CC BY
17
Нечеткая модель функционирования учебно-лабораторных и производственных мощностей Fuzzy models of the functioning of educational laboratory and production
facilities
Беленький Павел Павлович
к.п.н.,
директор Северо-Кавказского филиала Московского технического
университета связи и информатики, г. Ростов-на-Дону e-mail: [email protected], Тищенко Евгений Николаевич д.э.н., зав. каф. Информационных технологий и защиты информации Ростовского государственного экономического университета (РИНХ),
проф. каф. Экономики и управления Северо-Кавказского филиала МТУСИ e-mail: [email protected], Шарыпова Татьяна Николаевна к.э.н., зав. каф. Экономики и управления Северо-Кавказского филиала МТУСИ e-mail: [email protected] Жилина Елена Викторовна к.э.н., доцент каф. Информационных технологий и защиты информации Ростовского государственного экономического университета (РИНХ)
e-mail: [email protected]
Аннотация: В статье разработана нечеткая модель функционирования учебно-лабораторных и производственных мощностей коллективного пользования на примере кластера в области информационной безопасности на основе теории нечетких множеств, позволяющая проводить интегральный учет качественных входных/выходных параметров.
Ключевые слова: нечеткая модель, учебно-лабораторные и производственные мощности, алгоритм Мамдани, MATLAB, лингвистическая переменная, функция принадлежности.
Abstract: This article is designed fuzzy model of the educational-laboratory and production facilities shared by the example of the cluster in the field of information security based on the theory of fuzzy sets, allowing to carry out the integrated treatment of quality input / output parameters.
Keywords: fuzzy model, teaching and laboratory and production facilities, Mamdani algorithm, MATLAB, the linguistic variable, membership function.
Обоснование использования методологических подходов к разработке нечеткой модели.
Специфика деятельности образовательных кластеров при реализации программ в области информационной безопасности, состоящая в необходимости использования дорогостоящего оборудования, обусловливает важность анализа проблемы обеспечения учебного процесса и научных исследований современным учебно-лабораторным и производственным оборудованием и повышения эффективности его использования.
Исследование предметной области позволило определить необходимость разработки комплексного подхода к совершенствованию организации и управления существующих учебно-лабораторных и производственных мощностей коллективного пользования на примере кластеров (далее - УЛПМ) в области информационной безопасности.
Анализ системы организации образовательных кластеров, существующих сегодня в России, выявляет проблему старения парка учебного и научного оборудования, отставания базы исследовательского и аналитического оборудования от современного уровня развития технологий. Достижению качественного уровня учебного процесса в области информационной безопасности, научных исследований и разработок способствует использование современной учебно-экспериментальной базы, в
основе которой - многофункциональные исследовательские комплексы, позволяющие существенно расширить возможности экспериментальных исследований и интенсифицировать процесс их проведения [6]. Повышение эффективности использования исследовательских комплексов уникального научного оборудования должно обеспечиваться за счет их высокой загрузки, что успешно осуществляется в кластере УЛПМ.
По направлению деятельности разделяют следующие блоки УЛПМ коллективного пользования, табл. 1.
Таблица 1
Блоки учебно-лабораторных и производственных мощностей
коллективного пользования
Наименование блока Характеристика
1. Блок научно- исследовательского профиля Комплекс оборудования для работ научно-исследовательских организаций, принадлежащий головной организации и обеспечивающий режим коллективного его пользования как структурными подразделениями головной организации, так и сторонними пользователями; в последнем случае доступ к оборудованию осуществляется на договорной основе или за счет грантов
2. Блок образовательного профиля Изменяет структуру и содержание образовательного процесса, обеспечивает его соответствие национальным целям перехода страны к рыночной, высокотехнологичной и конкурентоспособной экономике; способствует быстрому обновлению знаний, интеграции научных дисциплин, возникновению новых областей знаний на стыке наук; изменяет цели высшего образования и требования к специалистам.
3. Блок производственного профиля Создается для обеспечения инновационно-промышленной деятельности образовательных кластеров
В качестве примера можно привести УЛПМ коллективного пользования
кластера организаций и ВУЗов Ростова-на-Дону и Ростовской области (РИНХ, МТУСИ, ТИ (ф) ЮФУ и др.), объединяющие три направления деятельности: в перечне оборудования имеется научно-исследовательское, обучающее и производственное оборудование.
