CC BY
24
УДК 378.147
Канд. техн. наук С.М. СЕРГЕЕВ
(СПбГЭУ, [email protected]) Доктор ист. наук Т.И. СИДНЕНКО
(СПбГАУ, [email protected])
МУЛЬТИДИСЦИПЛИНАРНАЯ КОНВЕРГЕНЦИЯ ИНФОРМАЦИОННОЙ
ОБРАЗОВАТЕЛЬНОЙ СРЕДЫ
Управление знаниями, информационные технологии, дистанционное обучение, облачные технологии, моделирование, электронные образовательные ресурсы
Процесс проникновения информационных технологий в образовательную среду отражает происходящие в глобальном масштабе сдвиги как в оснащении современных людей средствами коммуникации, так и в способе получения знаний. Как обратная связь при этом возникает необходимость изменения не только структуры учебных планов, но и масштабное сочетание дисциплин. Акцент требований учащихся при этом переносится именно на компетенции, связанные с все расширяющимися возможностями компьютеров для решения профессиональных задач по самым различным дисциплинам и направлениям обучения.
Если на сегодняшний день чаще всего звучит понятие кластера конвергентных технологий или NBIC [1], то интересы конкретных студентов все же напрямую связаны с освоением текущего материала с применением современных решений как из области изучаемых предметов, так и методов подачи. Выбирая направления учебы, студент желает получить дистинктивные компетенции, которые в дальнейшем будут формировать его конкурентные преимущества на рынке труда. Не стоит забывать, что если, например, объектом будущей деятельности выбирается наука, карьера исследователя, то преобладающим будет вклад релевантности применяемых в процессе образования технологий современному уровню, что в полном смысле слова принципиально.
Катализатором данных процессов стало в первую очередь проникновение высокоскоростных сетей Интернет не только в крупных центрах России, но и охват большинства территории страны. Кроме того, отметим активное развитие беспроводного доступа к ресурсам Интернета, в том числе сетей LTE (Long-Term Evolution) стандарта и необходимый уровень насыщенности разнообразными средствами вычислительной техники, в том числе для построения сетей.
Все это вместе с доступностью специализированных пакетов программ, подготовкой достаточного количества специалистов по компьютерным технологиям послужило базисом для конвергенции дисциплин.
Успехи развития дистанционного обучения, формирование баз знаний, информационных ресурсов, мультимедийных образовательных программ зависит от умения профессорско-преподавательского состава объединить в рамках одной образовательной дисциплины возможности современных компьютерных технологий, таких как облачные сервисы, офисные приложения со специализированными кроссплатформенными решениями и электронными учебными материалами по конкретной дисциплине.
Такой подход позволит интенсифицировать создание разветвленной, устойчивой учебной инфраструктуры, причем не только в рамках одного учебного заведения. Существенно упростится процесс тиражирования инновационных знаний, доступнее станет современный уровень образовательных услуг.
Из NBIC драйвером развития выступает информационно-коммуникационная технология как наиболее развитая. В сегодняшнем образовательном процессе именно она в основном чаще всего поставляет инструменты для развития других. Тут следует обратить внимание, например, на широко используемую возможность проведения компьютерного моделирования как всевозможных ситуаций, так и различных процессов [2].
Рассмотрим конкретный пример мультидисциплинарной конвергенции в образовании.
Формирование навыков системного мышления у менеджеров занимающимися проблемами агротехнического комплекса, должно строится на владение не только основами экономических расчетов, но и более глубокого освоения и, самое главное, практического применения методов выбора оптимальных управленческих решений. При этом нужен опыт использования экспертных систем [3], составления математических моделей, статистических расчетов. Все это надо уметь производить в операционной среде компьютерных информационных технологий.
