Содержание к диссертации
Введение
Глава 1. Анализ предметной области 7
1.1 Задачи проектирования, эксплуатации и реинжинеринга систем массового обслуживания 7
1.1 Классификация СМО и их основные элементы 8
1.2 Основы E-learning технологии повышения квалификации и обучения 14
1.3 Модели распознавания и оценки уровня знаний 16
Выводы 20
Глава 2. Декомпозиция области знаний на основе системного анализа 21
2.1 Три технологии обучения, учитывающие предварительную компетентность и психологические особенности обучаемых 22
2.2 Учет личностных характеристик обучаемых 25
2.3. Модель предметной области - теории массового обслуживания 27
2.3.1 Система М/М/1 33
2.3.2 Система М/М/м 34
2.3.3 Сети систем массового обслуживания 37
2.3.4 Системы обработки заявок по заданной технологий 43
2.4. Модели вычислительных систем и их компонентов 52
Выводы 66
Глава 3. Технические и программные средства построения интеллектуально тренажера 67
3.1 Структура и функции интеллектуального тренажера 70
3.1.1 Генерация заданий .Т...:71
3.1.2 Контроль правильности решения задач 72
3.2 Структура WEB-сайта управления процессом обучения 81
Глава 4. Комплекс интеллектуальных тренажеров по курсу «Системы массового обслуживания» 85
4.1 Интеллектуальный тренажер по простейшим системам массового обслуживания .85
4.1.1 Основные теоретические сведения 85
4.1.2 Демонстрационный пример 88
4.1.3 Блок обсуждения результатов решения демонстрационной задачи 93
4.2 Интеллектуальный тренажер по анализу сетей систем массового обслуживания .95
4.3 Интеллектуальный тренажер по теме «Анализ систем отработки заявок по
заданной технологии» 102
4.4 Исследование эффективности использования тренинг-системы 113
Выводы 115
Заключение 116
Список литературы 118
- Задачи проектирования, эксплуатации и реинжинеринга систем массового обслуживания
- Основы E-learning технологии повышения квалификации и обучения
- Три технологии обучения, учитывающие предварительную компетентность и психологические особенности обучаемых
- Структура и функции интеллектуального тренажера
Введение к работе
Актуальность проблемы: Во многих областях практической деятельности человека мы сталкиваемся с системами, производящими обслуживание потока запросов, заявок, работ. Это могут быть как отдельные приборы, так и системы приборов. Причём заявки могут обслуживаться либо в произвольном порядке, либо по заданной технологии - например, системы проектирования, производства и т.п.
Разработка таких приборов и систем, их внедрение и эксплуатация связаны как с необходимостью обеспечения оптимальных характеристик качества на этапе создания, так и их поддержания в процессе эксплуатации.
Одно из главных условий достижения оптимальных показателей качества систем является квалификация обслуживающего персонала: проектировщиков, администраторов, эксплуатационников.
Раньше такие системы - системы массового обслуживания (СМО) и сети СМО (ССМО) могли работать несколько лет без изменений. Теперь приходится постоянно работать над повышением качества функционирования такой системы, сокращением сроков прохождения заявок через эту систему, с изменением характеров входного потока, загрузки приборов. Это все приводит к тому, что процесс принятия управленческих решений, связанных с изменением систем, расчетом ее характеристик, определением направлений модернизации системы должно производиться обслуживающим персоналом постоянно. В направлении разработки структуры и методов проектирования СМО известны многочисленные исследования. В частности исследованиям в этой области посвящен ряд работ зарубежных и российских специалистов Перегудова Ф.И., Тарасенко Ф.И., Клейнрока, Myron Hlynka , Edward D. Lazowska, John Zahorjan, G. Scott Graham, Kenneth C. Sevcik, и других.
Задача первичного обучения и постоянного повышения квалификации обслуживающего персонала может быть решена путём разработки интеллектуальной информационной системы поддержки принятия
4 управленческих решений на основе постоянного обучения персонала в процессе проектирования или эксплуатации систем массового обслуживания, включая системы обработки заявок по заданной технологии. При современном уровне развития средств коммуникации такое обучение — повышение квалификации обслуживающего персонала профессионально может осуществляется с использованием E-learning технологии.
