Моделирование процесса автоматизированного управления формированием профессиональных навыков оператора производственной системы Текст научной статьи по специальности «Компьютерные и информационные науки»

НАУЧНО-ТЕХНИЧЕСКИИ ВЕСТНИК ИНФОРМАЦИОННЫХ ТЕХНОЛОГИИ, МЕХАНИКИ И ОПТИКИ январь-февраль 2016 Том 16 № 1 ISSN 2226-1494 http://ntv.i1mo.ru/

SCIENTIFIC AND TECHNICAL JOURNAL OF INFORMATION TECHNOLOGIES, MECHANICS AND OPTICS January-February 2016 Vol. 16 No 1 ISSN 2226-1494 http://ntv.ifmo.ru/en

УДК 004.588

МОДЕЛИРОВАНИЕ ПРОЦЕССА АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ ФОРМИРОВАНИЕМ ПРОФЕССИОНАЛЬНЫХ НАВЫКОВ ОПЕРАТОРА ПРОИЗВОДСТВЕННОЙ СИСТЕМЫ Р.А. Файзрахманов% И.С. Полевщиков"

a Пермский национальный исследовательский политехнический университет, Пермь, 614990, Российская Федерация Адрес для переписки: i.s.polevshchikov@gmail.com Информация о статье

Поступила в редакцию 04.03.15, принята к печати 03.11.15 doi:10.17586/2226-1494-2016-16-1-181-190 Язык статьи - русский

Ссылка для цитирования: Файзрахманов Р.А., Полевщиков И.С. Моделирование процесса автоматизированного управления формированием профессиональных навыков оператора производственной системы // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 1. С. 181-190.

Аннотация

Предмет статьи. Предложена математическая модель автоматизированного управления формированием профессиональных навыков у обучаемого посредством выполнения упражнений с использованием компьютерного тренажерного комплекса со следующими отличительными чертами: автоматическое получение интегрального показателя качества выполнения упражнения на основе отдельных показателей качества в условиях нечеткости оценки обучаемого при выполнении упражнения по каждому такому показателю в различные моменты времени; автоматическое постепенное введение каждого отдельного показателя качества, подсказок и предупреждений в процесс многократного выполнения упражнения, с целью быстрейшего приобретения обучаемым способности самоконтроля качества своей работы; автоматический контроль динамики постепенного формирования умений и навыков при многократном выполнении упражнения. Метод. В процессе исследования использованы основы теории управления, теория нечетких множеств, метод анализа иерархий, математическое моделирование итеративного научения, моделирование с применением сетей Петри. Основные результаты. Разработана оригинальная математическая модель автоматизированного управления процессом формирования профессиональных навыков у будущих операторов производственных процессов при выполнении практических упражнений на компьютерном тренажерном комплексе. Практическая значимость. Предложенная математическая модель и соответствующие методики могут найти применение при создании систем автоматизированного обучения операторов различных процессов. Ключевые слова

автоматизированное управление, автоматический контроль, моделирование, процесс обучения, профессиональные

навыки, компьютерный тренажерный комплекс, модели итеративного научения.

Благодарности

Авторы выражают благодарность участникам IV Всероссийского конгресса молодых ученых, проходившего с 7 по 10 апреля 2015 года в Университете ИТМО (г. Санкт-Петербург), секции «Интеллектуальные системы в гуманитарной сфере» за предметное обсуждение и ценные замечания по теме исследований.

AUTOMATED CONTROL SIMULATION OF PROFESSIONAL SKILLS FORMATION FOR PRODUCTION SYSTEM OPERATOR

R.A. Fayzrakhmanov3, I.S. Polevshchikov3

a Perm National Research Polytechnic University, Perm, 614990, Russian Federation Corresponding author: i.s.polevshchikov@gmail.com Article info

Received 04.03.15, accepted 03.11.15 doi:10.17586/2226-1494-2016-16-1-181-190 Article in Russian

For citation: Fayzrakhmanov R.A., Polevshchikov I.S. Automated control simulation of professional skills formation for production system operator. Scientific and Technical Journal of Information Technologies, Mechanics and Optics, 2016, vol. 16, no. 1, pp. 181-190.

