вестник южно уральского-государственного_университета._серия_компьютерные_технологии,_управление,_радиоэлектроника_№1_2015

Учредитель – Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Южно-Уральский государственный

университет» (национальный исследовательский университет)

Журнал освещает новые научные достижения и практические разработки ученых по актуальным проблемам компьютерных технологий, управления и радиоэлектроники.

Основной целью издания является пропаганда научных исследований в следующих областях: Автоматизированные системы управления

в энергосбережении Автоматизированные системы управления

технологическими процессами Антенная техника Инфокоммуникационные технологии

Информационно-измерительная техника Навигационные приборы и системы Радиотехнические комплексы Системы автоматизированного управления

предприятиями в промышленности Системы управления летательными аппаратами

Редакционная коллегия: А.Л. Шестаков, д.т.н., проф. (отв. редактор); Л.С. Казаринов, д.т.н., проф. (зам. отв. редактора); М.А. Сагадеева, к.ф.-м.н., доц. (зам. отв. редактора); Н.В. Плотникова, к.т.н., доц. (отв. секретарь). Редакционный совет: Н.И. Войтович, д.т.н., проф.; С.Н. Даровских, д.т.н., проф.; В.Г. Дегтярь, д.т.н., проф., чл.-корр. РАН (г. Миасс, Челябинская обл.);

В.В. Жиков, д.ф.-м.н., проф. (г. Владимир); Ю.Т. Карманов, д.т.н., проф.; Ю.М. Ковалев, д.ф.-м.н., проф.; О.В. Логиновский, д.т.н., проф.; В.И. Меркулов, д.т.н., проф. (г. Москва); Б.Т. Поляк, д.т.н., проф. (г. Москва); Х. Радев, д.т.н., проф. (г. София, Болгария); Г.А. Свиридюк, д.ф.-м.н., проф.; В.Н. Ушаков, д.ф.-м.н., проф., чл.-корр. РАН (г. Екатеринбург); А.В. Фурсиков, д.ф.-м.н., проф. (г. Москва); Л.Н. Шалимов, к.т.н. (г. Екатеринбург); В.И. Ширяев, д.т.н., проф.; Ю.Б. Штессель, д.т.н., проф. (г. Хантсвилл, Алабама, США).

Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»

South Ural State University

The journal covers new scientific achievements and practical developments of scientists on actual problems of computer technologies, control and radio electronics.

The main purpose of the series is information of scientific researches in the following areas: Automated control systems in energy saving Automated process control Antenna technique Communication technologies Information and measuring equipment

Navigation devices and systems Radio engineering complexes Computer-aided management of enterprises

in industry Control systems of aircrafts

Editorial Board: A.L. Shestakov, Dr. of Sci. (Eng.), Prof. (executive editor), South Ural State University, Chelyabinsk, Russian Federation; L.S. Kazarinov, Dr. of Sci. (Eng.), Prof. (deputy executive editor), South Ural State University, Chelyabinsk, Russian Federation; M.A. Sagadeeva, Cand. of Sci. (Phys. and Math.), Ass. Prof. (deputy executive editor), South Ural State University, Chelyabinsk, Russian Federation; N.V. Plotnikova, Cand. of Sci. (Eng.), Ass. Prof. (executive secretary), South Ural State University, Chelyabinsk, Russian Federation. Editorial Council: N.I. Voitovich, Dr. of Sci. (Eng.), Prof., South Ural State University, Chelyabinsk, Russian Federation; S.N. Darovskykh, Dr. of Sci. (Eng.), Prof., South Ural State University, Chelyabinsk, Russian Federation; V.G. Degtyar, Dr. of Sci. (Eng.), Prof., Member Correspondent of the Russian Academy of Sciences, Academician V.P. Makeyev State Rocket Centre, Miass, Chelyabinsk region, Russian Federation; V.V. Zhikov, Dr. of Sci. (Phys. and Math.), Prof., Vladimir State University Alexander G. and Nicholas G. Stoletovs, Vladimir, Russian Federation; Yu.T. Karmanov, Dr. of Sci. (Eng.), Prof., South Ural State University, Chelyabinsk, Russian Federation; Yu.M. Kovalev, Dr. of Sci. (Phys. and Math.), Prof., South Ural State University, Chelyabinsk, Russian Federation; O.V. Loginovsky, Dr. of Sci. (Eng.), Prof., South Ural State University, Chelyabinsk, Russian Federation; V.I. Merkulov, Dr. of Sci. (Eng.), Prof., Radio Engineering Corporation “Vega”, Moscow, Russian Federation; B.T. Polyak, Dr. of Sci. (Eng.), Prof., V.A. Trapeznikov Institute of Control Sciences of Russian Academy of Sciences, Moscow, Russian Federation; Kh. Radev, Dr. of Sci. (Eng.), Prof., Technical University, Sofia, Bulgaria; G.A. Sviridyuk, Dr. of Sci. (Phys. and Math.), Prof., South Ural State University, Chelyabinsk, Russian Federation; V.N. Ushakov, Dr. of Sci. (Phys. and Math.), Prof., Member Correspondent of the Russian Academy of Sciences, N.N. Krasovsky Institute of Mathematics and Mechanics of Ural Branch of Russian Academy of Sciences, Ekaterinburg, Russian Federation; A.V. Fursikov, Dr. of Sci. (Phys. and Math.), Prof., Lomonosov Moscow State University, Moscow, Russian Federation; L.N. Shalimov, Cand. of Sci. (Eng.), Ac. N.A. Semihatov Scientific and Production Association of Automation, Ekaterinburg, Russian Federation; V.I. Shiryaev, Dr. of Sci. (Eng.), Prof., South Ural State University, Chelyabinsk, Russian Federation; Yu.B. Shtessel, Dr. of Sci. (Eng.), Prof., Huntsville, Alabama, USA.


© Издательский центр ЮУрГУ, 2015

СОДЕРЖАНИЕ

ВДОВИНА Н.В., ГУДАЕВ Н.Н., БАГАЕВ В.Н., ДАРОВСКИХ С.Н., ПОПЕЧИТЕЛЕВ Е.П., ВОДЯНИЦКИЙ Е.В. Устройство моделирования микроволнового излучения солнца СВЧ-диапазона для оценки его модифицирующего действия на организмы .................................... 5 КАРМАНОВ Ю.Т., ЗАЛЯЦКАЯ И.И. Устранение неоднозначности измерения пеленгов в малобазовых широкодиапазонных пеленгаторах путем алгоритмического формирования дополнительных «виртуальных» баз ............................................................................................ 11 БАЛЬ А.В., ЛОГИНОВСКИЙ О.В. Автоматизированный заказ высокооборачиваемых то-варов с низкими сроками годности с использованием почасовых продаж .............................. 21 ЗИМИН А.В. Математическая модель выбора управленческих альтернатив на основе про-гнозирования динамики ситуаций на промышленном предприятии ........................................ 26 КУВШИНОВ Н.С. Разработка конструкторской документации деталей и изделий приборо-строения на основе системного подхода ...................................................................................... 32 СМИРНОВ Ю.С., ЮРАСОВА Е.В., НИКИТИН И.С. Информационные технологии в элек-тромехатронике .............................................................................................................................. 47 ВДОВИНА Н.В., ДАРОВСКИХ С.Н., ХАШИМОВ А.Б. Математическая модель оценки электродинамических свойств поля излучения рупорной антенны в ближней зоне ............... 55 БАЛЬ А.В., ЕГОРОВ С.Л. Автоматический расчет планограммы товаров на основе прин-ципа блочной выкладки ................................................................................................................. 62 ЗИМИН А.В. Повышение гибкости управления предприятием за счет современных средств математического моделирования и визуализации данных ........................................... 69 ВОВАСОВ В.Е., ИПКАЕВ Н.Б., ГЕРКО С.А. Оценка ионосферной и тропосферной за-держки сигнала СРНС при использовании одночастотного навигационного приемника ...... 75 ГУЗЕЕВ В.И., СЫРЕЙЩИКОВА Н.В. Роль инновационных технологий обучения при подготовке специалистов в области метрологии, стандартизации и сертификации ................ 91 СОРОКИН Г.А. Фильтры нижних частот .................................................................................... 100

Краткие сообщения БАЛЬ А.В. Динамический подбор товаров для проведения физической инвентаризации ..... 108 БАДАНИНА В.Л. Алгоритмы автоматизированного формирования детализированных программ диагностических обследований технического состояния паровых котлов тепло-электростанций ............................................................................................................................... 113 ПАКУЛЕВ М.В., ФЕДОТОВ Я.О., РЫБИН В.А. Применение международного стандарта OHSAS 18001 для оптимизации работ по промышленной безопасности на современном предприятии .................................................................................................................................... 118 ЛОГИНОВСКИЙ О.В., БАЛЬ А.В. Математическая модель для расчета розничных цен c коррекцией прогноза спроса на товары ..................................................................................... 123 ГУДКОВ В.Ю., БОЙЦОВ А.В. Улучшение изображений отпечатков пальцев с помощью фильтра Габора ............................................................................................................................... 128 РОМАНОВ А.Ю. Анализ подходов к синтезу сетей на кристалле с использованием регу-лярных топологий ........................................................................................................................... 133 ВАХИТОВ М.Г. Применение радиопоглощающих покрытий для снижения эффективной поверхности рассеяния .................................................................................................................. 139 ПЛОТНИКОВА Н.В., КАЗАРИНОВ Л.С., БАРБАСОВА Т.А. Инженерное образование сегодня: проблемы модернизации ................................................................................................ 145 КАЗАРИНОВ Л.С., БАРБАСОВА Т.А. Метод эллиптических центроидов в управлении эффективностью технологических процессов ............................................................................. 152


CONTENTS

VDOVINA N.V., GUDAEV N.N., BAGAEV V.N., DAROVSKIKH S.N., POPECHITELEV E.P., VODYANITSKIY E.V. Device Modeling of Microwave Radiation of the Sun Microwave Range to Assess the Modifying Effect on Organisms ................................................................................. 5 KARMANOV Yu.T., ZALYATSKAYA I.I. Disambiguation of Measurement of Bearings in Lessbases Widerange Direction Finders by Algorithmic Creation of Additional “Virtual” Base ... 11 BAL’ A.V., LOGINOVSKIY O.V. Auto Replenishment of Goods with High Turnover and Short Shelf Life Using Hourly Sales Data ................................................................................................. 21 ZIMIN A.V. Mathematical Model for Choice Among Managerial Alternatives Using Situational Dynamics Foracasting at Industrial Enterprise ................................................................................. 26 KUVSHINOV N.S. Development of Design Documentation of Parts and Products Instrumenta-tion on the Basis of System Approach ............................................................................................. 32 SMIRNOV Yu.S., YURASOVA E.V., NIKITIN I.S. Information Technologies in Electromeha-tronics ............................................................................................................................................... 47 VDOVINA N.V., DAROVSKIKH S.N., HASHIMOV A.B. Mathematical Model of Electrody-namic Properties Estimation of the Radiation Field of a Horn Antenna in the Near Field .............. 55 BAL’ A.V., EGOROV S.L. Automatic Calculation of the Planogram of Goods on the Basis of the Principle of Block Display ......................................................................................................... 62 ZIMIN A.V. Agility Increase of Enterprise Management by Modern Methods of Mathematical Modelling and Data Visualisation .................................................................................................... 69 VOVASOV V.E., IPKAEV N.B., GERKO S.A. Estimation Ionospheric and Tropospheric Signal Delay for Single-Frequency SRNS receiver ...................................................................................... 75 GUZEEV V.I., SYREYSHCHIKOVA N.V. Role of Innovative Technologies of Training by Preparation of Experts in the Field of Metrology, Standardization and Certification ....................... 91 SOROKIN G.A. Filters of the Lower Frequencies .......................................................................... 100

Brief reports BAL’ A.V. Dynamic Selection of Items for Physical Inventory ...................................................... 108 BADANINA V.L. Algorithms of Automatic Creation of Thermal Power Plants Steam Boilers Technical State Detailed Diagnostic Inspection Programs ............................................................... 113 PAKULEV M.V., FEDOTOV YA.O., RYBIN V.A. Application of the International Standard OHSAS 18001 for Optimization of Works on Industrial Safety at Modern Enterprise ................... 118 LOGINOVSKIY O.V., BAL’ A.V. Retail Price Calculation Mathematical Model with Correc-tion of the Forecast of Demand for Goods ....................................................................................... 123 GUDKOV V.Yu., BOYTSOV A.V. Enhancement of Fingerprint Images Using Gabor Filter ....... 128 ROMANOV A.Yu. The Analysis of Approaches for the Synthesis of Networks-on-Chip by Using Regular Topologies .......................................................................................................................... 133 VAKHITOV M.G. Application of Radar Absorbing Coatings for Reduction of Effective Scattering Surface .............................................................................................................................................. 139 PLOTNIKOVA N.V., KAZARINOV L.S., BARBASOVA T.A. Engineering Education Today: Problems of Modernization .............................................................................................................. 145 KAZARINOV L.S., BARBASOVA T.A. Elliptic Сentroid Method in Process Efficiency Control ............................................................................................................................................. 152


2015, том 15, № 1 5

Введение Одной из приоритетных задач современной гелиобиологии является задача определения та-

ких характеристик активности Солнца, которые позитивно влияют на процесс поддержания го-меостаза в организмах, способствуют его восстановлению при различного рода нарушениях.

В настоящее время достоверно установлено [1, 2], что в периоды повышенной активности Солнца происходит ухудшение состояния больных гипертонической болезнью и атеросклерозом. В этот же период времени имеют место нарушения функционального состояния центральной нервной системы, возникают спазмы кровеносных сосудов, изменяется ряд показателей сверты-вающей и антисвертывающей системы крови. Специалистами собран огромный статистический материал о повторяемости заболеваний среди людей и животных. Он подтвердил взаимосвязь между эпидемиями и изменением солнечной активности. Так, например, грипп, другие виды ин-фекционных заболеваний «наступают» на людей в годы максимальной солнечной активности [2]. Механизм вышеуказанных изменений в организме человека и животных и обострение эпидемио-логической обстановки до конца не изучен. Однако большинство исследователей склоняются к тому, что значительная часть наблюдаемых нарушений гомеостаза организма напрямую связана с резкими возмущениями магнитосферы Земли под воздействием корпускулярного излучения Солнца в период максимальной его активности.

Вместе с тем в период снижения активности Солнца отмечается благоприятное его воздейст-вие на организмы [1]. Эту точку зрения в своих работах обосновывает и выдающийся русский историк, географ и этнолог Л.Н. Гумилев [3]. Его пассионарная теория этногенеза основывается на периодической управляющей роли космического фактора в периоды снижения активности Солнца.

Все вышеизложенное свидетельствует о сложном характере взаимодействия биологических объектов с процессами, обусловленные изменением солнечной активности.

Среди известных характеристик активности Солнца наибольший интерес для использования в физиотерапевтических целях связан с его радиоизлучением. Особенностью проводимых иссле-дований по оценке модифицирующего действия на организм отдельных участков спектра радио-излучения Солнца является то, что они пока носят бессистемный характер и в большей степени затруднены из-за воздействия на него электромагнитных излучений (ЭМИ) антропогенного про-исхождения [4]. В настоящее время природный электромагнитный фон радиочастотного диапа-зона, обусловленный космическими факторами, включая и радиоизлучение Солнца, полностью подавлен антропогенным излучением [5]. Эти излучения определяют для организмов новые нега-

УДК 621.3.029

УСТРОЙСТВО МОДЕЛИРОВАНИЯ МИКРОВОЛНОВОГО ИЗЛУЧЕНИЯ СОЛНЦА СВЧ-ДИАПАЗОНА ДЛЯ ОЦЕНКИ ЕГО МОДИФИЦИРУЮЩЕГО ДЕЙСТВИЯ НА ОРГАНИЗМЫ Н.В. Вдовина, Н.Н. Гудаев, В.Н. Багаев, С.Н. Даровских, Е.П. Попечителев, Е.В. Водяницкий

Обоснована актуальность поиска частотно-временных структур радиоизлуче-ния Солнца для последующего их воспроизведения с помощью аппаратно-программных средств в физиотерапевтических целях для восстановления нарушен-ного гомеостаза организма. Представлена краткая характеристика биологически ак-тивного спектра микроволнового излучения Солнца. Приведено описание СВЧ-генератора и режимы его работы для моделирования микроволновых широкополос-ных всплесков радиоизлучения Солнца с управляемой спектральной плотностью в диапазоне частот 4,0–4,3 ГГц. Его использование при проведении медико-биологических экспериментов позволит раскрыть механизмы модифицирующего действия на организмы микроволнового излучения Солнца.