В развитие E-learning технологии большой внесли работы Б. Ятленко, А.Бодаренко, Марка Розенберга, Роберта Земски, Сабина Сойферт, Нигеля Пейна, Дитера Ойлера, А. Я. Савельева, И.Г. Игнатовой и многих других.
Таким образом разработка интеллектуальных тренажеров как основной части системы интеллектуальной информационной поддержки процессов принятия управленческих решений(блока повышения квалификации) при проектировании, производстве и эксплуатации систем массового обслуживания для повышения квалификации обслуживающего персонала, способствующего повышению качества проектируемых систем и эффективности их эксплуатации является актуальной задачей.
Целью диссертационного исследования является обеспечение качества разработки и эксплуатации различного вида систем массового обслуживания от простейших до систем обработки информации по заданной технологии путём повышения квалификации обслуживающего персонала.
Объектом исследования диссертации являются автоматизированные системы поддержки процессов проектирования и эксплуатации различного типа систем массового обслуживания.
Предметом исследования диссертации является разработка блока повышения квалификации обслуживающего персонала на основе интеллектуальных тренажеров, как составной части процессов проектирования, эксплуатации и реинжениринга приборов и систем массового обслуживания.
В соответствии с указанной целью в работе решаютсяследующие задачи:
разработка структуры автоматизированной системы поддержки
5 принятия решений, включающей блок обучения и повышения уровня квалификации обслуживающего персонала;
системный анализ и формализация предметной областей знаний, связанной с проектированием и эксплуатацией систем массового обслуживания;
разработка модели области знаний, позволяющей осуществлять как обучение персонала, так и повышение его квалификации с учетом уровня исходной компетентности и психологических особенностей обучаемых;
разработка принципов построения обучающего модуля системы управления и принятия решений процесса обучения;
построение алгоритмов работы обучающего модуля на основе интеллектуальных тренажеров.
Методы исследования. В диссертационной работе использованы методы системного анализа, теории информационных систем, элементы теории массового обслуживания, элементы теории вероятности, методы математического моделирования.
Научная новизна работы состоит в создании новых моделей и алгоритмов, обеспечивающих процесс поддержки квалификации персонала, связанной с принятием управленческих решений при проектировании и эксплуатации систем массового обслуживания, включая системы обработки информации по заданной технологии. При этом получены следующие научные результаты.
Обоснована необходимость разработки и внедрения тренинг-системы для постоянного повышения квалификации обслуживающего персонала и первичного обучения при проектировании и эксплуатации систем массового обслуживания.
Обоснована целесообразность построения тренинг-системы на основе интеллектуальных тренажеров, учитывающей индивидуальные особенности обучаемых путем реализации трех методов организации
учебного процесса: индуктивного, дедуктивного и абдуктивного.
Разработана структура представления учебного материала для реализации трех методов организации учебного процесса, обеспечивающая вариативный характер обучения.
Разработана структура интеллектуального тренажера, включающая четыре этапа обучения - а также, в частности, принципы генерации индивидуальных заданий, алгоритмы контроля ответов обучаемого, формирования подсказок и формирования конкретной технологии обучения с учетом индивидуальных особенностей обучаемых, способствующих актуализации знаний в процессе компетентностного обучения.
Разработана тренинг-система, включающая три интеллектуальных тренажера, для изучения основ теории массового обслуживания.
Разработаны принципы построения, структура обучающего модуля систем управления и принятия решений в процессе обучения при проектировании и эксплуатации систем массового обслуживания.
Задачи проектирования, эксплуатации и реинжинеринга систем массового обслуживания
СМО представляют собой системы специфического вида. Вообще СИСТЕМА - целостное множество взаимосвязанных элементов, неделимое на независимое подмножество.
Основа СМО - средства, обслуживающие требования, называются обслуживающими устройствами или каналами обслуживания. Например, к ним относятся компоненты информационных систем, каналы телефонной связи, посадочные полосы, аэродроме, операторы, билетные кассиры, погрузочно-разгрузочные точки на базах и складах.