Abstract

Subject matter. We propose a mathematical model of the automated control of the professional skills formation for the trainee through exercises using computer training complex. Its distinctive features are: automatic receipt of the integral quality index of exercising on the basis of certain indicators of quality assessment in terms of trainee's estimation fuzziness in the performance of exercises for each such indicator at different points in time; automatic gradual introduction of each quality indicator, tips and warnings in the process of repeated exercise performing in order to acquire quickly the ability of self-

trained quality of their work; automatic control of the dynamics of the gradual forming of skills during repeated exercising. Method. The study used the basics of control theory, the fuzzy-set theory, analytic hierarchy process, mathematical modeling of iterative learning, modeling using Petri nets. Main Results. We have developed an original mathematical model of the automated control of the process of formation of professional skills for the future operators of industrial processes in the performance of practical exercises with the use of the computer training complex. Practical Significance. The proposed mathematical model and appropriate methodology can be applied to create computer-aided training of operators of different processes. Keywords

computer-aided control, automatic control, modeling, process of learning, professional skills, computer training complex,

iterative learning models.

Acknowledgements

The authors are grateful to participants of the IV All-Russian Congress of Young Scientists, held from the 7th to 10th of April, 2015 in ITMO University (Saint Petersburg), section "Intelligent Systems in the Humanitarian Field" for substantive discussion and valuable comments on the subject of research.

Введение

Во многих областях профессиональной деятельности эффективность и безопасность производственных процессов зависят от такого важного фактора, как уровень владения операторами производственного оборудования необходимым набором профессиональных навыков.

С одной стороны, это сенсомоторные навыки, каждый из которых представляет собой как определенные двигательные действия, формируемые при реализации определенных двигательных упражнений с помощью инструментов, близких к реальным, так и навык восприятия информации о состоянии используемого оборудования и технологической среды.

С другой стороны, это навыки ситуационной осведомленности операторов [1], представляющие собой правильную и быструю реакцию на ситуацию, сложившуюся в реальном времени в процессе функционирования сложной производственной системы и требующие от оператора знаний и умений, необходимых для принятия решения.

Таким образом, в процессе профессионального обучения будущий оператор должен научиться своевременно, точно, в соответствии с ситуацией выполнять требуемые технологические операции, опираясь на знания о желаемой траектории процесса, оценивая фактическое протекание процесса, выбирая из возможных наиболее эффективные действия, направленные на выполнение поставленной задачи.

Однако в существующих моделях, методах и программно-аппаратных средствах профессионального обучения [2-9] не учтены некоторые важные специфические особенности работы операторов производственных процессов. Во-первых, необходимо разработать динамические модели, позволяющие автоматически формировать интегральные показатели качества выполнения каждого упражнения в процессе профессионального обучения на основе некоторого набора отдельных показателей качества (например, время выполнения, точность, количество ошибок в процессе выполнения упражнения и т.д.) в условиях нечеткости оценки обучаемого при выполнении упражнения по каждому такому показателю в различные моменты времени. Во-вторых, требуются модели, позволяющие осуществлять постепенный ввод отдельных показателей качества в процессе выполнения упражнения, а также подсказок и предупреждений, с целью уменьшения времени, необходимого для приобретения обучаемым способности к самоконтролю качества выполнения упражнений [10]. В-третьих, отсутствуют модели, позволяющие автоматически контролировать динамику постепенного формирования навыков у обучаемого при многократном выполнении упражнения в повторяющихся условиях и на основе этого повысить эффективность восприятия обучаемым (оператором) информации о состоянии среды, об особенностях ситуации благодаря информационной поддержке обучаемого.

Далее изложена методика решения описанной выше проблемы, а именно, модель автоматизированного управления формированием профессиональных навыков у обучаемого посредством выполнения упражнений с использованием компьютерного тренажерного комплекса (КТК) оператора производственного процесса. В качестве примера рассмотрен КТК оператора перегрузочной машины специального назначения, включающий в себя имитатор реального производственного оборудования (например, кресло-пульт крана), имитацию окружающей среды и средства визуализации технологического процесса и информационного сопровождения.

Задача планирования как составляющая процесса управления

В виде кортежа U lp i представим показатели, устанавливаемые преподавателем в настройках КТК с

использованием удобного пользовательского интерфейса до начала обучения и характеризующие планируемые результаты обучения:

U1 =< M K Mdop M Kitog Fitog Nrek Ntreb > (1)

pi nab? nab? osv ? mai? osv ? osv ? umen? nav ? V-V

Рассмотрим использованные в кортеже (1) обозначения.

