CC BY
57
Актуальные проблемы авиации и космонавтики. Информационные технологии
УДК 006.83
М. Ю. Шадрин Научный руководитель - Я. И. Шамлицкий Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
РАЗРАБОТКА СИСТЕМЫ АНАЛИЗА ПОКАЗАТЕЛЕЙ НАДЕЖНОСТИ ПРОДУКЦИИ КРУПНОСЕРИЙНОГО ПРОИЗВОДСТВА
Обоснование актуальности задачи: анализ показателей надежности позволяет значительно сократить затраты на обслуживание продукции крупносерийного производства, что в свою очередь позволяет достичь конкурентного преимущества и лидирующего положения на рынке в современной экономической обстановке.
При изготовлении продукции в крупносерийных объемах затраты на гарантийное обслуживание составляют значительные суммы и являются постоянными затратами. В связи с этим, огромное значение имеет мониторинг и снижение уровня затрат на гарантийное обслуживание продукции [1].
Рассматривая на примере ОАО «Красноярский завод холодильников Бирюса» имеем следующую ситуацию: при гарантийном сроке эксплуатации (по Закону о Правах потребителей не менее 2 лет), гарантийный парк продукции составляет порядка 1 млн. штук, и в течение времени практически не изменяется. При средней стоимости гарантийного ремонта и уровня дефектности продукции предприятие ежемесячно тратит порядка 0,01 % от всей прибыли, эти суммы могут использоваться на развитие производства, расширение номенклатуры выпускаемой продукции и увеличение заработной платы работникам.
На основании вышеизложенного, следует, что для снижения затрат на сервисное обслуживание необходимо внедрить систему компьютерного учета показателей надежности с фиксацией показателей в базе данных. Внедрение подобной системы позволит повысить оперативность работы с Сервисными Центрами и оперативно принимать корректирую-
щие меры по устранению дефектов продукции, кроме того, на основании полученных графиков распределения количества «отказов» продукции можно проводить мониторинг уровня качества продукции.
В архитектуре данной системы можно выделить следующие группы модулей: поддержки интерфейсов, занимающиеся всеми взаимодействиями с другими частями системы; сбора входной информации и определения типов работ по данным полученным центрами; оценки реакции и удовлетворенности клиентов; мониторинга внутренних систем контроля для улучшения качества сервиса; анализа показателей работы сервиса.
В настоящее время ведется разработка информационной системы для анализа показателей надежности продукции крупносерийного производства.
Библиографические ссылки
1. Джон Шоул. Первоклассный сервис как конкурентное преимущество. URL: http://gigabooks. ru/2057-dzhon-shoul-pervoklassnyj-servis-kak-konku-rentnoe.html.
2. Половко А. М., Гуров С. В. Основы теории надежности. BHV-Санкт-Петербург, 2008.
© Шадрин М. Ю., Шамлицкий Я. И., 2010
УДК 004.932
Л. С. Якимов Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
РЕАЛИЗАЦИЯ ИНТЕРАКТИВНЫХ СИСТЕМ РАСПОЗНАВАНИЯ ЖЕСТОВ
Для обеспечения более естественного человеко-машинного взаимодействия важно, чтобы компьютер мог получать полную информацию о пользователе и окружающей его среде. Пользовательские интерфейсы на основе искусственного зрения прибегают к таким технологиям, как распознавание лиц и мимики, отслеживание глаз и распознавание жестов.
Распознавание жестов - это процесс, в результате которого жесты пользователя становятся известны системе. В процессе распознавания статическое положение (поза) со спонтанными жестами рассматриваются совместно. За последнее время было проведено большое количество исследований в об-
ласти компьютерного зрения по выявлению лиц, интерпретации человеческой деятельности, а также распознаванию определенных жестов [1].
Большую часть полностью интерактивных систем распознавания можно рассматривать по трем составляющим: обнаружение, слежение и распознавание.
Секция «Информатика и автоматизированные системы»
Обнаружение рук и сегментация соответствующих им регионов на изображении является первоначальным шагом в системах распознавания движения. Сегментация имеет решающее значение, потому что она выделяет существенную информацию из фонового изображения прежде, чем перейти к последующим этапам слежения и распознавания. В качестве визуальных особенностей могут быть, например, цвет кожи, форма, анатомические модели рук и т. д.