В теории систем массового обслуживания обслуживаемый объект называют требованием, а предназначением СМО как раз и является удовлетворение этих требований. В общем случае под требованием обычно понимают запрос на удовлетворение некоторой потребности, например, вход информационных систем разговор с абонентом, посадка самолета, покупка билета, получение материалов на складе. СМО классифицируются на разные группы в зависимости от состава и от времени пребывания в очереди до начала обслуживания, и от дисциплины обслуживания требований.
По числу каналов п СМО бывают одноканальными (с одним обслуживающим устройством) и многоканальными (с большим числом обслуживающих устройств). Многоканальные системы могут состоять из обслуживающих устройств как одинаковой, так и разной производительности.
По времени пребывания требований в очереди до начала обслуживания системы делятся на три группы: 1) с неограниченным временем ожидания (очередь). При занятости системы заявка поступает в очередь и в итоге будет выполнена (торговля, сфера бытового и медицинского обслуживания); 2) с отказами (нулевое ожидание или явные потери). «Отказанная» заявка вновь поступает в систему, чтобы её обслужили (вызов абонента через АТС); 3) смешанного типа (ограниченное ожидание). Есть ограничение на длину очереди (автосервис). Ограничение на время пребывания заявки в СМО (особые условия обслуживания в КБ).
В системах с определенной дисциплиной обслуживания поступившее требование, застав все устройства занятыми, в зависимости от своего приоритета, либо обслуживается вне очереди, либо становится в очередь.
Основными элементами СМО являются: входящий поток требований, очередь требований, обслуживающие устройства(каналы) и выходящий поток требований.
Эффективность функционирования СМО определяется её пропускной способностью - относительным числом обслуженных заявок.
Изучение СМО начинается с анализа входящего потока требований. Входящий поток требований представляет собой совокупность требований, которые поступают в систему и нуждаются в обслуживании. Входящий поток требований изучается с целью установления закономерностей этого потока и дальнейшего улучшения качества обслуживания.
В большинстве случаев входящий поток неуправляем и зависит от ряда случайных факторов. Число требований, поступающих в единицу времени, случайная величина. Случайной величиной является также интервал времени между соседними поступающими требованиями. Однако среднее количество требований, поступивших в единицу времени, и средний интервал времени между соседними поступающими требованиями предполагаются заданными. простейшим.
Простейший поток обладает такими важными свойствами:
1) Свойством стационарности, которое выражает неизменность вероятностного режима потока по времени. Это значит, что число требований, поступающих в систему в равные промежутки времени, в среднем должно быть постоянным. Например, число вагонов, поступающих под погрузку в среднем в сутки должно быть одинаковым для различных периодов времени, к примеру, в начале и в конце декады.
2) Отсутствия последействия, которое обуславливает взаимную независимость поступления того или иного числа требований на обслуживание в непересекающиеся промежутки времени. Это значит, что число требований, поступающих в данный отрезок времени, не зависит от числа требований, обслуженных в предыдущем промежутке времени. Например, число автомобилей, прибывших за материалами в десятый день месяца, не зависит от числа автомобилей, обслуженных в четвертый или любой другой предыдущий день данного месяца.
3) Свойством ординарности, которое выражает практическую невозможность одновременного поступления двух или более требований (вероятность такого события неизмеримо мала по отношению к рассматриваемому промежутку времени, когда последний устремляют к нулю).
При простейшем потоке требований распределение требований, поступающих в систему, подчиняются закону распределения Пуассона: вероятность Pk(t) того, что в обслуживающую систему за время t поступит именно к требований: Pk{t) = e-u{X)k/k\, (1.2) где/1. - среднее число требований, поступивших на обслуживание в единицу времени. Кроме того, наличие Пуассоновского потока требований можно определить статистической обработкой данных о поступлении требований на обслуживание. Одним из признаков закона распределения Пуассона является равенство математического ожидания случайной величины и дисперсии этой же величины, т.е.
Основы E-learning технологии повышения квалификации и обучения
Рынок электронного корпоративного обучения существует уже более двадцати лет. Причиной его возникновения стало повсеместное распространение персональных компьютеров. Учебный контент создавался главным образом на CD-ROM. Появились компании, занимающиеся производством учебного контента и созданием учебных курсов на заказ.
