CC BY
16
УДК 004.94
И.В. Вешнева, Л.А. Мельников, Р.А. Сингатулин
РАЗРАБОТКА ИНФОРМАЦИОННО ИЗМЕРИТЕЛЬНЫХ СИСТЕМ ДЛЯ КОМПЛЕКСОВ ДИСТАНЦИОННОГО ОБУЧЕНИЯ С ОБРАТНОЙ СВЯЗЬЮ НА ОСНОВЕ ФОТОГРАММЕТРИЧЕСКИХ МЕТОДОВ И СТАТУСНЫХ ФУНКЦИЙ. ЧАСТЬ 1
Приведены особенности построения комплекса реализации обратной связи в системе оператор - среда - машина. Предложена модель построения комплекса, которая предусматривает его поэтапное эволюционное развитие при моделировании различных внешних и внутренних воздействий, позволяет создавать новые образцы в эргатических системах или интегрироваться в современные системы управления. С учётом некоторых допущений описанный подход может быть широко использован в сложных тренажёрных комплексах, антропоморфных системах обучения, в дистанционном образовании.
Эргатическая система, система поддержки принятия решений, мультиспектральный анализ, фотограмметрия, оператор, эволюционное обучение, статусные функции, профессиональные компетенции
Veshneva I.V., Melnikov LA., Singatulin RA.
DEVELOPING THE INFORMATION MEASUREMENT SYSTEM FOR DISTANCE LEARNING
COMPLEXES WITH FEEDBACK BASED ON PHOTOGRAMMETRIC METHODS
AND STATUS FUNCTIONS. PART 1
The paper presents the characteristics for constructing complexes to implement the feedback system "operator - environment - machine ". The model includes a possibility for gradual evolutionary development when simulating the various external and internal influences, and allows for creation of new patterns in ergatic systems or integration into modern control systems. The described approach can be widely used in sophisticated simulation complexes, anthropomorphic training systems, or distance learning.
Ergatic system, decision support system, multispectral analysis, photogrammetry operator training evolution, status functions, professional competitions
Введение
В различных областях человеческой деятельности наблюдается тенденция неуклонного роста автоматизированных систем управления. Большинство типичных техногенных объектов на сегодня представляют собой эргатические системы, под которыми понимают сложные системы управления, составным элементом которой является человек-оператор автоматизированного комплекса (машины). К данному классу систем относятся автоматизированные системы оперативно-диспетчерского управления в производственной сфере, управляемый человеком транспорт (автомобиль, поезд, авиалайнер и др.), системы дистанционного обучения, телеуправления роботами и др. [1]. В этих системах оператор управляет машиной не напрямую, а опосредованно, через ее информационную модель, являющуюся образом машины. В этом образе, как в зеркале, оператор оценивает состояние управляемой системы в каждый следующий момент времени и принимает решение о вмешательстве в работу машины с целью приведения ее требуемое состояние. При этом человек-оператор является главным источником возникновения внештатных и аварийных ситуаций в эргатических системах управления (ЭСУ), провоцируя до 70 % их из общего количества инцидентов [2]. Качество принимаемых оператором решений зависит от влияния негативных факторов, связанных с сенсорными, эмоциональными и интеллектуальными перегрузками [3]. Методы уменьшения числа проблем аварийности могут быть направленны на разработку многочисленных подходов оценки профпригодности оператора машины, обеспечивающей требуемую точность и достоверность оценки [4]. В настоящее время наиболее известны подходы к оценке профпригодности на основе профессиограмм [5]. Другой путь уменьшения аварийности направлен на совершенствование процессов управления техническим состоянием слож-118
ных технических систем с использованием информационно-управляющих систем [6]. Кроме того, система человек - среда - машина (ЧСМ) может быть проанализирована как закрытая система, в которой компоненты подвергаются случайным воздействиям, которые могут приводить к скачкообразным изменениям - авариям [7, 8]. Сложность взаимосвязей всех компонентов реальной ЧМС очень высокая, и построение математической модели для сложного объекта требует комплексных математических методов [9, 10].
До недавнего времени возможности адаптации ЭСУ реализовались возможностями пластичности поведения оператора. В настоящее время на повестку дня ставится вопрос о реализации интеллектуальных технологий поддержки принятия решений (ППР), реализации моделей и алгоритмов адаптации ЭСУ в зависимости от текущего конкретного психофизиологического состояния человека и показателей эффективности его деятельности. Современные ЭСУ рассчитаны на идеального или среднего оператора, не учитывают его профессиональное мастерство и степень утомляемости.