Например, предлагается к реализации оборудование для нужд агротехнического комплекса. Это может быть как сельскохозяйственная техника (комбайны, оборудование животноводческого комплекса, хранения продукции), посадочный и племенной материал так и станки и оснащения для переработки продукции широкого спектра. Конкретное наименование не имеет особого значения, так как излагается универсальный метод приемлемый в различных сегментах аграрного направления экономической деятельности.
В любом случае при определении торговой наценки на дорогостоящие изделия сложной техники важен учет многих факторов. Кроме известных накладных расходов, существенную величину составляют вероятные потери, которые понесет вендор при рекламациях. Эти величины, а также возможные убытки, связанные с потерей имиджа, должны участвовать в формировании торговой наценки. Другим немаловажным обстоятельством является наличие конкуренции и ассортимент в прайс -предложениях нескольких товаров со схожими свойствами. Экономические расчеты [4] обязательно должны проводиться одновременно по всем образцам.
Рассмотрим следующий пример: предлагается к продаже оборудование (комплекс-Е) известного европейского бренда и, аналогичная по набору опций, техника (комплекс-А) из Юго-Восточной Азии. Первое из них обладает высокой закупочной стоимостью, при этом следовательно, продавец вынужден делать минимальную наценку. Другая имеет низкую цену производителя и можно заработать при продаже гораздо больший процент. Однако если брендовый комплекс-Е обладает высокой надежностью, то при эксплуатации другой, более дешевой техники с большой степенью вероятности возникают различные проблемы.
Необходимо рассчитать составляющую наценки, определяемую возможными расходами на устранение дефектов, рекламации и потерю репутации.
Поскольку все данные ситуации являются случайностями, необходимо применение аппарата теории вероятностей. Протяженность анализа определяется гарантийным сроком на технику, который достаточно значительный: от 12 месяцев до 36 месяцев. Работа эксперта базируется на статистике ремонтов по основным моделям и фирмам - производителям, которая хорошо известна и формально представляет собой базу знаний.
Для поиска решения и выдачи рекомендаций менеджеру необходимо применить математическое моделирование [5].
Для формализации задачи введем следующие обозначения:
N -протяженность гарантийного срока (в месяцах);
£ - вектор вероятности состояний;
Р -матрица вероятностей перехода;
Я - матрица вознаграждений.
Опишем для одного комплекса введенные величины более подробно.
Элементами вектора £ будут являться вероятности нахождения оборудования в одном из трех состояний.
- комплекс полностью исправен;
- комплексу требуется мелкий ремонт или регулировка;
- оборудование комплекса неисправно, дефект серьезный, требуется возврат техники поставщику.
Соответственно вектор будет трехмерным и записывается в виде:
£ = , , ) , причем ^ + 5г + 5з = 1, (1)
то есть вероятности £г для / = 1....3 составляют полную группу событий.
Матрица Р составлена из вероятностей изменений состояния оборудования. Для облегчения понимания, ее значения проиллюстрируем следующей табл.1:
Таблица 1
Вероятности перехода
Текущее состояние комплекса Состояние комплекса в следующем месяце
№ полностью исправен требуется мелкий ремонт или регулировка неисправен, дефект серьезный
1 Полностью исправен 0.95 0.03 0.02
Требуется мелкий
2 ремонт или 0.86 0.11 0.03
регулировка
3 Неисправен, дефект 0 0 1
серьезный
Например, первая строчка означает, что если сейчас комплекс исправен, то с высокой степенью вероятности 0,95 он будет исправен и следующий месяц, с вероятностью 0,03 потребуется мелкий ремонт или регулировка и с вероятностью 0.02 комплекс выйдет из строя по причине серьезной неисправности. Сумма вероятностей в каждой строке должна быть равна 1, то есть матрица стохастическая справа.
