МОДЕЛЬ ПРОЦЕССА ПОДГОТОВКИ ОПЕРАТОРОВ ПУНКТОВ КОНТРОЛЯ БЕЗОПАСНОСТИ СВЯЗИ В СИСТЕМАХ УПРАВЛЕНИЯ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 378.146

DOI: 10.24412/2071-6168-2022-7-198-203

МОДЕЛЬ ПРОЦЕССА ПОДГОТОВКИ ОПЕРАТОРОВ ПУНКТОВ КОНТРОЛЯ БЕЗОПАСНОСТИ СВЯЗИ В СИСТЕМАХ УПРАВЛЕНИЯ

М.В. Темников, М.В. Митрофанов, С.В. Коробка, В.С. Кокошенко

В статье представлена детализация процесса подготовки операторов пунктов контроля безопасности связи, для построения моделей которого используется полумарковский случайный процесс. При этом сам процесс задается матрицей переходных вероятностей и вектором временных интервалов, отводимых на каждый вид обучения. Особенностью представленных моделей является учет структуры и последовательности приобретаемых знаний, отрабатываемых навыков и умений, а также технических и дидактических характеристики средств подготовки, методики обучения и личностных и групповых характеристик операторов.

Ключевые слова: подготовка операторов, полумарковский случайный процесс, аттестация, операторы пунктов контроля.

Вопросы априорной оценки эффективности средств подготовки операторов в системах управления представляют особый интерес. Это связано прежде всего с тем, что системы подготовки операторов базируются на комплексе дорогостоящих технических средств и требуют значительных затрат времени и средств на их разработку. В связи с этим выбор рационального варианта подготовки может быть осуществлен только лишь на основе априорных оценок их эффективности. В качестве показателя эффективности таких средств рассматриваются временные параметры подготовки и успешность обучения операторов в системе. Среди большого разнообразия различных методов оценок следует отметить эвристический и группу аналитических методов оценок, базирующихся в основном на марковских моделях взаимодействия оператора с техническими средствами.

Предполагается известной доля обучаемых, которые не аттестуются после очередного этапа обучения. Зная эту информацию, можно отобразить ее на некоторого эмпирического обучаемого и выразить его подготовку в форме вероятности, пропорционально доле не аттестованных обучаемых на данном этапе обучения. Тогда модель обучения можно представить с помощью графа состояний, вершинам которого приписываются соответствующие типы обучения, а дугам - вероятности переходов из одного состояния (типа обучения) в другое. В данных моделях время пребывания в различных состояниях будет разным, в частности детерминированным (на разные виды обучения отводится разное время). Переход из одного состояния в другое осуществляется по следующей схеме: если 7-ый этап обучения закончен и принято решение о возможной положительной аттестации на данном этапе, то происходит переход к очередному этапу, в противном случае предусмотрено дополнительное обучение, что соответствует возврату в одно из предыдущих состояний. Поэтому, процесс перехода на графе состояний обучения случаен и может быть описан марковской цепью. Учитывая эти особенности, для построения моделей целесообразно использовать полумарковский случайный процесс.

Применительно к данной задаче этот процесс задается матрицей переходных вероятностей и вектором временных интервалов, отводимых на каждый вид обучения. Для нахождения аналитических выражений непосредственно по графу состояний используется топологический полумарковский метод [1-3]. Данный метод позволяет, с одной стороны, снять ограничения по экспоненциальным законам распределения времени, а с другой - обеспечивает нахождение аналитических выражений показателей эффективности обучения непосредственно по графу состояния процесса обучения со случайными переходами.

Для данного графа состояний характерны следующие допущения:

- значения вероятностей дообучения по результатам тестирования считаются постоянными;

- время дополнительного обучения имеет интегральное значение по отношению ко всей группе обучаемых.

В статье представлена модель процесса подготовки операторов пунктов контроля безопасности связи в системах управления, в которой процесс подготовки и контроля представляется в виде полумарковского случайного процесса. Учитывая функциональные различия в подготовке операторов различных профилей будем рассматривать отдельно модели подготовки для двух стратегий:

а) аттестация операторов осуществляется в конце всего цикла обучения, а их доподго-товка происходит только в том случае, если по результатам аттестации принять решение о допуске оператора к самостоятельному выполнению функциональных обязанностей невозможно;

б) контроль уровня подготовки операторов осуществляется на каждом этапе приобретения им навыков выполнения функциональных обязанностей.

Рассмотрим модели, реализующие указанные стратегии.

Подготовка, по мнению авторов [4, 5] есть процесс формирования у оператора с помощью специальных методов и средств состояния готовности к выполнению определенного вида деятельности. Подготовку можно разбить на несколько этапов.