Задача построения информационной модели, которая соответствует возможностям оператора по приему и переработке всего потока закодированной информации и эффективному приложению управляющих воздействий к машине требует применения новых математических методов моделирования взаимодействия ЧМС. Проведем оценку составляющих компонент с целью поиска оптимального пути снижения аварийности. Для этого обратимся к анализу взаимодействующих подсистем, из которых наиболее сложной является сам человек.
1. Человек и его реакция
Специфика проблем человек-машинного взаимодействия связанна с увеличением объема информации и скорости информационных потоков, что неизбежно ведет к росту количества ошибок. На время и качество выполняемых оператором действий также влияет утомляемость. В автоматизированных системах количество ошибок увеличивается с течением времени и составляет от 20 до 53 % в системах.
Описание процедуры принятия решения оператором сложной ЧМС основана не только на алгоритмах функционирования машины, но и на особенностях физиологии человека. Изучению общего времени реакции и его компонентов посвящены тысячи различных исследований ([11, 12]). При этом исследуется как зависимость от ряда внешних факторов и индивидуальных различий, так и инструментальное использование времени реакции для анализа механизмов познавательных процессов. Известная модель очередности операторских действий Y. Liu и C. Wu [13] в последовательности этапов действий оператора выделяет сенсорный, когнитивный и моторный уровни.
Будем основываться на физиологии человека, и опишем процедуру принятия управленческого решения оператором. Данные эргономики привели к формированию современной модели эргатиче-ской системы (рис. 1). Описание процедуры принятие решений оператором основано на общих знаниях и мотивации действий. Первичный этап основан на информации, поступившей от рецепторов. Затем проводится афферентный синтез (рис. 1 (А)). На основе афферентного синтеза оператором осуществляется принятие решения, которое снимает неопределённость в выборе одного из многочисленных возможных вариантов поведения (рис. 1 (Б)). При наличии решения происходит афферентный синтез, на основе которого строится программа конкретных действий (рис. 1 (В)). Параллельно с программой действия формируется акцептор результата действия, который является аппаратом прогнозирования параметров результата будущего действия. Это обстановочная афферентация, благодаря которой определяется возможность и целесообразность выполнения действия, направленного на результат с прогнозируемым параметром. Однако форматирование программы и акцептора результата действия не означает начало выполнения действия. Для его начала нужен пусковой стимул [14].
Вместе с тем использование всех анализаторов при обстановочной афферентации одновременно является достаточно сложной проблемой. Кроме того, скорость передачи импульсов нейронами человека может изменяться. Так, например, в экстремальных ситуациях происходит торможение болевых, вкусовых, термических анализаторов. Большую роль приобретает визуальный канал. Расширяется поле зрения, увеличивается чувствительность зрительных нервов. Такая ситуация может приводить к перегрузке зрительного анализатора, к снижению восприятия и даже к временной потере зрения (например, при перегрузках и пр.).
Оператор, например пилот, на основе доминирующей мотивации намерен совершить некоторое действие (посадку самолета). Это решение мобилизует извлечение информации о путях достижения цели и формирует конкретную программу действий (которая отрабатывается на основе сформированных в процессе обучения навыков и отработана на тренажерах и практике).
(А) (Б) (В) Обратная связь
Каналы связи
Рис. 1. Модель эргатической системы человек - машина. (А) - стадия афферентного синтеза;
(ОА) - обстановочная афферентация; (ПА) - пусковая афферентация; (Б) - принятие решения;
(В) - формирование акцептора резистентного действия и его афферентной программы;
(Г-Д) - получение результатов действия и формирование обратной афферентной связи для сличения полученных результатов с запрограммированными (исходными)
При наличии благоприятной обстановочной афферентации (разрешении на посадку диспетчера порта и благоприятному прогнозированию результата события самим пилотом) начало поведенческого акта инициируется пусковым стимулом. Пусковой стимул запускает действие, и пилот совершает посадку. При обстановочной афферентации определяются возможность и целесообразность выполнения действия, направленного на результат, с прогнозируемыми параметрами.
12 апреля 2015 года поклонники ожидали в г. Саратове концерта рок-группы Thirty Seconds to Mars. Однако по причине сильного тумана на основе обстановочной афферентации пилот не смог совершить посадку. Пусковой стимул на выполнение запланированного действия не был инициирован. Заметим, что пилот может потерять контроль над машиной или над собой из-за физиологической (разгерметизация) или психологической причины (изменение доминирующей мотивации).