1. Mnab = {Pnabi | i = 1, Nkach } - множество наборов параметров Pnabi, соответствующих каждому показателю качества выполнения упражнения (Nkach - общее количество показателей качества, программно

реализованных в упражнении). Каждый набор параметров Pnabi представляет собой исходные данные (с использованием характерной для этого показателя качества единицы измерения) для последующей оценки обучаемого по i -ому показателю качества при выполнении упражнения с применением алгоритма нечеткого вывода:

P =< P P P P P P P P AP > (2)

nab.i min oth max oth min hor> max hor> min ud' max ud> min neud? max neud> > V^/

где Pmrn otl , Pmin hor , Pmm ud , Pmm neud - левые границы, а Pmax otl , Pmax hor , Pmax ud , Pmax neud - праВые

границы отрезков, сопоставленных с отличным, хорошим, удовлетворительным и неудовлетворительным значениями i -го показателя качества соответственно; AP - допустимое отклонение от правой и левой границ отрезков.

Например, в настройках КТК оператора перегрузочной машины для показателя качества «плавность поворота стрелы крана», представляющего собой угол отклонения груза от вертикальной оси стрелы (в градусах), можно установить следующие исходные значения параметров из кортежа (2): отличные значения данного показателя качества точно (согласно опыту преподавателя) лежат на отрезке

от Pminotl = °° д° Pmaxotl = 15° ; хорошие - от Pminhor = 20° до Pmaxhor = 25° ; удовлетворительные - от Pminud = 30° до Pmaxud = 35° ; неудовлетворительные - на интервЭЛе от Pminneud = 40° и более. Отклонение от границ данных интервалов можно принять равным AP = 5° (т.е., например, значения одновременно более 15° и менее 20° соответствуют промежуточному состоянию между отличной и хорошей оценкой).

2. Knab =< Koü, Khor, Kud, Kneud > - набор параметров, представляющий собой исходные данные для

последующего вычисления коэффициента освоения любого из показателей качества (т.е. безразмерной оценки степени освоения умения в разрезе данного показателя качества в ходе выполнения упражнения, лежащей на отрезке [0;1]) с использованием алгоритма нечеткого вывода.

Например, в настройках КТК для отличного значения показателя качества «плавность поворота стрелы крана» можно установить коэффициент освоения Kotl = 1, для хорошего - Khor = 0,75, для удовлетворительного - Kud = 0,5, для неудовлетворительного - Kneud = 0 .

3. = {К^ е[0;1]| I = 1,Мкас!г} - множество пороговых (допустимых) значений К^ коэффициентов освоения показателей качества. Далее на этапе контроля и регулирования в зависимости от соотношения значения и фактически достигнутого обучаемым значения коэффициента освоения г -го показателя качества, будет производиться формирование управленческих воздействий.

4. Мтаг =< М^к, МГ, М^, мр > - набор матриц, необходимых далее для вычисления весов и приоритетов показателей качества на основе метода анализа иерархий (МАИ) [11], где мтк = ОД | г = ЦУГ } (Мтрк = {Мр^ | г = ЩЛ) - множество матриц М™ (МЦЛ) попарного

сравнения показателей качества по отношению к каждому из МГ (Мр ) критериев; М^ (Мр ) -матрица попарного сравнения критериев по отношению к общей цели.

М™к и МГ используются в дальнейшем для вычисления весов, а М^ и МрГ - приоритетов

показателей качества. Матрицы необходимы для определения относительной сложности, важности и других подобных характеристик показателей качества. Веса используются далее при вычислении интегрального показателя качества выполнения упражнения, а от приоритета показателя качества зависит порядок ввода данного показателя в процесс многократного выполнения упражнения обучаемым.

5. К'ОО £ [0; 1] - итоговое пороговое значение комплексного коэффициента освоения (т.е. интегрального показателя качества выполнения упражнения). Далее на этапе контроля и регулирования в зависимости от соотношения значения К'^ и фактически достигнутого обучаемым значения интегрального показателя качества выполнения упражнения будут сформированы управленческие воздействия.

6. ¿ОО £ [0;1] - допустимое отклонение от К'^Ок при расчете скорости научения.

7. МЦГ^кеп - рекомендуемое количество попыток выполнения упражнения с фиксированным набором показателей качества (т.е. без ввода в процесс многократного выполнения упражнения других показателей качества), необходимое для освоения соответствующего упражнению умения.

Впоследствии значения 8°°^ и ИЦ,етеп будут использованы для вычисления показателей, связанных с динамикой освоения умений и навыков в ходе многократного выполнения упражнения обучаемым. 8. - минимальное количество успешных выполнений упражнения подряд (с фиксированным набо-

ром показателей качества), при котором навык, соответствующий упражнению, считается освоенным. Под навыком понимается доведенное до автоматизма умение выполнять упражнение с приемлемым

уровнем качества. Далее на этапе контроля и регулирования значение И^- будет использовано для оценки уровня освоения навыка по выполнению данного упражнения.