1. Накопление теоретических знаний, полученных на лекциях, семинарах, конференциях и т. д.

2. Формирование устойчивых знаний, умений и навыков с помощью различных тре-нажных средств, обучающих систем и т. д.

3. Тестирование или контроль знаний, умений и навыков, полученных в ходе подготовки.

В качестве показателей эффективности подготовки будем использовать время, затраченное на подготовку оператора и вероятность того, что он будет аттестован. Вероятность положительной аттестации можно повысить за счет роста времени, отводимого на подготовку, однако, увеличивать его до бесконечности нельзя. Если ускорить процесс подготовки, то может пострадать ее качество. Исходя из этого можно сделать вывод о том, что важное значение имеет выбор рациональных методик подготовки, при которых можно учесть оптимальное время подготовки при достаточно высоком её уровне.

Согласно функциональных обязанностей, выделим операторов -номеров дежурного расчета (НДР) и операторов - начальников дежурных смен.

Для операторов - НДР можно выделить 2 типа стратегии подготовки.

а) Для данного вида стратегии характерно то, что при подготовке оператору дается блок методического и теоретического материала (этап накопления знаний-(1)), а затем ему предлагается приобрести необходимые умения и навыки на тренажерах, технических средствах обучения (ТСО), в различных нестандартных ситуациях и т. д (2).

После двух этапов происходит тестирование (то есть выставляется оценка эффективности подготовки - этап (3)), где всех операторов делят на 3 группы: прошел аттестацию, не прошел аттестацию, необходима доподготовка. Процесс можно изобразить в виде графа (рис. 1).

Накопление зияний Приобретение умений Тестирование

Рис. 1. Граф для стратегии (а)

На графе вершина 1 обозначает состояние «накопление теоретических знаний», вершина 2 - «приобретение умений и навыков», вершина 3 - «тестирование».

Из состояния 3 возможны переходы в состояния «прошел аттестацию», «не прошел аттестацию», либо в состояние «необходима доподготовка». Состояние «прошел аттестацию»

обозначено знаком © . Состояние «не прошел аттестацию» обозначено знаком О . Состояние «необходима доподготовка» обозначено стрелкой-дугой, идущей от 3 к 2/.

Обозначим - множество состояний процесса обучения, а Бр -множество состояний

процесса принятия решений.

Аналитические выражения для успешной аттестации на основании данного графа получены при помощи топологического полумарковского метода [6, 7]. Вероятность успешной

аттестации характеризуется вероятностью перехода из множества состояний Бр в состояние

, принадлежащее подмножеству Бр и равна:

рщр + е р е 1кпас/

Р _ //еЗр

+= ас

Зр

(1)

где Р+ - вероятность перехода системы из состояния З е Зр в состояние Зр; Р/1 (Р/1) - вероятность перехода системы из состояния /(/) в состояние / за один шаг при условии, что i, / е Sp, а

/е З Зр при /-ом начальном состоянии; АСЗ - вес разложения подграфа, в котором отсут-

р Зр

ствует множество вершин Зр; АС'_ - вес разложения подграфа, в котором отсутствует множе-

Зр

ство вершин Зр и вершина З; АС/ - вес разложения графа без множества состояний и вершин,

расположенных на к-ом пути из вершины З в вершину З и принадлежащих множеству Зр; /// к -вес к- го пути из /- ой в /-ю вершину графа.

В свою очередь, среднее время, затраченное на обучение в общем виде может быть определено по формуле:

ТАО'р + Е 7Е //АС/

/,/еЗр к

Ч =-

АСзр

-; / = 1, п -1,

(2)

где tо6 - первый момент пребывания системы в множестве состояний Зр при /-ом начальном состоянии; Т/(Т1) - математическое ожидание безусловного времени пребывания системы в /-ом (/-ом) состоянии

Применительно к данному графу формулы (1) и (2) будут иметь вид:

Р+ =

Рз+ (Рц,Р22 ...Р2М ) = Рз+ Р121 цр

(1 -ад -ес2/ ) (1 - ад -е с2/ ) /=1 /=1

Т1(1 -ЕЕС2/) + Е(1 - Е С2.)/12Т21

/=1 /=/+1

" =--—

(1 - ад-Е С2/) /=1

где Р+ - вероятность перехода системы из состояния 1 в состояние, когда оператор будет аттестован; ?об - время пребывания модели обучения оператора во множестве состояний (для данного случая в ,З2 Зз }); Т1 - время пребывания системы в состоянии 1 - для данного случая это время приобретения оператором теоретических знаний; С - вес контура, исходящего из 1 вершины; С21 - вес контура, начинающегося из вершины 2/.

