CC BY
12
Метод постепенного увеличения скорости работы. Суть метода в постепенном увеличении скорости приема на слух текстов на 1-2 группы больше исходной. Перед работой в течение 5-7 минут передаются символы с многократным повторением на скорости 1 -2 группы больше исходной. Дальнейшая работа осуществляется сразу после такого прослушивания на исходной скорости.
Метод скачкообразного увеличения скорости приема на слух. Суть метода заключается в резком переходе от приема на исходной скорости, к приему на скорости 1-2 группы быстрее с достижением требуемого качества приема. Метод рекомендовано применять в часы самостоятельной подготовки и часы дополнительных занятий.
Метод контраста скорости приема на слух. Заключается в том, что подача текста начинается с исходной скорости, через несколько минут скорость увеличивается на 2-3 группы, и на этапе завершения работы снижается в среднее значение по сравнению с двумя ранее указанными скоростями.
В процессе наращивания скорости целесообразно проводить контрольные работы на более высоких скоростях и оценивать количество ошибок. При некачественном приеме необходимо временно прекратить увеличение скорости, и проводить тренировки на уже достигнутых скоростях. Также рекомендовано проводить тренировки памяти. Тренировки заключаются в следующем: преподаватель передает 1-2 символа, а обучаемые, принимая их на слух, не записывая их на бумаге. Через небольшой интервал времени поступает команда на запись принятых символов, и далее операция повторяется. В конце тренировки проверяются и оцениваются результаты.
Наиболее частыми ошибками, влияющими на скорость приема на слух, являются: отставание в скорости записи; боязнь пропуска символов и попытка их восстановления в памяти; несоблюдение правил записи символов. Устранение таких ошибок достигается проведением индивидуальных работ, проведением первенств и создания мотивации в обучении.
Процесс наращивания скорости приема на слух является трудоемким, однако период времени, за который этот навык приобретается, варьируется в зависимости от индивидуального желания обучаемого и его мотивации.
Список использованной литературы:
1. Алексеев, М.П. Методика подготовки радиотелеграфистов: Уч. пособие М.П. Алексеев, Е.И. Григорьев, А.А. Лебедков, - ДОСААФ, 1981.-127 с.
2. Николаенко, В.Н., Кутузов Т.Н. Подготовка радиотелеграфистов. - Томск: 2014. - 181-195 с.
© Кулакин А.А., 2021
УДК 004.42
Мерзлякова Е.Ю.
к. т. н, доцент ФГБ ВО СибГУТИ, г. Новосибирск, РФ, Елтышев Ю.В.
ведущий инженер - конструктор ООО НПФ Гранч,
г. Новосибирск, РФ, Никитин Г.И.
аспирант Института Систем Информатики СО РАН,
г. Новосибирск, РФ
ПОСТРОЕНИЕ ЧЕТЫРЕХСЛОЙНОЙ МОДЕЛИ НА ТРАЕКТОРИИ ПРОХОЖДЕНИЯ НАУКОЕМКИХ ПРОЕКТОВ В НЕФОРМАЛИЗОВАННОЙ ЗОНЕ
Аннотация
Данная статья посвящена рассмотрению наиболее часто встречающиеся последовательности
выполнения наукоёмких проектов в области машиностроения и приборостроения в рамках малых предприятий. Рассмотрены причины сложившихся ограничений, влияющих на качество выполнения сложных проектов. Предложена модель формализации области информационного преобразования исходных данных наукоёмких проектов, оказывающей существенное влияние на ожидаемые результаты.
Ключевые слова
CALS, ТРИЗ, цифровой двойник, предсказательная модель.
Merzlyakova C. Y.
Ph.D., Assoc., FSBE IHE SibSUTI, Novosibirsk, Russian Federation, Eltyshev Y.V. leading engineer - constructor OOO NPF Grant, Novosibirsk, Russian Federation, Nikitin G. I.
Post-graduate st. of the Institute of Computer Science Systems SB RAS Novosibirsk, Russian Federation.