Слежение, или межкадровое соответствие сегментированных областей рук или особенностей, является вторым шагом в процессе перехода к распознаванию наблюдаемых движений рук. Оно обеспечивает межкадровую связь обнаруженных рук/пальцев, что в достаточной мере помогает определить их траекторию движения во времени. Эти траектории сообщают нам необходимую информацию о движении и могут быть использованы либо в сыром виде (в некоторых приложениях траектория движения руки является непосредственным руководством к рисованию линии), либо после дополнительной обработки (распознавание некоторых видов жестов рук).
Распознавание отвечает за группировку пространственно-временной информации, полученной на двух предыдущих этапах, и соотнесение сгруппированной
информации к определенным классам жестов. Общая цель распознавания жестов рук заключается в интерпретации выявленных особенностей, смысловой нагрузки текущего расположения рук, позы или сообщаемого жеста [2]. Помимо распознавания положений рук из изображений, распознавание жестов представляет дополнительную сложность, которая включает синтаксический анализ или сегментацию непрерывного сигнала на составляющие элементы.
Рассмотренная структура может быть применена для разработки и создания интеллектуальных интерактивных систем распознавания жестов различного назначения.
Библиографические ссылки
1. Форсайт Д. А., Понс Ж. Компьютерное зрение: современный подход. М. : Вильямс, 2004.
2. Zabulis X., Baltzakis H., Argyros A. A., Vision-based Hand Gesture Recognition for Human Computer Interaction / Chapter 34, in «The Universal Access Handbook», Lawrence Erlbaum Associates, Inc. (LEA), 2009. Р. 34.1-34.30.
© Якимов Л. С., Фаворская М. Н., 2010
УДК 004.932
Д. С. Яковлев Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
ИСПОЛЬЗОВАНИЕ «МЕГАТЕКСТУРЫ» ДЛЯ МОДЕЛИРОВАНИЯ ЛАНДШАФТНЫХ ИЗОБРАЖЕНИЙ
Рассмотрены проблемы текстурирования ландшафтных изображений, в частности, изображений лесных массивов. Приведена сравнительная характеристика технологии тайлсетов и перспективной технологии «мегатекстуры».
Наложение текстур на изображения является важной задачей, поскольку с одной стороны правильно подобранные текстуры могут не только улучшить внешний вид объектов, но и облегчить восприятие какой-либо информации, содержащейся в сцене, с другой стороны неправильное наложение текстур может свести на нет все старания создателей 3Б-модели какого-либо объекта.
При текстурировании ландшафтного изображения, например поверхности леса, которая имеет очень неоднородную структуру, цвет, фактуру и т. д. часто используется технология, когда участок сетки покрывается частями изображения (тайлами и тайлсетами). При этом исходное изображение или его часть разбивается на прямоугольные фрагменты - тайлы, наборы тайлов называются тайлсетами [4]. Для создания полупрозрачных текстур используется алгоритм альфа-смешивание (alpha-blending), при котором можно регулировать уровень прозрачности изменением значения альфа-канала текстуры, получая тем самым требуемый эффект, новое изображе-
ние текстуры или комбинируя имеющиеся в наличие экземпляры. Также для увеличения быстродействия часто используется прием, при котором на экран выводится лишь малая часть ландшафта вокруг виртуальной камеры, что повышает производительность, но снижает дальность отрисовки и снижает общую реалистичность сцены. Достоинствами приведенных подходов являются относительная простота текстурирования и малое количество текстур, соответственно малый объем данных. К недостаткам же следует отнести:
- ограниченное количество текстур (тайлов), что приводит к сложностям в получении нужного рисунка, следовательно, возможные комбинации всегда ограничены;
- множество повторяющегося рисунка на ландшафте;
- ограничение в геометрии (например, может использоваться только регулярная сетка) или наоборот, необходимо разбиение геометрии для формирования тайлсетов с разными тайлами [1].