б) Для операторов данного вида характерно то, что приобретение знаний, умений и навыков идет параллельно с текущим контролем, а затем оператор аттестуется [8]. Причем, если значение накопленного веса находится между Пв и Пн, то оператору предлагается возврат в состояние 2, начиная с состояния 2/. Процесс представим в виде графа (рис. 2):

Накопление знаний

Приобретение знаний с текущим контролем

Тестирование

Рис. 2. Граф для стратегии (б) Оценка эффективности определяется по формулам:

п+1 п п

71(1 - Е С/ + Е СС)+Е /12/ Т2п(1 - Е С/ + Е СС)

р. =

рз+ (рр2|... р2п )

п+1 п

1 -Е с/+есс

Iоб = '

/=2

', 1

/ =1

/=2

1 -Е С- +Е сс

/=1

', 1

Для операторов-начальников дежурных смен меняется методика и анализ показателей эффективности подготовки, поскольку отличительной особенностью операторов данного вида являются повышенные требования к подготовке, следовательно, им необходимо уметь принимать решения в критических ситуациях. Вся деятельность по подготовке операторов - начальников дежурных смен разделяется на Z задач:

1 этап - получение теоретических знаний по К темам;

2 этап - отработка навыков на тренажерах;

3 этап - отработка необходимых навыков с помощью элементов обучающей системы;

2 этап - другие различные виды занятий;

М этап - тестирование.

Причем каждая из представленных Z задач разбивается на свои этапы. Процесс можно представить в виде ориентированного графа (рис. 3).

Так как каждое состояние имеет 1 вход и 1 выход, то данную схему можно укрупнить, то есть выполнить декомпозицию (рис. 4).

Рис. 4. Укрупненный граф процесса подготовки операторов

При этом:

к

Время пребывания системы в состоянии 1 равно Т/= Е 7\ ;

1=1 /

время пребывания системы в состоянии 2' равно Т2'= Е т.;

1=1 п

время пребывания системы в состоянии X равно Тz/= Е т.;

. =1

Цр»=1.

.=1

Результаты тестирования могут быть определены по формулам:

х + I

1 -ЕС

Ч =

т1р11(1 - с2 - ...сп) + 7^(1 - сз - ...сп) +... + т^ (1 - сп) = 5тя/1г (1 у £ 1с}

1 - с - с2 -... - сп

1 -Е С,

,=1

Таким образом, разработанная модель позволяет для различных вариантов подготовки и доподготовки операторов на основе априорных данных определять основные параметры системы обучения. При этом представляется возможным учесть как структуру и последовательность приобретаемых знаний, отрабатываемых навыков и умений, так и технические и дидактические характеристики средств подготовки, методику обучения и личностные и групповые характеристики операторов.

,=1

Список литературы

1. Соколов С.С., Багрецов С.А., Лаута О.С., Митрофанов М.В. Обеспечение гомеоста-тичности индивидуальной деятельности оператора в человеко-машинных комплексах // Санкт-Петербург, 2021. 390 с.

2. Митрофанов М.В., Атнагуллов Т.Н. Важные аспекты самостоятельной подготовки обучающихся // Модернизация российского общества и образования: новые экономические ориентиры, стратегии управления, вопросы правоприменения и подготовки кадров. Материалы XXII национальной научной конференции (с международным участием). Таганрог, 2021. С. 7476.

3. Митрофанов М.В., Стародубцев Ю.И., Атнагуллов Т.Н. Интеллектуальная обработка образовательного контента для повышения эффективности учебного процесса // Электросвязь. 2021. № 11. С. 47-54.

4. Митрофанов М.В., Атнагуллов Т.Н. Важные аспекты самостоятельной подготовки обучающихся // Модернизация российского общества и образования: новые экономические ориентиры, стратегии управления, вопросы правоприменения и подготовки кадров. Материалы XXII национальной научной конференции (с международным участием). Таганрог, 2021. С. 7476.

5. Митрофанов М.В., Багрецов С.А., Лаута О.С., Бойко Н.В. Управление параметрами модели «обучающийся - техническое средство обучения» // Главный механик. 2021. № 3. С. 7280.

6. Багрецов С.А., Щукин А.В., Митрофанов М.В., Талденко А.Ю. Методика определения оптимального состава информации обмена между руководителем группы и подчиненными операторами // Известия Тульского государственного университета. Технические науки. 2021. Вып. 6. С. 39-44.

7. Митрофанов М.В., Багрецов С.А., Лаута О.С., Черная Т.Э. Методы оценки рационального времени подготовки специалистов // Конструкторское бюро. 2021. № 5. С. 6-11.