BUILDING A FOUR-LAYER MODEL ON THE TRAJECTORY OF HIGH-TECH PROJECTS
IN AN INFORMAL ZONE
Abstract
This article is devoted to the most common sequence of high-tech projects in the field of mechanical engineering and instrument making in small businesses. The reasons for the existing restrictions affecting the quality of complex projects are considered.
A model is proposed for formalizing the field of information transformation of the initial data of science-intensive projects that has a significant impact on the expected results.
Keywords
CALS, TRIZ, digital double, predictive model.
Современный уровень возможностей CAD технологий, применяемых при разработке наукоёмких технических объектов, переходящий на уровень информационного моделирования с элементами искусственного интеллекта не является гарантом обеспечения требований CALS технологий. Причина заключается в том, что между этапами создания технических объектов в первоначальной стадии обнаруживается неформализованная область. Именно в ней формируются числовые значения входных параметров технического объекта, которые должны обеспечить заданное качество или выходные технологические параметры завершённого проекта. В качестве инструмента формализации выявленной области рассматривается вариант разработки блок-схемы, которая сформирует основные положения для последующей разработки интерфейса для пользователей CAD и CAE технологий.
Высокотехнологичные и наукоемкие проекты требуют соответствующие технологии проведения аналитических исследований и моделирования, как самих технических объектов, так и процессов, проходящих на базе этих объектов [1]. Но во временной последовательности зарождения и обоснования моделей процессов и элементов технических объектов скрывается парадокс, который в разной степени отражается на конечном результате завершенного проекта. Он заключается в том, что количественные
~ 34 ~
параметры проектируемого технического объекта определяются не в начальной стадии проектирования, а внутри этого процесса. Современные технологии CAD, CAE строятся на итерационных переходах, началом для которых служат модели, построенные на предположениях [2].
Главным отличием высокотехнологичных и наукоемких продуктов является то, что методических пособий и справочных материалов для проведения аналитических исследований в явном виде на момент начала выполнения проекта еще нет.
Инженерный софт, используемый для выполнения начальных стадий проектирования [3], предполагает, что геометрические размеры элементов конструкции и свойства материалов или вещества, применяемых в конструкции, уже известны. При отсутствии этих данных запускается итерационный процесс CAD - CAE - CAD, ( рис. 1) который может определить насколько начальная модель конструкции не соответствовала предъявляемым требованиям [4].
Рисунок 1 - Алгоритм итерационных переходов виртуальных испытаний элементов технической системы.
Если на каждой стадии создания наукоемкого продукта полностью подготавливаются необходимые данные для выполнения следующей стадии, то этим обеспечивается непрерывность прохождения информационного преобразования и возможность отслеживания связи входных и выходных данных проекта.
При исследовании традиционных границ, или зон влияния начальных стадий рождения проектной основы были выявлены области далекие от взаимного проникновения. На примере поиска решений изобретательского уровня с помощью ТРИЗ технологий [5,6] неформализованная зона располагается в определенном месте (рис. 2).
Основные моменты решённой задачи на уровне ТРИЗ представляются как очевидные, не требующие доказательств на физико-математическом уровне. Это и определяет передний план, или начало, неформализованной зоны, в которой необходимо с помощью разрабатываемого интерфейса восстановить влияние CALS технологий.
Для заданного уровня сложности создания технических объектов рекомендовано использование CALS технологий [7]. В начальной стадии создания проекта, как и по всей его линии жизни, эти технологии обеспечивают связь исходного информационного, цифрового поля данных с выходными параметрами объекта, которые либо заданы субъектом, либо декларированы для открытого рынка. Убедительным является утверждение, что успех на рынке сложной технологической продукции будет немыслим вне технологии CALS [8].
Для выполнения необходимых условий связи исходного информационного поля данных с выходными параметрами создаваемого технического объекта предлагается задействовать локальные фрагменты математических моделей или предсказательные модели, привязанные к отличительным признакам создаваемого технического объекта.
Рисунок 2 - Блок - схема преобразования информации от зарождения основы проекта до выхода документации
Причинность появления отличительных признаков в техническом объекте обусловлена необходимостью достижения декларированных выходных параметров или матрицы целевых показателей (рис.3).
