CC BY
18
© B.C. Великанов, A.A. Шабанов, 2012
В.С. Великанов, А.А. Шабанов
ОЦЕНКА ПРОФЕССИОНАЛЬНОЙ КОМПЕТЕНТНОСТИ ОПЕРАТОРОВГОРНО-ТРАНСПОРТНЫХ МАШИН В УСЛОВИЯХ НЕЧЕТКОЙ ИНФОРМАЦИИ
Представлен один из подходов по оценке операторской деятельности на основе использования теории нечётких множеств и нечёткой логики. Практическая реализация алгоритмов нечеткой модели осуществлялась для определения уровня профессиональной компетентности машинистов карьерных экскаваторов.
Ключевые слова: нечёткое множество, лингвистическая переменная, коэффициент эффективности, экспертные оценки.
Современный уровень развития промышленности предъявляет высокие требования к квалификации обслуживающего персонала, по использованию новых продуктов, уникальных инновационных технологий, современного высокотехнологичного оборудования, а также компьютеризации многих производственных процессов. Поэтому проблема оптимального подбора кадров является актуальной для любого предприятия.
Характерными особенностями данной проблемы являются субъективность и неопределенность. Субъективность выражается в том, что оценку и подбор персонала производят люди со своими симпатиями и предпочтениями, которые иногда могут идти вразрез с целями самого предприятия. Неопределённость проявляется в неточных формулировках требований типа «уверенное управление», «опытный машинист», «умение работать в команде», допускающими трактовку в очень широких пределах[1, 2, 3].
Для оценки профессиональной компетентности машинистов карьерных экскаваторов нами в монографии «Реализация подходов по совершенствованию эргономических показателей карьерных экскаваторов» разработана методика и предложен коэффициент эффективности деятельности (кэф), характеризующий уровень теоретических знаний и профессиональных навыков машиниста:
k, = Х кЭфф + Х кф,
эф тз эф пн эф '
где X тз — весомость группы показателей «теоретические знания»; коэффициент эффективности по группе показателей «теоретические знания»; X пн — весомость группы показателей
«практические навыки»; к^Н — коэффициент эффективности
по группе показателей «практические навыки» [4].
Классификация по группам основных показателей, определяющих эффективность функционирования машиниста, представлена в табл. 1.
Таблица 1
Группа Ключевые индикаторы
Пракгиче Теоретические знания ские навыки Устройство и технические характеристики обслуживаемого экскаватора. Принцип работы механического, гидравлического и электрического оборудования экскаватора. Рациональные режимы работы экскаватора и приемы черпания; приемы управления механизмами экскаватора при разработке тяжелых и легких грунтов. Правила разработки горной массы и грунта на поверхности. Способы разработки забоя. Основные сведения о ведении открытых горных работ и горно-геологическая характеристика участка. Признаки оползневых явлений. Физико-механические свойства разрабатываемых пород и отличие полезных ископаемых от породы. Разработка и ведение линии забоя, методы применения различных способов экскавации в зависимости от системы и условий разработки. Правила погрузки горной массы и грунта в железнодорожные составы, думпкары, автомашины и в люки бункеров у конвейерных линий. Причины возникновения неисправностей в работе экскаватора и способы их устранения. Виды ремонта, монтажа и демонтажа экскаватора; конструкции быстроизнашивающихся деталей и узлов экскаватора и порядок их замены. Разработка горной массы и грунта. Перемещение топлива и различных материалов на складах, на транспортные средства, в отвал. Планировка забоя, верхней и нижней площадок уступа. Перемещение экскаватора в процессе работы.
Окочание табл. 1
Группа
Ключевые индикаторы
к
а р
П
Обеспечение технически правильной разработки забоя и эффективного использования экскаватора. Послойное разрабатывание грунта. Обеспечение выемки горной массы по сортам.