После установки преподавателем в настройках КТК описанных выше значений до начала обучения автоматически вычисляется ряд показателей, что можно представить следующей функциональной зависимостью:

¥рг = /р1 (Х1,Х 2,..., Хмр1),

где Ур1 - некоторый вычисляемый автоматически показатель; Х1, Х2, ..., ХИ г - отдельные значения,

установленные ранее в настройках.

Данные показатели представим с помощью кортежа и 1/1:

Кг =< мг:ск,м£гаск, угек > , (3)

где М-^ = {< Ркась.1 ^ИОСы >1' = 1, ИкагсЬ} - множество весов показателей качества (- вес показате-

ля качества ^^); М^ = {< Рксюы, №кР1сЫ >11 =1 Ыкася } - множество приоритетов показателей качества (- приоритет показателя качества Ркас^); Угек - рекомендуемая скорость научения.

С использованием МАИ [11] вычисляются множества М—ЦсЬ и МкГск на основе матриц набора Мт 1 , что можно представить следующими зависимостями:

[мЩн = 1-е, (МтРк, МТ;);

[мйь = /рг (мррк,мр). .

На основе математических моделей итеративного научения [4, 12] вычисляется рекомендуемая скорость научения угек , используемая далее для вычисления показателя динамики освоения умений и навыков в ходе многократного выполнения упражнения:

' 1п(1 - К)

у = г (ки°8 мгек ) =

I гек ^ fl.it У °з- >1 итеп? °з- '

Игек итеп

при

< 1;

1П(1 - ) 1П(1 ^, при К2' = 1.

Игек

итеп

Задача автоматического учета параметров о ходе процесса обучения

Задача учета заключается в обеспечении процесса сбора первичных данных о фактическом протекании процесса обучения. На стадии учета, в ходе текущей попытки выполнения обучаемым упражнения и при ее завершении, автоматически вычисляются некоторые показатели, что можно представить в форме

ииск =< Рек, 1рк, Ишр , Иирг > , (4)

где Рек = {Рек1 11 = 1, Икаск} - множество текущих значений (либо множеств значений) Рек1 показателей качества, фактически используемых при данной попытке выполнения упражнения, в количестве ИкасН; 1рк е {0;1} - индикатор наличия (1рк = 1) или отсутствия (1рк = 0) еще не введенных показателей качества в рамках многократного выполнения упражнения; Ишр - число успешных попыток выполнения упражнения подряд с фиксированным набором показателей качества; Иирг - общее число попыток выполнения упражнения с фиксированным набором показателей качества.

Все показатели качества выполнения упражнения делятся на терминальные, значения которых вычисляются один раз при завершении попытки выполнения упражнения, и динамические, значения которых измеряются многократного в ходе выполнения упражнения в определенные моменты времени. В

связи с этим множество Рек из (4) можно представить также в виде

Рек = Рк.г I Г = 1 Игт } ^ Рк.* I * = 1 ИШп } , где Рек г - значение г -го терминального показателя качества (ИГт - количество терминальных показа-

телей качества); Pteks = {Pteksj- (tj) | j = 1, Nt} - множество значений s -го динамического показателя качества (Ndin - количество динамических показателей качества), причем Pteksj- (tj) - значение показателя качества в момент времени tj (Nt - количество моментов времени).

Динамические показатели качества вычисляются для того, чтобы понять соответствие фактической траектории выполнения упражнения обучаемым требуемой траектории в соответствии с математической моделью физического процесса, реализованного в упражнении. Одновременный учет как терминальных, так и динамических показателей качества позволит далее всесторонне оценить качество выполнения упражнения и тем самым повысить эффективность процессов контроля и регулирования.

Значения Ipk, Nusp, Nupr из (4) вычисляются при завершении попытки выполнения упражнения.

Задача анализа в процессе управления

Целью этапа анализа является определение степени качества выполнения упражнения обучаемым, причем как по отдельным показателям качества, так и с использованием интегрального показателя качества, а также вычисление того уровня качества выполнения упражнения, который обучаемый должен был теоретически достичь [4, 12] после данной попытки выполнения упражнения. Вычисление каждого показателя на этапе анализа можно представить зависимостью

Yan = fan (X1,X2,...,XNlm ),

где Yan - некоторый вычисляемый автоматически показатель; X1, X2, ..., XN - отдельные показатели,

полученные ранее на этапах планирования или учета.

