Экспертная система анализа, учета и подготовки кадров для предприятий железнодорожного транспорта Кубатин Константин Викторович

Содержание к диссертации

1. Технологии обучения специалистов железнодорожного транспорта. 6

2. Информационные технологии обучения на примере специальности «Автоматика и телемеханика на железнодорожном транспорте» 10

2. Эффективность использования информационных технологий обучения 51

4. Проблемы эффективного использования- информационной технологии обучения 59

1. Выводы по главе 100

5. Экспертная система анализа и подготовки кадров для предприятий

железнодорожного транспорта 114

Базис экспертной системы 114

Разработка используемых в экспертной системе моделей 129

Приложения 172

Введение к работе

Подготовка специалистов для железнодорожного транспорта в настоящее время ведется по двум основным направлениям: в ВУЗах и в учебных заведениях среднего профессионального образования. К работникам этой отрасли предъявляются определенные требования, поскольку именно от их профессионализма зависят обеспечение безопасности движения поездов, своевременные доставка грузов и прибытие пассажиров [1,2].

Устройства железнодорожной автоматики и телемеханики, отработав определенный технологический ресурс, требуют своей замены. Начиная с 90-х годов, на дорогах России началась техническая реконструкция в части замены устаревших систем автоматики и телемеханики. Осуществляется внедрение более технологичных в эксплуатации систем автоматики и телемеханики, на новой элементной базе, и потому эксплуатационникам приходится заниматься не только техническим обслуживанием и ремонтом существующих систем, но и осваивать технические и технологические особенности вновь вводимых.

Анализ причин случаев брака и отказов свидетельствует о том, что большая часть из них происходит вследствие нарушения правил производства работ по техническому обслуживанию и из-за низкого уровня знаний эксплуатационников. Снижение случаев брака достигается за счет повышения качества ремонта и регулировки аппаратуры, применения техники «невмешательства» и повышения квалификации технического персонала. Организованы и успешно работают курсы подготовки специалистов и повышения квалификации почти при всех учебных заведениях отрасли [3]. Повсеместно на сети дорог России проводилась аттестация работников железнодорожного транспорта. Данные этого анализа свидетельствуют о том, что значительный процент нарушений приходится на долю тех работников, у которых нет соответствующего профильного образования. Вообще, уровень квалификации работников дистанций СЦБ является одним из определяющих факторов, непосредственно влияющих на безопасность движения поездов, уровень квалификации механика и диспетчерского аппарата дистанции - общеизвестная проблема.

В настоящее время в условиях перехода на новые методы обслуживания, сопровождающиеся сокращением штата, эта проблема усугубляется повышением меры ответственности каждого работника и требований к его квалификации. Кроме того, существует проблема недостаточной подготовленности выпускников вузов и техникумов к практической деятельности. Требуется достаточно много времени, чтобы они адаптировались к реальному производству и получили профессиональные навыки. В условиях текучести кадров это создает значительные трудности [4, 5].

1. Обзор технологий обучения

1.1. Технологии обучения специалистов железнодорожного транспорта

Все работы, в которых затрагивается эта задача, условно можно разделить на две группы: в первую войдут такие, в которых содержится традиционное описание путей повышения эффективности качества обучения, а во вторую - такие, где рассматриваются вопросы количественного исследования обучения и его эффективности [6].

Первая группа настолько многочисленная, что число работ вряд ли обозримо уже сейчас, и она все время пополняется [7 - И]. В этих работах обобщен богатый опыт практики повышения успеваемости, содержится много рекомендаций относительно способов улучшения качества обучения и т. д. Анализ работ этой группы позволяет сделать заключение о том, что постановка задачи в таком широком плане необходима и приобретает все большее значение в настоящее время в связи с расширением многофакторного системного комплексного анализа обучения. Наряду с этим охват широкого круга вопросов приводит к ослабеванию доказательной силы многих утверждений. Подавляющее большинство исследований данного типа выполнено по необходимости на описательном уровне, так как специальное железнодорожное образование еще не располагает средствами количественного многофакторного системного анализа в области образования. Вводимые в исследования данные не всегда соответствуют современному научному уровню, и еще немаловажная деталь - в таких работах дидактический подход обозначен слабо и нечетко.

Выяснив тенденцию, представленную в работах первой группы, перейдем к рассмотрению исследований второй группы, наиболее относящихся к цели нашего исследования.

К обучению в этих работах подходят как информационному процессу, выясняется возможность математической оценки полученных результатов и обсуждается применение количественных критериев определения его эффективности. [12, 13, 14] Несмотря на существенные разногласия авторов, представленных в этой группе, а также на разнообразие тематики, их объединяет стремление отыскать пути количественного описания обучения. Все авторы сходятся на том, что прежде чем оперировать теми или иными математическими понятиями и формулами, являющимися техническим вопросом, сначала нужно интерпретировать наблюдаемые явления [15, 16, 17]. Многие авторы нередко приравнивают определение эффективности обучения к экспериментальному выявлению эффективности методов обучения, что в корне неправильно [18]. Эксперимент, применяемый для этой цели, однотипен и проходит по следующей схеме. Создаются экспериментальная и контрольная группы, в которых обучение ведется двумя методами, подлежащими сравнению. В группах производится выравнивание для создания относительно одинаковых условий обучения. Для этой цели привлекаются специально разработанные математические и психологические методы, и далее считается, что результаты будут зависеть от различия в применяемых методах. По окончании эксперимента с помощью математических методов анализируется полученная успеваемость и на этом основании делается вывод о преимуществе одного метода над другим.

Задачи повышения качества подготовки профессионального уровня специалистов также отождествляют с проблемой успешности знаний. Весьма показательной в этом отношении является концепция, развиваемая В. П. Беспалько [19]. Он высказывает мнение о том, что критерий качества усвоения знаний и критерий эффективности обучения - величины однопорядковые и даже одинаковые. При этом принимается основное положение о том, что обучаемый в результате обучения усваивает некоторые комплексы знаний, умений и навыков, из чего делается заключение о необходимости по возможности точнее описать и измерить как «содержание дидактического процесса», так и познавательную деятельность обучаемого, направленную на овладение некоторой информацией специального характера. Задача определение эффективности обучения сводится к тому, чтобы найти способы измерения качества усвоения знаний, умений и навыков. Основываясь на теории поэтапного формирования умственных действий В.П. Беспалько предлагает классифицировать виды познавательной деятельности обучаемых, которым затем присваивается степень сложности по уровню усвоения:

знания знакомств;

знания репродукции;

знания, умения и навыки;

знания трансформации.

Далее предлагается переход к количественному измерению процесса усвоения на основе специальной шкалы оценок. Для того чтобы выбрать критерий усвоения, необходимо составить специальные тесты, адекватно сформированные на данном уровне деятельности. Ответы анализируются для получения численных значений по формуле

где а - число правильно выполненных операций контрольного задания, п - общее число предложенных операций, К- критерий заданного уровня [19].

На основе проведенных экспериментальных исследований целесообразно принять критерий не ниже уровня 0,7 или, иначе, предположить, что данный уровень достигнут, если правильно решено не менее 70% предложенных задач. Определив этот критерий, В. П. Беспалько предлагает пронормировать шкалу оценок, например, К=0,9-1 - это оценка «5» и т. д. [19]. Бесспорно, предложенная методика заслуживает внимания, но для нас она не приемлема, так как данные критерии являются показателями усвоения по результату, но не характеризуют сам процесс усвоения знаний, по ним нельзя сформировать корректирующее воздействие на обучаемого, что для специалистов железнодорожного профиля с их значительными требованиями по безопасности движения архиважно.

В ряде других работ [20 - 23] содержится трактовка определения критерия эффективности обучения как задачи математического характера. Исследовать и систематизировать данные работы, на наш взгляд, нет необходимости, так как не это является целью данной работы.

Наконец, имеются работы, наиболее для нас интересные, в которых проблема повышения качества обучения связана с решением более узких задач. К ним относятся работы, в которых выделяются критерии, пригодные для апробации при создании автоматизированных тестовых и обучающих программ. Кратко охарактеризуем некоторые принципы, которые выдвигаются этими авторами при обсуждении критериев оценки качества усвоения знаний [24, 25, 26,27].

Качество подготовки специалистов при использовании обучающих программ, оценивается в большинстве случаев как степень их пригодности для изменяющихся условий обучения, а также по их соответствию уровням подготовленности обучаемых, что часто воспринимается как степень их адаптационной способности. Одним из наиболее часто встречающихся сравнений являются сопоставительные характеристики так называемых традиционных и активных способов обучения. Сравнивая обобщенные и статистически обработанные баллы тестирования, проводившегося среди обучаемых традиционными методами и с помощью обучающих машин, выводят относительную эффективность того или другого метода [28].

Для рассматриваемых условий часто называются следующие основные критерии обучения:

37. результаты тестового контроля;

38. допущенные обучаемыми ошибки;

39. время, затраченное обучаемыми на работу с программой;

40. отношение обучаемых к программе.

Иногда считают, что наилучшей мерой качества подготовки специалистов, в том числе и железнодорожного транспорта, является отношение между объемом усвоенного материала и тем материалом, который мог бы быть усвоен. Это отношение находится путем деления среднего прироста оценок предварительной и конечной проверок на средний вероятный прирост (определяемый как разность между средними оценками предварительной проверки и полными оценками конечной проверки при одинаковых и аналогичных проверках).