Тогда матрица вероятностей перехода, соответствующая таблице 1 имеет вид:
Р =
Р11 Р 21
Р31
Р12 Р13
Р22 Р23 Р32 Р33
0.95 0.86 0
0.03 0.02 0.11 0.03 0 1
причем
X Р
]=1
1
для / = 1....3
(2)
Будем полагать, что для любого текущего состояния оборудования вероятность быть в каком-либо другом состоянии в следующий месяц зависит только от состояния в текущий момент (отсутствие последействия). Это позволяет применить для расчетов теорию Марковских процессов. Надо отметить, что состояние 3, определенное для упрощения данного примера, является поглощающим состоянием. [6].
Я - матрица, содержащая значения прибыли (то есть допустимого удорожания цены) или убытка, которые обусловлены переходами состояния оборудования комплекса. Назовем их вознаграждения. Например, при мелком ремонте возникают траты на наладку или замену какой-либо детали, при поломке это расходы на транспортировку и имиджевые потери. Описываются элементы R аналогично таблице 1, но в графах будут стоять денежные суммы. Тогда определим для нашего примера следующую матрицу:
Г11 Г12 Г13 20 17 —18
Я = Г21 Г22 Г23 = 12 5 — 22 . (3)
Г31 Г32 Г33 0 0 — 45
В матрице R первая строчка означает, что если работающий комплекс и следующий месяц будет полностью исправен, то возможно увеличить цену на 20 тыс. руб., если работающая машина потребует профилактики, то эта сумма составляет 17 тыс. руб., и, если исправная машина сломалась, то убыток составит 18 тыс. рублей. Матрица такого вида как И, называется платежной матрицей, а Марковская цепь, содержащая платежные матрицы, называется Марковской цепью с вознаграждениями [6,7].
Сосчитаем общее вознаграждение, которого можно ожидать через п переходов от начального нулевого месяца до п -го месяца. Обозначим вектор
V (п) = (Ми), У2{Н), vъ(n)) (4)
суммарного ожидаемого вознаграждения после п переходов для каждого из возможных начальных состояний оборудования комплекса. Например, V (п) — вознаграждение за п переходов, если вначале техника была исправна (из первого начального состояния). Тогда если оборудование комплекса за
первый переход из состояния I приобретает состояние ] , то вознаграждение равно Г] , кроме того,
из этого достигнутого состояния ожидаемое вознаграждение за оставшиеся п — 1 переходы равно V ■ (п — 1) . Значит, начав с I и достигнув состояния ] , ожидаемое вознаграждение за п переходов будет:
Г] + V] (п — 1) . (5)
Поскольку из состояния I может состояться переход в различные следующие состояния ] , и поскольку нам известна вероятность таких переходов Р , то мы можем сосчитать ожидаемое вознаграждение при известном текущем состоянии I:
3 Г 1 3 3
V (n) = Z Pi/ L^.-y + v/(n —^J = Z Pu ru + Z Pij v/(n "1 . (6)
j=i /=1 /=1
Составив такие выражение для i = 1....3, получим элементы вектора (4). С учетом того, что из (4) также следует V(n — 1) = (^ (и — 1), v2 (и — 1), v3 (и — 1)), то систему, полученную из (6) для i = 1....3 , можно записать в векторном виде:
V (n) = Q + P *V(n — 1), (7)
_ 3
где Q - вектор, элементы которого q = Zp^ для i = 1....3 . (8)
/=1
Таким образом, получена рекуррентная формула расчета вектора вознаграждения. Из (8) с очевидностью ясно, что q просто i — й диагональный элемент матрицы P * RT, где RT -транспонированная матрица R . Проведя расчеты по формуле (7), получим ряд результатов: Если оборудование комплекса поставляется в исправном состоянии, то первый элемент вектора V (n) равный v (n) даст нам значение минимальной, из условия компенсации рисков, наценки. Последний v3 (n) - характеризует максимальную скидку для продажи некондиционных экземпляров
оборудования агротехнического комплекса.