Ключевые слова: излучение Солнца, аппаратно-программные средства, спектр микроволнового излучения, модифицирующее действие.


Н.В. Вдовина, Н.Н. Гудаев, В.Н. Багаев, С.Н. Даровских, Е.П. Попечителев, Е.В. Водяницкий

Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника» 6

тивные свойства среды их обитания на долгую перспективу. Такое соотношение между природ-ным и антропогенным электромагнитным фоном не может негативным образом не влиять на ор-ганизмы. Это обуславливает актуальность проведения исследований по оценке влияния на орга-низмы моделированного микроволнового излучения Солнца, сравнимого по интенсивности с ан-тропогенным электромагнитным фоном.

В условиях многообразия различных видов излучений и их характеристик важным этапом, предшествующим проведению указанных исследований, является анализ различных видов ра-диоизлучения Солнца, обоснование наиболее согласованных с организмами типов излучений его частотного спектра и разработка на его основе аппаратно-программных средств их адекватного моделирования.

Краткая характеристика биологически активного спектра микроволнового излучения Солнца Радиоизлучение Солнца, связанное с периодами солнечной активности, наблюдается на по-

верхности Земли, в так называемом «радиоокне», на длинах волн от λ = 8 мм до λ = 15 м. Корот-коволновая граница излучения определяется его поглощением молекулами воды H2O и кислоро-да O2, а длинноволновая – значением критической частоты ионосферы [6].

Процессы, происходящие в солнечной атмосфере, являются источниками трех видов радио-излучения [7]:

– радиоизлучение спокойного Солнца, наблюдаемое во всем диапазоне длин волн от милли-метрового до метрового. Оно имеет место во время минимальной его активности;

– медленно повышающееся по интенсивности по сравнению со спокойным Солнцем широ-кополосное излучение, характерное, главным образом, для диапазона длин волн 3см ≤ λ≤ 60 см;

– спорадическое радиоизлучение, включающее «шумовые бури», всплески пяти типов, мик-роволновые всплески и дециметровое широкополосное излучение.

Экспериментально установлено [1], что биологически активным участком спектра микро-волнового излучения Солнца являются излучения в миллиметровом и сантиметровом диапазонах длин волн.

В этой связи наибольший интерес для последующего его моделирования с помощью аппа-ратно-программных средств представляет микроволновое излучение сантиметрового диапазона, обладающего большей проникающей способностью в организмы по сравнению с миллиметро-выми волнами.

Наряду с медленно повышающимся по интенсивности в течение нескольких суток широко-полосным микроволновым излучением сантиметрового диапазона, в зависимости от формы и продолжительности различают еще три его типа [7]:

1) быстрое нарастание и спад спектральной плотности широкополосного излучения, время жизни 1–5 мин, излучение поляризовано;

2) быстрое нарастание и медленный спад спектральной плотности широкополосного излуче-ния, время жизни от нескольких минут до нескольких часов, излучение поляризовано;

3) нарастание и спад спектральной плотности широкополосного излучения постепенные, время жизни от нескольких десятков минут до нескольких часов, излучение поляризовано.

Указанные типы микроволнового излучения могут существовать отдельно или накладывать-ся друг на друга. Наиболее мощные всплески бывают первых двух типов.

Приведенные выше параметры микроволнового излучения сантиметрового диапазона легли в основу разработки устройства его моделирования.

Устройство моделирования микроволнового излучения Солнца СВЧ-диапазона В основу моделирования микроволнового излучения Солнца СВЧ-диапазона можно поло-

жить два подхода: – использование известных генераторов «динамического хаоса», работа которых связана с

использованием эффектов хаотической динамики [8]; – использование стандартных генераторов детерминированных сигналов в нестандартных

режимах их работы, позволяющих управлять шириной спектра выходного сигнала и его интен-сивностью.


Устройство моделирования микроволнового излучения Солнца СВЧдля оценки его модифицирующего действия на организмы

2015, том 15, № 1

Для простоты реализации микроволнового излучения Солнца СВЧиспользование стандартных генераторов детерминированных сигналов в нестандартных режимах их работы. Для простых схем их построения, например, на основе транзможностью управления емкостью тотно-зависимого характера ёмкости и индутивности выходных каскадов в СВЧдлин волн при использовании квазишумовых управляющих сигналов. Указанные особеннсти позволяют обеспечить различные режимы управления значением спектральной плотности и шириной спектра выходного сигнала.

Для примера рассмотрим СВЧ(рис. 1), применяемый в радиопередающих устройствах современных радиовысотопазон частот 4,0–4,3 ГГц), включив в него дполнительно модулятор (М) питающего нпряжения Еи.

В данной схеме напряжение, подаваемое на коллектор, под действием модулятора менет свою амплитуду в пределах от 9 до 15 В.

Для моделирования широкополосного илучения на выходе генератора необходимо ипользование квазишумового по частоте упраляющего напряжения Еупр (рис. 2) с одноврменным изменением напряжения питания транзистора Еи. Для адекватного моделировния микроволнового излучения в укуправляющего напряжения должна отражать низкочастотные флуктуации микроволнового излчения [9].

Рис. 2. Фрагмент управляющего сигнала

Результат такого режима работы генератора (рисширины спектра сигнала на выходе генератора примерно в 4 раза при изменении напряжения птания от 15 до 9 В.

При этом следует отметить, что мощность излучаемого сигнала при расширении его спектра уменьшается примерно на порядсти выходного каскада транзисторного генератора.

Выявленная особенность работы рассмотренного транзисторного СВЧнении питающего напряжения указывает на возможность её использования для формирования различных по структуре спектра и продолжительности типов микроволнового излучения.

микроволнового излучения Солнца СВЧ-диапазонадля оценки его модифицирующего действия на организмы

Для простоты реализации микроволнового излучения Солнца СВЧ-диапазона целесообразно использование стандартных генераторов детерминированных сигналов в нестандартных режимах

Для простых схем их построения, например, на основе транзистора, это связано с воможностью управления емкостью p–n-переходов при изменении питающего напряжения и ча

зависимого характера ёмкости и индук-тивности выходных каскадов в СВЧ-диапазоне длин волн при использовании квазишумовых

Указанные особенно-сти позволяют обеспечить различные режимы управления значением спектральной плотности и шириной спектра выходного сигнала.

Для примера рассмотрим СВЧ-генератор (рис. 1), применяемый в радиопередающих уст-ройствах современных радиовысотомеров (диа-

4,3 ГГц), включив в него до-полнительно модулятор (М) питающего на-

В данной схеме напряжение, подаваемое на коллектор, под действием модулятора меня-ет свою амплитуду в пределах от 9 до 15 В.

широкополосного из-лучения на выходе генератора необходимо ис-пользование квазишумового по частоте управ-

(рис. 2) с одновре-менным изменением напряжения питания

. Для адекватного моделирова-ния микроволнового излучения в указанном диапазоне частот, частотно-временная структура управляющего напряжения должна отражать низкочастотные флуктуации микроволнового изл

Рис. 2. Фрагмент управляющего сигнала Еупр

Результат такого режима работы генератора (рис. 3) указывает на возможность расширения

ширины спектра сигнала на выходе генератора примерно в 4 раза при изменении напряжения п

При этом следует отметить, что мощность излучаемого сигнала при расширении его спектра уменьшается примерно на порядок. Такое изменение мощности связано с изменением добротнсти выходного каскада транзисторного генератора.

Выявленная особенность работы рассмотренного транзисторного СВЧ-генератора при измнении питающего напряжения указывает на возможность её использования для формирования различных по структуре спектра и продолжительности типов микроволнового излучения.

Рис. 1. Принципиальная схема

диапазона

7

диапазона целесообразно использование стандартных генераторов детерминированных сигналов в нестандартных режимах

истора, это связано с воз-при изменении питающего напряжения и час-

временная структура управляющего напряжения должна отражать низкочастотные флуктуации микроволнового излу-

ает на возможность расширения ширины спектра сигнала на выходе генератора примерно в 4 раза при изменении напряжения пи-

При этом следует отметить, что мощность излучаемого сигнала при расширении его спектра ок. Такое изменение мощности связано с изменением добротно-

генератора при изме-нении питающего напряжения указывает на возможность её использования для формирования различных по структуре спектра и продолжительности типов микроволнового излучения.

Рис. 1. Принципиальная схема СВЧ-генератора




а) б)

в) г)

Рис. 3. Спектры генерируемого сигнала при использовании квазишумового управляющего напряжения Еупр с одновременным изменением напряжения питания: а – Еи = 9 В; б – Еи = 11 В; в – Еи = 13 В; г – Еи = 15 В

Заключение На основании вышеизложенного можно сделать вывод о том, что для моделирования микро-

волнового излучения Солнца возможно использование стандартных генераторов детерминиро-ванных сигналов в нестандартных режимах их работы. Дальнейшие экспериментальные исследо-вания по оценке модифицирующего действия на биологические объекты описанного выше СВЧ-генератора позволят раскрыть механизмы влияния на организмы микроволнового излучения Солнца, сделать прогноз о целесообразности и эффективности его использования для коррекции различного рода нарушений в организме человека.

Литература

1. Пресман, А.С. Электромагнитные поля и живая природа / А.С. Пресман. – М.: Наука, 1968. – 288 с.

2. Чижевский, А.Л. Земное эхо солнечных бурь / А.Л. Чижевский. – М.: Мысль, 1973. – 347 с. 3. Гумилев, Л.Н. Этногенез и биосфера Земли / Л.Н. Гумилев. – СПб.: СЗКЭО: ООО «Издат.

дом «Кристалл», 2002. – 639 с. 4. Даровских, С.Н. Основы построения устройств информационной электромагнитной те-

рапии / С.Н. Даровских. – Челябинск: Издат. центр ЮУрГУ, 2011. – 138 с. 5. Даровских, С.Н. Информационно-волновая концепция противодействия электромагнит-

ному загрязнению окружающей среды и другим негативным факторам антропогенного проис-хождения / С.Н. Даровских, А.А. Разживин и др. // Биомедицинская радиоэлектроника. – 2008. – № 11. – С. 20–28.

6. Уайлд, Дж. Спорадическое излучение Солнца / Дж. Уайлд, С. Смерд, А. Вейсс // Успехи физических наук. – 1964. – Т. LXXXIV, вып. 1. – С. 99–168.


Устройство моделирования микроволнового излучения Солнца СВЧ-диапазона для оценки его модифицирующего действия на организмы

2015, том 15, № 1 9

7. Железняков, В.В. Радиоизлучение Солнца и планет / В.В. Железняков. – М.: Наука, 1964. – 560 с.

8. Генерация Хаоса / под. ред. А.С. Дмитриева. – М.: Техносфера, 2012. – 424 с. 9. Даровских, С.Н. Управляющая роль в живой природе реликтового излучения центра Все-

ленной / С.Н. Даровских, А.Г. Рассохин, М.Е. Кузнецов // Биомедицинские технологии и радио-электроника. – 2005. – № 6. – С. 40–45.

Вдовина Надежда Владимировна, старший преподаватель кафедры инфокоммуникацион-

ных технологий, Южно-Уральский государственный университет (г. Челябинск); [email protected]. Гудаев Николай Николаевич, инженер кафедры инфокоммуникационных технологий,

Южно-Уральский государственный университет (г. Челябинск); [email protected]. Багаев Владимир Николаевич, канд. техн. наук, доцент кафедры инфокоммуникационных

технологий, Южно-Уральский государственный университет (г. Челябинск); [email protected]. Даровских Станислав Никифорович, д-р техн. наук, профессор кафедры инфокоммуника-

ционных технологий, Южно-Уральский государственный университет (г. Челябинск); darovskih.s@ mail.ru.

Попечителев Евгений Парфирович, д-р техн. наук, профессор кафедры биотехнических систем, Санкт-Петербургский государственный электротехнический университет, eugeny_p@ mail.ru.

Водяницкий Евгений Викторович, аспирант кафедры инфокоммуникационных техноло-гий, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 17 ноября 2014 г.

Bulletin of the South Ural State University Series “Computer Technologies, Automatic Control, Radio Electronics”

2015, vol. 15, no. 1, pp. 5–10

DEVICE MODELING OF MICROWAVE RADIATION OF THE SUN MICROWAVE RANGE TO ASSESS THE MODIFYING EFFECT ON ORGANISMS N.V. Vdovina, South Ural State University, Chelyabinsk, Russian Federation, [email protected], N.N. Gudaev, South Ural State University, Chelyabinsk, Russian Federation, [email protected], V.N. Bagaev, South Ural State University, Chelyabinsk, Russian Federation, [email protected], S.N. Darovskikh, South Ural State University, Chelyabinsk, Russian Federation, [email protected], E.P. Popechitelev, St. Petersburg State Electrotechnical University, St. Petersburg, Russian Federation, [email protected], E.V. Vodyanitskiy, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The urgency of search of the time-frequency structures of solar radio emissions for later playback using hardware and software in the physiotherapeutic purposes to restore the disturbed homeostasis of organism is proved. Brief description of the biologically ac-tive spectrum of microwave solar radiation is presented. The description of the microwave oscillator and its operating modes for the simulation of microwave broadband bursts of




solar radio emission with controlled spectral density in the frequency range 4.0–4.3 GHz is given. Its use in medical and biological experiments will reveal the mechanisms of modifying action on the organisms of the microwave radiation of the Sun.

Keywords: solar radiation, hardware and software, the spectrum of the microwave radiation, modifying effect.

References 1. Presman A.S. Elektromagnitnye polya i zhivaya priroda [Electromagnetic Fields and Wildlife].

Moscow, Science Publ., 1968. 288 p. 2. Chizhevskiy A.L. Zemnoe ekho solnechnykh bur' [Terrestrial Echo of Solar Storms]. Moscow,

Nauka Publ., 1973. 347 p. 3. Gumilev L.N. Etnogenez i biosfera Zemli [Ethnogenesis and the Biosphere]. Petersburg, SZKEO,

Ltd. Publishing House “Crystal”, 2002. 639 p. 4. Darovskikh S.N. Osnovy postroeniya ustroystv informatsionnoyj elektromagnitnoy terapii [Con-

struction Bases of Information Electromagnetic Therapy Devices]. Chelyabinsk, South Ural St. Univ. Publ., 2011. 138 p.

5. Darovskikh S.N., Razzhivin A.A. et al. [Information-Wave Concept of Counteract Electromagnetic Pollution and Other Negative Factors of Anthropogenic Origin]. Biomedical Electronics, 2008, no. 11, pp. 20–28. (in Russ.)

6. Uayld Dzh., Smerd S., Veyss А. [Sporadic Radiation of the Sun]. Advances in Physical Sciences, vol. LXXXIV, issue 1, 1964, pp. 99–168.

7. Zheleznyakov V.V. Radioizluchenie Solntsa i Planet [Radio Emission from the Sun and Planets]. Moscow, Science Publ., 1964. 560 p.

8. Generaciya Haosa [Generation of Chaos]. Moscow, Technosphere Publ., 2012. 424 p. 9. Darovskikh S.N., Rassokhin A.G., Kuznetsov M.E. [Controlling Role of the CMB Center of the

Universe in the Wildlife]. Biomedical Technology and Electronics, 2005, no. 6, pp. 40–45. (in Russ.)

Received 17 November 2014


2015, том 15, № 1 11

Введение Пеленгаторы источников радиоизлучений (ИРИ) входят в состав современных широкодиапа-

зонных системы радиолокации, радиомониторинга и радионавигации и во многом определяют их технические характеристики [1, 2].

К пеленгаторам предъявляют жесткие требования по ширине рабочего частотного диапазона пеленгуемых ИРИ, по размерам и числу антенн в пеленгационной антенной решетке (АР) [3]. Как правило, частотный диапазон составляет несколько октав, а пеленгационная решетка при размере в несколько десятков сантиметров содержит 3–5 антенных элементов.