Тогда объективность результатов, на которые полагаются исследователи, приобретает первостепенное значение. Например, Д. Хартли предлагает оценить надежность тестовых программ двумя методами:

4. Независимо различными экспериментаторами, специалистами по данной предметной области. Степень согласованности их оценки и будет служить показателем качества тестовой программы.

5. Тестирование проводится в двух группах обучаемых, причем первой группе заведомо известно, что они имели необходимые знания (независимо от программы), а второй группе хорошо известно, что таких знаний у них нет [29].

Завершая обзор данного вопроса, относящегося к систематизации существующих методик в области повышения качества подготовки в системе профессионального железнодорожного образования, и не только, которые нашли освещение в педагогической литературе, мы еще раз подчеркнем, что не пытались сделать его исчерпывающим.

1.2. Информационные технологии обучения на примере специальности «Автоматика и телемеханика на железнодорожном транспорте»

В настоящее время в литературе довольно сложно встретить какие-либо информационные технологии обучения, применяемые на железнодорожном транспорте, относящиеся к системам железнодорожной автоматики, телемеханики и связи (ЖАТС). Монополизирующее положение здесь занимает автоматизированная обучающая система работников дистанций сигнализации и связи (АОС-ШЧ). Но в последнее время стали активно появляться другие информационные технологии, например:

41. мобильные автоматизированные рабочие места (АРМ) операторов формирования электронных карт систем локомотивных устройств безопасности (КЛУБ);

42. стационарные и бортовые вычислительные комплексы для изучения работы аппаратуры маневровой автоматической сигнализации (МАЛС);

43. алгоритмы неисправности аппаратуры устройств контроля перегона методом счета осей и некоторые другие [30].

Автоматизированная обучающая система работников дистанций сигнализации и связи (АОС-ШЧ) разработана по заказу Департамента сигнализации, централизации и блокировки МПС РФ и ориентирована, прежде всего, на решение двух взаимосвязанных задач технической учебы:

6. Изучение принципов и алгоритмов работы устройств железнодорожной автоматики и телемеханики (ЖАТ).

7. Методика поиска неисправностей в системах ЖАТ.

Основными пользователями системы являются линейные работники дистанций, которые непосредственно заняты обслуживанием устройств и поиском неисправностей, и диспетчерский аппарат, осуществляющий оперативное руководство этими работами.

Работы по созданию системы начались еще в 1987 году по инициативе дистанций сигнализации и связи. Первыми заказчиками были Прибалтийская, Северная и Октябрьская железные дороги. Была изучена потребность и реальные условия организации технической учебы на дистанциях, и в 1990 году Ленинградский институт инженеров железнодорожного транспорта разработал прототип АОС-ШЧ в виде комплекса обучающих программ. Этот комплекс работал на базе интеллектуального терминала ТАР-34. В состав прототипа вошли всего четыре курса:

44. два по централизованным стрелкам;

45. один по станционным рельсовым цепям;

46. один по числовой автоблокировке [30].

При создании курсов использовались опросы работников дистанций различных уровней.

Эта система дала возможность отработать основные принципы построения АОС, методики преподавания и организации обучения. Кроме того, в ее рамках был разработан универсальный метод построения алгоритмов поиска неисправностей в устройствах ЖАТ, обеспечивающий:

47. максимально оперативную локализацию отказа;

48. исключение ошибок, которые бы приводили к большим потерям времени при поиске;

49. легкость усвоения алгоритмов отказа.

В период с 1991 года по 1993 год, по заказу Управления сигнализации, связи и вычислительной техники, была разработана первая версия АОС-ШЧ. Это программное обеспечение было текстовой версией. Вся графическая информация располагалась на бумажных носителях. Первая версия АОС-ШЧ была ориентирована на 1ВМ-совместимые персональные машины с монохромными мониторами и небольшими объемами памяти, которые в тот период поставлялись на предприятия железнодорожного транспорта. Всего версия была внедрена более чем на 50 дистанциях [30].

На основе первой текстовой версии с 1993 года началась разработка второй версии АОС-ШЧ, уже содержащей как текстовую, так и графическую части. Эта версия была принята ЦШ МПС РФ в промышленную эксплуатацию с 1995 года и внедрялась вплоть до 2000 года. Вторая версия использует в своем составе разнообразную статическую и динамическую информацию, а также графические образы и анимацию. Всего данная версия АОС внедрена более чем на 100 линейных предприятиях [30].

В 1999 году закончена разработка пока последней, третьей, версии АОС- ШЧ, которая в своем составе использует уже средства мультимедиа. АОС предназначена для работы в многопользовательской среде. Существенные отличия новой версии заключаются в максимальном приближении к реальной производственной ситуации путем погружения обучающего в виртуальную реальность производства, совершенствования методики обучения и адаптации учебного материала. В 2000 году Санкт-Петербургский университет путей сообщения по договору с Департаментом сигнализации, централизации и блокировки внедрил АОС более чем на 85 дистанциях сигнализации и связи [30].

В состав третьей версии АОС-ШЧ входят курсы, практически, по всем широко эксплуатируемым устройствам и системам СПБ. Кроме того, имеются обучающие курсы и по другим важным разделам технической учебы: «Инструкция по техническому обслуживанию устройств СЦБ», «Инструкция по обеспечению безопасности движения поездов», «Правила техники безопасности при производстве работ». В настоящее время АОС содержит 21 обучающий курс. В перспективе планируется дополнить этот список новыми курсами по современным системам ЖАТ, правилами технической эксплуатации железных дорог и т.д.

Программное и методическое обеспечение АОС является универсальным. Инструментальные средства системы позволяют включить в ее состав учебный материал любой предметной области. В АОС-ШЧ заложены следующие функции:

50. планирование, организация и оперативное управление учебным процессом;

51. автоматизация функций преподавателя;

52. предоставление теоретических знаний по всей тематике;

53. предоставление практических знаний и навыков с использованием

тренажеров;

54. многоступенчатый контроль усвоения учебного материала;

55. учет результатов обучения и формирование справок и них.

АОС состоит из комплекта обучающих курсов и администратора системы. Курсы реализуют непосредственно функции обучения и имеют в своем составе:

56. обучающие блоки;

57. контролирующие блоки;

58. тренажеры по поиску отказов.

Учебный материал строится из разделов, соответствующих различным уровням сложности. Обучающие блоки разделов также подразделяются по уровням сложности. Обучение производится постепенно от более общего и простого материала к более сложному.

Администратор системы выполняет функции создания и ведения базы данных и управления процессом обучения. Он обеспечивает и реализует различные режимы работы АОС, а именно:

59. демонстрационно-ознакомительный режим;

60. рабочие режимы.

Демонстрационно-ознакомительный режим позволяет научиться работать с системой. Рабочий же режим осуществляет полную автоматизацию функций преподавателя. Доступ к базе данных и планированию обучения имеют только руководители технической учебы.

АОС-ШЧ имеет ряд преимуществ по сравнению с традиционной формой обучения:

8. Использование активных методов обучения, приближение к реальной производственной ситуации и использование игровых ситуаций.

9. Полная автоматизация функций преподавателя, что особо важно при отсутствии специально подготовленного штата преподавателей на дистанциях.

10. 'Индивидуализация обучения, обеспечиваемая путем адаптации системы к уровню знаний пользователя на основе входного контроля, реализованного на базе тренажера экзаменатора, и ступенчатого постоянного контроля усвоения материала.

11. Наглядность обучения, достигнутая за счет широкого использования разнообразной графической информации.

12. Многократный повтор одного и того же материала при помощи различных способов подачи, в том числе демонстрации работы схем и устройств.

13. Высокое качество учебного материала, подготовленного высококвалифицированными преподавателями, имеющими большой опыт преподавания [31].

Еще одним примером реализации использования ЭВМ в учебном процессе по системам ЖАТ является создание в Уральском отделении Всероссийского научно-исследовательского института железнодорожного транспорта (ВНИИЖТ) так называемых алгоритмов неисправностей аппаратуры контроля перегонов методом счета осей (УКП СО). Они представляют собой структурное «дерево» с соответствующими обратными связями, которые формализовано и полностью определяют действия электромеханика СЦБ в случае неисправности системы УКП СО. Разработка приведенных алгоритмов была необходимой мерой при внедрении системы УКП СО, так как определенная сложность этой аппаратуры и уровень технической грамотности контингента, обслуживающего участки с полуавтоматической блокировкой, вызывали значительные трудности на начальных стадиях эксплуатации УКП СО.

Там же, в Уральском отделении ВНИИЖТа мультимедийные свойства ЭВМ были использовано при создании учебного фильма ««Устройства контроля перегона методом счета осей». Фильм состоит из нескольких глав, каждая из которых с последовательной степенью усложнения описывает работу аппаратуры УКП СО. Описание работы - это квазиреальное движение поезда по станции и перегону с текстовыми комментариями. Имеются как автоматический прогон программы, когда движение поезда является непрерывным со сменой комментариев, так и ручной режим изучения с дискретным движением и поэтапной сменой комментариев. Фильм предусматривает раскрытие внутренних схем функциональных узлов аппаратуры, изображенных на структурных схемах.

