CC BY
17
3. Алиманов П.Е. Методика подбора сотрудников в структурные подразделения защиты информации на основе метода анализа иерархий / А.Б. Сизоненко // Охрана, безопасность, связь: сборник Воронежского института МВД РФ. 2020. № 5-2. С.7-12.
4. Солнышкина, И.В. Теория систем массового обслуживания: учебное пособие - Комсомольск-на-Амуре: ФГБОУ ВПО «КнАГТУ», 2015. - 76 с.
5. Павловский, Н.Н. Теория массового обслуживания: учебное пособие. Кемерово: «КемГУ», 2008. 116 с.
6. Рыжиков, Ю.И. Теория очередей и управление запасами: серия «Учебники для вузов» Санкт-Петербург: «Издательский дом Питер Бук», 2001. - 384 с.
7. Алиманов, П.Е. Модель организационно-штатного обеспечения подразделений защиты информации / А.Б. Сизоненко // Вестник Воронежского института МВД России. 2020. № 1. С. 33-38.
8. Goodfellow, I., Bengio, Y., CourviUe, A. Deep Learning. MIT Press, 2016. 785 c.
9. Nielsen, M. A. Neural Networks and Deep Learning: A Textbook. Determination Press, 2015. 215 c.
10 Лакшманан В., Робинсон С., Мунн М. Машинное обучение. Паттерны проектирования: Пер. с англ. СПб.: БВХ-Петербург, 2022. 448 с.
Решотка Александр Владимирович, начальник отдела научно-исследовательского центра, [email protected], Россия, Краснодар, Краснодарское высшее военное училище имени генерала армии С.М. Штеменко,
Калаганов Михаил Валерьевич, специалист отдела кадров, [email protected], Россия, Краснодар, Краснодарское высшее военное училище имени генерала армии С.М. Штеменко,
Левченко Дмитрий Владимирович, начальник отдела управления Генерального штаба ВС РФ, [email protected], Россия, Москва, Управление Генерального штаба ВС РФ
MODELLING THE PROCESS OF FUNCTIONING OF INFORMATION PROTECTION UNITS IN AN ORGANISATION
USING MASS SERVICE METHODS
A.V. Reshotka, M.V. Kalaganov, D.V. Levchenko
The article deals with the problematic issues of building information security units in an organization. Taking into account the requirements of conceptual documents in the field of information security, the relevance of effective staffing in this area is shown. A scheme of functioning of information protection units in an organization with the introduction of the theory of mass service is presented and neural networks. The proposed solution is based on taking into account all the individual characteristics of information protection specialists and assigned functions to ensure information security. Optimal content of information protection specialists and development of scientifically grounded apparatus makes it possible to achieve maximum efficiency of information security functions.
Key words: information security functions, information protection specialists, mass service theory, neural network, incoming flow, intensity, probability.
Reshotka Alexander Vladimirovich, head of the department of the research center, [email protected], Russia, Krasnodar, Krasnodar Higher Military School named after Army General S.M. Shtemenko,
Kalaganov Mikhail Valeryevich, HR specialist, [email protected], Russia, Krasnodar, Krasnodar Higher Military School named after Army General S.M. Shtemenko,
Levchenko Dmitry Vladimirovich, head of the department of the General Staff of the Armed Forces of the Russian Federation, [email protected], Russia, Moscow, Directorate of the General Staff of the Armed Forces of the Russian Federation
УДК 69.056
DOI: 10.24412/2071-6168-2023-7-625-626
АНАЛИЗ И СБОР ДАННЫХ ДЛЯ ПРОВЕДЕНИЯ КАПИТАЛЬНОГО РЕМОНТА В РОССИИ
А.О. Хубаев, Б.Р. Долов
Статья представляет анализ и сбор данных для проведения капитального ремонта многоквартирных домов в России. Рассматриваются методы и инструменты сбора данных, анализ полученной информации, а также система управления процессом ремонта. Исследование основано на официальных источниках данных, а также опросах жильцов. Результаты исследования помогут оптимизировать процесс проведения капитального ремонта и повысить эффективность жилищного фонда в России.
Ключевые слова: капитальный ремонт, многоквартирные дома, оптимизация процесса, эффективность, официальные источники.