В широком диапазоне частот амплитудные диаграммы направленности антенн (ДНА) пелен-гационной решетки неконтролируемо изменяются, что является причиной широкого применения фазового метода определения пеленга в пеленгаторах. Но малое число антенн и небольшой раз-мер пеленгационной решетки не позволяют сформировать в фазовом пеленгаторе количество из-мерительных баз достаточное для устранения неоднозначности пеленгования ИРИ в широком частотном диапазоне [4].

Кроме того приёмные каналы фазового пеленгатора в широком частотном диапазоне обла-дают высокой неидентичностью фазовых характеристик, для компенсации которых необходимо вводить в состав пеленгационной решетки дополнительную опорную антенну.

Помимо этого при проектировании малобазовых широкодиапазонных фазовых пеленгаторов возникает проблема устранения неоднозначности пеленгования ИРИ, обусловленная широким диапазоном частот радиосигналов, малым числом антенн и небольшим размером пеленгационной решетки.

В настоящей статье для устранения неоднозначности пеленгования предлагается увеличить количество измерительных баз путем математических преобразований (суммирования, вычита-ния и т. п.) результатов измерений разностей фаз радиосигнала между парами антенн (базами) пеленгационной АР. В результате появляются новые разности фаз, соответствующие разностям фаз радиосигнала между физически несуществующими «виртуальными» базами.

УДК 621.372.542

УСТРАНЕНИЕ НЕОДНОЗНАЧНОСТИ ИЗМЕРЕНИЯ ПЕЛЕНГОВ В МАЛОБАЗОВЫХ ШИРОКОДИАПАЗОННЫХ ПЕЛЕНГАТОРАХ ПУТЕМ АЛГОРИТМИЧЕСКОГО ФОРМИРОВАНИЯ ДОПОЛНИТЕЛЬНЫХ «ВИРТУАЛЬНЫХ» БАЗ Ю.Т. Карманов, И.И. Заляцкая

Рассмотрен алгоритм устранения неоднозначности пеленгования для фазовых пеленгаторов с числом пеленгационных антенных элементов не больше 3–5. Для получения однозначного значения оценки пеленга источника электромагнитного излучения (ИРИ) предлагается увеличить количество измерительных баз путем ма-тематических преобразований (суммирования, вычитания и т. п.) результатов изме-рений разностей фаз радиосигнала между парами антенн (базами) пеленгационной антенной решетки (АР). Полученные новые разности фаз соответствуют разностям фаз радиосигнала между физически не существующими «виртуальными» базами.

Приводятся результаты исследований эффективности алгоритма устранениянеоднозначности пеленгования источника электромагнитного излучения малобазовым широкодиапазонным фазовым пеленгатором с использованием «виртуальных» баз.

Методами компьютерного моделирования показано, что в случаях, где сущест-вует жесткий дефицит пространства для размещения пеленгационной АР, и где тре-буется обработка радиосигналов в широкой полосе, в том числе и на радиочастотах свыше 5 ГГц, целесообразно применять алгоритм пеленгации, включающий допол-нительные «виртуальные» базы.

Ключевые слова: алгоритм пеленгования, пеленгационная антенная решетка, фазовый алгоритм пеленгования, алгоритм устранения неоднозначности.


Ю.Т. Карманов, И.И. Заляцкая


Безусловно, новые вычисленные разности фаз радиосигнала между парами «виртуальных» ан-тенн (баз) не могут снизить ошибки пеленгования ИРИ, обусловленные действием шумов и помех. Но они могут помочь устранить неоднозначность пеленгования ИРИ в широком диапазоне частот, при малом числе «физических» антенн, т. е. при небольшом размере АР фазового пеленгатора.

В данной статье приводятся результаты исследований эффективности устранения неодно-значности пеленгования ИРИ малобазовым широкодиапазонным фазовым пеленгатором с ис-пользованием «виртуальных» баз.

1. Алгоритм пеленгования ИРИ с устранением неоднозначности измерения пеленгов путем формирования «виртуальных» баз

1.1. Исходные положения Объектом исследования является широкодиапазонный фазовый пеленгатор с антенной сис-

темой в виде неэквидистанстной линейной АР размером ݀Σ с (N+1) антеннами (рис. 1) [2].

Рис. 1. Структурная схема фазового пеленгатора

Фазовый пеленгатор функционирует следующим образом: – приём пеленгуемого радиосигнала производится на опорную антенну Аоп, расположенную

на одном из концов АР и N-измерительных антенн А1, А2, …, АN, расположенных на расстояниях d1 < d2 < …< dN–1 < dN = d от опорной антенны;

– выход опорной антенны подключен к входу усилителя сигналов опорного канала приёмни-ка пеленгатора;

– выходы измерительных антенн А1, А2, …, АN поочередно подключаются к входу усилителя пеленгационного канала приёмника пеленгатора;

– выходы усилителей сигналов приёмника подключены к цифровому фазометру, который измеряет разности фаз φ Θi u между сигналами на выходах первого и второго канала приёмни-ка пеленгатора и формирует комплексные величины iU , i = 1, 2, …, N:

оп 1 2 ш

exp Θ ;

Θ 2 sin Θ Ψ Ψ Ψ Ψ

1 ,

;

,

i i u

ii u u i i

U j

d

i N

(1)

где Θu – истинный пеленг источника ИРИ; id – расстояние между опорной и Аi антенной; – длина волны ИРИ; Ψi – паразитный набег фазы между антенной Аi и входом пеленгацион-ного канала приёмника; опΨ – паразитный набег от антенны Аоп до входа опорного канала при-ёмника; ( 1 2Ψ Ψ ) – неидентичность фазовых характеристик каналов приёмника; шi – паразит-ный фазовый набег, обусловленный действием шума.


Устранение неоднозначности измерения пеленгов в малобазовых широкодиапазонных пеленгаторах путем алгоритмического формирования дополнительных «виртуальных» баз

2015, том 15, № 1 13

Действия шумов приёмника пеленгатора приводят к появлению дополнительного сдвига фа-зы шi в измеряемых значениях φ Θi u . Согласно [5], шi приблизительно являются нормаль-

ными случайными величинами с нулевым средним и дисперсией 2шi :

2ш ш с2 ,i P P (2)

где ш сP P – отношение сигнал-шум на выходе канала приёмника пеленгатора. С целью компенсации неидентичностей фазовых характеристик приёмника пеленгатора

( 1 2Ψ Ψ ) преобразуем совокупность измеренных величин iU в комплексные величины kmU по алгоритму, предложенному в [6]:

ш ш

; ; , 1, ;

exp exp 2 sin .

km k m

kmkm k u m u u k m k m

U U U m k k m N

dU j j

(3)

В результате преобразований величины kmU не зависят от неидентичностей фазовых ха-рактеристик каналов приёмника пеленгатора и соответствуют измерениям разностей фаз между k-й и m-й антеннами пеленгационной антенной решетки с расстоянием между ними равным

km k md d d , , 1,k m N . 1.2. Алгоритм формирования дополнительных «виртуальных» баз В ситуации, когда возможно размещение лишь малоразмерной пеленгационной АР (N ~ 3–4),

одних «физических» пеленгационных баз недостаточно для однозначного определения пеленга u в широком частотном диапазоне. Кроме того, при пеленговании ИРИ на частотах свыше

8–10 ГГц расположить пеленгационные антенные элементы (АЭ) для получения однозначной пеленгационной базы практически невозможно.

Если количество антенн в пеленгационной АР достаточно большое, то по совокупности из-меренных величин можно однозначно получить пеленг u на ИРИ [7]. Если антенн недостаточ-

но, необходимо, используя совокупность величин kmU , математически сформировать дополни-

тельную совокупность величин lU , 1,l L по следующему алгоритму:

1 0

1 0

1 0

ш ш1 0

exp ;

exp 2 sin ;

exp 2 s

;

in

;

km

km

N a ll km

k m k

N a ll k m

k m k

N

l km k u m uk m k

Nkm

l km u k m k mk m k

ll u

d

U U

U U U

U j a l

dU j a l

U j

;

1, ,

l

l L

(4)

где ш ш1 0

ΔΨ Ψ ΨN

l km k m k mk m k

a l

– некомпенсируемая погрешность измерения

фазы, обусловленная неидентичностью фазовых характеристик и действием шумов каналов при-




ёмника пеленгатора; kma l – совокупность действительных чисел, определяющих дополни-

тельную «виртуальную» базу с длиной ld равной

1 0 1 0

.N N

l km km km k mk m k k m k

a l d a l dd d

(5)

Алгоритм (5) позволяет сформировать сколь угодно большое количество «виртуальных» баз. Однако их практическое использование ограничено следующими обстоятельствами.

Во-первых, следует иметь в виду, что фактически разности фаз измеряются с точностью до 2. Поэтому, для обеспечения независимости измерений разностей фаз по «виртуальным» базам от неконтролируемого набега фаз кратных 2, следует использовать в (5) коэффициенты kma l в виде целых чисел.

Во-вторых, случайность величин Ψi , Ψ j в выражении (1) для Θij u обуславливает слу-

чайность «виртуальных» разностей фаз Δ Θl u . Использование дополнительных виртуальных

баз может быть эффективным, если дисперсии Д l u ненамного больше дисперсий физи-

ческих разностей фаз Д ij u , т. е. при выполнении условия

Д Д .ij u ij ul

dd (6)

На основе выражения (5) и предположения статистической независимости набегов фаз 1Ψ , 2Ψ ,…, ΨN алгоритм выбора эффективных «виртуальных» баз можно записать в виде

2

1

1 11

Д Д .N i N

l u ij u ij jij j ii

a m a m

(7)

На основе всех вышеперечисленных рассуждений можно сформулировать следующие реко-мендации для выбора «виртуальных» баз:

следует выбирать те длины «виртуальных» баз (а, следовательно, и значения коэффициен-тов ija m ), которые трудно реализуемы физически, например, 20…10 мм, этот шаг приведет к расширению рабочего диапазона и устранению неоднозначности определения пеленга ИРИ;

из-за наличия неидентичности фазовой характеристики каналов приемника, шума на входе и т. д. не следует выбирать базы длинной менее 5 мм

при выборе ija m следует руководствоваться ограничением на Д ij u (6).

1.3. Алгоритм пеленгования ИРИ с устранением неоднозначности измерения пеленга с использованием дополнительных виртуальных баз Алгоритм пеленгования ИРИ малобазовым широкодиапазонным фазовым пеленгатором

осуществляться поэтапно. Предлагаемый алгоритм основан на широко известном алгоритме вы-числении массива неоднозначных пеленгов по самой большой базе и уточнение пеленга по меньшей базе [7, 8] с добавлением вычисления фаз и длин «виртуальных» баз пеленгатора.

На первом этапе осуществляется обнаружение сигнала ИРИ и измерение его длины волны по известным алгоритмам [9, 10]. Кроме того, на этом этапе измеряются разности фаз Θi u ,

1,i N между опорной АЭ и пеленгационными антеннами. Из них формируются разности фаз по физическим базам и «виртуальным базам».

На втором этапе, исходя из значения , выбирается однозначная пеленгационная база из мас-сива физических и виртуальных баз пеленгатора (4). Выбор однозначной пеленгационной базы обусловлен несколькими факторами:

– однозначной является база, для которой выполняется условие 2 ;ijd (8)



2015, том 15, № 1 15

– для повышения точности рекомендуется из массива однозначных баз пеленгатора выбирать наиболее длинную. Пример выбора баз для определенной частоты ИРИ приведен в таблице. На третьем этапе производится вычисление массива неоднозначных пеленгов для самой

длинной и точной физической базы пеленгационной антенной решетки Σd . Далее производится устранение неоднозначности посредством вычисления оценки по меньшей базе, выбранной на втором этапе.

2. Исследование эффективности использования виртуальных баз для устранения неоднозначности определения пеленга ИРИ малогабаритными широкодиапазонными фазовыми пеленгаторами В настоящем разделе методами математического моделирования исследуется эффективность

использования виртуальных пеленгационных баз для устранения неоднозначности определения пеленга ИРИ по описанному в разделе 1.3 алгоритму, работающих в диапазоне от 1 ГГц до 15 ГГц, двухканальным фазовым пеленгатором с четырехантенной линейной пеленгационной решеткой размером 12 см. На рис. 2 схематически изображено расположение антенных элемен-тов пеленгационной АР.

Рис. 2. Расположение пеленгационных элементов АР

АР (см. рис. 2) позволяет получить шесть физических пеленгационных баз: первая пеленгационная база образована АЭ А1 и А4, ее длина составляет 120 мм; вторая база образована АЭ А2 и А4, имеет длину 90 мм; третья база образована АЭ А1 и А3, имеет длину 70 мм; четвертая база образована АЭ А3 и А4, имеет длину 50 мм; пятая база образована АЭ А2 и А3, имеет длину 40 мм; шестая база образована АЭ А1 и А2, имеет длину 30 мм. В таком пеленгаторе однозначное пеленгование ИРИ только с использованием физических

баз возможно в диапазоне частот до 5 ГГц (см. таблицу). В диапазоне частот 5…15 ГГц одно-значность измерения пеленга не обеспечивается. Для расширения диапазона рабочих частот были введены виртуальные пеленгационные базы, которые физически получить невозможно:

– первая виртуальная база имеет длину 20 мм и сформирована следующим образом: 20 34 12Δ ; (9)

– вторая виртуальная база имеет длину 10 мм и сформирована так: 10 23 12Δ . (10)

Зависимость СКО неидентичности фазовой характеристики

от длины волны ИРИ λ в диапазоне частот 1…15 ГГц

dij , мм f, ГГц СКО паразитных фазовых набегов

=5° =7° 120 330 < < 240 1 < f < 1,25 1,59° 2,23° 90 180 < < 240 1,25 < f < 1,7 1,59°…2,13° 2,23°…3° 70 140 < < 180 2 < f < 2,1 1,59°…2,05° 2,23°…2,87° 50 100 < < 140 2,1 < f < 3 1,59°…2,23° 2,23°…3,12° 40 80 < < 100 3 < f < 3,75 1,59°…2° 2,23°…2,8° 30 60 < < 80 3,75 < f < 5 1,59°…2,13° 2,23°…3° 20 40 < < 60 5 < f < 7,5 2,25°…3,4° 3,15°…4,76° 10 20 < < 40 7,5 < f < 15 2,25°…4,5° 3,15°…6,3°

А1 30 мм

А3

40 мм

120 мм

А4 50 мм

А2 Аоп




Введение «виртуальных» баз сопровождается увеличением СКО паразитных фазовых набе-гов по сравнению с физическими базами. В таблице приведены расчеты СКО паразитных фазо-вых набегов при двух значениях неидентичностей фазовых характеристик каналов приёмника. В первом столбце таблицы приведены длины баз АР с размерами, приведенными на рис. 2. При этом базы с длинами ijd > 30 мм являются физическими, а базы с длинами 10 и 20 мм – «вир-туальными». Во втором столбце приведены границы длин волн и диапазон частот f однозначно пеленгуемых радиосигналов ИРИ.

Расчеты показывают, что введение в расчеты «виртуальных» баз сопровождается увеличени-ем СКО паразитных фазовых набегов в 2 раз по сравнению с физическими. Однако, использо-вание в данном случае «виртуальных» баз позволяет устранить неоднозначность пеленгования ИРИ в диапазоне частот 5…15 ГГц и фактически расширить диапазон частот, где возможно од-нозначное определение пеленга, в три раза. Кроме того, увеличение величины ошибки измерения фазы лежит в допустимых приделах условия (6).

При исследовании точность пеленгования будем оценивать величиной [2]:

21

1 Θ Θ ,1

n

i ii

Mn

(11)

где – случайная составляющая ошибки вычисления пеленга; n – количество элементов выбор-ки (проведенных исследований); Θi – вычисленный пеленг; ΘiM – математическое ожидание выборки вычисленных пеленгов.

Значения ошибки измерения пеленга в пределах рабочего диапазона углов [–45°; 45°] изме-няются в пределах десятых долей градуса, поэтому в зависимостях приведены усредненные зна-чения (рис. 3).