Дальнейшее развитие этого рынка было связано с появлением сети Интернет и связанных с ней технологий. Появились как технологии доступа к данным, построенные на основе сетей TCP/IP, так и новые средства создания и доставки мультимедийного контента, такие как Java и Flash. На рынке появились E-learning порталы, поставщики программных продуктов для создания учебных курсов и управления процессом обучения. Опыт крупнейших западных разработчиков электронного учебного контента, имеющих в своем арсенале тысячи учебных курсов, свидетельствует о растущем спросе на учебные программы в таких областях как: менеджмент, бизнес-коммуникации, управление проектами, управление знаниями, работа в команде.
Эти учебные программы дополняют традиционное бизнес-образование в таких областях как общий менеджмент, финансы, маркетинг, управление персоналом, ИТ и позволяют провайдерам электронного учебного контента говорить о наличии у них всеобъемлющих библиотек учебных курсов, покрывающих абсолютное большинство потребностей в обучении. Несмотря на распространенное мнение о том, что электронное обучение в основном направлено на отработку ИТ-навыков, статистика ведущих производителей контента говорит об обратном. Например, компания «SkillSoft» производит около 1700 учебных курсов, из них только 120 по ИТ. Компания «SmartForce» использует модульный подход и производит более 20 000 учебных модулей, из которых строятся учебные курсы и программы обучения. ИТ курсы занимают менее 40% от общего числа, при том, что имеются учебные курсы по всем ИТ-сертификациям и технологиям. С помощью средств разработки учебного контента создаются учебные материалы и тесты, которые затем помещаются в базу данных системы управления обучением. Через нее обучаемые получают доступ к учебным материалам. Система обмена информацией позволяет учащимся, преподавателям, экспертам и другим участникам учебного процесса обмениваться информацией между собой как в режиме реального времени (синхронно) так и асинхронно. Web-интерфейс системы управления обучением, как правило, строится на основе средств управления контентом. Учебный контент может быть статическим (HTML страницы, тексты) и интерактивным, с элементами анимации и голосовым сопровождением. Для создания статического контента можно использовать стандартные редакторы, такие как Microsoft Word. Интерактивный контент создается с помощью специальных программных продуктов.
Модуль обмена информацией системы E-learning позволяет реализовать следующие функции (в зависимости от выбранного программного обеспечения): асинхронное общение — форумы, доски объявлений, электронная почта синхронное общение - голосовой и компьютерный чат, видеоконференции, совместное использование программных продуктов, виртуальная аудитория. Технологии E-learning в России находится в процессе широкого распространения. Основной причиной такого положения вещей, служит сравнительная новизна этих систем на рынке корпоративного обучения, а также практически полное отсутствие учебного контента, адекватно отражающего потребности различных направлений обучения. Тем не менее, на российском рынке сегодня уже существует ряд компаний(вузов, научных центров), успешно внедривших системы дистанционного обучения или планирующих сделать это в ближайшем будущем.
Интеллектуальное тестирование предполагает наличие модели знаний, модели самого процесса тестирования и оценивания. Рассмотрим некоторые из них более подробно.
Традиционная система оценивания знаний обучаемых, основана на лингвистических оценках, по которым устанавливается стипендия, производится учет успеваемости, проставляются записи в зачетных книжках за период обучения и др.. Вместе с тем, такая новая образовательная процедура как образовательное тестирование по альтернативному признаку предполагает оценивание уровня знаний в диапазоне от нуля до ста, что порождает проблему распознавания лингвистического образа знаний по результатам такого образовательного тестирования.
Под образом уровня знаний понимаются обучаемые, принадлежащие к множеству (группе), знания которых по "эталону уровня знаний" отнесены к лингвистическим оценкам неудовлетворительно (D), удовлетворительно (С), хорошо (В), отлично (А).
Под распознаванием образа уровня знаний понимается процедура принятия решения о принадлежности конкретного обучаемого к одному из указанных образов на основании сравнения его образовательных достижений при тестировании с характеристиками образа.