Логический коридор выделения отличительных признаков наукоемкого проекта построен на двух формализованных платформах. Первая из них выводит общую группу признаков, на которых выстраивается новый проект. Эта группа необходимых и достаточных признаков обоснована необходимостью реализовать новое качество базового технического объекта. Второй платформой, выполняющей роль фильтра, является выделение отличительных признаков технического устройства на базе данных в открытых реестрах изобретений.
моделен.
Рисунок 3 - Обобщенная блок - схема прохождения через неформализованную зону.
Присвоение параметрам признаков числовых значений позволит перевести конструктивные единицы проекта в область малых аналитических исследований с применением фрагментов математических моделей или предсказательных моделей. В неформализованной зоне должно происходить информационное насыщение входных данных для проектирования технического объекта, которое сопровождается связностью с носителями информации, т. е. отличительными признаками. Таким образом, к конструктивным единицам проекта, выраженным семантически, присоединяются дискрептивные множества входных данных.
В основе преобразования информации лежит использование мультицисциплинарных математических моделей с определенным уровнем адекватности реальным материалам, конструкциям и физикомеханическим процессам.
Идеальным заполнением неформализованной зоны была бы полная математическая модель исследуемого технического объекта заданная на стадии НИР. Если математическая модель основных процессов, для выполнения которых технический объект создается, включая обслуживающие линии, разработана, то, решая обратные задачи на основе заданных выходных параметров объекта, можно определить значения входных исходных параметров до начала проектирования.
При создании высокотехнологичных и наукоемких технических объектов разработка математических моделей основных процессов, связанных с выходными параметрами, потребует подключения подготовленных специалистов в области математического моделирования [9].
Расширение возможности применения CALS технологий в направлении зарождения основы проекта даст возможность развитию проекта с заданной ориентацией на выходные параметры разрабатываемой технической системы тем кадровым ресурсом, которым многие организации сегодня располагают. В большинстве таких организаций математики, ориентированные на создание математических моделей сложных технологических процессов, отсутствуют.
Для разработки локальных фрагментов математических моделей достаточно навыков специалистов, работающих в области CAE технологий. Наработанные приемы при построении расчетных схем, которые являются основой решения поставленных задач, являются достаточными для решения задач расширенной системы CALS технологий.
Четырехслойная модель или тетраапроксимация траектории продвижения проекта (рис.4) внутри неформализованной зоны позволяет отразить основные или определяющие пути накопления, преобразования и отсеивания информации привязанной к отличительным признакам технической системы в виде графического отражения уровней. На каждом уровне последовательно по заданным алгоритмам производится работа с информацией представленной в виде дискрептивных множеств числовых значений данных характеризующих параметры воздействия и отклика на предсказательных моделях.
У каждого отличительного признака может быть несколько параметров, представленных ограниченным множеством числовых значений, но не все параметры оказывают влияние на матрицу целевых показателей.
Пороги влияния параметров служат фильтром для выделения параметров с явными откликами, необходимых для создания предсказательных математических моделей.
В пределах каждого отдельного слоя производится однотипная работа с множествами.
На первом слое модели определяются переменные значения характеристик отличительных признаков, например a,; b,; cd, и т. д.. Затем задаются начальные и граничные условия возможного варьирования данных характеристик и шаг их дискретности. Таким образом, формируются дискрептивные множества аргументов неизвестных пока функций для начала прохода через неформализованную зону на третьем слое модели.
По каждому аргументу имеется два множества. Второе из них является частью матрицы целевых показателей. Предполагается наличие неизвестной функции сопоставляющей, например, каждому a, е {a}, определенное yi е {y} A, y, е A.
Рисунок 4 - Четырехслойная модель неформализованной зоны
Неизвестные функции в данном случае есть локальные фрагменты математических моделей, которые связывают дискрептивные множества аргументов с декларированными выходными параметрами, которым так же присваиваются числовые значения, например А, В, С и В. Если фрагменты математических моделей или предсказательных моделей представить как Ыn, где п - положительные целые числа, то отношения характеристик отличительных признаков к выходным параметрам можно выразить так:
(У а, е{а})(3у, еАЫи (УЪ е{Ь})(3*еВ)Ы2;
(Усг £ {с}) (Здг £ С)Ы3; (Уёг £{ё})(3&£В)Ы4-
При решении задач о восстановлении функций, которые являются фрагментами математических моделей необходимо производить конструирование предсказательных моделей, которые используются для прогнозирования значений отклика функций или поведения части конструкции изделия без
проведения более полных экспериментов или численных расчетов.