Разработки, выполненные Уральским отделением ВНИИЖТ, показали свою целесообразность, актуальность и необходимость их внедрения в практику обучения эксплуатационного штата дистанций. Подобные методологические приемы и средства могут использоваться и для других систем и устройств ЖАТС, как вновь создаваемых, так и существующих.

1.3. Виды управляющих систем обучения

При анализе структуры человеко-машинных систем оператор рассматривается как компонент системы управления, с учетом его психофизиологических особенностей и возможностей, и исследуется теми же статистическими методами, которые используются для оценки технических устройств. Очевидно, что управление процессом обучения с высокой степенью остаточной информативности - это система сложных психологических, информационных, материальных и энергетических взаимодействий.

В сложной системе процесса обучения преподаватель (оператор) лишен возможности непосредственно наблюдать процесс усвоения информации обучаемыми (объектом управления) на уровне мыслительной деятельности и вынужден судить о нем по большому числу измеряемых, визуально наблюдаемых параметров, представляющих собой разнородную количественно измеряемую и качественно оцениваемую, далеко не полностью описывающую процесс, информацию. Это обуславливает неопределенность взаимодействия с объектом, у преподавателя нет заранее заданной жесткой программы действий, вследствие невозможности предвидения всех задач управления и однозначных способов их решения. Подобная деятельность человека-оператора, в нашем случае преподавателя, называется деятельностью с информационной моделью реального объекта [32]. В настоящее время, в практике управления учебным процессом, построение информационной модели преподавателем осуществляется по комплексу незначительного числа прямых, поступающих с запаздыванием, и, в основном, косвенных, количественных признаков, которые являются точечными, выборочными, субъективными оценками состояния процесса. Используемые методики оценки качества учебного процесса не всегда однозначно позволяют оценить количественные характеристики процесса усвоения информации обучаемыми. Поэтому такая информационная модель дополняется информацией, характеризующей объект управления. Однако можно судить об объекте управления и по дополнительным признакам, но преподаватель, как отмечалось, для интерпретации такой информации, связки разрозненных разнородных информационных единиц в единую систему должен иметь достаточно большой опыт работы и располагать знаниями о закономерностях, связывающих параметры управляемого объекта, о динамике этих связей и их проявлениях в параметрах сети.

Совокупность представлений преподавателя о состоянии объекта управления, критериях эффективности системы, возникших на основе информационной модели, ранее накопленных знаний, опыта, сложившихся применительно к разрешаемым задачам - называется концептуальной моделью.

Очевидно, что одна и та же информационная модель порождает в сознании каждого преподавателя разные концептуальные модели.

При анализе информационной деятельности объекта управления мы можем выделить восприятие и преобразование информации. В процессе восприятия можно выделить три основных этапа [33, 34]:

1. обнаружение;

2. идентификация;

3. интерпретация.

Процесс обнаружения информации связан с выделением полезной информации, характеризующей текущее состояние учебного процесса. Процесс идентификации информации рассматривается как акт отождествления обнаруженных данных с некоторыми образами в памяти. В процессе управляющей деятельности объект управления усваивает типичные связи между отдельными состояниями объекта. С накоплением опыта эти связи формируются в некоторые целостные модельные образования, позволяющие обучаемому одномоментно воспринимать объекты по отдельным комплексам сигналов, данных, наблюдений или характерным значениям одного или некоторых из них. Обучаемому, который уже обладает навыком, достаточно заметить любой из характерных признаков, чтобы быстро оценить создавшуюся ситуацию. Однако одномоментно идентифицировать возникшую задачу по любому признаку не всегда удается, поэтому после обнаружения отдельного признака необходимо осуществлять специальный информационный поиск дополнительных данных, подтверждающих возникшее положение. В подобных случаях процесс идентификации оказывается уже развернутым во времени. И он заканчивается интерпретацией информации, в результате чего завершается формирование концептуальной модели. При интерпретации уточняются и дополняются полученные ранее сведения.

Рассмотренные этапы восприятия информации находятся в тесной связи и при поступлении однотипных данных сигналы информации оказываются как бы «свернутыми» во времени. Для деятельности обучаемого наиболее типичны не изолированные операции по восприятию информации, а комплексные перцептивно-моторные операции, в которых восприятие сенсорной информации и ответ на нее соединяются в едином автоматизированном акте. Однако, когда
появляется необычная информация, часто возникает необходимость развертывания процесса восприятия во времени и включения в него элементов информационного поиска.

Чтобы эффективно формировать специальные технологические знания специалистов железнодорожной отрасли с соблюдением требований к безопасности движения поездов, необходимо целенаправленно управлять и отслеживать за созданием эффективных концептуальных моделей у эксплуатационно-технологического персонала, на основе адекватных процессу информационных моделей.

Представим для сравнения характеристик ряд моделей обучающих систем.

с!х„_ы>(4)

Рассмотрим непрерывный процесс переработки информации на основе системы второго порядка с учетом избыточности накопления знаний. Структурная схема показана на рис. 1 [35].

х (о

вых V у

Рис. 1. Обобщенная структурная схема замкнутой системы Структурная схема отображает процесс накопления информации математически, через интегрирование. Для второго порядка это двойное интегрирование сигнала рассогласования. Подтверждение закрепленного знания в структуре представлено графической интерпретацией взаимосвязи сигналов (рис. 2), описанной математической зависимостью [35].

<Ьс_вых(0

То *тах 12

Рис. 2. Графическая интерпретация взаимосвязи сигналов


Время усвоения материала для предложенной математической модели, определится численным значением, достижения первого установившегося значения выходной величины.

Дифференциальное уравнение звена второго порядка в операторной форме

Т{^гр²Х_вых (р) + Т₂рХ_вш (р) + (р) = кХ_(а (р). (2)

Общее решение этого уравнения

Х_вЬ1Х{Г) = Се-^мсо₅(со_сг + <р), (3)

где С - постоянная интегрирования; а = —^ - действительная часть корня,

27"!

Т² - 4Т²

определяющего степень демпфирования; со_с = ——- собственная частота

27¹,

затухания колебаний; ср = агсщ фазовый сдвиг выходной координаты [35].

«с

Демпфирование обычно определяется через относительный параметр

в этом случае характеристический полином принимает вид:

Т²р²+2^Т_эр + \ = 0, (5)

и упрощается выражение

(6)

Кроме того, такое представление позволяет перейти к относительному времени

' = 7- (7).

Введем для переходной характеристики понятие избыточности, под которым будем подразумевать интеграл переходной функции в интервале г, - т₂ [35]. Для стандартной формы Баттерворта второго порядка коэффициент демпфирования и функционал J₀, связаны зависимостью

Вычисление оптимального численного значения соответствует минимизации последнего выражения


= 0.

(17 _а _2²-1

(9)

(4 2²

Время достижения первого и второго установившегося значения выходной величины будет определено приравниванием выходной координаты и потенцированием уравнения

со,

(10)

2 ж

со.

т₂ = т, +

г л² а

Интеграл функции в указанных пределах соответствует выражению [35]:

со„

1 =

2 2 ^ I 2 >

«да, +а

= — [е'^аГ1 бш(о)_ст₂ +(р)-е~^ат> 8т(й)_ет, +/₂ соз(б9_сг₂ сов^т,

Причем время максимума выходной величины определяется так:

(12)

т = -

(П)

тах

Для количественного определения накопления информации воспользуемся данными о скоростях восприятия информации, определенных в научной литературе для различных профессий

ХЦых - -Сд/,

а² +а>:е ^аг сое

(13)

а/ + <р- агс^ — а

(14)

Здесь время максимума выходной величины определяется так:

со„

а ее амплитудное значение

а [ я-

'^ЛТ

(15)

к = -С4е

где Л = со] ; р - аг

Эта амплитуда будет соответствовать предельной скорости восприятия. Два последних выражения позволяют эквивалентировать относительный и реальный масштабы времени. Так же они позволяют определить численное значение избыточной информации в битах для каждого конкретного случая передачи и усвоения полученного материала [35].

Избыточность информативности перерабатываемых данных можно определить по результатам тестирования. Тогда ранее полученный масштаб относительного времени вычисляется как среднее или среднеквадратичное значение по результатам скоростей ответов на стандартные вопросы тестов, которые могут быть взяты из специальной литературы.

Основанием для построения модели другого типа послужили понятия, характеризующие состав и структуру цикла учебной деятельности. Формой материализации связей системы является математическое уравнение, служащее аналогом для сравнения между собой текущих состояний системы с заданным, а последнего - с конечным продуктом учебной деятельности, которое можно назвать обученностью [36].

Понятие обученности определим как представление о продуктах деятельности данной системы, в котором в обобщенном виде отображено предельное проявление конкретных результатов обучения. Записанное в общем виде уравнение есть не что иное, как модель действия системы. Не затрагивая основные вопросы, предшествующие построению модели, изложим ее содержание [36].

Исходя из предположения, что система функционирует, непрерывно развиваясь во времени, с учетом цели исследования, допускаем представление модели как дискретной системы.

Введем допущение, что мы можем определить некоторое конечное число состояний, а также некоторые моменты этих состояний. Тогда динамика системы характеризуется как цепь переходов системы из одного состояния в другое, от начального периода времени до конечного. При этом за состояние принимается конечное множество выделенных или иным образом зафиксированных характеристик [36].