В приведенных примерах можно выделить следующие группы причин: недостаточность видеоинформации; недостаточные показания приборов и сложность одновременного их отслеживания пилотом; психологического характера.
Определение границ возможностей обработки информации человеком условно можно выделить 2 уровня - сенсорный и когнитивно-деятельностный. На сенсорном уровне информация обрабатывается 5 сенсорными каналами - визуальным, слуховым, осязательным, обонятельным и вкусовым. объем визуально воспринимаемой информации составляет 90 % от общего объема получаемой информации. но остальные 4 канала приходится толь 10 % от общего потока информации. Одной из основных причин этих проблем является информационная перегруженность визуальных каналов восприятия. Возможный путь решения данной проблемы может быть найден при выявлении способов уменьшения объемов визуальной информации с помощью создания различных форм индикации, отображающей результаты автоматической обработки вторичной информации и использование других органов чувств. Разработка специализированных моделей и методов позволит создать алгоритмы установить связи между последовательностью управляющих воздействий оператора с техническими характеристиками ЭСУ для уменьшения числа ошибок.
На втором уровне в сознании человека формируется модель реальной ситуации. На точность ее формирования влияют как внешние, так и внутренние (личностные) факторы. К внешним факторам могут быть отнесены недостаточность информации об окружающей ситуации (пример с посадкой самолета) и др. К внутренним факторам нужно отнести личностные особенности интеллекта, образование, жизненный опыт, возраст, усталость и др.
Для повышения безопасности функционирования ЭСУ необходимо провести формализацию понимания человеком ЭСУ. Проведенный анализ позволяет утверждать, что на втором уровне обработки информации, что кроме когнитивного и моторного этапов действий оператора необходимо выделить дополнительный мотивационный. Тогда этапы взаимодействия оператора с машиной в ЭСУ нужно охарактеризовать следующим образом:
- сенсорный. Обусловлен временем реакции. Для него характерно наличие жесткой нижней границы, обусловленной физиологическими возможностями человека (не менее 100 мс [11]);
- когнитивный. Верхняя граница изменяется в широком диапазоне и обычно связывается с особенностями внимания и функционального состояния конкретного человека [12];
- моторный. Аналогичен когнитивному;
- мотивационный. Время не ограничено.
Последний, мотивационный этап очень сложен для анализа взаимодействия ЧМС. Активное исследование путей формализации информационных потоков в ЭСУ, проведенное многими авторами (например, [15, 16]) не уделяет должного внимания процессам мотивации оператора, ввиду их высокой сложности и отсутствием моделей оценивания и измерительных шкал. Для создания модели взаимодействия ЧМС необходимо внедрить в нее подсистему, позволяющую проводить анализ состояния и действий оператора.
2. Модель эргатической системы с анализатором оператора
В общую схему эргатической системы (рис. 1) необходимо внедрять систему анализатора действий оператора (рис. 2).
I-----------------------------
Рис. 2. Подсистема анализатора оператора в модели эргатической системы человек - среда - машина
Подсистема анализа действий оператора в процессе настройки позволяет накапливать данные состояний системы и действий оператора. Накопление этих данных позволяет провести их статистическую обработку и создать модель идеального оператора. На основе сопоставления действий идеального и реального оператора формируется функция общей оценки оператора и(). В случае возникновения опасности сбоев подсистема выдает предупреждение в форме звукового сигнала.
Предложенная схема системы носит рекомендационный режим работы (демократичная) и практически не вмешивается в работу оператора. Она учитывает особенности каждого оператора и перестраивает систему управления индивидуально для каждого оператора (например, располагает индикацию систем согласно антропологическим данным оператора и т.п.)
3. Задача проектирования обратной связи
Пусть при работе с ЭСУ создана модель идеального оператора. Оператор выполняет в заданной последовательности некоторые функции, т.е. реализуют алгоритмы операторской деятельности. Допустим, что надежность аппаратных и программных средств ЭСУ много выше, чем надежность операторов. Время решения управленческих задач в ЧМС зависит от физических и психологических особенностей оператора и должно рассматриваться как случайная величина. Ее констатация носит институциональный характер. Допустим, что любая случайная величина, приписываемая состоянию оператора складывается из того, что она есть Z и его сравнения с идеальным оператором Z'.