Пример расчета
Рассчитаем торговую наценку для данных, приведенных в табл. 1 и заданных матрицей (3). Сначала найдем Q . Для этого рассчитаем:
19.5 11.1 — 0.9 _
P*RT = 18.53 10.2 —1.35 и, соответственно Q = (19.5,10.2, — 45) . (9)
—18 — 22 — 45 Тогда из (7) имеем:
V (1) = (19.5,10.2, — 45), V (2) = (36,7,26,45, — 90), ,
V(3) = (53,05 , 42,02 , —135),......., V(12) = (146,64 , 130,06 , — 540)
Поскольку техника продается в исправном состоянии, то минимальная составляющая
наценки, компенсирующая риски, обусловленные надежностью агротехнического оборудования равна 146,64 тыс. руб. Разумеется, полная сумма наценки включает также накладные расходы. Сложив вместе обе составляющие, получим минимальную наценку. Проделав вышеуказанные расчеты для планируемых к продаже видов комплексов, можно исходя из имеющихся средств и статистики покупок определить объемы по каждому виду оборудования.
Программирование на основе алгоритма данной задачи для целей создания экспертной системы проведем с использованием облачных технологий [8].
Основная концепция облачных технологий, иногда называемых облачными вычислениями, заключается в том, что информация хранится и обрабатывается средствами веб-сервера, а результат данных вычислений предоставляется пользователю посредством веб-браузера.
При помощи элементов управления веб-страницей облачного сервиса пользователь может вводить и редактировать данные, а также сохранять конечный результат на свой компьютер. Воспользуемся одним из наиболее популярных облачных сервисов Google Docs от одноименной поисковой системы Google.
Отметим, что согласно официальной документации разработчиков, должен выполняться ряд требований к программному обеспечению пользователя и в первую очередь - это касается приложения, непосредственно обеспечивающего доступ к облачным сервисам.
Корректную работу с сервисом Google Docs поддерживают следующие веб-браузеры:
— Google Chrome;
— Firefox;
— Safari не ниже 4 версии;
- Internet Explorer не ниже 8 версии.
Далее, чтобы получить доступ к возможностям рассматриваемого «облачного» сервиса, необходимо пройти несложную процедуру регистрации. Для этого следует открыть главную вебстраницу поисковой системы Google (www.google.ru), заполнить все поля формы для регистрации, логин и пароль. После этого, через меню главной страницы, надо зайти в сервис «Документы» и выбрать раздел «Таблицы».
Запрограммируем задачу для случая двух моделей «комплекс-Е» европейского бренда Euroagro и «комплекс-А» производства Asiagro.
Нам известен их гарантийный срок 12 месяцев, закупочная цена. накладные расходы и доля, занимаемая на рынке в данном сегменте техники :
Таблица 2
№ Модель Закупочная цена, тыс. руб. Накладные расходы, тыс. руб. Доля рынка
1 Euroagro 11200 740 7%
2 Asiagro 5200 560 21%
Кроме того, в цену заложена прибыль в размере 15%.
Решение. Войдя в облачные сервис создадим новый документ для расчета. Введем данные рис. 1 на странице переименованной как «Расчет».
Оборудование агротехнического комплекса
Файл Правка Вид Вставка Формат Данные Инструменты Дополнення Справка
б ? р- 123 Arial 10 В I ^ А.. - |
А в С D Е F
1 БАЗА ЗНАНИЕ
2 экспертые данные по Euroagro экспертные данные по A si аи га
3
4 переходная матрица Euroagro переходная матрица Asiagro
5 0,980 0,015 0,005 0,800 0,180 0,020
S 0,910 0.080 0,010 0,600 0,210 0.190
7 0,022 0,080 0,898 0,010 0,180 0,810
8
9 платежная матрица Euroagro платежная матрица Asiagro
10 20 17 -18 97 68 -45
11 12 10 -22 41 19 -67
12 0 8 -40 24 12 -1 20
о
Рис. 1. Исходные данные
Далее перейдем на другой лист документа именуемый «Форма» и создадим интерактивную форму рис. 2, в которой пока нет результатов работы программы.