Показатели, вычисляемые автоматически на этапе анализа (в ходе текущей попытки выполнения обучаемым упражнения и в ее завершении), можно представить в форме кортежа:

TJ =< M M K Kpr°m > (5)

an osv > vrem > osv > osv > v '

где Mosv = {Kosv i e [0; 1] | i = 1, Nkach} - множество значений Kosvi коэффициентов освоения, соответствующих каждому показателю качества, в количестве Nkach ; Mvrem = {Kosv sj e [0; 1] | s = 1, Ndin } - множество значений Kosv sJ- каждого s -го коэффициента освоения динамического показателя качества в момент времени tj ; Kosv e [0;1] - значение комплексного коэффициента освоения; KpVm e [0; 1] - промежуточное пороговое значение комплексного коэффициента освоения.

С использованием процедуры нечеткого вывода [13, 14], при завершении текущей попытки выполнения упражнения вычисляются коэффициенты освоения каждого терминального показателя качества, что можно представить зависимостью

Kosv.r /osv (Ptek.r , Pnab.r , Knab ) .

Аналогично для каждого динамического показателя качества вычисляются как коэффициенты освоения в ходе текущей попытки выполнения упражнения в необходимые моменты времени, так и результирующее значение коэффициента освоения при завершении попытки, что можно представить следующим образом:

i~Nt rN

Kosv.s = NJ II Kosv.sj (tj ) = || fosv (Ptek.sj , Pnab.s , Knab ) .

V i =i V i =i

Параметры из наборов Pnab.i и Knab , описанных в (1) и (2), являются основой для входных и выходных лингвистических переменных, используемых в алгоритме нечеткого вывода [13, 14]. Например, функцию принадлежности терма входной лингвистической переменной, соответствующего отличному значению показателя качества «плавность поворота стрелы крана», рассмотренного выше, можно представить как трапецию /т(x,Pminotl,Pmaxotl,AP) [13]. А функцию принадлежности терма выходной лингвистической переменной, соответствующего отличному значению коэффициента освоения этого же показателя качества, можно представить как одноточечное множество {< Kotl ,1 >} [15].

Значение комплексного коэффициента освоения (т.е. интегрального показателя качества выполнения упражнения), вычисляется автоматически при завершении попытки выполнения упражнения по формуле

N

каск

У ■ К ■

/ , каск.г о.к.г Ко.к = /кко (Мкаск ,М о.к ) = ' 1 М / •

МкасИ

У \ ^каск.г г=1

Кркт из (5) - это значение комплексного коэффициента освоения, которое должно быть теоретически достигнуто [4, 12] после выполнения упражнения Иирг раз, вычисляемое при завершении попытки выполнения упражнения на основе значения уггк из кортежа (3) по формуле:

КрГот = Г (у к у ) = 1 _ ^УгеАрг о.к ^ рготУ I гек? ирг '

Задачи контроля и регулирования в процессе управления

В результате выполнения этапов контроля и регулирования происходит автоматическое принятие решений и формирование управленческих воздействий:

1. в ходе попытки выполнения упражнения происходит формирование управленческих воздействий в форме программно реализованных подсказок или предупреждений обучаемому в определенные моменты времени (например, звуковые или визуальные сигналы об аварийных ситуациях или неправильных действиях обучаемого), причем для каждого упражнения преподаватель может установить в настройках КТК наборы подсказок (предупреждений), предоставляемые обучаемому как по умолчанию при выполнении упражнения, так и в зависимости от результатов предыдущей попытки выполнения упражнения;

2. по окончании попытки выполнения упражнения принимаются следующие решения: успешно ли обучаемый выполнил упражнение; необходимо ли повторное выполнение упражнения; требуется ли расширение набора показателей качества в случае повторного выполнения упражнения; нужны ли подсказки (предупреждения) при повторном выполнении упражнения.

Формирование управляющих воздействий из множества и можно обобщенно представить в форме отображения:

Р :{Х^.к =< А^,Mpkzt ,М0ор >1к = } ^ и ,

где - разница между текущим состоянием моделируемой производственной среды и некоторым

программно реализованным в КТК состоянием; МрЫ = {ДрЫк | к = 1, МД } - множество, в котором каждый элемент ДрЫк представляет собой разницу между некоторыми показателями, полученными ранее на этапах планирования, учета, анализа (как правило, разница между фактическими и требуемыми результатами обучения); Моор - множество некоторых дополнительных параметров.