Приравняв уровни обученности к определенным состояниям , очевидно,

что это состояние находится в функциональной зависимости от состояния

системы x(t), от применяемых обучающих и ответных воздействий r(t), а также от условий обучения f(t)\

(16)

Тогда в любой момент времени состояние системы будет определяться выражением

(17)

где - начальный момент времени [36].

Данное выражение представляет собой уравнение математической модели представленной системы. Строго говоря, это есть уравнение математической модели управляемой системы. При этом изменение векторов х(0 и г (г) ограничены некоторыми векторами пространства состояний и обучающих и ответных действий [36].

При дальнейшей детализации модели был избран иной уровень абстракции. Модель была обогащена конкретизированным содержанием, соблюдая при этом условие: при варьировании нельзя нарушать существующие связи. Ход рассуждений при конструировании модели следующий. Если применение учебных воздействий при данных условиях и цели приводит к изменению уровня обученности, то далее можно рассмотреть систему учебных воздействий относительно момента времени Этот момент времени характеризуется исходным состоянием учебных воздействий х₀, в зависимости от того, какие упражнения использовались для этого. Этому моменту соответствуют определенные условия обучения /[36].

Указанное состояние может быть оценено по различным параметрам:

по затраченному времени,

по количеству допущенных ошибок и т.д.

Для того чтобы система перешла в следующее состояние, нужно установить возможные связи, их сложность, количество и пр. Цель работы системы, обеспечить переход из состояния хо к следующим состояниям X],..., х_п т. е. выполнение всех упражнений. Каждое состояние системы с определяющими его связями образует единичную структуру для данного момента времени, а полная структура цикла состоит из совокупности единичных структур. Таким образом, к началу «запуска» системы учебные воздействия характеризуются:


Го =фо>/о) [36]. (18)

Чтобы теперь описать движение системы, рассмотрим каждый раз, как возникает переход от единичной структуры к другим структурам. Предположим, что учебные цели не изменяются, тогда условия также берем за постоянные / = const. В таком случае строим матрицу обучения, из которой видно, под влиянием каких воздействий каждый раз образуется новая единичная структура, а из них - общая структура системы воздействий в цикле:

[36]. ₍₁₉₎

В рассматриваемой модели вся система определяется двумя параметрами: типом учебного воздействия г и состоянием системы учебных воздействий х. Причем система допускает дальнейшую интерпретацию, мы ее упускаем, так как это не является самоцелью данной работы.

Установим вероятность наступления состояний максимальной обученности. Исходное состояние обученности

S₀ = s(x,x₂,...,x_n), (20)

тогда состояние максимальной обученности

Smax = ^S(^X\_WI!!: > ^X2_ims >->^Хп_ж I (21)

так как S_max остается искомой величиной, то те или иные значения х_тах должны быть определены экспериментальным путем. При этом примем во внимание, что х_тах - это лишь теоретически возможное значение переменной, и практически целесообразно говорить об оптимальном значении х_опт как о наиболее близкой величине. Приравнивая эти величины друг к другу, необходимо помнить, что в случае неверно выбранного критерия для х_опт степень обученности окажется низкой [36].

Рассмотрим, как в данной модели выявляется зависимость для одного параметра, например х.

Степень приближение реально достигнутого результата к оптимальному можно найти как

^Хсит~^Х, = АЛГ, , (22)

где Ах, - ошибка в обучении [36].


Так как нас интересует не значение ошибки, а действительная точность обучения Q, то введем показатель точности обучения Ф. Тогда

Ф - Ф(Дх,). (23)

Отсюда:

Ф₀ (Дх,) - показатель точности обучения на начальном уровне;

Ф_опт (Дх,) - показатель точности, соответствующий конечному состоянию;

Ф(Д;с,) - показатель точности текущего состояния [36]. Найдем значение приращения показателя точности

ДФ = Ф₀ - Ф. (24)

(25)

Преобразовав выражение, получим

ДФ_₁ Ф Фо ~ Ф₀

Введем обозначение

^ ДФ

2 ⁼ (26)

и окончательно действительная точность обучения равна

(27)

Из определения показателя точности видно, что степень обученности тем выше, чем меньше величина показателя точности [36].

Таким образом, обученность 5 и ее уровни можно показать как такое состояние, которое полностью определяется найденными значениями точности обучения, по параметрам обученности, в соответствии с заданными критериями:

5 = 5(0,,2„). (28)

Итак, можно считать, что построенная модель, опирающаяся на некоторые понятия математики, а также полученные из неё выводы являются средством демонстрации полной работы системы, и не только указывают состав, структуру и взаимодействия ее элементов, взятых в единстве, но и дают возможность отнести работу системы с ее результатами.

Модель [37, 38] разработана на основе интегрированной производственной обучающей системы (ИПОС) на базе интеллектуальных многофункциональных компьютерно-тренинговых систем (ИМКТС).


Кроме базовых положений системного и объектно-ориентированного подходов, она включает в себя следующие основные элементы:

разработка комплекса концептуально - модельных представлений проблемной области, которая рассматривает специфику объекта моделирования;

формирование и структурирование полного информационного пространства функционирования объекта, включая количественно измеряемую средствами контроля и сенсорно наблюдаемую качественную информацию;

многомерная, многоаспектная декомпозиция объекта, формирование полного ситуационного пространства возможных состояний системы [37, 38].

Основной проблемой при создании ИМКТС явилась разработка адекватного поставленного целям и задачам исследования математического описания процесса в комплексе с основным оборудованием и производимым продуктом [37, 38].

Для исследования, управления и прогнозирования состояния действующего производства были разработаны различного рода математические модели: детерминированные, экспериментально-статистические, нечетко-

множественные. Сложные технологические процессы, применительно к разработке ИМКТС, не могут быть адекватно описаны ни одним из классов вышеперечисленных моделей. Для его описания требуется комплекс взаимосвязанных моделей, в которых технологический процесс интегрирован с системой управления, основным оборудованием, производимым продуктом и средой функционирования, с имитацией полного набора наблюдаемых характеристик и показателей [39].

Многомерность и неоднородность информационного пространства, высокий уровень алгоритмизации и сложность конструкции оборудования предполагают для эксплуатационно-технологического персонала высокий уровень квалификации и многоаспектность профессиональной подготовки и деятельности. Специалист должен знать в совершенстве конструкцию оборудования, на котором он работает, технологию процесса, влияние характеристик оборудования на характеристики технологического процесса и качество получаемого продукта, а также параметров технологического процесса, иметь представление о средствах автоматизации и системе управления технологическими процессами [40].

В связи с этим, в модели [37], структура математического описания объекта в многофункциональной компьютерно-тренинговой системе состоит из комплекса взаимосвязанных модельных сегментов, представляющих все информационные каналы взаимодействия оператора с управляемым технологическим процессом, входящим в его профессиональную деятельность, с учетом многофакторной оценки экономической и экологической эффективности его деятельности.

Структурную схему композиционной математической модели металлургического производства, которую использует в своем исследовании В. А.Косарев, можно представить в виде следующих модельных компонент (рис. 3):

базовая математическая модель процесса;

модель состояния оборудования;

модель выбросов;

модель эффективности;

модель интерпретации свойств продукта;

модель интерпретации состояния процессов;

модель интерпретации состояния оборудования;

модель визуализации состояния процесса, продуктов и оборудования [37].

Рис, 3. Функциональная схема модели металлургического производства Композиционной моделью (КМП) [41, 42] называют интегрированную систему моделей M = {M_j},jeJ, 3 - множество индексов всех параметров,

построенных на общем параметрическом пространстве Р = {?,},/е/, I -
множество индексов всех моделей, означающее полное ситуационное пространство состояний технологического процесса, продукта и оборудования:

<Р,М >еРхМ. (29)

Основой композиционной модели рассматриваемого в [41, 42] процесса является базовая математическая модель, которая представляет собой многомерную стратифицированную модельную структуру, состоящую из корневого модельного сегмента и дополняющих модельных сегментов:

О М_0/(Х₀,и,Ро)

(30)

м_в=м_к(Х_к,и,Р_к) и

'=1

Корневой модельный сегмент является структурообразующим компонентом формализации основных связей между важнейшими характеристиками процесса: переменными состояния Х((), параметрами Р и управлениями 11(0 для класса однотипных моделируемых объектов с различной емкостью агрегатов. Если М_]

базовая математическая модель объекта данного класса, у' = 1 ,т, то ее корневой сегмент представляет собой пересечение множества базовых моделей данного класса [43]:

(31)

(=1

Корневой модельный сегмент отражает структуру процесса (объемную неоднородность, гетерогенность, стадийность протекания процесса), строится в основном на использовании фундаментальных законов и эмпирических знаний, отражает динамические и статические свойства процесса; обладает полнотой описания основных (детерминированных и среднестатистических) компонент технологических характеристик [43].

