CC BY
5DOI: 10.12731/2227-930X-2022-12-1-2-34-42 УДК 004.94
ОСОБЕННОСТИ СОЗДАНИЯ ИНФОРМАЦИОННОЙ БАЗЫ В ХОДЕ РАССМОТРЕНИЯ ТРАНСПОРТНОЙ СИСТЕМЫ
Львович Я.Е., Преображенский А.П., Преображенский Ю.П.
В статье рассматривается задача, связанная с проведением разработки обеспечения для информационной базы транспортных систем. Приведена иллюстрация достигнутых на основе предлагаемого подхода результатов.
Ключевые слова: система перевозок; структура; предприятие; управление
THE FEATURES OF CREATING AN INFORMATION BASE DURING CONSIDERATION OF THE TRANSPORT SYSTEM
Lvovich Ya. E., Preobrazhenskiy A.P., Preobrazhenskiy Yu.P.
The paper deals with the task associated with the development of software for the information base of transport systems. An illustration of the results achieved on the basis of the proposed approach is given.
Ключевые слова: transportation system; structure; enterprise; control
Введение
Транспортные системы для эффективного управления требуют комплексного использования информационно-телекоммуникационных технологий. Информационная база данных позволяет
осуществлять сбор необходимой информации. Ее можно рассматривать в качестве центральной компоненты корпоративных информационных систем [1, 2]. Цель работы состоит в рассмотрении особенностей информационной системы при управлении транспортными предприятиями.
Характеристики методики анализа данных
Проводился сбор данных с 2015 по 2020 год по данным транспортных предприятий одного из районов Воронежской области.
Исследования осуществлялись на основе метода анкетирования и интервьюирования. В сформированную информационную базу [3] данных исследований были включены 167 характеристик, связанных с транспортными средствами.
Когда проходила разработка алгоритмов и сбор данных, то применялся метод сплошной выборки [4]. В нем требовалось соблюдать требуемое число наблюдений. В таких случаях возникали возможности для того, чтобы получать статистическим образом достоверные результаты.
Требуемый объем по выборке будет рассчитываться таким образом: п = ? х а 2/Л2. (1)
В указанном выражении п - рассматривается в виде объема выборки, ^ - является стандартным отклонением, А - является доверительным интервалом, а - показывает значение среднеквадратичного отклонения.
Мы считали, что а2/^2 рассматривалось в виде К - коэффициента точности. То, какой будет уровень, делает выбор исследователь (табл. 1). Тогда нет необходимости в том, чтобы вести расчет по доверительному интервалу и среднеквадратичному отклонению. Основываясь на этой таблице, можно дать оценку по необходимому количеству наблюдений. При этом происходит учет требуемой точности по результатам исследований.
Тогда, анализируя те данные, которые показаны в табл. 1, можно увидеть, тот объем по выборке, который требуется для того, чтобы придти к случаям, когда точность будет высокой (К = 0,1)
при том, что уверенность достаточна, будет от 401 (при Р = 0,95) до 901 (при Р = 0,99) вариант.
Было проведено формирование информационной базы данных. В нее вошла информация относительно 412 транспортных средств с неисправностями (рассматривались в виде основной группы) и 392 транспортных средств, которые были исправны (рассматривались в виде контрольной группы).
С применением созданного программного продукта было сформировано 167 показателя.
Таблица 1.
Иллюстрация того, как может быть определен объем выборочной
совокупности с учетом коэффициента точности
Тип рассмотрения по точности Требуемая точность по работе (К) t = 2 Р = 0,95 t = 2,5 Р = 0,98 t = 3 Р = 0,99
Предварительное рассмотрение 0,5 0,4 0,3 17 26 45 26 40 70 37 37 101
Рассмотрение случая, когда точность высокая 0,199 100 156 226
Рассмотрение случая, когда точность повышенная 0,099 401 626 901
Для того, чтобы обеспечить поддержку по статистической обработке и моделированию важно обеспечивать представление всех данных на основе числового вида [5, 6]. Если есть данные в количественном виде, то при помощи лингвистического подхода будут преобразованы к численному виду.
Каким образом реализовать преобразование?
Относительно каждого из показателей реализуется процесс ранжирования относительно степеней значимости. Для чего требуется метод априорного ранжирования? Возникают возможности для того, чтобы достигать визуализацию по ранговой оценке, которая соотносится любым значением. В нем в ходе реализации методики будет требоваться привлечение экспертной информации [7, 8].
Прежде всего, когда собирается априорная информация эксперты (ш>7') должны осуществлять заполнение анкет. На их базе
требуется осуществлять оценку по п значениям показателя в зависимости от степени их влияния на наличие неисправностей.
Можно рассматривать ранги с точки зрения численных оценок по значениям показателей [9]. Если будет наблюдаться неравнозначность по значениям двух смежных пар значений по показателям, тогда будет реализовываться преобразование от лингвистических оценок к численным.