В ходе попытки выполнения упражнения возможно принятие решений и формирование соответствующих управленческих воздействий о выдаче подсказки (предупреждения) обучаемому в соответствии в продукционными правилами вида

ЕСЛИ (Бек = Бргот ) л (1ро0.. = 1), ТО «сформировать соответствующую подсказку или предупреждение»,

где Бек - текущее состояние моделируемой производственной среды; Бртт - некоторое промежуточное

состояние моделируемой производственной среды, означающее наступление события, соответствующего формированию подсказки (предупреждения); 1ро0. - индикатор наличия (1ро0. = 1) или отсутствия

(^¡ххЬ = 0) подсказки (предупреждения) в соответствии с тем набором подсказок, который предусмотрен при данной попытке выполнения упражнения обучаемым.

Состоянию Бргот может соответствовать, например, следующее условие: К(tj■) < К^р., т.е. в } -й момент времени достигнутое значение К^^ (tj) коэффициента освоения динамического показателя

качества хуже допустимого значения КЩЩр.. В таком случае в качестве управляющего воздействия (подсказки) система может сообщить обучаемому рекомендуемые состояния, в которые обучаемый должен перевести имитаторы рычагов управления краном, что можно представить в форме множества

МК = Щ 11 = 1, МК), где Я1 - рекомендуемое состояние I -го рычага.

По окончании попытки выполнения упражнения происходит принятие решения о том, успешно ли выполнено упражнение. Индикатор успешного = 1) либо неуспешного (1т! = 0) выполнения упражнения вычисляется по следующей формуле:

0, если (Stek = Skon) л (3/ = 1, N'kach (KOSVJ < K) v (Kosv < KZS))

[1, если (S^ = Skon) л V/ = 1, Nie, (Kosvl > K^) л (Kosv > ) где Skon - состояние моделируемой производственной среды, реализованное программно в упражнении и соответствующее окончанию выполнения упражнения (например, таким состоянием может быть поднятие груза на требуемую высоту при обучении крановщиков), причем условие Stek = Skon означает принятие решения об окончании попытки выполнения упражнения.

На рис. 1 в форме сети Петри [16, 17] показан процесс автоматического контроля и регулирования в ходе многократного выполнения упражнения обучаемым, переходы которой соответствуют принятию решений и формированию управленческих воздействий до начала первой попытки выполнения упражнения и при завершении очередной попытки выполнения упражнения.

Р

Р

Ра

'и

Рис. 1. Процесс автоматического контроля и регулирования при многократном выполнении упражнения

в форме сети Петри

Рассмотрим условия, соответствующие позициям сети Петри на рис. 1. Позиции р1 соответствует состояние до начала многократного выполнения упражнения обучаемым, позиции р2 - условие 10! = 0 ,

позиции

Рз

условие

(IoSV = 1) л (NUSp < Na)

позиции

Ра

условие

MLd = MLed V Mnov ,

(1о.су = 1) А (МШр = N£5) л (1рк = 1), позиции р5 - условие (Iо. = 1) Л (МШр = N£5 ) Л (1рк = 0) , а позиция р6 означает, что требуемый навык полностью освоен.

Переходы ^ , t2 из рис. 1 соответствуют принятию решения и формированию соответствующего управленческого воздействия о введении в процесс выполнения упражнения новых показателей качества согласно формуле

(6)

где - текущее множество введенных показателей качества (М.,^ = 0 при условии, соответст-

вующем позиции р0); М.^^ - обновленное множество введенных показателей качества; Мпт, - множество вводимых показателей качества, т.е. показателей с наибольшим приоритетом среди еще не введенных.

Переходы ^ , t4 соответствуют необходимости повторного выполнения текущего упражнения с прежним набором показателей качества, обнулению Михр из (4), а также необходимости подсказок и предупреждений при последующей попытке выполнения упражнения согласно правилам продукций, записанным обобщенно в виде

ЕСЛИ a1Koos < Kosv < а2, ТО «вводится набор подсказок Mnabv ЕСЛИ ßKT < Ka

< ß2Kpr°m, ТО «вводится набор подсказок Mn

ЕСЛИ xKZ < Kov < X2KZ,, ТО «вводится набор подсказок M,

rdop

(7)

(8) (9)

где а1 е [0; 1], а2 е [0; 1], Р1 е [0; 1], Р2 е [0;1], %1 е [0; 1], X2 6 [0;1] - некоторые коэффициенты; МпаЪ -множество допустимых наборов, в которые преподаватель объединил в настройках КТК возможные подсказки и предупреждения.

nab.i

■Mnab »

Mnab » 6 Mnab »

Результирующий набор подсказок (предупреждений) Мгег, предоставляемых обучаемому при последующем выполнении упражнения, находится согласно выражению Мге2 = и МпаЪ к, где МпаЬ к £ МпаЬ

к

- отдельный набор подсказок (предупреждений), выбранный в соответствии с правилами продукций (7)-(9) или установленный по умолчанию преподавателем в настройках КТК.