Тогда для введения системы измерений состояний оператора нужно ввести упорядоченную пару действительных случайных величин £={£1; £2}, принадлежащих различным множествам оценок наблюдаемых событий, соответствующих измерению состояния оператора. £1 - является измеряемой на практике случайной величиной оценивания оператора, £2 - оценка восприятия события £1 в сравнении с идеальным оператором. Появляется как минимум два числа, образующие упорядоченную пару или вектор, содержащий разноплановые оценки. Результаты измерения могут быть интерпретированы на основе классического понятия вероятности, а их обработка проведена статистическими методами. Тогда между разноплановыми оценками можно вычислить корреляцию.
Применение лингвистических оценок в позволяет учесть специфику оцениваемого объекта. В этом случае отсутствует классическая вероятность, применяются методы теории множеств и оценкам приписываются функции принадлежности, образующие нечеткие множества. Корреляции оценок учесть достаточно сложно.
Третий путь интерпретации результатов измерения также основывается на неклассическом понимании вероятности, позволяющим выбирать правила обработки результатов так, чтобы это подтверждалось в эксперименте. При этом вектор можно рассматривать в целом.
Предположим, что состоянию оператора приписывается функция у, которая описывается своим распределением вероятностей Р(у). Пусть мы измеряем 2 возможных состояния оператора 1 и 2, которые определяются приписываемыми функциями у и у. Если эти состояния взаимодействуют, то распределение вероятностей ССЭС описывается как
Это соответствует неклассическому определению вероятности в квантовой механике [17]. Такое математическое представление вполне соответствует многим взаимосвязанным процессам в ЭСУ. Например, совершаемое действие не является независимым от предыдущих, кроме иерархии последовательности решений решения и совершаемых действиях внутренне взаимосвязаны между собой.
Используемые методы оценивания вносят погрешности в измеряемые состояния, что неизбежно сказывается на принципах управления, основанного на фактах. Введение комплексных функций оценок позволит преодолеть данное несоответствие.
Поставим цель создания модели для описания действий оператора, основанную на случайных комплексных величинах. Сигналы, которые генерируются и на естественном языке и в цифровом виде можно представить в виде линейной комбинации некоррелированных случайных величин, имеющих нулевые математические ожидания. Возникает задача представления скалярной случайной функции Дг) в виде:
где Уу - некоррелированные скалярные случайные функции, математические ожидания которых равны нулю, а / - некоторые детерминированные функции. Отдельные слагаемые вида Уу,/у являются
Р = |у + у|2.
(1)
(2)
элементарными случайными функциями. Случайные величины Уу будем называть весовыми коэффициентами каноническими разложениями, а функции - координатными функциями. Каноническое разложение случайной функции в общем случае представляет собой бесконечный ряд. В частных случаях каноническое разложение может быть конечной суммой [18].
Канонические разложения случайных функций очень удобны для выполнения различных операций анализа над случайными функциями. Объясняется это тем, что в КР случайных функций ее зависимость от аргумента г выражается при помощи координатных функций, что дает возможность свести выполнение различных линейных операций над случайными функциями (например, дифференцирование, интегрирование, решение линейных дифференциальных уравнений и т.д.) к обычным операциям математического анализа над неслучайными координатными функциями.
Пусть Уу - произвольные некоррелированные случайные величины, имеющие равные нулю математические ожидания. Неизвестные координатные функции являются среднеквадратическими оптимальными координатными функциями [18].
В [20, 21] разработана интерпретация к теории случайных функций, названная методом статусных функций. Введем некоторые приписываемые состоянию оценки действий оператора функции, которые назовем статусными функциями (СФ), основываясь на институциональной природе оценки [19].
Если у нас есть просто оценка - то это набор действительных чисел с тем или иным уровнем случайности соответствия состоянию. Соответственно, оценка является случайной величиной. Анализатор оператора формирует оценку его действий. При регулярном выполнении последовательности одних и тех же действий оценка получается одинаковой или близкой. Изменение действий ведет к возникновению разброса оценок. Если последовательности действий сильно различаются между собой возникает существенный разброс оценок. Статистическая обработка измерений позволяет сформировать модель идеального оператора. Обычно эти все результаты используются для оценки оператора в данный момент. Измеренное состояние не дает информации о прошлом. Прогноз оценки в следующие моменты может быть основан на сравнении с идеальным оператором на основе выработанных правил. СФ позволяют разработать систему, в которой могут быть получены априорные оценки и прогноз действий оператора. При этом формируются СФ на основе упорядоченной пары оценок идеального и реального оператора ^={^1, &}. Эти функции могут быть приписаны возможным идеализированным элементарным состояниям системы, назовем их функциями чистых состояний.