При тестировании по альтернативному признаку используется закрытая форма теста, характеристиками которой являются: функция плотности распределения неправильных ответов f(d), приемлемый уровень неправильных ответов qO, неприемлемый уровень неправильных ответов ql, риск заниженной оценки знаний а, риск завышенной оценки знаний Ь, функция оценивания знаний f(Q), объем образовательной информации N, объем выборки заданий теста п и критерий принятия решений в виде предельного числа неправильных ответов К.
Перечисленные характеристики являются взаимозависимыми, но не обладающими достаточным свойством четкости. В условиях их нечеткости для распознавания образа уровня знаний обучаемых вполне допустимо для нормально реализованной образовательной услуги принять модель распределения неправильных ответов по закону редких случайных событий Пуассона и функцию оценивания уровня знаний сформировать по этому же закону.
Три технологии обучения, учитывающие предварительную компетентность и психологические особенности обучаемых
Модель области знаний необходима для формирования контента интеллектуального тренажера, обеспечивающего: учет психологических особенностей обучаемого; учет степени компетентности по обеспечивающим дисциплинам; автоматическую генерацию заданий; построение «решателя» задач; использование трех технологий обучения; развитие и корректировку структуры и контента интеллектуального тренажера в процессе эксплуатации.
В общем научном смысле область знаний представляется ограниченным естественным языком, образованным грамматикой G: Г={Т,Ф,П,Н},где Т - терминальный алфавит, Ф - полный словарь терминов, П - правила подстановки, Н - начальный символ. Язык может разбиваться на несколько тематических языковых групп (подъязыков) в соответствии со структурой разделов дисциплины.
К терминальным символам(Т), в частности, относятся: заявка (требовании), поток, обслуживание, прибор, вход, выход, сеть, ожидание, пребывание, время и т.д. Полный язык теории массового обслуживания делится на разделы: Я={ПС, ПрС, мС, СПС, СПрС, МС, СОЗЗТ} 1(ПС) - простейшие СМО (типа М/М/1); 2(ПрС) - произвольные СМО (типа G/M/l, М/G/l и т.д.); 3(мС) - простейшие СМО типа М/М/м; 4(СПС) - сети простейших СМО; 5(СПрС) - сети произвольных СМО; 6(МС) — процессные СМО (сети Маркова); 7(СОЗЗТ) - системы обработки заявок по заданной технологии (двойственные или процессно-ролевые системы).
Структурная схема взаимосвязи разделов представлена на рис. 2.1. В зависимости от психологических особенностей обучаемого и технологии изучения дисциплины - индуктивный, дедуктивный и абдуктивный, изучение может начинается с различных разделов. Например, Индуктивный(подход от частного к общему): 1, 3, 4, или 1,2,5,7. Дедуктивный(подход от общего к частному): 7, 5, 2, 1 или 7, 4, 3, 1. Абдуктивный(подход с середины модели): (4, 5, 7 или 4,6,7) и (5,2,1 или 5,4,3,1).
Построение теоретического блока должно основываться на модели области знаний и обеспечивать три технологии изучения дисциплины. [22] Индуктивный подход: Индуктивный подход предполагает изучении дисциплины от простого к сложному. Схема взаимодействия «преподаватель-обучаемый» при индуктивном методе обучении представлена на рис 2.2 Абдуктивный подход: При абдуктивном методе изучения начинается в «середине» раздела. При ознакомлении с этими положениями обучаемый может как рассмотреть более простые положения, так и изучить общие положения теории.
Модель области знаний должна обеспечить как обучения по одному из методов, так и переход от одного к другим. Для того чтобы создать целостную структуру образовательного процесса для дистанционного обучения и для использования E-learning технологий, необходимо учитывать психологические особенности учащихся, одним из важнейших таких факторов является «врожденная грамотность», который позволяет осуществлять контроль образовательного процесса. Остановимся на одном аспекте сферы образования - на понимании проблем, связанных с психологией личности в системе образования, а именно проблем целей и мотивов образования, взаимоотношений участников образовательного процесса, определяемых его формой, значения образования в системе социальных ценностей, короче, всего того, что впредь будет именоваться психологией образования.