Несмотря на наличие кластеров с УЛПМ коллективного пользования, комплексные исследования в отношении их функционирования не
проводились. Известные методологии не носят универсального характера, так как деятельность каждого из кластеров в решающей степени зависит от концентрации пользователей и взаимосвязей с ними, характера обучающей и научной среды. Не существует опубликованных научных результатов, описывающих, каким образом проводить оценку эффективности применения учебно-лабораторных и производственных мощностей коллективного пользования в области информационной безопасности.
Формирование УЛПМ коллективного пользования может быть реализовано с использованием нескольких методологических подходов. Построение модели функционирования УЛПМ коллективного пользования может быть основано на определенном классе задач нечеткой логики.
Методология нечеткого моделирования не заменяет и не исключает методологию системного моделирования, а конкретизирует последнюю применительно к процессу построения и использования нечетких моделей сложных систем. Процесс нечеткого моделирования представляет последовательность взаимосвязанных этапов, аналогичных этапам системного моделирования. При этом каждый из этапов выполняется с целью построения и использования нечеткой модели системы для решения исходной проблемы [1].
В общем случае под нечеткой моделью понимается информационно-логическая модель системы, построенная на основе теории нечетких множеств и нечеткой логики [4].
Отдельными этапами процесса нечеткого моделирования являются: анализ проблемной ситуации; структуризация предметной области и построение нечеткой модели; выполнение вычислительных экспериментов с нечеткой моделью; применение результатов вычислительных экспериментов; коррекция или доработка нечеткой модели.
Использование нечетких моделей для расчета функционирования УЛПМ коллективного пользования в области информационной безопасности
расширит возможность применения кластеров в высшем образовании и
позволит точно оценить выходные параметры моделей.
Основная часть. Математическую нечеткую модель оценки
функционирования УЛПМ в области информационной безопасности в общем
виде можно представить следующим образом:
xt ^ БП ^ FYLiPM, (1)
где х; - входящая переменная (input) и i е [1..6]; xi - результаты эксплуатации оборудования (REO);
х2 - результаты соблюдения условий нормативно-технической документации (R_NTD);
х3 - результаты научно-исследовательской работы (R_NIR); х4 - результаты используемых мощностей оборудования (RIM), х5 - результаты ремонта оборудования (RO);
х6 - результаты итоговой государственной аттестации обучающихся (IGA); БП - база правил, необходимых для функционирования учебно-лабораторных и производственных мощностей коллективного пользования;
FYLiPM - функционирование учебно-лабораторных и производственных мощностей коллективного пользования (output);
Моделирование оценки функционирования учебно-лабораторных и производственных мощностей коллективного пользования проводилось с использованием специализированного пакета Fuzzy Logic Toolbox средства MATLAB. Выполнение нечеткого вывода реализовано на основе алгоритма Мамдани (Mamdani) [5].
Каждая из лингвистических входных переменных имеет треугольные функции принадлежности, в общем виде которые могут быть заданы выражениями:
0, x < a,
a < x < b,
i = 1Ä j е {Г2}, (2)
ßl(x, a b, c) = i
x - a
b - a c-x
b < x < c,
c-b 0, c < x
где a, b, c - некоторые числовые параметры, характеризующие основание
треугольника (а, с) и его вершину (Ь), причем должно выполняться условие:
а < Ь < с.
Далее на рисунках приведены графики функций принадлежности нечетких терм-множеств входящих лингвистических переменных.
Переменная х1 - <^ЕО» (результаты эксплуатации оборудования) состоит из трех основных терм-множеств, определенных на интервале [0,1]: «низкие результаты» [0, 0.4], «средние результаты» [0.2, 0.8], «высокие результаты» [0.6, 1] и двух дополнительно введенных терм множеств: «ниже средних» [0.1, 0.4], «выше средних» [0.6, 0.9] (рис. 1).
Рис. 1. Формирование входной лингвистической переменной «REO» (х1)
Переменная х2 - «R_NTD» (результаты соблюдения условий нормативно-технической документации) состоит также из трех терм-множеств, определенных на интервале [0,1]: «критические» [0, 0.4], «допустимые» [0.1, 0.9], «наиболее соответствующие» [0.6, 1] (рис. 2), что определяет количество и качество выигранных грантов и их реализацию за отчетный период.