Пусть состояние ЧМС с номером ] является работоспособным и соответствует успешному выполнению к-ой, к = 1, п требуемой операции. Пусть г - базовая переменная оценок действий ЧМС. Тогда у и ф - скалярные комплекснозначные детерминированные случайные функции возможностей распределений оценок действий оператора и системы, являющиеся чистыми состояниями системы. Они образуют наборы координатных функций возможных состояний оператора и машины. Требуется определить все числа, которые определяют чистые состояния. Существующее в действительности состояние является смешанным и образовано из набора элементарных случайных функций:
1=1
ф=
1=1
(3)
В данном случае Ф определяет отклик машины на действия оператора Ч. Эти функции приписываются состояниям ЧМС. Формирование Фи Чпроисходит по алгоритму формирования комплексно-значных СФ [20]. Наборы последовательности действий оператора представляют собой вектор:
|Ч>=( Ч, Ч2, Ч3 ... Чк).
Функция отклика машины может быть получена на основе действия оператора на ЧМС. Представим ее в виде
|Ф>=
Все возможные состояния системы образованы матрицей состояний:
^11 $1к
|Ф>< Ч\ =
к1 кк
Таким образом, создавая в анализаторе действий оператора модель его действий на основе СФ, мы получаем аналог вектора состояний системы. В результате последовательности измерений процесса взаимодействия ЧМС эти состояния могут быть определены. Таким образом, применение метода статусных функций в анализаторе действий оператора позволит развить методы [21] и алгоритмы повышения надежности ЧМС [22].
Заключение
В работе приведены особенности построения комплекса реализации обратной связи в системе оператор - среда - машина. Предложена модель построения комплекса, которая предусматривает его поэтапное эволюционное развитие при моделировании различных внешних и внутренних воздействий, позволяет создавать новые образцы в ЧМС или интегрироваться в современные системы управления.
Разработка устройств управления, базирующихся на принципах приписывания состоянию системы модели статусных функций, позволяет использовать для целей управления информацию в форме, приближенной к моделям квантовой механики, которую трудно формализовать при реализации традиционных законов регулирования. Полученные модели оказываются малочувствительными к случайным возмущениям в определенном диапазоне и функционирующими совместно с классическими регуляторами подобно регуляторам на основе теории нечетких множеств.
Если приписываемые состоянию системы комплекснозначные СФ рассматривать как случайные функции, то результатом анализа надежности ЧМС являются нечеткие вероятности его состояния. Эти вероятности - результат комбинации функций состояния модели оператора и машины. Все возможные значения образуют матрицу состояний ЧМС. Для этого приписываемые состоянию модели комплекснозначные СФ должны рассматриваться как случайные функции чистых состояний. Линейная комбинация произведений СФ на случайные переменные образует вектор состояния системы. Воздействие на вектор последовательно измеренных состояний оператора по некоторым правилам преобразует модель действий человека-оператора в вектор состояний машины. Из векторов состояний человека-оператора и машины может быть вычислена матрица вероятностей состояний ЧМС. Набор всех возможных состояний является полным. На его основе создается способ вычисления неклассической вероятности безотказной работы ЧМС. Аналогично может быть вычислена вероятность отказа.
С учётом некоторых допущений описанный подход может быть широко использован в сложных тренажёрных комплексах, антропоморфных системах обучения, в дистанционном образовании.
ЛИТЕРАТУРА
1. Новожилов Г.В., Резчиков А.Ф., Неймарк М.С. Проблемы безопасности авиационно-транспортных и других сложных человеко-машинных систем. Саратов: Изд. центр «Наука», 2012. 200 с.
2. Петухов И.В., Стешина Л.А. Эргатические системы: техногенная безопасность / И.В. Петухов. Воронеж: Научная книга, 2012. 280 с.
3. Мультиагентные технологии в эргатических системах управления / К.В. Петрин, Е.Д. Те-ряев, А.Б. Филимонов, Н.Б. Филимонов // Известия ЮФУ. Технические науки. C. 7-13.
4. Петухов И.В. Методологические основы оценки профпригодности оператора эргатических систем // Современные проблемы науки и образования. 2013. № 2. С. 133-143.