Введение. Капитальный ремонт многоквартирных домов является актуальной проблемой для России. Сегодня многие дома нуждаются в ремонте, однако процесс проведения капитального ремонта часто затягивается, что приводит к ухудшению условий жизни жителей и увеличению затрат на ремонт. [2] В данной статье мы рассмотрим анализ и сбор данных, которые необходимы для проведения капитального ремонта многоквартирных домов в России. Главной задачей нашего исследования является изучение методов и инструментов анализа и сбора данных,
625
которые могут быть использованы для определения потребности в капитальном ремонте, а также в выделении наиболее важных и срочных задач для проведения капитального ремонта в России. Поэтому для проведения капитального ремонта необходимо иметь качественные данные, которые позволят оценить техническое состояние домов и определить необходимые работы. В этой статье мы рассмотрим методы и инструменты, которые используются для сбора и анализа данных о состоянии многоквартирных домов, а также проанализируем результаты этого анализа. Мы также обсудим систему управления процессом проведения капитального ремонта в России, чтобы понять, какие механизмы финансирования, регулирования и контроля используются в этом процессе.[1] Целью статьи является помощь специалистам в области капитального ремонта многоквартирных домов в России в части определения потребности в ремонте и разработке эффективной стратегии проведения капитального ремонта, основанной на качественных данных и эффективной системе управления.
Результаты исследования. Для эффективного анализа и сбора данных для проведения капитального ремонта в России используются различные методы и инструменты.[3,5-8] Некоторые из них могут включать следующие пункты:
- Анкетирование и опрос жителей многоквартирных домов. Анкетирование проводится путем рассылки бумажных анкет или электронных опросов. Такой метод позволяет собрать информацию о состоянии домов, оценить потребности жителей и получить обратную связь;
- Инспекция зданий. Данный метод включает физический осмотр зданий для оценки их технического состояния и выявления проблем. Данный процесс выполняется специалистами-инспекторами, которые могут провести осмотр как внутри, так и снаружи здания.
- Использование дистанционного зондирования земли. Дистанционное зондирование включает использование спутниковых снимков или аэрофотоснимков, чтобы оценить состояние домов и окружающей среды. Такой метод может быть особенно полезен для выявления проблем, связанных с тепловыми потерями, утечками воды и другими проблемами.
- Анализ информации выполненных ранее ремонтных работ. Анализ включает оценку результатов ранее выполненных капитальных ремонтов и выявление проблем, которые не были решены ранее. Такой метод может помочь определить приоритеты для текущего ремонта и избежать повторения предыдущих ошибок.
- Использование современных технологий. Современные технологии, такие как машинное обучение и анализ больших данных, могут быть использованы для обработки больших объемов данных и выявления скрытых связей и закономерностей.
Все эти методы и инструменты могут использоваться в комбинации для максимально точного и полного сбора и анализа данных о состоянии многоквартирных домов и определения потребности в капитальном ремонте.
Методы и "" | инструмент
Использование , современных технологий
Анализ информации! о прошлых ремонтах
Рис. 1. Методы и инструменты
Анализ данных является важным этапом при определении потребности в капитальном ремонте многоквартирных домов в России. [9-11] В этом разделе мы изучили сведения, полученные в процессе сбора информации о состоянии домов. Первым шагом в анализе данных является проверка и предварительная обработка собранного материала. Важно убедиться, что собранная база данных полная, достоверная и соответствует необходимым требованиям. Это включает проверку наличия ошибок, пропущенных значений и несоответствий в данных. Далее следует провести статистический анализ данных, чтобы выявить основные тренды и паттерны. Это может включать оценку распределения состояния домов, выявление наиболее частых проблем, определение доли домов, требующих немедленного ремонта, и другие статистические метрики. Важным аспектом анализа данных является выявление приоритетных задач для проведения капитального ремонта. Это основывается на оценке технического состояния домов, степени их износа, оценке рисков и потенциальных последствий для жителей. Такой анализ позволит определить, какие работы следует выполнить в первую очередь, чтобы обеспечить безопасность и комфорт проживания. Важным аспектом является их визуализация. Графики, диаграммы и карты могут быть использованы для наглядного представления результатов. Это поможет лучше понять и интерпретировать полученные знания, а также сделать их доступными для широкого круга заинтересованных сторон. Наконец, результаты анализа данных должны быть применены для принятия решений. На основе полученных данных разрабатывается план проведения капитального ремонта, а также определяются бюджетные ограничения, ресурсы и сроки работ.[4] Также результаты анализа могут быть использованы для информирования жителей о необходимости ремонта и планах на будущее. Все эти этапы анализа данных позволят принять обоснованные решения.
Так же для эффективной реализации процесса проведения капитального ремонта необходимо иметь систему управления, которая будет обеспечивать планирование, координацию, мониторинг и контроль за всеми этапами ремонта. В данном контексте важно обратить внимание на следующие аспекты:
- Планирование: система управления должна предусматривать планирование всех этапов ремонта, включая сбор и анализ данных, оценку затрат, выбор подрядчиков, контроль качества выполненных работ и т.д.