Происходит преобразование в 1 и 0 тех, сообщений, которые характеризуются двумя возможными вариантами («Да», «Нет»),
Что мы можем наблюдать, если по сообщениям будет наблюдаться более, чем два лингвистических значения Ь (I = 1,1; I > 3)? В ходе реализации предлагаемых алгоритмов можно применять метод экспертных оценок. Для него существуют особенности. Пусть экспертов будет N (N>2). Выбирая Ь мы получим выигрыш относительно Ь. - 1 (г = 2, /)?» Лингвистическая переменная будет следующей: у. < сообщение Ь . выигрывает в сравнении с Ь . - 1 > (г = 2,1). Термы в ходе моделирования будут такими:
Т V =
сильно существенно несколько . (2) немного мало
Значения термов, когда проводится их применение, соотносится с числом от 1 до 5, чтобы был переход к численному виду.
Тогда рассматривая пары Ь Ь. - 1 (г = 2,1), будут создаваться N значений переменной у (уу, г = 2 ,1, ] = 1, Чтобы дать оценку по обобщенному значению, требуется применять формулу
N
£ Чу
7=1
(3)
Чтобы рассмотреть численную оценку, необходимо опираться на выражение:
И = 2 У /, ( = 1,1). (4)
] =1
Результаты
Было проведено рассмотрение того, каким будет осуществляться оценка [10] по показателю, который иллюстрирует то, как принадлежит транспортное предприятие к одной из групп. Для указанного показателя может быть 5 соответствующих значений: «общественный транспорт», «служебный транспорт», «грузовой транспорт», «легковые автомобили», «рельсовый транспорт».
Использовалась 5-бальная шкала, чтобы осуществлять ведение оценок. Эксперты провели формирование матрицы весовых коэффициентов.
Нормальный виду был использован для того, чтобы составлять матрицу ранжирования. Это было связано с тем, что по каким-то из значений в показателях указывались одинаковые веса экспертом (табл. 2). Должно соблюдаться условие того, чтобы для любого столбца суммарно получалось значение К*(К+1)/2. В указанном выражении К =5.
Таблица 2.
Иллюстрация матрицы ранжирования
Значение показателя Экспертные оценки Суммирование по рангам
1 2 3 4 5 6 7 8
1. Общественный транспорт 3 2 1,5 2 1 2 2 1,5 15
2. Служебный транспорт 2 1 1,5 1 2 1 1 1,5 11
3. Грузовой транспорт 1 4 3 3 3 3,5 4 3,5 25
4. Легковые автомобили 4 3 4 5 5 3,5 3 3,5 31
5. Рельсовый транспорт 5 5 4 5 4 5 5 5 38
Расчеты продемонстрировали Ж = 0,75, х2расч = 24,00. Гипотеза, показывающая то, что эксперты согласованы, была принята. Это вытекает из того, что Х2рас^ превышает критическое, если V = 4 при том, что уровень значимости равен q = 5% (х2та6ш = 11,07).
1) «Служебный транспорт»;
2) «Общественный транспорт»;
3) «Грузовой транспорт»;
4) «Легковые автомобили»;
5) «Рельсовый транспорт».
По показателям велось осуществление численных оценок. Тогда требовалось лингвистические значения показателей рассматривать попарным способом. Применялись экспертные оценки. Иллюстрация результатов дана в табл. 3.
Таблица 3.
Результаты попарного сравнения
Номера сравниваемых значений Оценки восьми экспертов Среднее значение
1 2 3 4 5 6 7 8
1-2 2 3 3 2 3 3 2 2 2,500
2-3 1 2 2 1 1 2 1 2 1,500
3-4 1 3 1 2 2 2 2 3 2,000
4-5 2 3 2 3 2 3 2 3 2,500
Используя выражения (3), (4) были достигнуты по лингвистическим значениям показателей численные оценки (табл. 4).
Таблица 4.
Иллюстрация численных оценок по показателям
Иллюстрация лингвистического Оценка Иллюстрация
значения показателей показателей нормированной оценки
«Служебный транспорт» 8,600 1,0000
«Общественный транспорт» 6,000 0,6961
«Грузовой транспорт» 4,600 0,5301
«Легковые автомобили» 2,600 0,3002
«Рельсовый транспорт» 0 0
Выводы
Таким образом, в работе даны предложения по методике обработки данных по транспортным системам внутри информационной базы. Приведены результаты, иллюстрирующие работоспособность методики.
Информация о конфликте интересов. Авторы заявляют об отсутствии конфликта интересов.
Информация о спонсорстве. Исследование не имело спонсорской поддержки.
Список литературы
1. Преображенский Ю.П., Чопоров О.Н., Ружицкий Е. Характеристисти-ки проектов при реализации автоматизированных систем // Вестник Воронежского института высоких технологий. 2021. N° 1 (36). С. 43-46.
2. Преображенский Ю.П., Чопоров О.Н., Ружицкий Е. Об истории развития автоматизированных систем, связанных с управлением // Вестник Воронежского института высоких технологий. 2021. № 2 (37). С. 75-78.
3. Преображенский Ю.П., Чопоров О.Н., Ружицкий Е. Особенности информационного обеспечения службы качества компании // Вестник Воронежского института высоких технологий. 2021. № 3 (38). С. 67-71.