Переходы t5, t6, ^, t8 соответствуют необходимости повторного выполнения упражнения с прежним набором показателей качества без необходимости подсказок и предупреждений согласно правилам продукций (7)-(9) при последующей попытке выполнения упражнения. Переходы t9 , соответствуют необходимости повторного выполнения упражнения с расширением набора показателей качества, используемых при выполнении упражнения, согласно формуле (6), а также обнулению значений N и

Мирг из (4). Переход ^ соответствует необходимости выполнения последующего упражнения, так как

навык выполнения текущего упражнения с полным набором показателей качества освоен.

Алгоритм управления, соответствующий описанной математической модели и выполненный в форме диаграммы деятельности языка ЦМЬ [18], показан на рис. 2.

[все показатели качества введены в процесс выполнения упражнения!

/Установка преподавателем начальных значений в ходе планированиях V_и автоматическое вычисление значений на их основе_у

—Т.

[не все показатели качества введены в процесс выполнения упражнения]

ГОбнуление значений общего количества попыток выполнения упражнения у_и количества успешных выполнений упражнения подряд

У

(добавление показателей качества в упражнение согласно приоритету)

[достигнуто конечное состояние]

[не достигнуто конечное состояние]^

£-1---1 . -Г

^ , -ч и ч / Зычисление динамических показателей качества /Выполнение обучаемым 4 —-----------------------------л '

«А предоставление автоматически^ V упражнения_у уподсказок (предупреждений)у

_—I I

и их коэффициентов освоения в определеные моменты времени

( Вычисление системой терминальных

показателей качества

/Вычисление системой результирующих значений коэффициентов освоения всех показателей качествах у достигнутого и промежуточного порогового значений комплексного коэффициента освоения у

[комплексный коэффициент освоения больше или равен итоговому пороговому значению и коэффициенты освоения

показателей качества больше иг

и равны пороговым значениям]

[иначе]

/Признать упражнение выполненным успешно и увеличить на 1 у количество успешных выполнений упражнения подряд

^Признать упражнение выполненным неуспешно и обнули™

у количество успешных выполнений упражнения подряд у » .

/'Установка набора подсказок (предупреждений)Л V для следующего выполнения упражнения у

(увеличение на 1 общего количества попыток выполнения упражнения)

^ * ^

(^Формирование и вывод на экран результата выполнения упражнения)

[иначе] X [обучаемый успешно выполнил упражнение

нужное количество попыток подряд|

Переход к выполнению следующего упражнения

Рис. 2. 11М1_-диаграмма алгоритма управления процессом выполнения упражнения на компьютерном

тренажерном комплексе

Заключение

Таким образом, разработана оригинальная математическая модель автоматизированного управления выполнением упражнения на компьютерном тренажерном комплексе, описывающая все этапы процесса управления (планирование, учет, анализ, контроль, регулирование), и, в отличие от существующих, включающая в себя такие составляющие, как:

1. модель автоматического получения интегрального показателя качества выполнения упражнения на основе отдельных показателей качества в условиях нечеткости оценки обучаемого при выполнении упражнения по каждому такому показателю в различные моменты времени;

2. модель автоматического постепенного введения каждого отдельного показателя качества, подсказок и предупреждений в процесс выполнения упражнения, с целью ускорения процесса приобретения обучаемым способности самоконтроля качества выполнения работы;

3. модель автоматического контроля динамики постепенного формирования умений и навыков при многократном выполнении упражнения.

Разработанная модель была использована при реализации программного и информационного обеспечения компьютерного тренажерного комплекса, предназначенного для обучения операторов перегрузочной машины специального назначения профессиональным навыкам, в рамках НИОКР № 2010/293 по разделу «Исследование форм и методов организации обучения с использованием высокоинтеллектуальных технических средств. Разработка высокоинтеллектуальных технических средств обучения, создание тренажерных комплексов, интерактивных электронных технических руководств».

Литература

1. Лисицына Л.С., Лямин А.В., Быстрицкий А.С., Мартынихин И.А. Проблема поддержки когнитивных функций в процессе электронного обучения // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 6 (94). С. 177-184.