- Координация: система управления должна обеспечивать координацию всех участников процесса ремонта, включая жителей дома, управляющую компанию, подрядчиков, государственные органы и т.д.
- Мониторинг и контроль: система управления должна предусматривать мониторинг и контроль за всеми этапами ремонта, включая контроль качества работ, соблюдение сроков и бюджета, а также принятие мер по устранению возможных неполадок.
- Использование современных технологий: система управления должна использовать современные технологии для автоматизации и оптимизации процесса ремонта, включая системы управления проектами, онлайн-платформы для общения с жителями дома, системы мониторинга качества работ и т.д.
- Учет потребностей жителей: система управления должна учитывать потребности жителей дома и предоставлять им возможность участия в процессе ремонта, включая предоставление информации о планах и сроках ремонта, организацию обратной связи и т.д.
Эффективная система управления процессом проведения капитального ремонта позволит обеспечить качественное выполнение работ в срок и в рамках бюджета, а также удовлетворить потребности жителей дома и государственных органов [1, 5].
Вывод. В данной статье изучены методы и инструменты анализа и сбора данных, включая опросы жильцов и технические осмотры зданий. Также рассмотрен процесс анализа полученных данных, включая оценку технического состояния зданий и определение приоритетности работ. Кроме того, проанализирована система управления процессом проведения капитального ремонта, которая включает в себя координацию между жильцами, управляющей компанией и подрядчиками, а также мониторинг выполнения работ. В результате проведенного анализа и сбора данных, мы сделан вывод о том, что для эффективного проведения капитального ремонта необходимо не только определить приоритетность работ, но и иметь четкую систему управления всем процессом. Только в таком случае можно обеспечить выполнение работ в срок и с минимальными затратами. Таким образом, мы убедились в важности анализа и сбора данных для проведения капитального ремонта, а также в необходимости эффективной системы управления процессом. Дальнейшие исследования в этой области могут помочь улучшить методы анализа и определения необходимости в капитальном ремонте, а также разработать более эффективные системы управления.
Список литературы
I.Закон РФ от 30.12.2004 № 210-ФЗ "Общие принципы организации местного самоуправления в Российской Федерации". М., 2004.
2.Проблема капремонта стала политической. Независимая газета 31.08.2015. М., 2015.
3.Постановление Правительства РФ от 24.06.2014 № 481. «Об утверждении правил содержания и ремонта общего имущества в многоквартирном доме и жилых помещениях в нем». М., 2014.
4.Смирнов Е.Б. Особенности функционирования Регионального фонда капитального ремонта и модернизации многоквартирных домов // ТДР. 2011. №9.
5.Бидов Т.Х., Хубаев А.О., Фатуллаев Р.С., Шестерикова Я.В., Абдрашитова Д.Э., Комплексное обследование объекта социального назначения для разработки проекта усиления конструкций здания // Известия Тульского государственного университета. Технические науки. 2022. Вып. 12. С. 385-390.
6.Бидов Т.Х., Хубаев А.О., Систематизация производственно-технической документации при возведении монолитных конструкций жилых зданий в зимний период // Известия Тульского государственного университета. Технические науки. 2022. Вып. 2. С. 466-471.
7.Кагазежев А.Ю., Фатуллаев Р.С., Хубаев А.О., Шестерикова Я.В., Анализ основных проблем планирования программ капитального ремонта // Перспективы науки. 2022. № 12 (159). С. 81-86.
8.Бидов Т.Х., Фатуллаев Р.С., Хубаев А.О., Шестерикова Я.В., Николенко Д.М., Особенности разработки проекта организации строительства для объектов жилого назначения в рамках программы реновации // Строительное производство. 2022. № 4. С. 100-105.
9.Бидов Т.Х. Организационно-технологические и управленческие решения использования методов нераз-рушающего контроля при возведении монолитных конструкций // Научное обозрение, 2017. №13. С. 54-57.
10. Бидов Т.Х., Аветисян Р.Т. Формирование производственно-технологических модулей // Известия Тульского государственного университета. Технические науки. 2019. Вып. 12. С. 496-498.
II. Лапидус А.А., Бидов Т.Х. Формирование производственно-технологических модулей, обосновывающих использование методов неразрушающего контроля при возведении монолитных конструкций гражданских зданий // Наука и бизнес: пути развития. 2019. №1. С. 31-36.