8. Летавин А.В., Березин А.О., Вахромов Д.С., Митрофанов М.В. Многоуровневая система аутентификации пользователя автоматизированных систем // Нейрокомпьютеры и их применение. XVIII Всероссийская научная конференция. Тезисы докладов. 2020. С. 151153.

Митрофанов Михаил Валерьевич, канд. техн. наук, начальник кафедры, [email protected], Россия, Санкт-Петербург, Военная академия связи им. С.М.Буденного,

Темников Михаил Валерьевич, соискатель, [email protected]. Россия, Санкт-Петербург, Военная академия связи им. С.М.Буденного,

Коробка Сергей Владимирович, канд. воен. наук, соискатель, [email protected]. Россия, Санкт-Петербург, Военная академия связи им. С.М.Буденного,

Кокошенко Виталий Степанович, соискатель, [email protected]. Россия, Санкт-Петербург, Военная академия связи им. С.М.Буденного

A MODEL OF THE TRAINING PROCESS FOR OPERATORS

OF COMMUNICATION SECURITY CONTROL POINTS IN CONTROL SYSTEMS

M.V. Temnikov, M.V. Mitrofanov, S.V. Korobka, V.S. Kokoshenko

The article provides details of the process of training operators of communication security control points, for the construction of models of which the Lumark random process is used. At the same time, the process itself is defined by a matrix of transient probabilities and a vector of time intervals allocated for each type of education. A feature of the presented models is taking into account the structure and sequence of acquired knowledge, skills and abilities being worked out, as well as technical and didactic characteristics of training tools, training methods and personal and group characteristics of operators.

Key words: operator training, semi-Markov random process, certification, control point operators.

Mitrofanov Mikhail Valeryevich, candidate of technical sciences, head of the department, vonafortim@yandex. ru, Russia, St. Petersburg, Military telecommunication academy named after S.M. Budyonny,

TemnikovMikhail Valeryevich, applicant, [email protected], Russia, St. Petersburg, Military telecommunication academy named after S.M. Budyonny,

Korobka Sergey Vladimirovich, candidate of military sciences, applicant, [email protected], Russia, St. Petersburg, Military Academy of Communications named after S.M.Budyonny,

Kokoshenko Vitaly Stepanovich, applicant, [email protected], Russia, St. Petersburg, Military telecommunication academy named after S.M. Budyonny

УДК 004.94:721.01

DOI: 10.24412/2071-6168-2022-7-203-206

К ВОПРОСУ ПРИМЕНЕНИЯ ЧИСЛЕННО-МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ

В СОВРЕМЕННОЙ НАУКЕ

Ю.В. Фаустова

Численные модели позволяют оценить и рассчитать объекты и процессы любой природы, при этом в совокупности с компьютерными программными продуктами дают возможность в графическом их представлении. Поэтому в настоящее время во всех сферах применяют подобный подход. Таким методом можно получать данные о многочисленных сферах деятельности человека, включая строительную и архитектуру. В работе ставится вопрос о возможности применения численных моделей для решения различных задач современной науки. Если быть точными, то в работе рассматривается вопрос о применении компьютерных численных моделей для исследования скоростных потоков ветра, что необходимо для решения различного рода архитектурных задач, в том числе и для определения скорости и давления ветра при его прохождении через группу конкретных зданий. Так в работе описываются основные этапы создания численных моделей, а также указываются цели их разработки. Делаются выводы о возможности применения такого метода для решения прикладных задач.

Ключевые слова: компьютерное моделирование, программное обеспечение, модель, численная модель, исследование, архитектура, строительство.

Численное моделирование является прогрессивным методом изучения различных объектов живой и неживой природы, и позволяют получить необходимые сведения о происходящих процессах и явлениях. Такое моделирование, как правило, проводится с помощью особых программ, работающих на ЭВМ. Программ, позволяющих создавать численные модели, существует большое количество, при этом они отличаются наличием графического отображения полученных данных. Одни программы с помощью математического аппарата и решения различных дифференциальных и интегральных уравнений получают в итоге только численные значения получаемых величин, остальные программы могут эти численные значения переводить в графический вид для более подробного и развернутого исследования.

Одним из возможных применений численного моделирования можно назвать архитектуру и строительство, где с помощью программ численного моделирования можно решить целый ряд различных задач, среди которых можно выделить [1-11]:

- оценка устойчивость сооружения,

- определение влияния ветра и его распределения по зонам,

- исследование климатических воздействий на здание,

- оценка влияния возведения и эксплуатации объекта на окружающую среду,

- выявление оптимальных габаритных размеров объекта и др.

Численное моделирование с использованием электронных вычислительных машин в общем случае заключается в выполнении определенной процедуры, этапы которой приведены ниже.

1. Постановка и анализ задачи с определением целей.

203