Дополнительные модельные сегменты М₀ описывают отдельные

технологические особенности, характеристики, эмпирические зависимости, экспертные соотношения характеристик для конкретного объекта или группы объектов данного класса [43]:

сМ,1 = д (32)

Под агрегатом в данном случае понимается комплекс основного технологического оборудования, на котором осуществляется технологический процесс. Модель состояния основного технологического оборудования М_А
представляет собой формализованное описание взаимосвязи основных параметров, характеризующих состояние отдельных узлов оборудования, непосредственно осуществляющих преобразование сырья в готовую продукцию, с технологическими характеристиками и режимами управления или взаимодействие функциональных узлов автоматики в результирующее действие исполнительных элементов [43]:

(33)

где М_/; - множество модельных описаний текущего состояния узлов оборудования; Р_У/ - вектор параметров, характеризующих состояние /-ого узла.

С использованием модели агрегата оценивается текущее состояние оборудования, его износ, рассчитывается срок службы и ситуация на объекте.

Модель выносов М_в дополняет базовую модель процесса по описанию воздействия его технологических характеристик на окружающую среду. Она представляет собой суперпозицию отдельных модельных фрагментов М_в ,

(34)

формализующих связи технологических характеристик Х(1) и режимов управления /(7) с объемами вредных веществ, выбрасываемых в ходе технологического процесса в окружающую среду [43]:

М_в=1)М^[(Х,и)\Уе,

Модель эффективности управления и эксплуатации технологического процесса Мэ формализует многокритериальную оценку качества получаемого продукта, технико-экономическую эффективность режимов управления и срок службы оборудования:

(35)

где М_г - множество моделей оценки эффективности; J_k - критериальные составляющие моделей; У- выходные переменные [43].

Модели интерпретации М_и свойств продукта, состояния технологического процесса и агрегата формализуют механизм интерпретации наблюдаемых характеристик процесса с использованием разнородных экспертных знаний:


М_и:Хх^8, (36)

где -множество свойств продукта или технологических ситуаций процесса

Модель визуализации М_щ состояний агрегата, процесса и продукта

представляет собой процедуру построения изображения Ж состояния объекта на основе интерпретации текущего состояния процесса >_т„, состояния оборудования и свойств продукта 8_пр [43]:

Модель визуализации может быть представлена совокупностью отдельных моделей, формирующих визуальное представление состояния объекта в разных аспектах, построенных с использованием разных методов и процедур [43]:

/=1

В общем виде сложный металлургический процесс в комплексе с кадровым обеспечением, оборудованием, внешней средой и продуктом производства можно представить схемой взаимодействия материальных и информационных потоков (рис. 4) [44, 45].

Рис. 4. Структурная схема технологии и управления процессом

Характерными особенностями данного представления являются:

- представление наследования свойств в системе «агрегат - процесс - продукт» по каналам материального воздействия;

учет информационного и экологического влияния среды на профессиональную деятельность и здоровье оперативно-технологического персонала;

структуризация и имитация разнородного информационного пространства при принятии эксплуатационно-технологических решений;

комплексная оценка эффективности функционирования технологического процесса, с учетом стоимостных характеристик эксплуатации оборудования, ресурсосбережения, количественных и качественных оценок получаемого продукта, эффективности проведения собственно технологического процесса и экологических воздействий при выбранных технологических режимах управления.

Недостатком подходов описанных выше моделей является использование только одного вида знаний либо функциональных, либо эмпирических, что значительно сужает области адекватного воспроизведения характеристик объекта и, как следствие - области применения этих моделей. Для представления полного информационного пространства управления конкретного учебного процесса необходимо использовать всю доступную информацию, в том числе качественную - звуковую, визуальную, а также накопленный опыт ведущих специалистов, формализуемый в виде моделей экспертных знаний. Модели сложного процесса обучения эксплуатационного персонала для предприятий железнодорожного транспорта, разрабатываемые нами для интеллектуальных систем, состоят из сложного комплекса взаимосвязанных комбинированных моделей, включающих фундаментальные, эмпирические и экспертные компоненты.

Как правило, большинство известных моделей разрабатывались для решения конкретной узкой задачи без четко обозначенных требований к их структуре. Причем, в большинстве случаев применялась одномерная структурная декомпозиция сложного процесса, например, на отдельные элементарные процессы: механические, термохимические и пр. [46, 47]. Для решения задач нашего исследования основополагающим требованием при моделировании

является изоморфизм модели по поведению, т. е. совпадение выходных переменных модели при одинаковых воздействиях на входах [48, 49, 50].

При синтезе математических моделей, предназначенных для решения задач имитации состояния объекта и обеспечивающих простоту реализации интегративно-модификационных механизмов, условия изоморфизма по поведению являются недостаточными.

Более широкие возможности в реализации этих свойств дают структурно- феноменологические модели, в которых структурные особенности процесса как объекта моделирования отражены в структурном синтезе модельных компонент с использованием многоаспектной декомпозиции, применительно к канонической форме сложной системы [51, 52].

Это новое направление в повышении эффективности моделирования сложных, саморазвивающихся систем для комплексной проблемной области, такой, как разработка информационных технологий обучения и систем подготовки кадров для предприятий железнодорожного транспорта.

И хотя развитие средств вычислительной техники дает возможность создавать математические модели практически неограниченной сложности и соответственно степени приближения к характеристикам реального объекта, однако их реализация в обучающей среде, имитирующей полное пространство функционирования объекта во взаимодействии с субъектом обучения, накладывает существенные ограничения на сложность модели и предполагает разработку специальных процедур синтеза.

1.4 Системный подход оперативной обработки и анализа кадровой подготовки на железнодорожном транспорте

Основой источника информации о работе железнодорожного транспорта является отчетность, которая достаточно полно характеризует как материально - техническую базу, так и работу железнодорожного транспорта. И это позволяет использовать ее для анализа результатов производственно - хозяйственной деятельности. В общем виде целью анализа являются: выявление достижений и недостатков, оценка работы и исследование закономерностей, присущих явлениям и процессам на железнодорожном транспорте. В свою очередь, к задачам анализа относятся изыскание и подсчет внутренних резервов и увеличение эффективности производства.

Система показателей железнодорожной статистики объединяет ряд подсистем, относящихся к отдельным отраслям и сферам деятельности железнодорожного транспорта. Возможности системы определяются ее полнотой по набору показателей и степенью детализации информации во временном и территориальном разрезах.

Поэтому все показатели классифицируются по ряду признаков: экономической природе, степени обобщенности, содержанию, причинно - следственным связям степени зависимости от усилия коллектива работников дороги. По мере развертывания фронта исследований становится очевидным, что большинство исследуемых нами явлений, процессов и критериев с полным основанием могут быть причислены к системам. Вследствие этого все более остро ощущается необходимость глубокого осмысления системного подхода как важного методологического средства научного познания, применяемого наряду с другими. Эта задача полностью относится к нашему исследованию, в котором, прежде всего, требуется отыскать методы повышения качества подготовки профессионального уровня специалистов для железнодорожного транспорта и критерии непосредственной оценки умственных действий, с тем, чтобы вывести на качественно новый уровень безопасность движения поездов, а также получить возможность изучения внедряемых компьютерных и микропроцессорных систем сигнализации, централизации и блокировки (СЦБ). Все это необходимо для разработки комплексного системного подхода в сфере анализа и подготовки кадров для железнодорожного транспорта [53].

Обратимся к некоторым общим понятиям, используемым при описании системного объекта, а также отметим основные способы их выявления.

Основным признаком, которым следует руководствоваться, по мнению большинства представителей науки, определяя системность объектов, - это их органическая целостность. Опора на данный признак заставляет вести анализ так, чтобы любые части, элементы, входящие в явление, рассматривались не изолировано, а в их связи с целым, с учетом принадлежности к системе [54].

Учитывая, что термин система, имеет много вариантов значений, В. Н. Садовский и Э. Г. Юдин предлагают их объединить, чтобы получить некоторое инвариантное значение. Так, они называют следующие признаки системы:

Система представляет собой целостный комплекс взаимосвязанных элементов.

Любая исследуемая система, как правило, представляет элемент системы высшего порядка.

Элементы любой системы, в свою очередь, выступают как системы более низкого порядка [55].

Очевидно, что не все программные системы являются сложными. Мы не хотим сказать, что такие программы плохо сделаны, или тем более усомнится в квалификации их создателей. Но такие системы, как правило, имеют ограниченную область применения и короткое время жизни. Обычно их предпочитают заменять новым программным обеспечением, чем постоянно пытаться переделывать или расширять их функциональные возможности. В данном случае нас интересует сложность, которая присуща индустриально организованным программным продуктам. Существенной чертой таких систем является невозможность охватывания всех тонкостей системы одним разработчиком. Грубо говоря, сложность таких систем превышает возможности человеческого интеллекта. Но сложность является, по-видимому, необходимым свойством всех больших информационных систем. Под необходимостью здесь понимается то, что можно создать сложность, но нельзя придумать так, чтобы обойтись без нее [56].

К примерам сложных программ в железнодорожной отрасли можно отнести:

14. Задачи управления транспортными потоками.

15. Системы управления и контроля за производственными процессами в реальном времени.

16. Задачи поддержания целостности больших объемов информации при обеспечении к ним параллельного доступа различных пользователей и т. д.

В основном сложность определяется четырьмя причинами:

сложностью решаемой проблемы;

сложностью управления процессом разработки;

сложностью обеспечения гибкости конечного продукта;

сложностью описания поведения отдельных подсистем [56].