а)

б)

Рис. 3. Зависимости ошибки определения пеленга от ОСШ: а, в, д – при использова-нии в алгоритме виртуальных баз при СКО неидентичности фазовой характеристики 4°, 5° и 7° соответственно; б, г, е – без использования в алгоритме виртуальных баз при СКО неидентичности фазовой характеристики 4°, 5° и 7° соответственно (см. также с. 17)

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5=4, vir

SNR, dB

,

=30 cm

=7.5 cm

=15 cm

=3.75 cm

=3 cm=2 cm

=1.7 cm

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5

SNR, dB

,

=3cm=2cm =1.7 cm =3,75cm

=7,5 cm

=30 cm

= 15 cm



2015, том 15, № 1 17

в)

г)

д)

е)

Рис. 3. Окончание

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5

3=5, vir

SNR, dB

,

=30 cm

=15 cm

=7.5 cm

=3.75 cm=2 cm=3 cm =1.7 cm

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5

3

SNR, dB

,

=3cm=2cm =1.7 cm =3,75cm

=7,5 cm

= 15 cm

=30 cm

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5

3=7, vir

SNR, dB

,

=30 cm

=15 cm

=7.5 cm

=3.75 cm=1.7 cm=2 cm=3 cm

-10 -5 0 5 10 15 200

0.5

1

1.5

2

2.5

3

SNR, dB

,

=30 cm

= 15 cm

=3,75 cm

=1.7 cm

=3cm =2cm

=7,5 cm




Из зависимостей на рис. 3 можно сделать вывод: для всех исследуемых длин волн добавле-ние виртуальных баз пеленгатора не значительно уменьшило точность определения пеленга, по-скольку точность пеленгования ИРИ определяется неоднозначной базой с длиной 120 мм.

При значении ОСШ более 3 дБ точность оценки пеленга определяется значением СКО не-идентичности фазовых характеристик каналов приёмника (см. рис. 3) и влиянием шумов можно пренебречь.

Исследование влияния введения «виртуальных» баз на вероятность однозначного определе-ния пеленга Род было проведено при СКО неидентичности фазовой характеристики 4; 5 и 7°, при ОСШ от –10 до +20 дБ. Было получено, что Род слабо зависит от фазовой неидентичности каналов приёмника и ОСШ и в основном определяется длиной волны ИРИ , а также конфигурацией АР. Кривые на рис. 4 отображают зависимости Род от длины волны ИРИ в случае использования «виртуальных» баз и без них.

Рис. 4. Зависимости Род от : 1 – при использовании виртуальных баз;

2 – без использования виртуальных баз Вероятность правильного однозначного пеленгования ИРИ без использования виртуальных

баз только в диапазоне длин волн от 30 до 7,5 см близка к 1, для меньших длин волн Род значи-тельно уменьшается от 0,8 до 0. При использовании «виртуальных» баз вероятность однозначно-го определения пеленга не уменьшается ниже значения 0,95 для всех длин волн на всем исследо-ванном диапазоне значений ОСШ и СКО фазовой неидентичности. Это свидетельствует о высо-кой эффективности использования «виртуальных» баз в задачах устранения неоднозначности пеленгования ИРИ малобазовыми фазовыми пеленгаторами в широком диапазоне частот.

Заключение Исследуемый алгоритм однозначного определения пеленга ИРИ с формированием дополни-

тельных «виртуальных» баз позволяют существенно (в разы) расширить диапазон рабочих частот однозначного пеленгования ИРИ малобазовыми фазовыми пеленгаторами с небольшим числом пеленгационных антенн с незначительным ухудшением точности пеленгования. При этом веро-ятность однозначного определения пеленга Род близка к единице и в основном определяется чис-лом и расположением элементов пеленгационной АР и длиной волны ИРИ .

Таким образом, в ситуациях, где существует жесткий дефицит пространства для размещения пеленгационной АР и где требуется обработка на радиочастотах свыше 5 ГГц, целесообразно применять алгоритмы пеленгации, включающие дополнительные «виртуальные» базы.

2 3.75 7.5 15 300

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

, cm

Pod

2

1



2015, том 15, № 1 19

Литература 1. Конахович, Г.Ф. Специальный радиомониторинг / Г.Ф. Конахович, В.П. Бабак, В.М. Фи-

сенко. – М.: МК-Пресс: Додэка-XXI, 2007. – 384 с. 2. Рембовский, А.М. Радиомониторинг: задачи, методы и средства / А.М. Рембовский,

А.В. Ашихмин, В.А. Козьмин. – М: Горячая линяя – Телеком, 2006. – 492 с. 3. Анализ перспективных направлений развития методов оценки угловых координат источ-

ников радиоизлучения / А.В. Ашихмин, В.А. Козьмин, В.В. Негробов и др. // Вестник Воронеж. гос. техн. ун-та. – 2009. – Т. 5, № 9. – С. 47–55.

4. Исследование работы фазового пеленгатора с квазиоптимальным устранением неодно-значности на наземных трассах / В.П. Денисов, Д.В. Дубинин, М.В. Крутиков, А.А. Мещеряков // Докл. Томск. гос. ун-та систем управления и радиоэлектроники. – 2011. – № 2 (24), ч. 1. – С. 7–15.

5. Левин, Б.Р. Теоретические основы статистической радиотехники. Книга первая / Б.Р. Ле-вин – М.: Советское радио, 1974. – 552 с.

6. Пат. 2096797 Российская Федерация. Способ пеленгации радиосигналов и многоканальный пеленгатор / А.М. Рембовский, В.Н. Кондратенко. – Заявл. 04.07.1996; опубл. 20.11.1997.

7. Денисов, В.П. Фазовые радиопеленгаторы / В.П. Денисов, Д.В. Дубинин. – Томск: ТУСУР, 2002. – 251 с.

8. Lipsky, Stephen E. Microwave passive direction finding / Stephen E. Lipsky. – Raleigh, USA: SciTech Publishing, Inc., 2004. – 320 p.

9. Карманов, Ю.Т. Непараметрическое обнаружение узкополосного радиосигнала с неиз-вестной несущей частотой на фоне гауссовских шумов / Ю.Т. Карманов, А.Н. Николаев // Вест-ник ЮУрГУ. Сер. «Компьютерные технологии, управление, радиоэлектроника». – 2009. – № 26 (159). – С. 38–40.

10. Николаев А.Н. Цифровые технологии в широкополосных приемниках СВЧ радиосигналов // Вестник ЮУрГУ. Сер. «Компьютерные технологии, управление, радиоэлектроника». – 2012. – № 35. – С. 30–34.

Карманов Юрий Трофимович, д-р техн. наук, профессор, директор НИИ цифровых систем

обработки и защиты информации, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Заляцкая Инна Ивановна, аспирант кафедры инфокоммуникационных технологий, Южно-Уральский государственный университет (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 11–20

DISAMBIGUATION OF MEASUREMENT OF BEARINGS IN LESSBASES WIDERANGE DIRECTION FINDERS BY ALGORITHMIC CREATION OF ADDITIONAL “VIRTUAL” BASE Yu.T. Karmanov, South Ural State University, Chelyabinsk, Russian Federation, [email protected], I.I. Zalyatskaya, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

An algorithm of disambiguation is presented for phase direction finders with direc-tion-finding antenna elements no more than 3–5. Increase the number of measurement bases by mathematical transformations (addition, subtraction, etc.) of the results of mea-




surements of the phase differences between the antenna pairs (bases) DF antenna array is proposed to obtain a unique value estimation bearing source of electromagnetic radiation. The received new differences of phases correspond to the differences between the phases of the radio signal that is not physically existing and called “virtual” antenna pairs (bases).

This article presents the results of researches of algorithm effectiveness of disambig-uation of bearing of electromagnetic radiation source by wide-range phase direction finder with use of “virtual” bases.

According to the results of computer simulation it is advisable to apply the DF algo-rithm, including additional “virtual” bases in cases where there is a shortage of space for tight placement DF antenna array and processing radio signals in a wide band including frequencies over 5 GHz is required.

Keywords: algorithm of direction finding, phase direction finding, disambiguation algorithm, direction finding antenna array.

References 1. Konakhovich G.F. Spetsial'nyy radiomonitoring [Special Radio Monitoring]. Moscow, “MK-

Press”, Publ., “Dodeka-XXI”, 2007. 384 p. 2. Rembovskiy A.M. Radiomonitoring: zadachi, metody i sredstva [Radio Monitoring: Tasks, Me-

thods and Tools]. Moscow, Goryachay linia – Telekom, 2006. 492 p. 3. Ashikhmin A.V., Kozmin V.A., Negrobov A.V., Pasternak Yu.G., Rembovsky Yu.A. [The Analy-

sis of Perspective Development Directions of the Angular Coordinates' Estimation Methods of Radio Emission Sources]. Bulletin of Voronezh State Technic University, 2009, vol. 5, no. 9, pp. 47–55. (in Russ.)

4. Denisov V.P., Dubinin D.V., Krutikov M.V., Meshcheryakov A.A. [Investigation of Phase Direc-tion Finder with Quasi-Optimal Disambiguation on Land Tracks]. Reports of Tomsk State University of Control Systems and Radio Electronics, 2011, vol. 2 (24), pр. 7–15. (in Russ.)

5. Levin B.R. Teoreticheskie osnovy statisticheskoy radiotekhniki. Kniga pervaya [Theoretical Foundations of Statistical Radio Engineering. The First Book]. Moscow, Sov. Radio Publ., 1974. 552 p.

6. Rembovskiy A.M., Kondratenko V.N. Sposob pelengatsii radiosignalov i mnogokanal'nyy pelen-gator [Radiosignal Direction Finding Way and Multichannel Direction Finding]. Patent of Russian Fe-deration no. 2096797 20.11.1997.

7. Denisov V.P. Fazovye radiopelengatory [Phase Direction Finders]. Tomsk, TUSUR Publ., 2002. 251 p.

8. Lipsky Stepen E. Microwave Passive Direction Finding. Raleigh, USA, SciTech Publishing, Inc., 2004. 320 p.

9. Karmanov Ju.T., Nikolaev A.N. [Nonparametric Detection of Narrowband Radio Signal with Unknown Carrier in Gaussian Noise]. Bulletin of South Ural State University. Serial ‘Computer Tech-nology, Control and Radio Electronics’, 2009, vol 26, pр. 38–40. (in Russ.)

10. Nikolaev A.N. [Digital Technology in Wideband Microwave Ultrahigh Frequency Radio Re-ceivers]. Bulletin of South Ural State University . Serial ‘Computer Technology, Control and Radio Electronics’, 2012, vol. 35, pр. 30–34. (in Russ)



2015, том 15, № 1 21

Введение Для определенного типа товаров, реализуемых розничными сетями, требуется максимально

возможная точность прогнозирования спроса и расчета количества к заказу. В данной статье приводится методика, которая позволяет учесть отсутствие товара в определенный момент дня в прошлом и на основании этих данных получить более точные прогнозы спроса.

Постановка и математическая модель задачи Необходимость качественного прогнозирования спроса на товары является одним из наибо-

лее важных условий эффективной работы очень большого спектра различных предприятий, в ча-стности розничных сетей. Это подтверждается как эмпирически, так и в исследованиях многих авторов, таких как [1, 2].

Одним из основных параметров, используемых при автоматизированном формировании за-казов на закупку, является прогноз продаж товаров. На данный момент известно множество ме-тодик, позволяющих получать их для совершенно разных типов товаров. Рассмотрим тип това-ров, характеризуемый следующими свойствами:

низкий срок годности (1–5 дней); средние продажи в день не менее 30–40 единиц; ежедневные поставки от поставщика или со склада; нет неснижаемого остатка; слабый тренд и месячная сезонность, но возможна ярко выраженная недельная сезонность. Примерами таких товаров являются молоко, хлеб, отдельные виды фруктов и т. п. Данный

тип товаров требует очень точных прогнозов продаж, поскольку завышенное значение может приводить к списаниям по срокам годности, а заниженное – к отсутствию товара в наличии. Лю-бая из этих проблем, учитывая средние продажи товара в день, чревата большими потерями для компании. В данной статье описывается способ расчета прогноза продаж для таких товаров, учи-тывающих влияние дефицита товара в определение периоды дня.

УДК 339.372.6

АВТОМАТИЗИРОВАННЫЙ ЗАКАЗ ВЫСОКООБОРАЧИВАЕМЫХ ТОВАРОВ С НИЗКИМИ СРОКАМИ ГОДНОСТИ С ИСПОЛЬЗОВАНИЕМ ПОЧАСОВЫХ ПРОДАЖ А.В. Баль, О.В. Логиновский

Проведенные авторами исследования в области автоматизированного заказа товаров в рамках розничных сетей показало, что одной из наиболее важных и слож-ных задач является автоматизированный заказ товаров, характеризующихся низкими сроками годности и высокой оборачиваемостью. К таким товарам относятся, в слу-чае продуктовых розничных сетей – молоко, хлеб, отдельные виды фруктов и т. п. Для максимально корректного расчета количества товара, которое следует заказать для поставки, требуется выбрать или разработать наилучший способ прогнозирова-ния спроса на него. Это связано с тем, что завышенные прогнозы приведут к списа-ниям по срокам годности, а заниженные – к отсутствию товара, доступного к про-даже, в определенные моменты времени. В обоих случаях это приводит к большим потерям компании, учитывая высокую оборачиваемость данных товаров. Классиче-ским и наиболее распространенным способом прогнозирования спроса является расчет среднедневных продаж с учетом или без учета тренда и сезонности. Однако для описанных выше товаров, точность прогнозирования снижается по причине от-сутствия товара в определенные периоды дня. В данной статье описана методика, позволяющая усовершенствовать данный способ прогнозирования с помощью кор-рекции исходных исторических данных, позволяющая снизить данный вид ошибки прогнозирования. Помимо этого, в статье приведен способ расчета количества това-ра к заказу, учитывающий час прихода товара в магазин.

Ключевые слова: прогнозирование, розничные сети, автоматизированный заказ.


А.В. Баль, О.В. Логиновский


Одним из подходов для уточнения прогноза продаж и, соответственно, автоматизированного заказа товаров, является восстановление спроса, учитывающего дефицит товара. Как правило, в таком случае используется следующие правила:

если остаток товара (здесь и далее он рассматривается на основании данных в информацион-ной системе предприятия) на утро определенного дня равно 0, то продажи этого дня в расчет не берутся (продажи возможны даже при 0, поскольку остаток в системе может быть некорректен);

если продажи товара в определенный день равны остатку товара на утро плюс поставлен-ное количество, то продажи данного дня также не учитываются в расчете (поскольку мы не зна-ем, в какой момент товар закончился);

если продажи товара в определенный день меньше остатка на утро этого дня плюс постав-ленное количество, то данный день учитывается в прогнозировании.

Для товаров, описанных выше, данная методика плохо подходит по следующей причине: в случае, если какой-то период времени товар не был выложен (например, с 09:00 до 13:00), то об-щие продажи за день будут больше 0 и, вероятно, меньше остатка плюс поставленное количест-во. По описанной выше методике данный день будет рассматриваться для расчета продаж, что приведет к заниженному прогнозу. Для обычных товаров данный момент может быть сглажен следующими методами (хотя и увеличит товарный запас, с сопутствующими проблемами):

задать неснижаемый остаток товара. В таком случае, при заниженном прогнозе продажи будут осуществляться за счет неснижаемого остатка, что, в свою очередь, позволит восстановить значение спроса;

увеличить/задать страховой запас товара на случай колебаний спроса; увеличить кратность заказа товара. Однако для товаров, о которых идет речь выше, такие методы плохо подходят, поскольку при

больших продажах значения этих показателей также придется делать достаточно высокими, что, в ко-нечном итоге, приведет к излишнему остатку и в перспективе – большим списаниям по сроку годности.