Оборудование агротехнического комплекса М
Файл Правка Вид Вставка Формат Данные Инструменты Дополнения Справка Все изменения
Й К ^ р- % 123 - Arial 10 В I -3- - В-Eg - Ш - _L
А в С D
1 ЭКСПЕРТНАЯ СИСТЕМА РАСЧЕТАТОРГОВОИ НАЦЕНКИ НА АГРОТЕХНИЧЕСКОЕ ОБОРУДОВ
2
3 Введите исходные данные
4 закупочная цена (тыс. руб) накладные расходы (тыс.руб) доля рынка
5 EUROAGRO 11200 740 7,00%
в ASIAGRO 5200 560 21,00%
7
3 | Введите объем заказа гллн. руб S00 I
9
10 | Введите планируекую норму прибыли 15,00% |
11
12 результаты расчета
13 рекомендуемая наценка рекомендуемое
14 в деньгах (тыс.руб.) в процентах количество шт.
15 EUROAGRO
16 ASIAGRO
17
Рис. 2. Интерактивная форма
Далее, вводим единичную матрицу и формулы расчета Q и Q. Для этого используем функцию MMULT и функцию TRANSPOSE для транспонирования платежной матрицы . Векторы Q и Q составлены из диагональных элементов соответствующих матриц. Результат представлен на рис 3.
т Оборудование агротехнического комплекса И Файл Правка Вид Вставка Формат Данные Инструменты Дополнения Спра
б т р. ЧЬ .# 123 - Arial 10 В I ъ- _А_-
ß
А В С D Е F <5
13
14 единшная матрица
15 1 1 0 0
1В 0 1 0
17 0 0 1
18
19 расчет матрицы P*RT Е uro agro расчет матрицы P*RT A si agro
20 19,765 11,800 -0,080 88,940 34,880 18,960
21 19,380 11,500 0,240 63,930 15,860 -5,880
22 -14,364 -1 8,692 -35,280 -23,240 -50,440 -94,800
23 i
Рис. 3. Результаты промежуточного расчета
Далее вводим рекуррентные формулы (7) как показано на рис. 4.
1 J К L M И О
1 расчет по рекуррентный формулам
2
3 Euroagro Así agro
4 19,765 19,366 88,940 72,111
5 V1=Q 11,500 18,553 15,860 38,683
6 -35,280 -30,327 -94,800 -73,044
7
8 39,131 38,471 161,051 135,301
9 V2 30,053 37,357 54,543 76,194
10 -65,607 -55,650 -167,844 -124,525
11
Рис. 4. Начало расчета
Это позволит получить искомый вектор вознаграждения рис. 5.
1
— Форма
Расчет
J к L м N □
136,820 184,899 536,209 482,539
V10 176,213 182,448 326,057 341,576
-165,548 -130,455 -255,901 -143,227
204,664 202,652 571,479 516,761
V11 193,948 200,103 357,436 372,724
-165,735 -123,812 -238,027 -122,749
222,417 220,322 605,701 550,155
V12 211,603 21 7,687 388,584 403,689
-164,092 -125,533 -217,549 -100,212
ч
Рис. 5. Результат по вектору вознаграждения
Теперь перейдем на лист «Форма» и установим связь с результатами расчета. Наценка AP
складывается из первого элемента V и накладных расходов. Распределение денег на закупку определяется из уравнения:
TOTAL = P(S )*Q(S) + P(H )*Q(H) причем Q(S) = D(S^ w Q(H) D(H)
где TOTAL - объем заказа в рублях, индекс S - для Euroagro, H для Asiagro, P(S),P(H) соответственно цена, Q(S), Q(H) - количество комплексов, D(S), D(H) - доля рынка. Цена складывается из закупочной цены, наценки AP и увеличивается на планируемую норму прибыли.
Формулы расчета соединим программно с интерактивной формой , как показано на рис. 6 (screenshot). В расчете использована функция ROUND для округления результатов до целого числа.