Предсказательные модели являются расчетными схемами, отражающими разнородные взаимодействия участвующих в процессе физических объектов. Если в реальной расчетной схеме искомый параметр зависит от очень большого числа переменных, подлежащих определению, то предсказательная модель зависит от небольшого числа параметров, но дает удовлетворительные значения для искомого параметра.
Аналогично восстанавливаемая функция F(х) должна зависеть от небольшого числа параметров, но давать при этом в исследуемых границах значения достаточно близкие к действительным. Предполагается, что в исследуемых границах можно найти F(х) достаточно близкую к F(х) и фактически мы
восстанавливаем функцию F (х ).
Работа с инженерным софтом, в том числе и тяжелым софтвером, который используют инженеры-конструкторы в области машиностроения и приборостроения, начинается с выполнения эскизов первых деталей проекта. Это является традиционной границей первоначальных инструментов работы над проектом. По какой-то причине разработчики современного инженерного софта не переходят эту границу и не предлагают пользователям инженерное пространство в предпроектной зоне.
Разрабатываемый алгоритм, а в дальнейшем интерфейс, позволит расширить границы инженерного пространства и приблизить его к начальной области создания наукоемкого технического решения. Таким образом найденные «красивые» решения, например с помощью технологии ТРИЗ, в основы которых заложен принцип идеальности системы, не потеряют в процессе жизненного цикла на стадии проектирования своей ценности и воплотятся в техническом объекте.
Список использованной литературы:
1. Боровков А.И., Рябов Ю.А., Марусева В.М. «Умные» цифровые двойники - основа парадигмы цифрового проектирования и моделирования глобально конкурентоспособной продукции нового поколения [Электронный ресурс] URL: http://fea.ru/news/6722 (дата обращения 04.04.2019).
2. Павлевич А.Л., Староверов Н.Н., Хитрых Д.П. Эффективная платформа прикладных исследований и всестороннего численного моделирования на основе решений ANSYS // CADFEM Review. - 2017. - № 04.
3. Кудрявцев Е.М. Основы автоматизированного проектирования //Академия, -304с., -2011.
4. Боровков А.И., Рябов Ю.А., Марусева В.М. Новая парадигма цифрового проектирования и моделирования глобально конкурентоспособной продукции нового поколения [Электронный ресурс] URL: http://fea.ru/news/6721 (дата обращения 15.03.2019).
5. Альтшуллер Г.С. Найти идею: Введение в ТРИЗ - теорию решения изобретательских задач / Генрих Альтшуллер. - 5-е изд. - М.: Альпина Паблишер, 2012.
6. Кузьмин К.И. Модель уровней проблемных ситуаций и изобретательских задач // Наука и образование в жизни современного общества: Сборник. Часть 6. - Тамбов: ООО «Консалтинговая компания Юком», 2016. С.65-66.
7. Соломенцев Ю.М., Митрофанов В.Г., Павлов В.В., Рыбаков А.В. Информационно-вычислительные системы в машиностроении CALS-технологии М.: Наука, 2003. 292 с.
8. Пестрецов С.И. CALS-технологии в машиностроении: основы работы в CAD/CAE-системах: учебное пособие / Тамбов: ГОУ ВПО ТГТУ, 2010. 104 с.
9. Гимади Э.Х., Глебов Н.И. Математические модели и методы принятия решений. Учебное пособие // Новосиб. гос. Ун-т. Новосибирск, 2008. 163 с.
10. Боровков А.И., Бурдаков С.Ф., Клявин О.И., Мельникова М.П., Пальмов В.А., Силина Е.Н. Современное инженерное образование // СПб.: Политехн. ун-т, 2012. 80 с.
© Мерзлякова Е.Ю., Елтышев Ю.В., Никитин Г.И., 2021
~ 39 ~