Алгоритм расчета количества к заказу Задача состоит в том, чтобы рассчитать количество заданного товара, которое надо заказать

на заданный магазин, чтобы только в момент последующего прихода товара остаток был равен 0. Для ее решения предлагается использовать следующий алгоритм:

1) получить историю продаж товара в разрезе дата – час; 2) получить коэффициенты недельной сезонности для товара, в разрезе дней недели; 3) скорректировать историю продаж на коэффициенты недельной сезонности; 4) получить коэффициенты часового профиля (распределение продаж по часам внутри дня), в

разрезе тип дня – час, где под типом дня подразумевается, является он выходным либо рабочим днем; 5) скорректировать историю продаж, полученную на этапе 3, на коэффициенты часового

профиля; 6) для каждого часа рассчитать доверительные интервалы, на основе экспертно заданного

значения вероятности и среднеквадратического отклонения, и среднее значение; 7) скорректировать историю продаж, полученную на этапе 5, заменив все значения, которые

не попадают в доверительный интервал, на среднее значение для данного часа; 8) для каждого часа найти среднее значение, на основе истории продаж, полученной на этапе 7; 9) построить прогноз почасовых продаж на сегодня, завтра и послезавтра, на основании

средних продаж в час, рассчитанных на этапе 8 и с обратной корректировкой на часовой профиль и недельную сезонность;

10) на основании полученных прогнозов рассчитать следующие значения: а) количество товара, которое будет продано сегодня; б) количество товара, которое будет продано завтра; в) количество товара, которое будет продано завтра с открытия магазина до часа поставки N; 11) рассчитать количество к заказу на основании рассчитанных выше значений, текущего ос-

татка и уже заказанного количества.

Расчет недельной сезонности Для корректного расчета недельной сезонности предлагается воспользоваться следующим

алгоритмом:


Автоматизированный заказ высокооборачиваемых товаровс низкими сроками годности с использованием почасовых продаж

2015, том 15, № 1

1) вручную выбрать разрезы, которым принадлежит заданный товар. Как правило, в таком качестве выступает сам товар, некоторая категория, которой он принадлежит, бренд или какиелибо физические характеристики товара (например, вкус);

2) вручную выбрать разрезы, которым принадлежит данный магазин. В таком качестве мжет выступать сам магазин, формат, город, связка формат

3) вручную задать таблицу приоритетов выбора следующего вида (на основе выбранных в пунктах выше разрезах) (см. таблицу)

Магазин Товар 1 Бренд 4 Категория 11 Вкус 15

4) в порядке приоритетов, заданных на этапе 3, рассчитывается разрез, в рамках которого

продажи достаточно стабильны (что проверяется некоторым критерием). Например, в качестве показателя можно использовать недели, а в качестве критерия – отклонение более 50

С помощью данного алгоритма система рассчитает максимально близкие к товару и магазину коэффициенты сезонности, но при этречь идет о товарах с большими продажами, наиболее частым итогом расчета будет разрез товармагазин. Однако в случае, если в какиеавтоматически выберет какой-либо другой разрез (например «товарэти проблемы будут сглажены. Тем не менее, данный алгоритм возможно использовать для лбых товаров, по которым требуется рассчитать коэффициенты недельной сезонности.

Расчет часового профиля Для расчета часового профиля продаж был проведен предварительный анализ данных, кот

рый показал, что расчеты можно проводить в разрезе типов дней недели, а не непосредственно дней недели. Это позволило использовать более короткую историю исходнляет проводить расчеты на наиболее актуальных данных. Для наглядности приведем график, на котором изображены доли продаж каждого часа в сутках, в зависимости от дней недели, для оределенного набора товаров и магазинов

втоматизированный заказ высокооборачиваемых товаров с низкими сроками годности с использованием почасовых продаж

вручную выбрать разрезы, которым принадлежит заданный товар. Как правило, в таком ачестве выступает сам товар, некоторая категория, которой он принадлежит, бренд или какие

либо физические характеристики товара (например, вкус); вручную выбрать разрезы, которым принадлежит данный магазин. В таком качестве м

мат, город, связка формат–город и т. п.; вручную задать таблицу приоритетов выбора следующего вида (на основе выбранных в

(см. таблицу);

Формат Формат – Город Город 2 3 7 5 6 9

12 13 14 16 17 18

в порядке приоритетов, заданных на этапе 3, рассчитывается разрез, в рамках которого продажи достаточно стабильны (что проверяется некоторым критерием). Например, в качестве показателя можно использовать соотношение максимальных и минимальных продаж в один день

отклонение более 50 % в ту или иную сторону.С помощью данного алгоритма система рассчитает максимально близкие к товару и магазину

коэффициенты сезонности, но при этом будет избавлена от лишних отклонений. Так как в статье речь идет о товарах с большими продажами, наиболее частым итогом расчета будет разрез товармагазин. Однако в случае, если в какие-то дни в магазине были какие-либо проблемы, система

либо другой разрез (например «товар – формат»), внутри которого эти проблемы будут сглажены. Тем не менее, данный алгоритм возможно использовать для лбых товаров, по которым требуется рассчитать коэффициенты недельной сезонности.

Для расчета часового профиля продаж был проведен предварительный анализ данных, котрый показал, что расчеты можно проводить в разрезе типов дней недели, а не непосредственно дней недели. Это позволило использовать более короткую историю исходных данных, что позвляет проводить расчеты на наиболее актуальных данных. Для наглядности приведем график, на котором изображены доли продаж каждого часа в сутках, в зависимости от дней недели, для оределенного набора товаров и магазинов (см. рисунок).

Структура продаж по часам

23

вручную выбрать разрезы, которым принадлежит заданный товар. Как правило, в таком ачестве выступает сам товар, некоторая категория, которой он принадлежит, бренд или какие-

вручную выбрать разрезы, которым принадлежит данный магазин. В таком качестве мо-

вручную задать таблицу приоритетов выбора следующего вида (на основе выбранных в

Таблица

Компания 8

10 19 20

в порядке приоритетов, заданных на этапе 3, рассчитывается разрез, в рамках которого продажи достаточно стабильны (что проверяется некоторым критерием). Например, в качестве

соотношение максимальных и минимальных продаж в один день % в ту или иную сторону.

С помощью данного алгоритма система рассчитает максимально близкие к товару и магазину ом будет избавлена от лишних отклонений. Так как в статье

речь идет о товарах с большими продажами, наиболее частым итогом расчета будет разрез товар–либо проблемы, система

формат»), внутри которого эти проблемы будут сглажены. Тем не менее, данный алгоритм возможно использовать для лю-бых товаров, по которым требуется рассчитать коэффициенты недельной сезонности.

Для расчета часового профиля продаж был проведен предварительный анализ данных, кото-рый показал, что расчеты можно проводить в разрезе типов дней недели, а не непосредственно

ых данных, что позво-ляет проводить расчеты на наиболее актуальных данных. Для наглядности приведем график, на котором изображены доли продаж каждого часа в сутках, в зависимости от дней недели, для оп-


А.В. Баль, О.В. Логиновский


На данном изображении можно увидеть, что профили выходных дней (линии 6 и 7) отлича-ются от профилей рабочих дней (линии 1–5), но внутри данных групп профили достаточно по-хожи, что позволяет в дальнейшем их рассматривать как один объект.

Для более корректного расчета значений процентов в часовом профиле можно воспользо-ваться алгоритмом, аналогичным описанному для недельной сезонности выше. При этомследует задать другой критерий «стабильности» показателя и, при необходимости, другие приоритеты выбора.

Расчет доверительных интервалов для продаж по часам Доверительные интервалы [3], в которые должны попадать продажи по часам, рекомендуется

делать неравномерными относительно среднего значения, например: [A – 1 · d; A + 2 · d],

где A – среднее значение продаж в час, а d – среднеквадратическое отклонение. Данная методика позволит, с одной стороны, убрать потери продаж от дефицита, с другой –

позволить учесть некоторые всплески продаж.

Расчет количества к заказу На 10-м этапе базового алгоритма мы получим следующие значения: A – количество товара, которое будет продано сегодня; B – количество товара, которое будет продано завтра; C – количество товара, которое будет продано завтра с открытия магазина до часа поставки N. Действующий остаток товара обозначим буквой D, уже заказанное количество – буквой E. Таким образом, количество к заказу находим следующим образом:

, ;КЗ

0, .A B C D E A B C D E

A B C D E

Заключение В данной статье приведен алгоритм и математическая модель расчета прогноза спроса на ос-

новании данных по почасовым продажам товара. Данный алгоритм был реализован и успешно внедрен в одной из розничных сетей регионального уровня.


1. Шрайбфедер, Д. Эффективное управление запасами / Д. Шрайбфедер. – М.: Альпина Биз-нес Букс, 2006. – 304 с.

2. Перминов, С.М. Построение розничных и дистрибьюторских сетей / С.М. Перминов. – СПб.: Питер, 2014. – 640 с.

3. Вентцель, Е.С. Теория вероятностей / Е.С. Вентцель. – М.: Наука, 1969. – 576 с. Баль Александр Вячеславович, аспирант кафедры информационно-аналитического обеспе-

чения управления в социальных и экономических системах, Южно-Уральский государственный уни-верситет (г. Челябинск); [email protected].

Логиновский Олег Витальевич, д-р техн. наук, профессор, заслуженный деятель науки РФ, за-ведующий кафедрой информационно-аналитического обеспечения управления в социальных и эко-номических системах, Южно-Уральский государственный университет (г. Челябинск); loginovskiyo@ mail.ru.



Автоматизированный заказ высокооборачиваемых товаров с низкими сроками годности с использованием почасовых продаж

2015, том 15, № 1 25


2015, vol. 15, no. 1, pp. 21–25

AUTO REPLENISHMENT OF GOODS WITH HIGH TURNOVER AND SHORT SHELF LIFE USING HOURLY SALES DATA A.V. Bal’, South Ural State University, Chelyabinsk, Russian Federation, [email protected], O.V. Loginovskiy, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The researches carried out by the authors in the field of auto replenishment of goods within retail chains showed that one of the most important and difficult issues is auto rep-lenishment of the goods, characterized by short shelf life and high turnover. Such products include, in the case of grocery retailers - milk, bread, some kinds of fruit, etc. To maxim-ize a correct calculation of amount of the goods that should be ordered for delivery, it needs to select or develop the best way of demand forecasting. That is due to the fact that an overvalued forecast may lead to write-off because of expiration date, and an unders-tated forecast way lead to the lack of goods available for sale at certain periods of time. In both cases, this leads to large losses for the company, having regard to the high turno-ver of these goods. The classic and the most common method of demand forecasting is calculation of average daily sales, with or without consideration of trend and seasonality. However for the above-described items the accuracy of the forecasting decreases because of out of stock at certain periods of the day. This article describes a methodology which makes it possible to improve the method of forecasting using a correction of initial histor-ical data for reducing such kind of error. Moreover, in the article is shown a brand new method for calculating the quantity of the goods to be ordered. It takes into account the hour of goods delivery to the store.

Keywords: forecasting, retail chains, auto replenishment.

References 1. Schreibfeder J. Effektivnoe upravlenie zapasami [Effective Inventory Management]. Moscow,

Alpina Business Books Publ., 2006. 304 p. 2. Perminov S.M. Postroenie roznichnykh i distrib'yutorskikh setey [Building of Retail and Distribu-

tion Chains]. St. Petersburg, Piter Publ., 2014. 640 p. 3. Venttsel E.S. Teoriya veroyatnostey [Probabilities Theory]. Moscow, Nauka Publ., 1969. 576 p.




Введение Управление промышленным предприятием в условиях глобальной нестабильности ставит

перед собственниками и руководителями задачи повышения гибкости управления, скорости при-нятия решений при сохранении качества анализа больших объемов информации. Ускорение тех-нологического прогресса и рыночных процессов, усиление конкуренции повышают важность каждого управленческого решения [6]. В современных сложных и напряженных условиях меж-дународной конкуренции особенно четко проявляется значимость проблемы повышения эффек-тивности управления промышленными предприятиями, что заставляет руководство осуществлять подготовку и принятие управленческих решений на базе качественно иных математических мо-делей, методик, технологий увеличения гибкости и новых средств представления и обработки данных и методов их визуализации. Данная статья рассматривает общее обоснование модели для выбора управленческих альтернатив и применение модели в процессе управления крупным про-мышленным предприятием.

Математическая модель выбора альтернатив на основе прогнозирования экономических фак-торов нацелена на анализ и подготовку управленческих решений, принимаемых в краткосрочной и среднесрочной перспективе. Основными аспектами в данном случае является формализация задачи и процесса принятия решений, обработка массивов входящей информации, гибкость про-гнозирования основных факторов модели [11]. Таким образом, достигается гибкость и адаптив-ность в принятии управленческих решений в условиях динамики мировых и внутренних рынков, возможность использования широкого набора средств визуализации и представления данных, оценка чувствительности модели и управленческих альтернатив в реальном времени. Последнее является ключевым в управлении в условиях нестабильности, так как позволяет не только оце-нить качество прогнозирования изменения факторов, но и сделать это для различных временных горизонтов, адекватных складывающихся экономических и политических ситуаций, но и дает возможность рассмотреть критичность ошибки в прогнозировании каждого фактора [7].

В данной модели обеспечение гибкости и одновременной точности прогнозирования эконо-мических факторов, влияющих на доходы и затраты промышленного предприятия, достигается с помощью вариации подходов для прогнозирования математических рядов. Использование того или иного подхода для прогнозирования определяется аналитическим отделом предприятия на основе исторических данных или экспертной оценки возможной динамики фактора. Далее опи-сываются основные используемые модели для прогнозирования временных рядов, применимые к конкретной специфике управления промышленным предприятием.

УДК 658.1-50

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ВЫБОРА УПРАВЛЕНЧЕСКИХ АЛЬТЕРНАТИВ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ ДИНАМИКИ СИТУАЦИЙ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ А.В. Зимин

Рассматривается математическая модель оптимизации прибыли используемая для принятия управленческих решений в краткосрочной и среднесрочной перспек-тиве. Анализируются основные проблемы, встающие перед руководством при управлении промышленным предприятием в условиях глобальной нестабильности. Описывается общая модель решения задачи, основанная на динамической оценке массива факторов с применением различных методов прогнозирования временных рядов. Обосновываются преимущества использования данной модели в процессе принятия управленческих решений на промышленном предприятии.

Ключевые слова: экономическая модель оптимизации, регрессия, прогнозирова-ние, выбор управленческих альтернатив.


Математическая модель выбора управленческих альтернатив на основе прогнозирования динамики ситуаций на промышленном предприятии

2015, том 15, № 1 27

Основные модели для прогнозирования временных рядов Среди разнообразных методов прогнозирования для решения данной задачи можно исполь-

зовать как интуитивные, так и формализованные. Интуитивное прогнозирование применяется тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен, что аналити-чески учесть влияние многих факторов практически невозможно. В этих случаях можно прибег-нуть к опросу экспертов. Полученные индивидуальные и коллективные экспертные оценки ис-пользуются как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования [1].

Формализованные методы прогнозирования обеспечивают построение прогнозов с исполь-зованием математического моделирования. Применяемые на практике методы повышают точ-ность прогнозов, ускоряют обработку и визуализацию информации, облегчают оценку результа-тов. Методы, используемые в математической модели множественного выбора управленческих альтернатив, можно разделить на несколько групп:

1) регрессионные модели прогнозирования: – парная регрессия, – множественная регрессия, – модели дискретного (бинарного или множественного) выбора; 2) авторегрессионные модели прогнозирования: – ARIMA-модели, – GARCH-модели; 3) адаптивные методы прогнозирования: – экспоненциальное сглаживание, – модель Хольта, – модель Хольта – Винтерса.

Парная регрессия Парная регрессия – это уравнение, описывающее корреляционную связь между парой пере-

менных: зависимой переменной (результатом) y и независимой переменной (фактором) x [2]: y = f(x). Рассмотрим вариант, в котором рассматривается линейная зависимость результата от факто-

ра, описываемая следующим образом: , 1,2, , ,i i iy x i N

где yi – значение переменной y в момент времени i; xi – значение переменной x в момент времени i; , – параметры парной линейной регрессии; N – объем генеральной совокупности.

Данную модель можно использовать для прогнозирования достаточно простых зависимо-стей, например, потребления какого-либо товара в зависимости от температуры, совокупного по-требления какого-либо товара, в зависимости от численности населения и т. п.

Множественная регрессия Множественная регрессия – уравнение, отражающее корреляционную связь между результа-

том и несколькими факторами. В общем виде оно может быть записано как y = f(x1, …, xn),

где n – количество факторов. В качестве функций множественной регрессии часто выбирают наиболее простые: линей-

ную, показательную и степенную функции (или их комбинации):

1

n

i ii

y a b x e

– линейная;

1

in

bi

iy a x e

– степенная;

1

1

ii n

xi

iy a b e

– показательная.