Рис. 2. Формирование входной лингвистической переменной «R_NTD» (х2)
Состав терм-множеств лингвистической переменной х3 - «R_NIR» (результаты научно-исследовательской работы) аналогичен терм-множествам лингвистической переменной «REO». Состоит из трех основных терм-множеств, определенных на интервале [0,1]: «низкие результаты» [0, 0.4], «средние результаты» [0.2, 0.8], «высокие результаты» [0.6, 1] и двух дополнительно введенных терм множеств: «ниже средних» [0.1, 0.4], «выше средних» [0.6, 0.9].
Переменная х - «RIM» (результаты используемых мощностей оборудования) состоит из трех основных терм-множеств, определенных на интервале [0,1]: «низкая загрузка» [0, 0.4], «достаточно оптимальная загрузка» [0.1, 0.9], «оптимальная загрузка» [0.6, 1] (рис. 3).
Рис. 3. Формирование входной лингвистической переменной «RIM» (х4)
Переменная х5 - «RO» (результаты ремонта оборудования) состоит из двух терм-множеств, определенных на интервале [0,1]: «неэффективный» [0.6, 0, 0.6], «эффективный» [0.4, 1, 1.6] (рис. 4).
Рис. 4. Формирование входной лингвистической переменной «RO» (Х5)
Переменная х6 - «ЮА» (результаты итоговой государственной аттестации обучающихся) состоит из четырех основных терм-множеств, определенных на интервале [0,1]: «неудовлетворительные» [0, 0.2], «удовлетворительные» [0.1, 0.6], «хорошие» [0.5, 0.9], «отличные» [0.8, 1], что определяет уровень обученности студентов ВУЗов [2, 3] образовательной программы по информационной безопасности (рис. 5).
Рис. 5. Формирование входной лингвистической переменной «IGA» (х6)
На рис. 6 приведен график функций принадлежности нечетких терм-множеств лингвистической переменной «FYLiPM» (функционирование учебно-лабораторных и производственных мощностей коллективного пользования), заданной в MATLAB (output в модели).
hiipmhpr^hin 11 inr+inn nlnti
Рис. 6. Формирование выходной переменной «FYLiPM»
С учетом функции принадлежности нечетких терм-множеств лингвистической переменной «FYLiPM» будет иметь следующий вид: ¡]?уь1РМ(х, 0, 0, 0.4) «не успешное»; ¡Оть1РМ(х, 0.1 , 0.5, 0.9) «оптимальное»; иУУЬ1РМ(х, 0.6, 1, 1) «успешное».
В результате анализа предметной области сформирована база правил (БП) функционирования УЛПМ в области информационной безопасности. В табл. 2 приведен фрагмент базы правил.
Таблица 2
Фрагмент формирования нечетких продукционных правил оценки
функционирования УЛПМ коллективного пользования
Параметр Описание Терм БП
1 2 3 4 5 .. .n
x1 - REO результаты низкие true true true true
соблюдения ниже средних true
условий средние
нормативно- выше средних
технической документации высокие true
x2 - результаты критические true true true true
R_NTD научно- допустимые true
исследовател ьской работы наиболее соответствующие true
x3 - R NIR результаты низкие true true true true
научно- ниже средних true
исследовател средние
ьской работы выше средних
высокие true
x - RIM результаты низкая загрузка true true true true true
используемы х мощностей оборудования
достаточно оптимальная
оптимальная загрузка true
x5 - RO результаты не эффективный true true true true true
ремонта оборудования эффективный
x - IGA результаты итоговой неудовлетворительны е true true true true
государствен удовлетворительные true
ной хорошие
аттестации обучающихся отличные true
FYLiPM функциониро вание учебно- неуспешное true true true true true
лабораторных и
оптимальное
производстве
нных успешное true
мощностей
коллективног
о пользования
Аккумулирование выводов по всем правилам проведено с применением операции max-дизъюнкция [3, 6]. При дефазификации использован метод центра тяжести для дискретного множества значений функций принадлежности.
В примере первой реализации нечеткой модели функционирования УЛПМ (рис. 7) продемонстрирован вывод правил нечеткого вывода результатной лингвистической переменной «FYLiPM», когда все входящие переменные имеют принадлежность к «низким» термам (REO - низкие результаты, R_NTD - критические, уровень R_NIR - низкие результаты, уровень RIM - низкая загрузка, RO - неэффективный, IGA -удовлетворительные).