результаты расчета
рекомендуемая наценка рекомендуемое
в деньгах (тыс.руб.) в процентах количество шт.
EUROAGRO 962,417 8,6% 22
ASIAGRO 1165,701 22,4% 67
Рис. 6. Результат работы программы в облачном сервисе
Полученные данные показывают, как можно проводить прогнозное исследование рынка не только агротехнического оборудования, но и в других сегментах коммерческой деятельности. Кроме того, приведенный математический аппарат [9] позволяет расширить применение полученных результатов. Например, возможно определить максимальную скидку для продажи некондиционных экземпляров техники. Ее значение находится в ячейках К50 для Euroagro и в N50 для Asiagro, можно, используя выражения данной работы найти стационарный режим и рассчитать наценку при сроках гарантии в 2 и 3 года.
Рассмотренный пример применения облачных технологий для построения экспертной системы показывает, что комбинацией различных дисциплин можно получить удобное для образовательной деятельности приложение, когда находящиеся на различной территории студенты могут осваивать одновременно в одной задаче роли эксперта, менеджера, программиста с использованием математического аппарата для экономики.
Достоинством такого подхода является то, что при подготовке изложенного материала не потребовалось специально соединять разнородные курсы, так как в нем гармонично совмещаются экспертные системы, базы знаний, ИКТ в образовании, курс математики, статистики, менеджмента и экономики. Все это в сочетании с кроссплатформенностью сервисов, а также инвариантностью к техническим средствам открывает широкие перспективы для мультидисциплинарной конвергенции.
В ближайшие годы на базе облачных технологий будет формироваться устойчивая образовательная среда[10,11].
Литература
1. Emerging Technologies: From Hindsight to Foresight. Edited by Edna F. Einsiedel. UBC Press
2. Сергеев С.М. Моделирование J.I.T. менеджмента кластера пищевой промышленности //Экономика и менеджмент систем управления. - №2(8). - 2013. - С. 62-68.
3. Борисоглебская Л.Н., Сергеев С.М., Миронова И.А. Система оценки конкурентоспособности предприятия с учетом базовых экономических индексов, инфляционного фона, сезонных трендов (на примере легкой промышленности) // Вестник Государственного университета управления. - 2013. -№13. - С. 14-22.
4. Сергеев С.М. Теоретический подход к управлению обеспеченностью коммерческой сети // Экономика и менеджмент систем управления. - 2015. - № 3.1 (17) - С. 175-183.
5. Сергеев С.М. Выбор инновационной маркетинговой стратегии предприятий на основе экономико-математического моделирования // Инновации. - № 3 (173). - 2013. - С. 116-119.
6. Deming W.E. and Glasser G.J. A Markovian analysis of the life of newspaper subscriptions. Management Science, 14, B.
7. S. Searle, W. Hausman Matrix algebra for business and economics. Wiley Interscience.
8. The NIST Definition of Cloud Computing.// National Institute of Standards and Technology. USA, NY Publish №24 July 2011.
9. Сидненко Т.И., Сергеев С.М. Моделирование движений порожденного спроса на аграрном рынке в условиях асимметрии информации // Известия Санкт-Петербургского государственного аграрного университета 2015. - № 39. - С. 268-271.
10. Сидненко Т.И. Дистанционные образовательные технологии как средство сетевого взаимодействия образовательных учреждений (анализ научных подходов) // Проблемы экономики и управления в торговле и промышленности. - № 2 (002). - СПб., 2013. - С.114 - 120.
11. Сидненко Т.И. Тенденции трансформации информационно-коммуникационных компетенций педагогов и их оценка в условиях модернизации образовательного пространства России // Вопросы профессиологической экспертизы качества педагогической деятельности (для специалистов системы общего и профессионального образования): Сб. науч. ст. Под науч. ред. В.А.Мелехина, С.И.Назаровой. - СПб.: ФГНУ ИПООВ РАО, 2014. - 124 с.; С.20 - 34.