Отметим, что для обеспечения достаточной точности получаемых оценок параметров функ-


А.В. Зимин


ций требуется, чтобы количество измерений было в 8–10 раз больше, чем количество входящих переменных.

Данную модель возможно использовать для выявления и прогнозирования достаточно слож-ных зависимостей, например, зависимость заработной платы работника от уровня образования, возраста, опыта работы и многих других показателей.

Модели дискретного выбора Модель дискретного выбора представляет собой уравнение зависимости результата y от фак-

торов x1, …, xn вида y = f(x1, …, xn),

где n – количество факторов, при этом y может принимать только дискретные значения. Наиболее простой вид моделей дискретного выбора – модель бинарного выбора, в которых y

может принимать значения 0 или 1. Данную модель можно использовать для выявления зависимости некоторых количественных

или качественных факторов на определенный качественный признак. Например, с помощью та-кой модели можно прогнозировать факт строительства новых производственных помещений и цехов в зависимости от вложений конкретных ресурсов и складывающихся внешних факторов (например, погодных условий).

ARIMA-модели ARIMA-модели целесообразно использовать для прогнозирования временных рядов, кото-

рые отражают зависимость результирующей переменной от значений в предыдущие моменты времени и от ее ошибок в прошлые моменты времени. Основным объектом в ARIMA-моделях является ARMA-модель, к поискуу решению которой с помощью определенных процедур сво-дится поиск решения ARIMA-моделей. Модель ARMA(p, q) представляет собой уравнение вида:

1 1.

p q

t i t i i t i ti i

y a y b

ARMA-модели используются для стационарных временных рядов, в которых среднее значе-ние и дисперсия постоянны, то есть не зависят от номера наблюдения. В частности, это означает отсутствие в данных трендов и сезонности. Если временной ряд ими обладает, то требуется про-вести предварительные преобразования данных, чтобы свести ряд к стационарному [3].

ARIMA-модели возможно использовать для широкого класса временных рядов, которые можно свести к стационарному виду.

GARCH-модели GARCH-модель(p, q) представляет собой уравнение вида:

2 2 2

1 1.

p q

t j t j j t jj j

Данная модель отражает зависимость дисперсии ряда от ее прошлых значений и значений ошибок ряда в прошлые периоды.

GARCH-модели используются, как правило, для прогнозирования показателей финансового рынка, поскольку для них характерно изменение дисперсии во времени на определенные периоды.

Экспоненциальное сглаживание Экспоненциальное сглаживание представляет собой уравнение вида:

1

1 1

, 1;, 1,t

t t t

x ts

s x s t

где – экспертным путем заданный коэффициент, (0;1) . Поскольку данная формула представляет собой рекуррентное уравнение, можно выразить

значение st через прошлые значения переменной xt:

1

0.1

t

t t ii

s x



2015, том 15, № 1 29

Данная формула наглядно показывает, что st представляет собой взвешенную сумму всех прошлых измерений, причем веса падают в зависимости от давности наблюдения [4].

Экспоненциальное сглаживание подходит для прогнозирования динамически изменяющихся показателей, не обладающих факторами тренда и сезонности.

Модель Хольта Модель Хольта представляет собой уравнение вида: .t d t ty a db Модель Хольта представляет собой обобщенный случай экспоненциального сглаживания, с

учетом линейного тренда. Расчет прогнозных значений at и bt производится по следующим ре-куррентным соотношениям:

1 1

1 1

1 ;

(1 ) .t t t t

t t t t

a y a b

b a a b

где , – экспертным путем заданные параметры, определяющие чувствительность модели к из-менениям.

Данная модель используется для краткосрочного прогнозирования временных рядов с ли-нейным трендом, но без сезонности.

Модель Хольта – Винтерса Модель Хольта – Винтерса представляет собой рекуррентные соотношения вида [5]:

mod ;dt d t t ty a r X d s s

1 11 ;tt t t

t s

ya a rX

11

1 ;tt t

t

ar ra

1 ,tt t s

t

yX Xa

где s – период сезонности; Xi, i = 0, s – 1 – профиль сезонности; rt – параметр тренда; at – показа-тель, очищенный от тренда и сезонности.

Данная модель используется для краткосрочного прогнозирования временных рядов как с линейным трендом, так и с фактором сезонности.

Рассмотренные модели прогнозирования предлагается использовать на этапе формализации основных факторов управленческого решения. Результаты можно применить для составления прогноза стоимости единицы продукции в год.

Модель выбора управленческих альтернатив Описанные модели позволяют сформировать основу для математического моделирования

управленческих альтернатив. В общем виде задача модели формулируется как выбор варианта развития, который позволит получить наибольшую прибыль, в зависимости от различных сцена-риев развития рынка и различных горизонтов планирования.

Обозначим Pa(S) – прибыль, полученная в результате реализации альтернативы a при вы-бранном сценарии развития S. Тогда функция максимизации прибыли записывается как

1 1 1

,Z Z B

a ai i j aji ai ai i j

P S y S r S w x y S V

где F(S, Z) – номер альтернативы, которая дает наибольшую прибыль при выбранном сценарии развития S и выбранном горизонте планирования Z; A – количество альтернатив; B – количество факторов производства, для которых строится прогноз; Z – количество периодов, на которые строится прогноз показателей; xijz – прогноз стоимости фактора j при выбранной альтернативе i в год z; yiz(S) – прогноз выпуска продукции при выбранной альтернативе i в год z, в зависимости от выбранного сценария развития S (например: негативный, умеренный, позитивный). Одним из параметров, влияющих на данный прогноз, является ограничение по производственной мощно-


А.В. Зимин


сти; rz(S) – прогноз стоимости единицы продукции в год z; Va – постоянные затраты на осуществле-ние альтернативы s; wi – расход фактора i в натуральных единицах на выпуск единицы продукции.

Полученные результаты записываются в таблицу и далее могут быть представлены с помо-щью средств визуализации.

Заключение Представлена математическая модель выбора управленческих альтернатив на основе прогно-

зирования экономических факторов и её общее применение в процессе управления промышлен-ным предприятием. Достоинствами модели являются вариативные методы прогнозирования и способность подстраиваться под сложность и частоту той или иной управленческой проблемы [8]. В задачах, имеющих множество альтернатив, при ограничениях по времени принятия решения, модель позволяет использовать упрощенные методы прогнозирования, что ускоряет обработку данных одновременно сохраняя знания и экспертизу, полученные при анализе проблемы для по-следующих схожих задач. С другой стороны, задачи среднесрочного развития и стратегии могут оцениваться с использованием более совершенных прогностических моделей, а также подвер-гаться разностороннему анализу чувствительности на основе изменения горизонта прогнозиро-вания или планирования, изменения веса каждого фактора, оценки влияния точности прогноза и возможных отклонений [7, 10]. В этом случае применение описанной модели поможет руководи-телю принимающему решение в некоторой мере формализовать свой подход, что даст возмож-ность обосновать решение высокоуровневой задачи перед собственниками компании или, на-пример, перед кредитной организацией.

Необходимо еще раз акцентировать внимание на том, что перед современными компаниями и промышленными предприятиями встает задача быстрой и безошибочной обработки данных. Возрастает не только объем получаемой информации, но и скорость изменения, а значит, и её устаревания. В этой связи промышленным предприятиям совершенно необходимо оперативно улучшать методы обработки информации. Таким образом, применение в практике модели выбо-ра управленческих альтернатив на основе прогнозирования динамики ситуаций обеспечивает столь необходимую в современных условиях деятельности промышленных предприятий гиб-кость и оперативность принятия управленческих решений [9].


1. Эконометрика: учеб. для бакалавров / под ред. И.И. Елисеевой. – Москва: Проспект, 2013. – 288 с.

2. Лукашин, Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: учеб. пособие. – М.: Финансы и статистика, 2003. – 416 с.

3. Магнус, Я.Р. Эконометрика. Начальный курс: учеб. / Я.Р. Магнус, П.К. Катышев, А.А. Пе-ресецкий – 6-е изд., перераб. и доп. – М.: Дело, 2004. – 576 с.

4. Тихонов, Э.Е. Методы прогнозирования в условиях рынка: учеб. пособие / Э.Е. Тихонов. – Невинномысск: Сев.-Кавказ. гос. техн. ун-т, 2006. – 221 с.

5. Черноруцкий, И.Г. Методы оптимизации в теории управления / И.Г. Черноруцкий. – СПб.: Питер, 2004. – 104 с.

6. Doz, Y.L. Fast Strategy: How Strategic Agility Will Help You Stay Ahead of the Game. London: Wharton School Publishing / Y.L. Doz, M. Kosonen, 2009. – 120 p.

7. French, S. Decision Behaviour, Analysis and Support / S. French, N. Papamichail. – Cambridge: Cambridge University Press, 2009. – 657 p.

8. Sharp, J.M. Working Towards Agile Manufacturing in the UK Industry / J.M. Sharp, Z. Irani, S. Desai // International Journal of Production Economics. – 1999. – Vol. 62, no. 5. – P. 155–169.

9. Xu, L. Introduction to Multi-Criteria Decision Making and the Evidential Reasoning Approach / L. Xu, J. Yang. –Manchester: Manchester School of Management, 2001. – 324 p.

10. Zhang, P. The Impact of Information Visualization on Human Problem-Solving Performance in a Complex Business Domain / P. Zhang // Proceedings of the Second Americas Conference on Informa-tion Systems (AIS'96), Phoenix, 1996, August 16–18. – P. 674–676.

11. Winters, P.R. Forecasting Sales by Exponentially Weighted Moving Averages / P.R. Winters // Management Science. – 2006. – Vol. 6, no. 3. – P. 75–86.



2015, том 15, № 1 31

Зимин Александр Вячеславович, аспирант кафедры информационно-аналитического обес-печения управления в социальных и экономических системах, Южно-Уральский государствен-ный университет (г.Челябинск); [email protected].

Поступила в редакцию 11 декабря 2014 г.


2015, vol. 15, no. 1, pp. 26–31

MATHEMATICAL MODEL FOR CHOICE AMONG MANAGERIAL ALTERNATIVES USING SITUATIONAL DYNAMICS FORACASTING AT INDUSTRIAL ENTERPRISE A.V. Zimin, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

This paper describes a profit optimization mathematical model used for managerial decision making in the short and medium terms. The work analyses the main problems arising before the management of an industrial organisation in conditions of global eco-nomic instability. The general model proposed for this type of problems is based on the economical factors evaluation with application of various methods of temporary ranks fo-recasting. In addition, this work justifies benefits of using this model in decision process at industrial organisation.

Keywords: economical optimisation model, regression, forecasting, choice of mana-gerial alternatives.

References

1. Eliseeva I.I. Ekonometrika: uchebnik dlya bakalavrov [Econometrics: BSc Textbook]. Moscow, Prospekt Publ., 2013. 288 p.

2. Lukashin Yu.P. Adaptivnye metody kratkosrochnogo prognozirovaniya vremennykh ryadov: uchebnoe posobie [Adaptive Methods of Short Term Time Series Forecasting: Study Guide]. Moscow, Finances and Statistics Publ., 2003. 416 p.

3. Magnus Ya.R., Katyshev P.K., Peresetskiy A.A. Ekonometrika. Nachalnyy kurs: 6-e izdanie [Econometrics. Introductory Course: 6th Edition]. Moscow, Delo Publ., 2004. 576 p.

4. Tikhonov E.E. Metody prognozirovaniya v usloviyakh rynka: uchebnoe posobie [Markets and Fore-casting Methods: Study Guide]. Nevinnomyysk, North Caucasus State Technical University, 2006. 221 p.

5. Chernorutskiy I.G. Metody optimizatsii v teorii upravleniya [Methods for Optimisation in Control Theory]. St. Petersburg, Piter Publ., 2004. 104 p.

6. Doz Y.L., Kosonen M. Fast Strategy: How Strategic Agility Will Help You Stay Ahead of the Game. London, Wharton School Publishing, 2009. 120 p.

7. French S., Papamichail N. Decision Behaviour, Analysis and Support. Cambridge, Cambridge University Press, 2009. 657 p.

8. Sharp J.M., Irani Z. Desai S. Working Towards Agile Manufacturing in the UK Industry. Inter-national Journal of Production Economics, 1999, vol. 62, no. 5, pp. 155–169.

9. Xu L., Yang J. Introduction to Multi-Criteria Decision Making and the Evidential Reasoning Ap-proach. Manchester, Manchester School of Management, 2001. 324 p.

10. Zhang P. The Impact of Information Visualization on Human Problem-Solving Performance in a Complex Business Domain. Proceedings of the Second Americas Conference on Information Systems (AIS'96), Phoenix,1996, August 16–18, pp. 674–676.

11. Winters P.R. Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 2006, vol. 6, no. 3, pp. 75–86.

Received 11 December 2014



Введение Типовые детали приборостроения можно подразделить на следующие укрупненные группы

(табл. 1–8) в соответствии с разработанной автором предварительной формой их классификатора: 1) изделия из сортового материала или заготовок (металлы и сплавы), изготовленные токар-

ной обработкой или фрезерованием, например, переходники, штуцеры, контакты, втулки, крыш-ки, штифтовая и втулочная арматура и т. п. (табл. 1);

2) изделия из сортового материала (тонколистовые металлы и сплавы), изготовленные хо-лодной штамповкой (вырубкой, гибкой, глубокой вытяжкой), например, планки, контакты, кронштейны, токопроводящие элементы и т. п. (табл. 2–4);

3) изделия из сортового материала (проволока из металлов и сплавов), изготовленные навив-кой на оправку или деформированием, например, пружины, пружинящие контакты, упругие эле-менты, петли, растяжки, арматура и т. п. (табл. 5);

4) изделия из металлов или сплавов, изготовленные литьем (заливкой расплава в заранее подготовленную форму), например, крышки, корпуса и т. п. (табл. 6);

5) изделия из пластмасс и керамики, изготовленные горячим прессованием или литьем под давлением, например, рукоятки, диафрагмы, основания, колодки, корпуса, панели, изоляторы, светофильтры, колпачки, гайки, винты и т. п. (табл. 7, 8).

Представленные в классификаторе детали типового наименования, как правило, могут отли-чаться только типоразмерами. Поэтому, используя классификатор и компьютерное 3D парамет-рическое моделирование в графическом пакете AutoCAD [1], на первом этапе достаточно создать модель детали с «любыми размерами», а затем изменять их. В конечном итоге должна появиться иная форма классификатора уже с параметрическими моделями деталей приборостроения.

В отдельную группу можно выделить изделия (сборочные единицы), соединение составных частей которых на предприятиях-изготовителях позволяет получать неразъемные соединения:

1) из металлов или пластмасс, соединенных между собой сборочными операциями (спайкой, расклепкой, развальцовкой, склейкой, сваркой и т. п.), например, кронштейны, контакты реле, токосъемники, основания, стойки и т. п.;

2) из пластмасс, армированных металлом, сплавами, стеклом или фарфором, например, пере-ходники, заглушки, крышки, кнопки, толкатели, рукоятки и т. п.

Из отдельных деталей и сборочных единиц на предприятиях-изготовителях сборочными операциями собирают различные изделия электротехнического назначения, например, тумблеры, выключатели, пускатели, патроны, предохранители, распределители, датчики, лампы сигналь-ные, приборы измерительные и т. п.

УДК 681.327.11(075.8)

РАЗРАБОТКА КОНСТРУКТОРСКОЙ ДОКУМЕНТАЦИИ ДЕТАЛЕЙ И ИЗДЕЛИЙ ПРИБОРОСТРОЕНИЯ НА ОСНОВЕ СИСТЕМНОГО ПОДХОДА Н.С. Кувшинов

Показано, что конструкторскую документацию деталей и изделий приборо-строения наряду с требованиями ГОСТ ЕСКД целесообразно считать многофактор-ной системой. К разработке конструкторской документации необходим системный подход. В основе системного подхода должны быть воедино увязаны предложен-ный классификатор деталей, предложенная структурная модель, учитывающей взаимосвязь постоянных и переменных компонентов в этой системе, а также совре-менные методы компьютерного параметрического моделирования.