Сложность решаемой задачи. Задачи, которые мы пытаемся решить с

помощью программного обеспечения, неизбежно содержат сложные элементы, к которым предъявляется множество различных, нередко противоположных требований. Внешняя сложность обычно возникает из-за несоответствия, которое существует между пользователями системы и разработчиками. Обычно пользователи с трудом могут внятно объяснить разработчикам, что на самом деле нужно сделать. В большинстве случаев пользователь сам смутно представляет, что ему нужно от будущей системы. Это в основном происходит из-за того, что каждая из групп является экспертом в своей области и ей недостает знаний в области партнера [56].

Дополнительная сложность обусловливается изменением требований к программной системе уже в процессе разработки в основном из-за того, что само существование проекта системы часто изменяет задачу. Так, появление прототипов заставляют пользователей самих лучше понять и отчетливей формулировать то, что им действительно нужно.

Хотим мы того или нет - большая программная среда является объектом капиталовложений, и мы не можем себе позволить создавать ее заново, каждый раз при изменении требований к ней. Поэтому такие системы должны иметь свойство эволюции - подразумевается внесение изменений в систему в ответ на изменившиеся требования к ней. К сожалению, существенный процент затрат идет на обеспечение функционирования старой, давно утерявшей пригодность системы [56].

Сложность управления процессом разработки. Основной задачей разработчиков сложных систем является создание иллюзии простоты, защищающей пользователя от сложности описываемого процесса (рис. 5) [56].

Рис. 5. Иллюзия простоты

Примером может служить размер исходных текстов программ, что является отнюдь не главным достоинством сложных систем. Всего двадцать лет назад программы объемом в несколько тысяч строк выходили за пределы инженерных способностей. Сегодня же обычными стали программные системы, размер которых превышает несколько сот тысяч строк. Ни один человек никогда не сможет полностью понять такую систему, даже если мы разложим ее на отдельные модули.

Поэтому такой объем работ требует привлечения команды разработчиков, хотя их численность в идеале должна быть как можно меньше. Но, какой бы она ни была, всегда возникнут трудности, связанные с координацией хода работ. Большое число разработчиков подразумевает сложные связи между ними, особенно, если они удалены географически. Таким образом, в случае коллективного проекта главной задачей руководства является поддержание целостности основной идеи в ходе работ [56].

Сложность обеспечения гибкости конечного продукта. В отличие от других производственных процессов информационные технологии обладают максимальной гибкостью, и разработчик может сам обеспечивать себя всеми необходимыми элементами, относящимися к любому уровню абстракции. Однако это заставляет разработчика создавать самому все базовые строительные блоки будущей конструкции, из которых составляются более высокие уровни абстракций. Такая разработка - очень крополивое дело [56].

Сложность описания поведения отдельных подсистем. Внутри сложной системы могут существовать тысячи переменных и несколько способов контроля

за ними. Так как ее исполнение осуществляется на ЭВМ, то мы имеем систему с дискретными состояниями. А дискретные системы по определению содержат конечное число возможных состояний, и по правилам комбинаторики в сложных системах это число достигает громадных значений. Мы старались спроектировать систему так, чтобы поведение одной части системы оказывало минимальное воздействие на поведение другой. Однако каждое событие по отношению к среде переводит ее в новое состояние, причем при неблагоприятных условиях такое событие может нарушить текущее состояние системы. Это произойдет из-за того, что мы не сможем предусмотреть все возможные варианты взаимодействие между событиями. Это, очевидно, и является главной причиной обязательного тестирования системы. И пока у нас нет ни математических инструментов, ни интеллектуальных возможностей для полного моделирования поведения сложных дискретных систем [56]. Поэтому при определении ее точности мы должны удовлетворяется существующими уровнями доверия к системе.

Основываясь на работах [57, 58, 59], предлагаются пять признаков сложной системы:

Сложность представляется в виде иерархии. Сложная система обычно состоит из взаимосвязанных подсистем, которые, в свою очередь, также могут быть разделены на подсистемы меньшего уровня вплоть до самых низших уровней абстракции. И в самом деле, скорее всего мы можем понять лишь те системы, которые имеют иерархическую структуру.

Выбор низшего уровня абстракции достаточно произволен и в большей степени определяется наблюдателем. Низший уровень для одного наблюдателя может оказаться высоким уровнем абстракции для другого.

Симон называет иерархические системы полностью «разложимыми», если они разделяются на четкие независимые части, и «почти разложимыми», если их составляющие не являются абсолютно независимыми [59].

Внутриэлементные связи обычно сильнее межэлементных связей. Поэтому взаимодействия внутри модуля оказываются естественным способом отделены от взаимодействия между модулями. Различие между внутри- и межэлементными взаимодействиями обуславливает разделение системы на абстрактные автономные части, которые можно представлять по отдельности.

Иерархические системы состоят из нескольких подсистем разного типа, реализованных в различном порядке и в разнообразных комбинациях. Считается, что сложные системы будут развиваться гораздо быстрее, если между ними существуют устойчивые промежуточные формы.

Работающая сложная система неизбежно оказывается результатом развития работающей простой системы. Сложная система, разработанная от начала до конца на бумаге, никогда не будет работоспособной, если не начать с работающей простой системы. В общем смысле, системы, которые относятся к разряду сложных, начинали рассматриваться как элементы низших уровней абстракции, из которых и была построена сложная система.

Обнаружение общих абстракций и их механизмов значительно облегчает понимание сложных систем.

Исходя из обобщения знаний объектно-ориентированного программирования и приведенного примера, возможно рассмотреть сложную систему с двух сторон, выделив типовую и структурную иерархии. Назовем эти иерархии структурой классов и структурой объектов. Данный вопрос разобран в соответствующей литературе, поэтому мы не будем подробно разбирать понятие классов и объектов, тем более это не задача нашего исследования.

Если мы объединим понятия структуры классов и структуры объектов с пятью признаками сложных систем, то придем к выводу, что фактически все сложные системы можно представить канонической формой, показанной на рис.6 [56].

ОБЪЕКТЫ

Рис. 6. Каноническая форма сложной системы

Здесь мы видим две разные иерархии, принадлежащие к одной системе:

структуру классов;

структуру объектов.

Причем каждая иерархия сама по себе является многоуровневой, в которой более абстрактные классы и объекты построены на базе примитивных. Выбор класса или объекта, соответствующего низкому уровню абстракции, зависит от конкретной задачи. Среди объектов одного уровня существуют четко выраженные связи, особенно это касается структуры объектов. Любому рассматриваемому уровню абстракции соответствует свой уровень сложности. Заметим, что структуры классов и объектов не являются независимыми. Обычно наиболее успешными системами являются те, в которых заложены хорошо продуманные структуры классов и объектов и которые обладают пятью признаками сложных систем, описанных выше [56].

Если даже мы знаем, какова должна быть сложная система, при их разработке сталкиваемся с серьезными проблемами. По-видимому, одна из главных причин заключается в ограниченности биологических возможностей человека.

Когда мы начинаем анализировать сложную систему, в ней обнаруживается очень много составных модулей, которые взаимодействуют друг с другом сложным образом. Например, машинист локомотива должен контролировать наряду с показаниями путевых светофоров и многочисленные показания внутренних систем локомотива. То есть при анализе сложных дискретных систем необходимо рассматривать большие сложные пространства состояний. К сожалению, один человек не в состоянии отследить все параметры одновременно. Психологи считают, что максимальное количество единиц информации за единицу времени, которое человеческий мозг может одновременно обработать, не превышает семи [60].

По-видимому, это связанно с объемом краткосрочной памяти у человека. Отмечается также, что еще одним ограничивающим фактором является скорость обработки поступающей в мозг информации. Ученые доказали, что время это равно пяти секундам на каждое новое событие.

Таким образом, сложность систем возрастает, а способности нашего мозга контролировать эту сложность остаются прежними, прорыва в этой области пока нет. Выйти из этого затруднительного положения позволяют те понятия, которыми люди пользуются издревле, зачастую не осознавая этого, применяя эти понятия к сложным системам.

Декомпозиция. При проектировании сложных систем необходимо составлять ее из маленьких подсистем, каждую из которых можно отладить независимо от других. В этом случае мы не выходим за рамки возможностей человека, отпущенных ему природой. Так как при разработке системы любого уровня сложности, необходимо будет одновременно держать в уме информацию лишь о немногих ее частях. И в самом деле, правильная декомпозиция определяет сложность, присущую программной системе, обеспечивая разделения пространства состояний системы [56].

Известно три вида декомпозиции:

алгоритмическая;

объектно-ориентированная.

комбинированная.

Алгоритмическая декомпозиция. Зачастую понятие «проектирование» мы ассоциируем со структурным проектированием по методу «сверху вниз» и воспринимаем декомпозицию как обычное разделение алгоритмов, где каждый модуль системы выполняет один из важных этапов общего процесса. На рис. 6 приведен пример результата структурного проектирования. Структурная схема, которая иллюстрирует связи между элементами части предмета, перегонные системы автоматики.

Объектно-ориентированная декомпозиция. В качестве примера такой декомпозиции, мы взяли конструкцию программной подсистемы, осуществляющей изменение содержания управляющего файла из нашей экспертной системы (рис. 7) [56].

