к Visual Basic, но может выполняться лишь в рамках тех приложений, в которые он встроен. Кроме того, он может использоваться для управления одним приложением из другого, с помощью технологии OLE Automation [69]. Поскольку платформа .NET позволяет в рамках одного программного проекта объединять модули, написанные на разных языках программирования, ориентированных на работу в рамках платформы .NET, экранные формы разрабатывались с использованием языка Visual Basic for Applications вследствие простоты его использования, а содержательная часть АОС — на С# благодаря его мощным возможностям объектно-ориентированного языка программирования. Сегодня платформа .NET — лучшее решение для разработки корпоративных приложений и Интернет-систем. Платформа предоставляет возможность писать программы любого уровня сложности и назначения с использованием единой среды разработки. Платформа .NET вообще и ASP.NET в частности, являются сейчас одними из наиболее популярных технологий разработки приложений. Особенности реализации автоматического генератора и автоматического "решателя" в АОС АОС (предлагаемая к реализации предметная область), после полного завершения его информационного наполнения, должна иметь структуру, содержащую уровни обучения методам технической диагностики, показанную на рис. 4.1.
В процессе генерации схемы формируется динамический массив входов/выходов. В соответствии с разработанным алгоритмом, на первом шаге генерации задается число входов, которые разбиваются на группы, соответствующие входам каждого вентиля. Для каждого вентиля в этот динамический массив записывается имя выходного сигнала, который может служить входом для следующего слоя или быть выходом системы.