5. Компьютерная психодиагностическая система для оценки профпригодности персонала разделительных производств / В.А. Власов, А.А. Орлов, О.Г. Берестнева, С. Н. Тимченко // Известия Томского политехнического университета. Сер. Технические науки. 2003. Т. 306. № 4. С. 119-123.
6. Павлов В.В., Чепиженко В.И. Концепция моделирования анализа эволюции технического состояния сложных технических систем на максимально возможном интервале их жизненного цикла // Кибернетика и вычисл. техника. 2009. Вып. 157. C. 3-16.
7. Арнольд В. И. Жесткие и мягкие математические модели. М.: МЦНМО, 2000. 32 с.
8. Хакен Г. Информация и самоорганизация. М.: КомКнига, 2005. 248 с.
9. Вентцель Е.С. Исследование операций. М.: Сов. радио, 1972. 552 с.
10. Хинчин А.Я. Работы по математической теории массового обслуживания / под ред. Б.В. Гнеденко. М.: Физматгиз, 1963. 236 с.
11. Бойко Е.И. Время реакции человека. М.: Медицина, 1964. 440 с.
12. Лупандин В.Я., Сурнина O.E. Асимметрия распределения времени простой сенсомотор-ной реакции // Физиология человека. 1988. Т. 14. № 4. С. 700-702.
13. Liu Y., Feyen R., Tsimhoni O. Queuing Network-Model Human Processor (QN-MHP): A Computational Architecture for Multitask Performance in Human-Machine Systems // ACM Transactions on Computer-Human Interaction. 2006. Vol. 13. No. 1. March. P. 37-70.
14. Данилова Н. Н., Крылова А.Л. Физиология высшей нервной деятельности. Ростов н/Д.: Феникс, 2005. С. 239-251.
15. Горбачев С.В., Глемба К.В. Влияние на безопасность движения уровня формализации информационного потока в эргатических системах // Вестник ОГУ. 2011. № 10 (129). С. 88-93.
16. Павлов В.В., Чепиженко В.И. Эргатические системы управления // Кибернетика и вычислительная техника. 2009. 157. С. 3-16.
17. Клышко Д. Н. Квантовая оптика: квантовые, классические и метафизические аспекты // УФН. 164:11 (1994). 1187-1214.
18. Развитие алгоритмического обеспечения анализа стохастических систем, основанного на канонических разложениях случайных функций / И.Н. Синицын, В.И. Синицын, Э.Р. Корепанов, В.В. Белоусов, В.В. Сергеев // Автоматика и телемеханика. 2011. № 2. С. 195-206.
19. Серл Дж. Современная теория институтов: предмет и метод // Вопросы экономики. 2007. № 8. С. 4-27.
20. Вешнева И.В., Травина Т.Л. Описание формирования профессиональных компетенций на основе комплексных полей статусных функций: новый подход к проблеме // Вестник СГТУ. 2012. Т. 3. № 1(67). С. 175-182.
21. Дюбуа Д., Прад Д. Теория возможностей: Приложения к представлению знаний в информатике: пер. с англ. М.: Радио и связь, 1990. 288 с.
22. Боран-Кешишьян А.Л. Нечетко-возможностные модели надежности эргатических составляющих тренажерно-обучающих систем // Вестник Адыгейского государственного университета. Сер/ Естественно-математические и технические науки. 2012. Вып. 4. С. 197-201.
Вешнева Ирина Владимировна -
кандидат физико-математических наук, доцент кафедры информационных систем и технологий в обучении Саратовского государственного университета имени Гагарина Ю.А.
Irina V. Veshneva -
Ph.D., Associate Professor,
Department Information system and Technologies
in Education
Yuri Gagarin State Technical University of Saratov
Мельников Леонид Аркадьевич -
доктор физико-математических наук, профессор, заведующий кафедрой «Приборостроение» Саратовского государственного технического университета имени Гагарина Ю.А.
Leonid A. Melnikov-
Dr. Sci., professor
Department Instrumentation Engineering Chair Yuri Gagarin State Technical University of Saratov
Сингатулин Рустам Адыгамович -
кандидат исторических наук, доцент кафедры «Информационные системы и технологии в обучении» Саратовского государственного университета имени Гагарина Ю.А.
Rustam A. Singatulin-
Ph.D in historical science, associated professor
Department Information system and Technologies in Education Yuri Gagarin State Technical University of Saratov
Статья поступила в редакцию 05.07.15, принята к опубликованию 15.09.15