Ключевые слова: детали, классификатор, изделия, документация, ГОСТ ЕСКД, многофакторная система, постоянные и переменные компоненты, компьютерное параметрическое моделирование, системный подход.


Разработка конструкторской документации деталей и изделий приборостроения на основе системного подхода

2015, том 15, № 1 33

Таблица 1

Детали приборостроения, получаемые токарно-фрезерной обработкой из металлов и сплавов, их наименование и основные геометрические формы


Н.С. Кувшинов


Таблица 2

Детали приборостроения, получаемые холодной штамповкой из тонколистовых металлов и сплавов, их наименование и основные геометрические формы



2015, том 15, № 1 35

Таблица 3

Детали приборостроения, получаемые гибкой из тонколистовых металлов и сплавов, их наименование и основные геометрические формы




Таблица 4

Полые детали приборостроения, получаемые вытяжкой из тонколистовых металлов и сплавов, их наименование и основные геометрические формы



2015, том 15, № 1 37

Таблица 5

Упругие детали приборостроения, получаемые гибкой проволоки, тонколистовых металлов и сплавов, их наименование

и основные геометрические формы




Таблица 6

Полые и сплошные детали приборостроения, получаемые литьем из металлов и сплавов, их наименование и основные геометрические формы



2015, том 15, № 1 39

Таблица 7

Полые и сплошные детали приборостроения из пластмасс, получаемые литьем или горячим прессованием,

их наименование и основные геометрические формы




Таблица 8

Полые и сплошные детали приборостроения из керамики, получаемые литьем или горячим прессованием,

их наименование и основные геометрические формы

Постановка задачи Детали и изделия приборостроения достаточно специфичны по назначению, условиям экс-

плуатации и внутреннему устройству [2]. Размеры и геометрическую форму деталей и их соеди-нений при отсутствии на них стандартов, как правило, определяют в процессе проектирования изделий или по различным ТУ и нормалям предприятий-изготовителей.

В то же время небольшие по размерам детали и изделия приборостроения в значительной, а иногда и в решающей степени влияют на функциональность больших систем и механизмов.



2015, том 15, № 1 41

Это влияние может проявляться и иметь различного рода последствия на самых разных уровнях, например:

а) на бытовом уровне: в системах типа «Человек – Квартира»; б) на промышленном уровне: в системах типа «Пусковой механизм – Прокатный стан»; в) на уровне жизнеобеспечения: в системах типа «Земля – Самолет» и т. п. В таких системах существуют самостоятельные внутренние и внешние подсистемы как с

двухсторонним (рис. 1), так и с односторонним (рис. 2) взаимодействием. Например, в системе (см. рис. 1) растрескивание резьбы патрона (из-за оформления его чер-

тежа не по ЕСКД) влияет на работу светильника, но не влияет на работу выключателя. Поломка отдельных частей выключателя (из-за неправильного оформления чертежей отдельных деталей или некачественной сборки) не влияет непосредственно на работу светильника. В тоже время выход из строя любой из подсистем приводит к одинаковым последствиям – к отсутствию осве-щения в квартире со всеми вытекающими отсюда моральными и иного рода потерями.

Выключательнастенный

Светильникпотолочный

Патрон

Внутренняя системаВнешняя система

Надежность системы "Выключатель - Светильник"

Рис. 1. Взаимодействия в системе «Выключатель

настенный – Светильник потолочный»

Например, в системе (см. рис. 2) залипание контакта реле при перегреве (из-за отсутствия указаний или неверных указаний на чертеже шероховатости поверхности) приводит к наруше-нию функциональности самого реле. Последствия, к которым приводит неправильное оформле-ние чертежа небольшого контакта, уже очень существенны – станок с ЧПУ не работает, продук-ция не выпускается, а предприятие несет экономические потери.

Надежность системы "Станок - Реле пусковое"

Станокс ЧПУ

Релепусковое

Контакт

Внутренняя система

Внешнняя система

Рис. 2. Взаимодействия в системе «Станок с ЧПУ – Реле пусковое»

Значительная роль отводится системам типа «человек – устройство» и соответствующим им

внутренним подсистемам типа «электрическая часть устройства – механическая часть устройст-ва» (рис. 3), действующим (в том числе) в приборах и устройствах бытового назначения.

В системе (см. рис. 3) при выходе из строя хотя бы одной детали (из-за оформления ее чер-тежа не по ЕСКД или некачественной сборки устройства) вся «механическая часть» теряет свою функциональность и независимо от работающей «электрической части» приводит к нарушению работоспособности всего устройства.




Надежность системы "Человек - Устройство"

Электрическаячасть

устройства

Механическаячасть устройства

Детали

Внутренняя системаВнутренняя система

Рис. 3. Взаимодействия в системе

«Человек – Устройство»

«Механическая часть», как правило, имеет значительно меньшую надежность и практически только от нее зависит работа прибора или устройства. Например, выход из строя нажимных кно-пок пульта управления не позволяет комфортно смотреть телевизор, выход из строя движущихся частей жесткого диска (винчестера) в системном блоке компьютера приводит к потере дорого-стоящей информации и к невозможности работы на компьютере и т. д. и т. п.

Повышение надежности «механической части» приборов и устройств возможно: а) при правильно выбранной технологии изготовления деталей и изделий; б) качественной сборке и соответствующей системе контроля; в) наличии конструкторской документации, оформленной в соответствие с ЕСКД (табл. 9).

Таблица 9 Основные ГОСТ ЕСКД для выполнения конструкторской документации изделий

№ п/п ГОСТ ЕСКД Наименование 1 ГОСТ 2.001–2013 Общие положения 2 ГОСТ 2.052–2013 Электронная модель изделия. Общие положения 3 ГОСТ 2.102–2013 Виды и комплектность конструкторских документов 4 ГОСТ 2.104–2006 Основные надписи 5 ГОСТ 2.108–68 Спецификации сборочных чертежей 6 ГОСТ 2.109–73 Чертежи сборочные – правила оформления 7 ГОСТ 2.301–68 Форматы 8 ГОСТ 2.302–68 Масштабы 9 ГОСТ 2.303–68 Линии

10 ГОСТ 2.304–81 Шрифты чертежные 11 ГОСТ 2.305–2008 Изображения – виды, разрезы, сечения

12 ГОСТ 2.306–68 Обозначения графические материалов и правила их нанесения на чертежах

13 ГОСТ 2.307–2011 Нанесение размеров и предельных отклонений 14 ГОСТ 2.309–73 Обозначение шероховатости поверхности 15 ГОСТ 2.311–68 Изображение резьбы и резьбовых соединений 16 ГОСТ 2.313–82 Условные изображения и обозначения неразъемных соединений 17 ГОСТ 2.317–2011 Аксонометрические проекции Системный подход к оформлению конструкторской документации деталей и изделий приборостроения Весь окружающий нас мир – это система со своими внутренними и внешними связями, со

своими закономерностями и особой логикой существования. Конструкторскую документацию (по аналогии) также целесообразно рассматривать как са-

мостоятельную систему, так как в ней тоже есть и свои связи, и свои закономерности, которые напрямую оказывают влияние, как на сам процесс ее выполнения, так и на конечный результат. Влияние на данную систему оказывают компоненты других систем – технологии изготовления



2015, том 15, № 1 43

деталей и сборочных единиц, сборки и контроля изделий. Именно поэтому к выполнению конст-рукторской документации необходимо применять свой, пусть и специфичный, но логически обоснованный системный подход.

Конструкторскую документацию (как и любую систему) предлагается описывать структур-ной моделью (рис. 4) [2].

Рис. 4. Структурная модель упрощенного вида

Структурные модели – это системы для описания совокупности объектов или совокупности

компонентов одного объекта, свойства которых и соотношения между которыми удовлетворяют определенным аксиомам. Аксиомы (применительно к инженерной графике) – это ГОСТ ЕСКД (см. табл. 9).

Моделирование – исследование явлений, процессов или систем объектов путем построения и изучения их структурных моделей для определения или уточнения характеристик и рационали-зации способов построения вновь конструируемых объектов.

Применительно к инженерной графике – это рациональное выполнение конструкторской до-кументации.

Структурные модели (как и математические модели) подразделяют: 1) по классам – на статические и динамические; 2) характеру изменения передачи данных – на непрерывные, дискретные и смешанные; 3) математическому аппарату – на алгебраические, трансцендентные, дифференциальные и

конечно-разностные. Каждые классы моделей дополнительно подразделяют на подклассы. Существенным фактором для любых структурных моделей является подразделение входя-

щих в их состав компонентов на два вида: 1) постоянные компоненты; 2) переменные (взаимозависимые) компоненты. Для использования в практической деятельности структурную модель конструкторской до-

кументации (см. рис. 4) целесообразно преобразовать к более удобному общему виду (рис. 5) [2]. Применительно к приборостроению предложенная структурная модель (см. рис. 5): 1) относится к классу динамических моделей с постоянными и переменными (взаимозависи-

мыми) компонентами, которые описывают ее структуру без использования математических фор-мул и выкладок;




2) динамика процесса моделирования заключается в поиске оптимального решения на ос-нове анализа взаимодействия постоянных и переменных компонентов модели (от начального состояния – условия задания, до конечного состояния – выполнения конструкторской докумен-тации);

3) учитывает специфику и особенности рассматриваемых изделий приборостроения, поэтому максимально приближена к реальным условиям проектирования изделий и выполнения конст-рукторской документации.

Рис. 5. Структурная модель общего вида

На практике структурные модели общего вида всегда конкретизируют и приводят к виду в

соответствие с решаемыми задачами. Любая структурная модель корректна и эффективна в работе, если заранее известны или мо-

гут быть определены все компоненты, входящие в ее структуру, поэтому для предложенной мо-дели основными компонентами являются [2]:

1) постоянные компоненты – основные ГОСТ ЕСКД (см. табл. 9); 2) переменные, взаимозависимые компоненты: а) наименование деталей (табл. 10) и изделий (табл. 11); б) размеры деталей, сборочных единиц и изделий;



2015, том 15, № 1 45

в) сведения: о материалах деталей, шероховатости поверхности деталей, технологии изго-товления деталей, классификации геометрической формы деталей в зависимости от технологии их изготовления; конструктивных элементах деталей, видах и обозначении резьбы, разъемных и неразъемных соединениях деталей, нестандартных сборочных единицах и укрупненных элемен-тах, простановке размеров в зависимости от технологии изготовления деталей и сборочных еди-ниц, правилах и последовательности выполнения чертежей сборочных единиц и сборочных чер-тежей изделий, правилах выполнения и последовательности заполнения спецификаций сбороч-ных единиц и сборочных чертежей изделий, дополнительных ГОСТ ЕСКД.

Таблица 10

Распространенные наименования деталей приборостроения

1. Арматура 22. Лепестки 43. Разделители 2. Болты 23. Лимбы 44. Рамки 3. Валы 24. Маятники 45. Распорки 4. Винты 25. Мембраны 46. Растяжки 5. Вкладыши 26. Наконечники 47. Рукоятки 6. Втулки 27. Направляющие 48. Рычаги 7. Гайки 28. Насадки 49. Светофильтры 8. Гильзы 29. Обоймы 50. Скобы 9. Демпферы 30. Ограничители 51. Стаканы 10. Диафрагмы 31. Опоры 52. Стопоры 11. Заглушки 32. Оси 53. Стойки 12. Зажимы 33. Основания 54. Толкатели 13. Заклепки 34. Панели 55. Уголки 14. Изоляторы 35. Патрубки 56. Упоры 15. Колпачки 36. Петли 57. Фиксаторы 16. Кольца 37. Перемычки 58. Фланцы 17. Контакты 38. Переходники 59. Хомутики 18. Короба 39. Пластины 60. Цанги 19. Корпуса 40. Проводники 61. Шайбы 20. Кронштейны 41. Прокладки 62. Штифты

Таблица 11

Распространенные наименования изделий приборостроения

1. Антенны 18. Катушки 35. Приводы 2. Аппараты 19. Клапаны 36. Пускатели 3. Аттенюаторы 20. Кнопки 37. Разрядники 4. Блоки 21. Кожухи 38. Разъемы 5. Вариометры 22. Колодки 39. Распределители 6. Верньеры 23. Корпуса 40. Регуляторы 7. Вилки 24. Лампы 41. Редукторы 8. Волноводы 25. Механизмы 42. Резонаторы 9. Волномеры 26. Осветители 43. Реле 10. Выключатели 27. Основания 44. Розетки 11. Гнезда 28. Панели 45. Стенды 12. Датчики 29. Патроны 46. Токосъемники 13. Замки 30. Платформы 47. Трансформаторы 14. Захваты 31. Переключатели 48. Тумблеры 15. Зеркала 32. Переходники 49. Фильтры 16. Калибраторы 33. Предохранители 50. Фонари 17. Каркасы 34. Преобразователи 51. Электромагниты




Заключение 1. Конструкторская документация это тоже своего рода многофакторная и многокомпонент-

ная «система». При оформлении конструкторской документации наряду с общими требованиями ГОСТ ЕСКД необходимо учитывать взаимосвязь всех составных частей в приведенной выше мо-дели и то, что ни один компонент «системы» не может существовать отдельно, сам по себе.

2. Системный подход к выполнению конструкторской документации деталей и изделий при-боростроения обеспечивается только совместным использованием предложенного классификато-ра, компьютерного параметрического моделирования и предложенной структурной модели.


1. Онстот, С. AutoCAD 2014 и AutoCAD LT 2014. Официальный учебный курс / С. Онстот. – М.: ДМК-Пресс, 2014. – 421 с.

2. Кувшинов, Н.С. Приборостроительное черчение: учеб. пособие / Н.С. Кувшинов, В.С. Дукмасова. – М.: КНОРУС, 2013. – 400 с.

Кувшинов Николай Сергеевич, канд. техн. наук, доцент, профессор кафедры графики,

Южно-Уральский государственный университет (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 32–46

DEVELOPMENT OF DESIGN DOCUMENTATION OF PARTS AND PRODUCTS INSTRUMENTATION ON THE BASIS OF SYSTEM APPROACH N.S. Kuvshinov, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

It is reasonable to assume the design documentation of parts and products instrumen-tation along with the requirements of GOST ESKD as multivariate system. It is required to apply system approach to the development of design documentation. Proposed classifi-er of details, proposed structural model, taking into account the relationship of fixed and variable components in this system, as well as modern methods of computer parametric modeling must be tied together in the system approach.

Keywords: parts, classifier, products, documentation, GOST ESKD, multi-factor sys-tem, fixed and variable components, parametric computer modeling, system approach.

References 1. Onstot C. AutoCAD 2014 i AutoCAD LT 2014. Ofitsial'nyy uchebnyy kurs [AutoCAD and Auto-

CAD LT 2014. Official Training Course]. Moscow, DMK-Press Publ., 2014. 421 p. 2. Kuvshinov N.S., Dukmasova V.S. Priborostroitel’noe cherchenie: uchebnoe posobie [Instru-

ment Making Drawing: a Tutorial]. Moscow, KNORUS Publ., 2013. 400 p.



2015, том 15, № 1 47

Мехатронизация техносферы в процессе ее информатизации Эволюция мехатроники свидетельствует о том, что прародительницей мехатроники стала

техническая кибернетика (ТК), которая, как известно [1], явилась материнской наукой для ин-форматики, обеспечивающей на современном этапе развития человечества переход от индустри-ального к информационному обществу, в котором определяющая роль принадлежит информаци-онным технологиям (ИТ). Однако следует признать, что ИТ, являясь катализатором развития и прогресса, представляют собой лишь оболочку, которая при решении конкретных практических задач приобретает предметное наполнение. В последнее время в инженерной практике в качестве такого предметного наполнителя выступают мехатронные системы (МС) и ИТ, которые призва-ны определить облик техносферы XXI в. В 1995 г. основоположник ТК Н. Винер изложил про-гноз новой парадигмы ее развития, указывая на то, что компьютерные технологии будут активно использоваться для управления механизмами.