Рис. 7. Первая реализация правил нечеткого вывода функционирования
УЛПМ
При этом результат переменной FYLiPM равен 0,163, что соответствует терму «не успешная» с уровнем уверенности ^FyLiPM= 0,9. При установке критерия значимости уровня уверенности KrZ=0.05, полученное значение результатной переменной принимается.
Во второй реализации разработанной нечеткой модели (рис. 8) продемонстрирован вывод правил нечеткого вывода результатной лингвистической переменной «FYLiPM», когда все входящие переменные имеют принадлежность к «высоким» термам (REO - высокие результаты, R_NTD - наиболее соответствующие, уровень R_NIR - высокие результаты, уровень RIM - оптимальная загрузка, RO - эффективный, IGA - отличные). При этом результат переменной FYLiPM равен 0,852, что соответствует терму «успешная» с уровнем уверенности ^iTYLiPM = 0,6 (значение результатной переменной принимается).
Рис. 8. Вторая реализация правил нечеткого вывода функционирования
УЛПМ
В следующих реализациях нечеткой модели функционирования УЛПМ продемонстрирован вывод правил нечеткого вывода результатной лингвистической переменной «FYLiPM», показывающий прямую зависимость выходной переменной от значений REO и IGA (табл.3):
Таблица 3
Реализация правил нечеткого вывода функционирования УЛПМ в области информационной безопасности
Результаты "РУЬ1РЫ^0,508 терм
«оптимальное» уровень уверенности = 0,98.
БУиРМ =0,47 терм
«оптимальная» уровень уверенности = 0,8.
Реализация нечеткой модели
FYLiPM =0,195 терм «не
успешное» уровень уверенности ^¡pm = 0,75.
REO = 0.645 R_NTD = 0.827 R_NIR = 164 5 RIM = 0.608 RO = 0.664 GA = 0.1 FYLiPM = 0.1
1N К I N N к. } К
N I К К IA 1 А к
3IA к I N N к f \ К
4N к I IA N к f \ К
sN I I N N к f \ к
6N I I IA N к f \ к
'IA I I К К IA f i к
8IA I I IA N l k К
9N I I N к f \ К
IO|A I I N N к К
Заключение
1. Разработана модель функционирования учебно-лабораторных и производственных мощностей коллективного пользования на примере кластера в области информационной безопасности на основе теории нечетких множеств.
2. Предложенный подход позволяет проводить интегральный учет качественных факторов (результаты эксплуатации оборудования, результаты соблюдения условий нормативно-технической документации, результаты научно-исследовательской работы, результаты ремонта оборудования, результаты итоговой государственной аттестации обучающихся), учитывая их неопределенность. Устанавливая критерий значимости уровня уверенности, можно менять итоговые результаты в зависимости от группового уровня коллективного использования мощностей.
3. Экспериментально установлено, что применение данного подхода позволяет точно получить оценку функционирования УЛПМ, что доказывает состоятельность его применения при разработке комплексного подхода к совершенствованию организации и управления существующих учебно-лабораторных и производственных мощностей коллективного пользования кластеров в области информационной безопасности.
Библиографический список:
1. Долженко А.И. Нечеткие модели - эффективный инструментарий для анализа потребительского качества информационных систем: монография. - Ростов-на-Дону: РГЭУ (РИНХ), 2008.
2. Жилина Е.В. Нечеткие модели оценки успешности освоения дисциплины студентом //Управление экономическими системами: электронный журнал. - 2011. - (35) № 11. - № гос.рег.статьи: 0421100034. (дата публикации 30.11.2011). - Электронный ресурс: http://www.uecs.ru (режим доступа - открытый). - 0,8 п.л.
3. Жилина Е.В. Модели, методы и инструментальные средства оценки
потребительского качества тестовых систем в образовании: автореф. на соиск. уч. степ. канд. наук. Ростов-на-Дону: РГЭУ (РИНХ), 2012.
4. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. - М.: Физматлит, 2001. - 211 с.
5. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб.: БХВ-Петербург, 2005.
6. Моделирование и анализ организации и управления центром коллективного пользования / Д.П. Олишевский, Б.Ю. Сербиновский; Юж. федеральный ун-т. - Новочеркасск: ЮРГТУ (НПИ), 2009. - 135 с.