В данном примере вместо шагов типа: «получить изменения в отформатированном виде» и «прибавить к контрольной сумме» мы идентифицировали объекты типа: «основной файл» и «контрольная сумма». Мир здесь представлен списком автономных действующих лиц, которые, взаимодействуя друг с другом, обеспечивают поведение системы, в целом принадлежащей более высокому уровню.

Рис. 6. Структурная декомпозиция

Рис. 7. Объектно-ориентированная декомпозиция Каждый объект такой системы обладает своим поведением, моделирующим поведение реального объекта. С этой точки зрения объект является вполне определенной вещью, которая демонстрирует вполне определенное поведение. Объекты производят действия, если мы просим их сделать то-то и то-то, посылая им сообщения.

Комбинированная декомпозиция. Как правильней разделять сложную систему - по алгоритмам или по объектам. Разделение по алгоритмам концентрирует внимание на порядке происходящих событий, а разделение по

объектам придает значение факторам, либо вызывающим события, либо являющимися объектами приложения этих событий.

Однако мы не можем разделить сложную систему одновременно двумя способами, тем более, что эти способы различны по сути.

Необходимо начать разделение системы либо по алгоритмам, либо по объектам, а затем, используя полученную структуру, попытаться рассмотреть задачу, применив другое разделение - это собственно и есть суть комбинированной декомпозиции.

Опыт показывает, что полезнее сначала применить объектный подход. Как мы уже сказали, это поможет лучше понять структуру будущей системы.

Использование декомпозиции дает возможность создавать системы меньшего размера путем использования общих механизмов, обеспечивающих необходимую экономию выразительных средств.

Объектно-ориентированные системы более открыты и легче поддаются модернизации, потому что конструкция таких систем базируется на устойчивых промежуточных формах. Кроме того, она уменьшает риск создания сверхсложных систем, так как предполагает эволюционный путь развития системы на основе относительно небольших подсистем. Более того, объектная декомпозиция непосредственно определяет сложность систем, помогая нам принимать верные решения, когда вопрос касается разделения понятий в больших пространствах состояний.

Абстракции. Абстрагирование является одним из главных способов, используемых для решения сложных задач. Вообще понятий абстрагирования существует множество. Хоаре, например, предположил, что «абстрагирование заключается в нахождении средств между определенной совокупностью объектов, ситуаций или процессов, имеющих место в реальности, и в принятии решений на основе этих сходств, отвлекаясь на время от имеющихся отличий между объектами» [61]. М. Шоу определил это понятие так: «Упрощенное описание или изложение системы, при котором одни свойства и детали выделяются, а другие опускаются. Хороша та абстракция, . при которой подчеркиваются существенные для рассмотрения и использования детали, и опускаются те, которые в данный момент несущественны или отвлекают внимание» [62].

РОССИЙСКАЯ ГОСУДАРСТВЕННА^

Суммируя вышеизложенное, получим опредеМше абстракции: абстракция - это такие существенные характеристики некоторого объекта, которые отличают его от всех других видов объектов, и, таким образом, четко определяют особенности данного объекта с точки зрения дальнейшего рассмотрения и анализа [56].

Абстрагирование концентрирует внимание на внешних особенностях объекта и позволяет отделить самые существенные особенности поведения от деталей их осуществления. Иногда такое разделение называют барьером абстракции, который основывается на принципе минимизации связей, когда интерфейс объекта содержит только существенные аспекты поведения.

При абстрагировании появляется еще один полезный принцип - наименьшей выразительности, по которому абстракция должна охватывать лишь самую суть объекта, не больше, но и не меньше. Выбор множества абстракций для заданной области является главной проблемой объектно-ориентированного программирования.

Ученые выделяют целый спектр абстракций (табл. 1), начиная с соответствия предметной области и кончая объектами, не имеющими реальных аналогий в жизни [56].

Таблица 1

Для нас наиболее Интересна абстракция сущности объектов, так как она соответствуют рассматриваемой предметной области. Так, объект, использующей ресурсы других объектов, называется клиентом. Описание поведения объекта включает описание операций, которые могут выполняться над ним, и операций, которые сам объект выполняет над другими объектами. Полный набор операций, которые объект может осуществлять над другим объектом, называется протоколом. Протокол отражает все действия, которым объект может подвергаться сам и которыми он может оказывать влияние на другие объекты, определяя тем самым полное внешнее поведение абстракции со статической и динамической точек зрения [56].

Иерархия. Абстракция вещь полезная, но всегда, кроме самых простых ситуаций, число абстракций в системе намного превышает возможности их одновременного контроля. Поэтому дополнительным способом, расширяющим возможности обработки потоков данных системой, является организация внутри системы, иерархии [56].

Иерархия - это ранжированная или упорядоченная система абстракций (рис. 10). Основными видами иерархических структур, применительно к ложным системам, являются структуры:

классов;

объектов [56].

Структура объектов дает схему их взаимодействия друг с другом, которое осуществляются с помощью механизмов взаимодействий.

Структура класса не менее важна - она определяет избыточность средств внутри системы. Например, зачем изучать принцип работы каждого типа нейтрального реле, когда достаточно изучить одно такое же реле, потому что все остальные ведут себя подобным образом. И хотя мы рассматриваем каждый объект определенного типа как отдельный, можно предположить, что его поведение будет похоже на поведение других объектов того же типа, а значит, классифицируя объекты по родственным группам абстракций, мы можем четко разделить общие и отличительные свойства разных объектов, что помогает нам создать их собственную сложную структуру [56].

Определить иерархию в сложной программной системе бывает довольно трудно, так как это требует разработки моделей многих объектов, поведение каждого из которых может отличаться чрезвычайной сложностью. Однако после их определения структура сложной системы, в свою очередь, ее понимание сразу проясняются.

Рис. 8. Понятие иерархии

1.5. Постановка задачи исследования

Рассматривая основные особенности функционирования железнодорожного транспорта как сложного процесса, характеризующего его с системных позиций задач исследования, можно отметить следующее:

Уникальность железнодорожного транспорта как объекта эксплуатации и управления, которая выражается в особенностях структуры и условиях функционирования. Технологии, используемые на железнодорожном транспорте, это сложные процессы, которые «обкатываются» в течение ряда лет и привязываются к определенной базе, определяющей технологические особенности.

Масштабность объектов железнодорожного транспорта, определенная наличием вспомогательных производственных, функциональных и информационных компонент, от эффективности функционирования и взаимодействия которых зависит эффективность основного технологического

процесса, величина агрегатов и узлов, составляющих основное технологическое оборудование.

Эволюционный характер изменения технических и технологических параметров функционирования объекта. Жизненный цикл основного оборудования рассчитывается на несколько десятков лет эксплуатации, в течение этого срока происходит поэлементная модернизация оборудования, изменение и расширение технологических режимов.

Наличие жестких ограничений по времени, характеризующих выполнение определенных технологических операций и взаимодействие между операциями.

Непрерывно-дискретный характер действия компонентов отрасли

и всей отрасли в целом. Сокращение ремонтного периода, замены основных узлов оборудования приводят к резким и частым изменениям технологических характеристик и параметров оборудования и систем.

Высокий уровень вероятности возникновения сложных и аварийных ситуаций с непосредственной опасностью для жизни людей и характеризующихся большими экономическими потерями.

Таким образом, железнодорожную отрасль можно представить как большую многоэлементную, сложную, многосвязную, динамическую, не полностью наблюдаемую, целенаправленную систему с высоким уровнем взаимодействия внешних и внутренних возмущений и нечетким описанием причинно- следственных связей функционирования. Вследствие этих особенностей процесса были малоэффективны и попытки их полной автоматизации. В настоящее время основной стратегией является частичная автоматизация и расширение пространства наблюдения. По-прежнему на долю человека оставлены важнейшие функции контроля и управления технологическими процессами.

Человек в системе управления и эксплуатации сложного технологического процесса железнодорожной отрасли осуществляет функции многосвязного управления объектом и одновременно функции саморегулирования собственной деятельности с учетом изменяющейся обстановки на объекте или системе. Успешное выполнение функций управления объектом зависит от особенностей протекания технологических процессов и эффективности саморегулирования, т.

е. поддержания необходимых показателей собственной деятельности. Поэтому повышение эффективности управления в сложной системе, такой, как железнодорожная отрасль, требует, наряду с проводимой модернизацией технико-эксплуатационного оборудования, непрерывного анализа кадрового состояния эксплуатационного штата, а также постоянного повышения квалификации персонала с учетом психофизиологических возможностей человека-оператора и повышения его адаптационных способностей к решению непрерывно изменяющихся технологических и управленческих задач.

Учет возможностей человека его частных характеристик и особенностей взаимодействия с системой - один из принципов рационального распределения функций управления в сложных динамических системах.

Можно выделить ряд следующих положений.

Системам присуща сложность, которая в большинстве случаев превосходит возможности человеческого разума.

Сложные структуры часто принимают форму иерархии, поэтому полезно моделировать и типовую, и структурную иерархии сложной системы.

Сложные системы быстрее создаются на основе устойчивых промежуточных форм.

Познавательные способности человека ограничены. Мы можем раздвинуть их рамки, используя методы: декомпозиции, абстракции, иерархии [5 6].

Сложные системы можно исследовать, концентрируя основное внимание либо на объектах, либо на процессах. Выгоднее рассматривать систему как упорядоченную совокупность объектов, которые в процессе взаимодействия друг с другом обеспечивают функционирование системы как единого целого.