4. Преображенский Ю.П., Чопоров О.Н., Ружицкий Е. Проблемы работы с проектами при формировании бизнес-центров // Вестник Воронежского института высоких технологий. 2021. № 1 (36). С. 107-109.
5. Берман Н.Д., Белов А.М. Общественный транспорт и инновации // International Journal of Advanced Studies. 2019. Т. 9. № 2. С. 7-13.
6. Шакиров А.А., Зарипова Р.С. Особенности моделирования логистических систем // International Journal of Advanced Studies. 2019. Т. 9. № 4. С. 27-31.
7. Сапожникова С.М. Корпоративное управление в железнодорожном транспорте // International Journal of Advanced Studies. 2019. Т. 9. № 4. С. 19-42.
8. Грошев А.Г., Фролов В.Н., Федорков Е.Д. Построение онтологических моделей систем автоматизированного проектирования // Вестник Воронежского института высоких технологий. 2020. № 4 (35). С. 52-56.
9. Львович Э.М., Холодков А.М. Проблемы передачи информации в автоматизированных системах управления // Вестник Воронежского института высоких технологий. 2020. № 3 (34). С. 30-33.
10. Львович Я.Е., Львович И.Я., Львович Э.М. Проблемы обработки цифровых сигналов в системах передачи информации // Вестник Воронежского института высоких технологий. 2020. № 3 (34). С. 27-29.
References
1. Preobrazhenskij Yu.P., CHoporov O.N., Ruzhickij E. Harakterististiki proektov pri realizacii avtomatizirovannyh sistem // Vestnik Vorone-zhskogo instituta vysokih tekhnologij. 2021. № 1 (36). S. 43-46.
2. Preobrazhenskij Yu.P., CHoporov O.N., Ruzhickij E. Ob istorii razvi-tiya avtomatizirovannyh sistem, svyazannyh s upravleniem // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2021. № 2 (37). S. 75-78.
3. Preobrazhenskij Yu.P., CHoporov O.N., Ruzhickij E. Osobennosti in-formacionnogo obespecheniya sluzhby kachestva kompanii // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2021. N° 3 (38). S. 67-71.
4. Preobrazhenskij Yu.P., CHoporov O.N., Ruzhickij E. Problemy raboty s proektami pri formirovanii biznes-centrov // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2021. № 1 (36). S. 107-109.
5. Berman N.D., Belov A.M. Obshchestvennyj transport i innovacii // International Journal of Advanced Studies. 2019. T. 9. № 2. S. 7-13.
6. Shakirov A.A., Zaripova R.S. Osobennosti modelirovaniya logistich-eskih sistem // International Journal of Advanced Studies. 2019. T. 9. № 4. S. 27-31.
7. Sapozhnikova S.M. Korporativnoe upravlenie v zheleznodorozhnom transporte // International Journal of Advanced Studies. 2019. T. 9. № 4. S. 19-42.
8. Groshev A.G., Frolov V.N., Fedorkov E.D. Postroenie ontologicheskih modelej sistem avtomatizirovannogo proektirovaniya // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2020. № 4 (35). S. 52-56.
9. L'vovich E.M., Holodkov A.M. Problemy peredachi informacii v avtomatizirovannyh sistemah upravleniya // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2020. № 3 (34). S. 30-33.
10. L'vovich Ya.E., L'vovich I.YA., L'vovich E.M. Problemy obrabotki cifrovyh signalov v sistemah peredachi informacii // Vestnik Voronezhskogo instituta vysokih tekhnologij. 2020. № 3 (34). S. 27-29.
ДАННЫЕ ОБ АВТОРАХ
Львович Яков Евсеевич, профессор, доктор технических наук, профессор
Федеральное государственное образовательное учреждение высшего образования Воронежский государственный технический университет
ул. 20 лет Октября, 84, г. Воронеж, 394006, Россия Komkovvivt@yandex.ru
Преображенский Андрей Петрович, профессор, доктор технических наук, доцент
Автономная некоммерческая образовательная организация высшего образования Воронежский институт высоких технологий ул. Ленина, 73а, г. Воронеж, 394043, Россия Komkovvivt@yandex.ru
Преображенский Юрий Петрович, профессор, кандидат технических наук, доцент
Автономная некоммерческая образовательная организация высшего образования Воронежский институт высоких технологий
ул. Ленина, 73а, г. Воронеж, 394043, Россия Komkovvivt@yandex.ru
DATA ABOUT THE AUTHORS Lvovich Yakov Yevseevich, Professor, doctor of technical Sciences, Professor
Voronezh State Technical University
84, 20 years of October Str., Voronezh, 394006, Russia
Komkovvivt@yandex.ru
ORCID: 0000-0002-7051-3763
Preobrazhenskiy Andrey Petrovich, professor, doctor of technical sciences, associate professor
Voronezh Institute of High Technologies 73a, Lenin Str., Voronezh, 394043, Russia Komkovvivt@yandex.ru ORCID: 0000-0002-6911-8053
Preobrazhenskiy Yuriy Petrovich, professor, candidate of technical sciences, associate professor Voronezh Institute of High Technologies 73a, Lenin Str., Voronezh, 394043, Russia Komkovvivt@yandex.ru