Погрузка полезного ископаемого и породы в железнодорожные составы, думпкары. Производство селективной разработки забоя. Профилирование трассы экскаватора. Погрузка полезного ископаемого и породы в автомашины Очистка ковша от налипшего грунта.
Профилактический осмотр и участие в ремонте экскаватора.
Укладка породы в выработанном пространстве и на отвале.
Таблица 2
Балльная оценка ключевых индикаторов
Балл
Интерпретация
0 1
2
3
Оценивается вид деятельности, качество которого не проявляется Оценивается вид деятельности, качество которого проявляется удовлетворительно
Оценивается вид деятельности, качество которого проявляется на достаточно хорошем уровне
Оценивается вид деятельности, качество которого проявляется на высоком уровне_
Таблица 3
Значения кэф для принятия решения
Значение
кэф< 0,35
0,35 <кэф< 0, 55 0,55 < кэф< 0, 75 0,75 < кэф< 0, 9 кэф>0, 9
Интерпретация
недопустимый уровень профессиональной компетентности (несоответствие)
критический уровень профессиональной компетентности
допустимый уровень
оптимальный уровень
идеальный уровень (полное соответствие)
Ранжирование машинистов экскаваторов произведено методом экспертных оценок, позволяющим составить суждение об отдельных показателях, а также охарактеризовать отдельного машиниста экскаватора одной обобщенной оценкой табл. 2, 3.
Учитывая, что многие из показателей, характеризующих уровень профессиональной компетентности машинистов карь-
ерных экскаваторов и подлежащих экспертному описанию, могут быть отнесены к слабоформализуемым, нам представляется целесообразным применить математический аппарат теории нечётких множеств для количественной обработки информации, получаемой в виде нечисловых вербальных оценок. Впервые такой подход был предложен американским математиком Ё. Заде в 1965 г. и предназначался для формализации неточных понятий, анализа и моделирования систем, в которых участвует человек. Это привело к появлению математического аппарата для разработки моделей на основе нечеткой логики, отличительной особенностью которых является возможность формализовать и преобразовывать количественно нечеткие (качественные) понятия, которыми оперируют эксперт при описании своих представлений о реальной системе, своих пожеланий, рекомендаций, целей управления.
Нечеткие модели имеют ряд особенностей по сравнению с традиционными, наиболее существенными из них являются:
• нечеткие модели являются более гибкими, поскольку в большей степени позволяют учитывать опыт и интуицию специалиста в определенной области;
• нечеткие модели управления и распознавания сложных систем являются более адекватными моделируемой реальности и позволяют получать решение, по точности соотносимое с исходными данными;
• нечеткие модели в ряде случаев требуют меньше времени для получения результата;
• нечеткие модели позволяют увеличить скорость обработки качественной информации при использовании относительно несложных специализированных устройств;
• нечеткие модели создаются в тех случаях, когда построение четких невозможно или затруднительно.
Нечеткий подход к моделированию систем управления, оценки и распознавания имеет следующие отличительные черты [5]:
• в нем используются, так называемые, «лингвистические» переменные, вместо числовых переменных или в дополнение к ним;
• простые отношения между переменными описываются с помощью нечетких высказываний;
• сложные отношения описываются нечеткими алгоритмами.
Отметим, что важнейшей особенностью жизнеспособности
любой теоретической концепции является ее реализация и под-
держка в соответствующих программных продуктах. В настоящее время активно формируется мировой рынок коммерческих программных продуктов для работы с нечеткой логикой. На нем представлено более 100 пакетов прикладных программ, которые в той или иной мере используют нечеткую логику. Лидерами в данной области являются несколько компаний-разработчиков программного обеспечения. Их инструментальные средства ориентированы на применение нечеткой логики в максимальном количестве областей и приложений. Это пакет CubiCalc фирмы Hyper Logic, FuzzyTECH (Inform Software), FIDE (Ap-tronix), пакеты расширения к MatLab: Fuzzy Logic Toolbox (поставляется с MatLab) и FlexTool for MATLAB компании Cynap Sys, а также пакет JFS (разработчик Ян Мортенсен) и другие [6].