Хубаев Алан Олегович, канд. техн. наук, доцент, [email protected]. Россия, Москва, Национальный исследовательский Московский государственный строительный университет,
Долов Батырбек Романович, студент, [email protected]. Россия, Москва, Национальный исследовательский Московский государственный строительный университет
DEVELOPMENT OF A METHOD FOR IMPROVING SCIENTIFIC AND TECHNICAL SUPPORT OF CONSTRUCTION
(NTSS) ON THE BASIS OF NEURAL MODELING
A.O. Khubaev, B.R. Dolov
This article provides an analysis and data collection for capital repairs of multi-apartment buildings in Russia. It explores methods and tools for data collection, analysis of the gathered information, and the management system for the repair process. The research is based on official data sources and resident surveys. The findings of this study will help optimize the capital repair process and enhance the efficiency of the housing sector in Russia.
Key words: major repairs, apartment buildings, process optimization, efficiency, official sources.
Khubaev Alan Olegovich, docent, [email protected], Russia, Moscow, National Research Moscow State University of Civil Engineering,
Dolov Batyrbek Romanovich, student, [email protected], Russia, Moscow, National Research Moscow State University of Civil Engineering
УДК 681.5
DOI: 10.24412/2071-6168-2023-7-628-629
РАСПОЗНАВАНИЕ ЦЕЛЕЙ НА БАЗЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ
ДЛЯ БЕСПИЛОТНЫХ СИСТЕМ
Ю.А. Счетчиков, Т.Д. Кайнова, М.В. Чупаков, К.А. Демидова
Данная статья представляет обзор систем компьютерного зрения, описывая их ключевые задачи, такие как классификация, локализация, детектирование и сегментация объектов на изображениях. Также в тексте рассмотрены нейронные сети, свертку нейронных сетей и их применение в компьютерном зрении. Описаны основные этапы работы с изображениями, включая получение, обработку и анализ. Приведено описание двух библиотек для компьютерного зрения. Также в статье есть небольшой пункт про сверточные нейросети. Более подробно описывается процесс классификации объектов на изображении и методы машинного обучения, используемые для этого, такие как обучение с учителем, обучение без учителя.
Ключевые слова: компьютерное зрение, нейронная сеть, изображение, алгоритмы, свертка.
Системы компьютерного зрения используют камеры и программное обеспечение для распознавания объектов на изображениях. Они могут быть использованы для распознавания лиц, автомобилей, животных и других объектов. Эти системы используются в интересах безопасности, в различных транспортных системах. С практической точки зрения компьютерное зрение стремится понять и автоматизировать задачи, которые выполняет зрительная система человека. Для того, чтобы компьютерное зрение (CV) понимало, что видит нужно пройти три этапа:
получить изображение;
обработать изображение;
проанализировать изображение.
Системы компьютерного зрения могут выполнять различные задачи, такие как:
Классификация. Путем обучения нейронных сетей на датасетах возможно достичь высокой точности в определении наличия на изображении объектов. Для этого могут использоваться различные методы, такие как пороговая обработка и графовые алгоритмы. Извлечение признаков позволяет определить характеристики объектов на изображении, такие как форма, цвет, текстура.
Локализация. Используется для определения местоположения объектов на изображении, ограничивая их прямоугольниками.
Детектирование. Алгоритм не только находит объект на изображении, но и проводит классификацию.
Сегментация. Одним из ключевых шагов при классификации объектов на изображении является сегментация, которая позволяет выделить объекты на изображении и отделить их от фона путем отнесения каждого пикселя изображения к определенной части объекта. В отличие от детектирования, сегментация подсвечивает только те пиксели, которые относятся к объекту.
Приложения компьютерного зрения. В области робототехники существуют различные приложения компьютерного зрения, которые обеспечивают автономную навигацию, распознавание и манипуляцию объектами. Приложения компьютерного зрения позволяют роботам воспринимать и анализировать окружающую среду для навигации без участия человека. Это включает в себя в общем виде распознавание окружающего пространства, в том числе географических и топографических объектов, дорог, разметки, покрытий и препятствий и т.п. Роботы могут использовать камеры и другие сенсоры для сбора информации об окружающей его среде для принятия решений о своих действиях на основе этой информации.
CV позволяет роботам распознавать и классифицировать объекты в окружающем его пространстве. Например, с помощью камер и других сенсоров роботы распознают и классифицируют различные подводные объекты, такие как коралловые рифы, рыбы, водоросли, судовые обломки, трубопроводы. Это позволяет роботам определять положение и ориентацию себя и объектов, что помогает им выполнять точные манипуляции и взаимодействовать с окружающими предметами там, где это недоступно человеку.