2. Файзрахманов Р.А., Полевщиков И.С. Анализ методов и средств автоматизации процесса обучения операторов производственно-технологических систем (на примере операторов перегрузочных машин) // Современные проблемы науки и образования. 2013. № 5. C. 120.

3. Яговкин В.И., Стафеев С.К. Интерактивный тренажерный комплекс для государственных образовательных учреждений // Научно-технический вестник СПбГУ ИТМО. 2010. № 5 (69). С. 122125.

4. Fayzrakhmanov R.A., Polevshchikov I.S. Increased of efficiency in the automated training of fuelling machine operators using iterative simulation learning // World Applied Sciences Journal. 2013. V. 22. N 2. P. 70-75. doi: 10.5829/idosi.wasj.2013.22.tt.22142

5. Lisitsyna L., Lyamin A. Approach to development of effective e-learning courses // Frontiers in Artificial Intelligence and Application. 2014. V. 262. P. 732-738. doi: 10.3233/978-1-61499-405-3-732

6. Bouhnik D., Carmi G. E-learning environments in academy: technology, pedagogy and thinking dispositions // Journal of Information Technology Education: Research. 2012. V. 11. N 1. P. 201-219.

7. Jafarabadi Ashtiani M., Nomanof M., Sadeghi Bigham B., Madadi A. Computer assisted assessment (CAA) and electronic problem based learning // Life Science Journal. 2013. V. 10. N 1. P. 726-730.

8. Park C.J., Hyun J.S. A peer-assessment system connecting on-line and a face-to-face smart classroom // Life Science Journal. 2014. V. 11. N 7. P. 700-705.

9. Карпова И.П. Исследование и разработка подсистемы контроля знаний в распределенных автоматизированных обучающих системах: дис. ... канд. тех. наук. М., 2002. 204 с.

10. Щемелева Т.К. Система подготовки крановщиков с применением тренажеров: 30 лет спустя // Вестник ПНИПУ Электротехника, информационные технологии, системы управления. 2009. №3. С. 106-109.

11. Файзрахманов Р.А., Полевщиков И.С., Модышева А.С. Особенности комплексной автоматической оценки качества выполнения упражнений на компьютерном тренажере оператора производственно-технологической системы // Инженерный вестник Дона. 2014. № 4-1. С. 119.

12. Файзрахманов Р.А., Полевщиков И.С., Ибраев И.И. Автоматизация контроля динамики освоения умений при выполнении упражнений на компьютерном тренажере оператора производственно-технологической системы // Инженерный вестник Дона. 2014. № 4-1. С. 126.

13. Файзрахманов Р.А., Полевщиков И.С. Методика автоматической оценки качества выполнения упражнений на компьютерном тренажере оператора производственно-технологической системы с использованием нечетких множеств // Инженерный вестник Дона. 2014. № 4-1. С. 111.

14.Beiranvand A., Khodabakhshi M., Yarahmadi M., Jalili M. Making a mathematical programming in fuzzy systems with genetic algorithm // Life Science Journal. 2013. V. 10. N suppl 8. P. 50-57. (In Russian)

15. Файзрахманов Р. А., Полевщиков И.С. Автоматизированное управление формированием профессиональных навыков оператора роботизированной системы с использованием нечеткой логики // Инженерный вестник Дона. 2015. № 4.

16.Mokhtari Nazarlou M. Research on application of hierarchy Petri-net in dynamic workflow modeling // Life Science Journal. 2013. V. 10. N 1. P. 821-825.

17.Taha Mohamed S., Gawad Mostafa M.A., Fathi Mohamed A. A comparative study on Petri Nets in manufacturing applications // Life Science Journal. 2013. V. 10. N 1. P. 1496-1502.

18.Alelaiwi A. UML-based life cycle for the King Saud University scientific excellence prize system // Life Science Journal. 2014. V. 11. N 6 spec. P. 569-574.

Файзрахманов Рустам Абубакирович

Полевщиков Иван Сергеевич

доктор экономических наук, профессор, заведующий кафедрой, Пермский национальный исследовательский политехнический университет, Пермь, 614990, Российская Федерация, fayzrakhmanov@gmail.com

аспирант, Пермский национальный исследовательский политехнический университет, Пермь, 614990, Российская Федерация, i.s.polevshchikov@gmail.com

Rustam A Fayzrakhmanov

Ivan S. Polevshchikov

D.Sc., Professor, Head of Chair, Perm National Research Polytechnic University, Perm, 614990, Russian Federation, fayzrakhmanov@gmail.com

postgraduate, Perm National Research Polytechnic University, Perm, 614990, Russian Federation, i.s.polevshchikov@gmail.com