Одним из направлений исследования является развитие нового подхода в педагогической информационной психологической разделов науки, обозначенных как психология образования.
Основной проблемой образования становится не усвоение огромного и постоянно увеличивающегося объема знаний или хотя бы ориентация в мощном потоке все возрастающей информации, а проблема прямо противоположная получение, создание, производство знаний в соответствии с возникающими потребностями. [22]
С точки зрения психологии образования, сфера образования представляет собой поле взаимодействия двух основных форм обучения и образования, каждая из которых имеет свои принципы и методы, педагогической и непедагогической (см. табл. 2.1).
Структура и функции интеллектуального тренажера
Интеллектуальный тренажер, это обучающая программа, реализующая следующие функции: 1. систематизацию данных по обучаемым; 2. аутентификацию и авторизацию пользователя с целью ограничения доступа; 3. формирование и дальнейшее использование шаблонов содержащих учебный материал, тесты, практические задания и контрольные задания; 4. формирование случайного задания для обучаемого; 5. самостоятельное решение сгенерированного задания с целью сравнения ответов с ответом пользователя; 6. обработку ответов и вывод соответствующего сообщения об ошибке; 7. высылку результатов обучения преподавателю; 8. формирование отчетов о процессе обучения слушателя; 9. рекомендации по изменению методики или процесса обучения. Часто в системах обучения используются программы, которые по заявлению разработчиков «генерируют» задания для слушателей. Чаще всего эта «генерация» сводится к существованию в программе базы данных или текстового файла с заданиями и ответами, заранее заложенными туда разработчиками. Основное отличие интеллектуального тренажера от подобных систем в том, что задания формируются специальной подпрограммой случайным образом, ограничения на которую вводятся преподавателем. Количество возможных вариантов может достигать более десятка тысяч, что делает возможность совпадения вариантов для группы обучаемых близкой к нулю.
Структура ИТ включает меню, которое состоит из 4х(или 5) блоков: теоретические сведения, демонстрационный пример, тренинг, контрольное задание, (обсуждение результатов).
Одна из целей генератора заданий заключается в том, чтобы создать большое количество заданий, которые были бы примерно одинаковые, но не повторялись, с тем чтобы исключить возможность переписывания и использования студентами уже сделанных заданий.
Главная особенность интеллектуальных тренажеров — возможность генерации заданий случайным или квазислучайным образом. На рисунке 3.3 показан пример генерации задания по теме «Расчет характеристик простейшей СМО.»
Взят отрезок времени, на котором приходит 27 заявок. При генерации индивидуального задания выбирается отрезок времени с 10 заявками, начиная с заявки соответствующей номеру обучаемого в списке. При расширении исходного отрезка времени увеличивается и время выполнения каждого запроса. Увеличивается количество вариантов и сложность задачи. В связи с этим, программа требует создания специального интеллектуального модуля, реализация которого требует более глубоких знаний, чем рассмотренные задачи. Времена обслуживания задаются случайным образом. Общее количество вариантов превышает сто.
Одной из наиболее сложных задач построения интеллектуального тренажера является создание алгоритма контроля правильности решения задачи обучаемым.
Организация диалога обучаемого с тренажером заключается в представлении тренажером вопросов, вводе обучаемым ответа, контроль правильности ответа, анализа причем ошибок на каждом шаге и выдача сообщений. Рассмотрим организацию диалога на примере интеллектуального тренажера по изучению сетей СМО.
Решение задачи заключается в выполнении следующих этапов. 1. Определение модели системы как сети СМО. 2. Построение модели сети СМО. 3. Определение компонентов, на которые направлен входной поток. 4. Составление модели связей, компонентов. 5. Определение компонентов, с которых поток поступает на выход . 6. Построение связи компонентов с выходом. 7. Составление уравнений состояния сети. 8. Определение дополнительного уравнения. 9. Решение системы уравнений состояния сети. 10.Вычисление характеристик каждой СМО. 11.Вычисление характеристики сети. При рассматривании каждого вопроса взаимодействие обучаемого с тренажером производится по типовой схеме алгоритма реакции на ответ, представленной на схеме.