Несмотря на то, что исследователи разрабатывают различные способы представления объектов большой сложности в виде систем, придерживаясь нередко противоречащих друг другу концепций, их в значительной мере объединяет один общий принцип - моделирование.

Теоретическая система - это прежде всего система понятий, в которой исследуемый объект в каком-то отношении моделируется. Создавая модель или совокупность моделей, мы накладываем ограничения, которые позволяют зафиксировать объект исследования и перевести его в сферу познания, делая его «неисчерпаемым» в данной теоретической системе. В зависимости от свойств исследуемых систем и поставленных задач, различают различные классы систем:

открытые;

закрытые;

естественные;

«человек - машина»;

определяемые состоянием и пр.

Однако системный подход заключается не только в том, что создается некоторая понятийная база для описания объекта. Главная цель построения системного описания - получить новое знание об объекте.

Основная задача моделирования учебного процесса для подготовки специалистов в железнодорожной отрасли, при построении экспертной системы, имеет пять аспектов:

1. Всестороннее изучение и математическое описание поведения учебного процесса в полном пространстве ситуаций с учетом его воздействия на объект обучения.

2. Разработка моделей процессов и алгоритмов принятия решений с использованием разнородной информации, в том числе и знания экспертов.

3. Информационная имитация поведения обучаемого при воздействии на него учебной информации, в виде оценочной характеристики измеряемых и прогнозируемых системой, и их визуализация на базе современных мультимедиа технологий.

4. Многоаспектное описание эффективности функционирования учебного процесса.

5. Моделирование объективной трудно формализуемой интеллектуальной деятельности при принятии решений, а также накопление и передача профессионального опыта с использованием информационных технологий обучения.

Поэтому моделирование процесса обучения, применительно к экспертным системам подготовки и повышения квалификации специалистов железнодорожного транспорта, представляет собой комплексную задачу, требующую для своего решения разработки общей методологии исследования моделирования сложного учебного процесса в комплексе с применяемым оборудованием, информационным взаимодействием между обучаемым и учебной информацией и многокритериальной оценкой эффективности этого взаимодействия, а также разработки моделей, функционирующих в разнородной информационной среде.

Таким образом, задача системного описания учебной деятельности для подготовки и переподготовки специалистов в отрасли железнодорожного транспорта, для повышения безопасности движения поездов на основании требований приказа Щи расширенного заседания Коллегии МПС в феврале 2002 года заключается в следующем:

описать учебную деятельность как системное образование;

разработать экспертную систему анализа и подготовки кадров на предприятиях железнодорожного транспорта;

разработать динамическую модель системы обучения специалистов железнодорожного транспорта;

разработать средства количественного анализа уровней обучения;

реализовать модель системы в виде действующего экземпляра - с целью повышения эффективности подготовки кадров для железнодорожного транспорта, для увеличения безопасности движения поездов.

Суммируя принципиальные важнейшие положения, характеризующие применение системного подхода в нашем исследовании, мы будем ориентироваться на следующее:

172. такого рода исследования методологически базируется на признании обучения сложной системной деятельностью;

173. процесс обучения специалистов железнодорожного транспорта как явление действительности отображается в виде семантической сети учебной деятельности;

174. система научных понятий сформирована в понятиях, входящих в описание предмета дидактики;

175. в данной системе смоделированы существенные свойства процесса обучения как деятельности;

176. построенная на абстрактно-теоретическом уровне модель системы допускает ее трансформацию с целью перехода на научно-эмпирический уровень рассмотрения;

177. все исследуемые связи считаются органически объединенными данной целостной системой;

178. в необходимых случаях введены процедуры формализации, для чего применяемые понятия определены с возможной строгостью.

Применение совокупности данных признаков в нашей области исследования дает право называть данное исследование - системным.

2. Систематизация этапов информационной технологии обучения

2.1. Основы теории ассоциативно-рефлекторного формирования умственных действий

В основу теории о рефлекторной деятельности мозга легли следующие положения учения Павлова - Сеченова: процесс формирования знаний, умений и навыков состоит в выработке у обучаемых системы ассоциаций (связей), отражающих отношения между объектами знания: событиями, явлениями, фактами и т. д. Знания, умения и навыки рассматриваются как совокупность ассоциаций. Ассоциация - это обусловленная предшествующим опытом связь представлений, благодаря которой одно представление, появившись в сознании, вызывает другое. Для того чтобы образовывались ассоциации, отражающие связь между несколькими объектами, необходимо, чтобы эти объекты находились в состоянии смежности. Смежность - это сходство (соответствие) или различие (несоответствие) объектов. Это необходимое, но недостаточное условие для образования ассоциаций. Все, что окружает человека, находится в состоянии смежности, но не все отражается в его сознании в виде ассоциаций. Ассоциации между смежными объектами образуются в том случае, если обучаемый имеет стимул к образованию, т. е. их образование имеет для него значимость. Значимость - это полезность, эмоциональное воздействие, подкрепление и т. д. Ассоциации могут быть элементарными и сложными. Совокупность ассоциаций образует систему ассоциаций. Система последовательных ассоциаций образует цепь ассоциаций. Образованные ассоциации требуют закрепления путем положительного подкрепления. Подкрепления - это сигналы, подтверждающие образования правильных связей.

Основные положения теории интуитивно - логически понятны. Для нас практическую ценность представляет развитие понятия, подкрепления, при использовании в обучении, сначала в традиционном, а затем в активном. В обучении подкрепления выполняют двоякую роль: во-первых, способствование к образованию и закреплению ассоциаций; во- вторых, использование их в качестве опорных точек (сигналов), которые помогают обучаемому двигаться к цели кратчайшим путем. Так, удачно выбранная система подкреплений способствует качественному обучению и наоборот.

Образование ассоциаций очень сильно зависит от времени появления подкреплений. Связь образуется только в том случае, когда время между моментом реакции испытуемого и поступлением подкрепления не превышает некоторого критического значения. Отсюда вытекает необходимость такой организации учебного процесса, которая бы обеспечивала немедленное подкрепление. Поэтому существующая традиционная организация обучения, где один преподаватель руководит большой группой обучаемых, не удовлетворяет этому требованию. Применение же информационной технологии дает возможность без увеличения числа преподавателей обеспечить каждого обучаемого оперативным подкреплением [63, 64].

Но и это не будет являться достаточным условием для образования необходимых нам ассоциаций. Эффективность их образования будет зависеть от логической связи между реакцией и подкреплением. Так, если в период между реакцией на некоторый стимул и появлением подкрепления, на обучаемого воздействуют случайные шумы (непредусмотренные раздражители), то в его сознании вместо запланированных ассоциаций появляются непредусмотренные (случайные) ассоциации [64].

Это положение из теории о рефлекторной деятельности мозга получает особый статус при использовании информационных технологий, потому что человек и машина оперируют информацией, представленной в разных формах: человек работает с семантическим (содержательным) представлением информации, машина же работает с синтаксическим (формализованным) представлением информации.

Поэтому неизбежен перевод информации с одного в другое представление посредством использования языков программирования. Таким образом, между реакцией (ответом) обучаемого и подкреплением (оценкой) у обучаемого возникают случайные ассоциации, которые являются нежелательными. Появление таких нежелательных ассоциаций может вообще свести на нет весь процесс обучения. Но, с другой стороны, путем подбора информационной структуры можно обеспечить такой перевод информации, что появление случайных ассоциаций будет являться дополнительным стимулом для формирования заданных ассоциаций.

Из вышеперечисленного вытекают два важных требования к используемому в системе языку программирования:

Время на описание с его помощью содержательных понятий не должно превышать времени эффективного действия подкреплений.

Формирование в его терминах ответов не должно вызывать появление нежелательных ассоциаций.

Похожие диссертации на Экспертная система анализа, учета и подготовки кадров для предприятий железнодорожного транспорта



Образовательные комплексы распределенных систем дистанционного обучения для специалистов предприятий железнодорожного транспортаНемцов Александр Борисович

Анализ устойчивости систем трубопроводного транспорта по данным телеметрииЛютикова, Марина Николаевна



Анализ систем мониторинга и диспетчерского регулирования наземного транспорта и управление рисками их информационной безопасностиБотвинкин Павел Викторович



Система обработки и анализа изображений контактной сети железнодорожного транспорта по данным сканерной съемкиПронченко Роман Сергеевич



Анализ и структурно-параметрический синтез систем электроснабжения железнодорожного транспорта с установками распределенной генерацииАрсентьев, Михаил Олегович

Методы анализа надежности сложных технических систем с временной избыточностью инфраструктуры железнодорожного транспортаНовиков, Евгений Владимирович



Системный анализ, комплексное оценивание, совершенствование учета и управления в системах централизованного теплоснабженияАбрамов Сергей Юрьевич

Разработка методов анализа и синтеза управляемой динамической системы резания с учетом эволюции связей и самоорганизацииФам Динь Тунг



Система анализа и прогнозирования динамики рынка жилой недвижимости с учетом состояния городской среды Юферова Надежда Юрьевна



Разработка и реализация информационно-управляющей системы объектов транспорта газа ООО "Тюментрансгаз"Басавин Андрей Анатольевич