Среди рассмотренных пакетов наибольшей универсальностью обладают FuzzyTECH и расширение Fuzzy Logic Toolbox for MatLab.Пакет Fuzzy Logic Toolbox for MatLab обладает более широкими возможностями по сравнению с FuzzyTECH для аппроксимации нелинейных зависимостей адаптивными нечеткими моделями. Важным плюсом является тот факт, что математическая среда MatLab популярна в СНГ и имеется достаточное количество документации и информационных источников по ее применению.
В настоящей работе для компьютерной реализации математических моделей с элементами нечеткой логики использо-ванорасширение Fuzzy Logic Toolbox for MatLab.
Нечеткая модель содержит две входных лингвистические переменные (теоретические знания и практические навыки машиниста), базу логических правил управления и одну выходную лингвистическую переменную — коэффициент эффективности деятельности (рис. 1).
Логические правила сводятся в единую базу, которая представляет собой множество отдельных правил управления, согласованных относительно используемых в них лингвистических переменных, соответствующим показателя в форме структурированного текста:
Правило_1(Щ: если «условие_1», то «заключение_1>{Р1)
.... (1) Правило_п(ЯП):если «условие_п», то « заключение_п» (Fn) В данном примере база содержит правила, представленные на рис. 2.
Pж. 1. Вна функцнй пр^^а^^жн^^^^ áxoa^é nepe^e^^o^ «weope-тнчecкнe знання»
Prn. 2. База лoгнчecкнx пpавнл
Рис. 3. Вид функций принадлежности выходной переменной «коэффициент эффективностидеятельности машиниста экскаватора»
Рис. 4. Графическое выражение
Таким образом, применение математического аппарата теории нечётких множеств для количественной оценки вербальной экспертной информации позволит получить оценку профессиональной деятельности операторов горных машин и комплексов с достаточно высокой степенью достоверности.
1. Карякин A.M., Аксиненко С. П. Методика оценки успешности профессиональной деятельности персонала атомных станций //Известия высших учебных заведений. Серия: Экономика, финансы и управление производст-вом,2011. — № 7. — С. 50—60.
2. Аксиненко С. П. Организационно-методические аспекты управления успешностью профессиональной деятельности персонала в атомной энергетике// Ядерная и радиационная безопасность, 2012. — № 1(63). - С.18—21.
3. Скороход С.Б. Отбор персонала в условиях нечеткой информации на основе экспертных оценок // Известия Южного федерального университета. Серия: Технические науки, 2008. — № 9 (том 86). — С. 125—130.
4. Беликанов Б. С. Реализация подходов по совершенствованию эргономических показателей карьерных экскаваторов: монография. — Магнитогорск: Изд-во Магнитогорск.гос. техн. ун-та им. Г.И. Носова, 2011. — 85 с.
5. Леоненков А.Б. Нечеткое моделирование в среде MATLAB и fuzzyTECH. — СПб.: БХВ-Петербург, 2005. — 736 с.
6. Шабанов A.A., Беликанов Б.С., Савельев Б.И. Новые подходы в определении эргономичности карьерных экскаваторов // Технологическое оборудование для горной и нефтегазовой промышленности: Сб. науч. тр. — Екатеринбург: «УГГУ» 2012. — С. 27—32. ЕЕШ
КОРОТКО ОБ АВТОРАХ -
Великанов B.C. — кандидат технических наук, доцент кафедры горных машин и транспортно — технологических комплексов, Магнитогорский государственный технический университет им. Г.И. Носова, rizhik_00@mail.ru, Шабанов A.A. — аспирант, Магнитогорский государственный технический университет им. Г.И. Носова, goldberg1@pochta.ru.
СПИСОК ЛИТЕРАТУРЫ