Формирование мехатроники как области научно-технического знания и инженерной дея-тельности приходится на середину 1980-х гг. Оно явилось ответом на запросы практики: появле-ние и резкий подъем производства микропроцессорных средств существенно расширили воз-можности электронных устройств управления и позволили при малых размерах и высокой на-дежности придать им такие новые свойства, как функциональная гибкость и перестраиваемость в соответствии с требованиями к преобразованию энергии и информации. Это привело к появле-нию нового научно-технического направления (НТН) «МЕХАТРОНИКИ» (Mechatronics). Термин был предложен японским инженером Tetsuro Moria (Тецуро Мориа) в 1969 г. компанией Yaskawa Electronic и зарегистрирован в качестве торговой марки в 1972 г. Название получено комбинаци-ей слов «МЕХАника и элекТРОНИКА».

Структура и характерные особенности мехатроники Мехатроника предусматривает объединение механики, электроники и информатики

(рис. 1, а). Результатом этого союза становится появление интеллекта и синергетического эффек-та. Междисциплинарный характер мехатроники наглядно демонстрирует логотип (рис. 1, б), предложенный МИРЭА. Наиболее эффективным и перспективным в мехатронике является ис-

УДК 621.856.8

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЭЛЕКТРОМЕХАТРОНИКЕ Ю.С. Смирнов, Е.В. Юрасова, И.С. Никитин

Рассмотрены информационные технологии управления (ИТУ) электромеха-тронных преобразователей (ЭМТП). В их электромеханической компоненте (ЭМК) агрегатированы в качестве преобразователя энергии бесконтактная электрическая машина с постоянными магнитами (БЭПМ), а в качестве первичного измерительно-го преобразователя (ПИП) единого информационного обеспечения (ЕИО) процесса управления функциональным движением рабочего механизма (РМ) – синусно-косинусный сенсор (СКС). Его выходные сигналы конвертируются вторичным пре-образователем микроэлектронной компоненты (МЭК) в цифровые эквиваленты пе-ремещения, формируя массив данных, обработка которых на основе когнитивных технологий (КТ) позволяет реализовать в ЭМТП адаптацию к внешним и внутрен-ним возмущениям, самокоммутацию БЭПМ с угловым опережением или отставани-ем, оптимизацию перемещения во времени и самоорганизацию при конвертации вида энергии и форм информации, что обеспечивает получение синергетического эффекта.

Ключевые слова: информационные технологии управления; электромехатрон-ные преобразователи; бесконтактные электромашины с постоянными магнита-ми; единое информационное обеспечение; рабочий механизм; синусно-косинусные сенсоры; электромеханическая и микроэлектронная компоненты; когнитивные технологии; адаптация, самокоммутация; оптимизация; самоорганизация и синер-гетический эффект.


Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника»48

пользование в качестве энергоносителя электроэнергии. Поэтому прикладная мехатроника в большинстве случаев базируется личие от автоматизированных электроприводов (АЭП) [2], не обладающих интеллектом и синегией, такие модули мехатронных систем принято именовать ЭМТП [3], логотип которого преставлен на рис. 1, в. Из него следует, что ЭМТП содержат ЭМК и МЭК, осуществляющие преоразование формы энергии и видов информации в перемещение.

а)

Рис. 1. Логотипы мехатроники (а), ее междисциплинарного характера (б) и ЭМТП (в) Межотраслевой характер

подхода к организации работ по его развитию. Именно так, например, начиналось развитие мехтроники в Японии – лидере в этой области, все достижения получены именно благодаря тому, что опережающее развитие мехатроники было признано стратегической государственной задчей. Аналогичный государственный подход к развитию мехатроники проявили в США, Гермнии, Великобритании, Республике Корея, Тайване и Китае.

Результативность развития мехатроники в XX веке торый в докладе «Future Trendrum, Sept. 2000 in Atlanta, USAотраслях, как автомобилестроение, развитию. Это привело к эффективности массового производства. Оно было сконцентрировано на получение материальной выгоды. Теперь мы должны взять в свое распоряжение концепцию окружающей среды – полный жизненный цикл и „стряхнуть пыль“

Эти рекомендации остаются актуальными для региона Южного Урала, где необходимо тщтельно «стряхнуть пыль» и уделить внинаправленных на улучшение экологической ситуации в зоне Восточноного следа, где для реабилитации загрязненных территорий необходимо шире использовать рботизированные агрегаты, способн

Нашей стране потребовалось четверть века для оценки эффективности внедренных в 80прошлого столетия инноваций в области электромехатроники [5]. Ряд известных [6] технических решений в части информациониз-за опережения реальных потребностей (спроса) и застойного периода в развитии науки и теники. Существенную роль сыграло то, что разные направления мехатроники развиваются изолрованно, обмен информацией между ними минимален. Справедливым остается замечание оснвателя ТК Н. Винера: «Важные исследования задерживаются изизвестны результаты, уже давно ставшие классическими в смежной области» [7].

Положительную роль в становлении и развитии НТН в РФ играет журнал «Мехатроника, атоматизация, управление», более 100 номеров которого вышло в свет. Журнал издается более 10 лет, входит в «Перечень российских рецензируемых научных журналов», в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук» и доступен для широкого круга читателей.

Ю.С. Смирнов, Е.В. Юрасова,

Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника»

пользование в качестве энергоносителя электроэнергии. Поэтому прикладная мехатроника в большинстве случаев базируется на использовании электромеханики и микроэлектроники. В оличие от автоматизированных электроприводов (АЭП) [2], не обладающих интеллектом и синегией, такие модули мехатронных систем принято именовать ЭМТП [3], логотип которого пре

него следует, что ЭМТП содержат ЭМК и МЭК, осуществляющие преоразование формы энергии и видов информации в перемещение.

б)

Рис. 1. Логотипы мехатроники (а), ее междисциплинарного характера (б) и ЭМТП (в)

Межотраслевой характер рассматриваемого НТН требует адекватного государственного подхода к организации работ по его развитию. Именно так, например, начиналось развитие мех

лидере в этой области, все достижения получены именно благодаря тому, звитие мехатроники было признано стратегической государственной зад

чей. Аналогичный государственный подход к развитию мехатроники проявили в США, Гермнии, Великобритании, Республике Корея, Тайване и Китае.

Результативность развития мехатроники в XX веке подтверждает S. YaskawaTrend in Intelligent Mechatronics Systems» на Седьмом

USA заявил: «Эта концепция увеличила производительность в таких автомобилестроение, компьютеры, средства связи и дала возможность

развитию. Это привело к эффективности массового производства. Оно было сконцентрировано й выгоды. Теперь мы должны взять в свое распоряжение концепцию

полный жизненный цикл и „стряхнуть пыль“ – наше делоЭти рекомендации остаются актуальными для региона Южного Урала, где необходимо тщ

тельно «стряхнуть пыль» и уделить внимание совершенствованию инновационных разработок, направленных на улучшение экологической ситуации в зоне Восточно-Уральского радиоактиного следа, где для реабилитации загрязненных территорий необходимо шире использовать рботизированные агрегаты, способные работать в условиях повышенной радиации

Нашей стране потребовалось четверть века для оценки эффективности внедренных в 80прошлого столетия инноваций в области электромехатроники [5]. Ряд известных [6] технических решений в части информационного обеспечения остался незамеченным в большинстве случаев

за опережения реальных потребностей (спроса) и застойного периода в развитии науки и теники. Существенную роль сыграло то, что разные направления мехатроники развиваются изол

формацией между ними минимален. Справедливым остается замечание оснВинера: «Важные исследования задерживаются из-за того, что в одной области не

известны результаты, уже давно ставшие классическими в смежной области» [7].становлении и развитии НТН в РФ играет журнал «Мехатроника, а

томатизация, управление», более 100 номеров которого вышло в свет. Журнал издается более 10 лет, входит в «Перечень российских рецензируемых научных журналов», в которых должны

ы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук» и доступен для широкого круга читателей.

Ю.С. Смирнов, Е.В. Юрасова, И.С. Никитин


пользование в качестве энергоносителя электроэнергии. Поэтому прикладная мехатроника в а использовании электромеханики и микроэлектроники. В от-

личие от автоматизированных электроприводов (АЭП) [2], не обладающих интеллектом и синер-гией, такие модули мехатронных систем принято именовать ЭМТП [3], логотип которого пред-

него следует, что ЭМТП содержат ЭМК и МЭК, осуществляющие преоб-

в)

Рис. 1. Логотипы мехатроники (а), ее междисциплинарного характера (б) и ЭМТП (в)

рассматриваемого НТН требует адекватного государственного подхода к организации работ по его развитию. Именно так, например, начиналось развитие меха-

лидере в этой области, все достижения получены именно благодаря тому, звитие мехатроники было признано стратегической государственной зада-

чей. Аналогичный государственный подход к развитию мехатроники проявили в США, Герма-

Yaskawa (С. Яскава), ко-» на Седьмом Mechatronics Fo-

«Эта концепция увеличила производительность в таких и дала возможность глобальному

развитию. Это привело к эффективности массового производства. Оно было сконцентрировано й выгоды. Теперь мы должны взять в свое распоряжение концепцию

наше дело». Эти рекомендации остаются актуальными для региона Южного Урала, где необходимо тща-

мание совершенствованию инновационных разработок, Уральского радиоактив-

ного следа, где для реабилитации загрязненных территорий необходимо шире использовать ро-ые работать в условиях повышенной радиации [4].

Нашей стране потребовалось четверть века для оценки эффективности внедренных в 80-х гг. прошлого столетия инноваций в области электромехатроники [5]. Ряд известных [6] технических

ного обеспечения остался незамеченным в большинстве случаев за опережения реальных потребностей (спроса) и застойного периода в развитии науки и тех-

ники. Существенную роль сыграло то, что разные направления мехатроники развиваются изоли-формацией между ними минимален. Справедливым остается замечание осно-

за того, что в одной области не известны результаты, уже давно ставшие классическими в смежной области» [7].

становлении и развитии НТН в РФ играет журнал «Мехатроника, ав-томатизация, управление», более 100 номеров которого вышло в свет. Журнал издается более 10 лет, входит в «Перечень российских рецензируемых научных журналов», в которых должны

ы основные научные результаты диссертаций на соискание ученых степеней


Информационные технологии в электромехатронике

2015, том 15, № 1 49

Мехатронный подход при электронизации ЭМТП Различия мехатронного и традиционного подходов к проектированию ЭМТП состоит в кон-

цепции построения и реализации структурного, алгоритмического и информационного обеспече-ния преобразования энергии и информации в функциональное движение РМ [7]. При традицион-ном проектировании АЭП интерфейсы являются отдельными устройствами. Мехатронный под-ход предусматривает минимизацию интерфейсов и промежуточных преобразований, путем агре-гатирования элементов [8] в модули ЭМК и МЭК, допускающие их раздельное размещение.

Мехатронный подход предусматривает поэтапную электронизацию ЭМТП, заключающуюся в переносе функциональной нагрузки от ЭМК в МЭК [1]. При этом совершенствование МЭК достигается использованием микроконтроллерной обработки массивов информации, ЕИО и ми-нимизацией интерфейсных связей между компонентами, структура которых предусматривает обмен информацией по силовым цепям управления БЭПМ [9].

Наиболее весомым стал первый этап комплексной электронизации, позволивший отказаться от 200-летней традиции обеспечения низких скоростей РМ, предусматривающей использование высокоскоростного электродвигателя с редуктором или коробкой передач, снижающих эксплуа-тационные показатели.

Мехатронный подход позволил осуществить электронизацию приемной стороны традицион-ной следящей электромеханической дистанционной передачи угла поворота. Результатом этого этапа электронизации стало получение в рамках ЕИО на приемной стороне цифровых эквива-лентов необходимого набора составляющих: величины и ее ортогональных составляющих, ско-рости и ускорения перемещения. Первый этап электронизации ЭМТП характеризуется реализа-цией ЕИО [10] с ПИП на основе СКС. Это привело к предельному упрощению структуры ЭМК и интерфейса с усложнившейся МЭК. Ей были переданы функции окончательного формирования из выходных сигналов СКС цифровых эквивалентов составляющих перемещения.

Второй этап электронизации связан с переходом в МЭК от аппаратной схемотехники [6] к программируемым МК. Это, в определенной степени, компенсировало усложнение МЭК, но сде-лало разработчика аппаратуры зависимым от поставок импортных комплектующих. Современ-ное положение с санкциями на поставки элементов двойного назначения делает рискованным продолжение движения в этом направлении. Выход из этой ситуации один – развитие собствен-ной производственной базы и стимулирование конвергенции нанотехнологий в мехатронику [1].

Современный этап электронизации ЭМТП Третий этап электронизации ЭМТП направлен на упрощение ЭМК за счет перехода от кине-

стетических электромашинных СКС [11] к генераторным синусно-косинусным магнитным энко-дерам (СКМЭ) [12], использующим известный эффект Холла (рис. 2, а) или открытый в 1988 г. эффект гигантского магниторезонанса (ГМР). В первом варианте предусмотрено формирование составляющих скорости в импульсной форме [13]. Это снижает помехозащищенность СКМЭ, основанных на эффекте Холла, усложняет коррекцию динамической погрешности, которая на высоких скоростях составляет несколько процентов. Формирование параллельного тахометриче-ского канала [12] исключено из-за отсутствия возможности использования сигналов ортогональ-ных составляющих углового перемещения на выходе ПИП.

В этом отношении большими возможностями обладают СКМЭ на основе ГМР. Квантомеха-нический эффект ГМР, наблюдаемый в тонких металлических пленках, чередующихся ферро-магнитных и проводящих немагнитных слоев, состоит в существенных вариациях электрическо-го сопротивления такой структуры при изменении взаимного направления намагниченности со-седних магнитных слоев. Направлением намагниченности можно управлять, например, положе-нием внешнего магнитного поля. В основе эффекта лежит рассеяние электронов, зависящее от направления спина. За открытие ГМР физики А. Ферт и П. Грюнберг были удостоены Нобелев-ской премии по физике в 2007 году.

Компания Infineon Technologies производит СКМЭ типа TLE5012В (рис. 2, б), определяю-щий угол в диапазоне 360° по изменению направления магнитного поля. Измерение производит-ся на основе встроенных ГМР элементов, соединенных в мостовую схему, сопротивление кото-рых меняется в зависимости от направления магнитного поля. Микросхема содержит встроенные АЦП и ЦСП для тригонометрических преобразований. Предусмотрена возможность измерения




угловой скорости магнита, что позволит компенсировать динамическую составляющую погреш-ности измерения. Цифровые выходы ортогональных составляющих перемещения имеют разряд-ность 16 бит.

а) б)

Рис. 2. СКМЭ на основе эффектов Холла (а) и ГМР (б) Высокая разрядность этих выходов обеспечивает формирование контура положительной ме-

стной обратной связи, охватывающей БЭПМ и обеспечивающей его дискретное управление с высоким качеством движения безредукторного ЭМТП в режиме самокоммутации за счет измене-ния как угла коммутации, так и широтно-импульсной модуляции независимо от числа пар полю-сов. Такой СКМЭ приближается по своим функциональным возможностям к полифункциональ-ному преобразователю (ПФП) [14] и может использоваться непосредственно в ЭМТП, не тре-бующих формирования составляющей ускорения.

К существенным достоинствам варианта СКМЭ на основе ГМР является простота реализа-ции на его основе амплитудного ПФП, для которого составляющая ускорения перемещения мо-жет быть получена в МК дифференцированием цифрового эквивалента скорости [15]. Современ-ные СКМЭ часто предусматривают формирование в двоичном коде только составляющих вели-чины перемещения, а скорость в них представляется в числоимпульсном коде. Считается, что новое поколение энкодеров фактически формализовало границы между сенсорами положения и скорости, как, впрочем, и различия между эффектами Холла, анизотропного, гигантского и тун-нельного магнитных резонансов [13].

Многокомпонентный следящий преобразователь на основе ГМР В ответственных применениях и самоорганизующихся МС необходимо иметь все состав-

ляющие ЕИО в абсолютных кодах. Для решения этой задачи достаточно обеспечить доступ к вы-ходным ортогональным составляющим перемещения в аналоговой или цифровой форме. Это по-зволит сформировать недостающие составляющие в аналоговой форме многокомпонентным сле-дящим преобразователем, структура которого представлена ни рис. 3.

Необходимые для ЕИО аналоговые составляющие скорости и ускорения формируются совме-стно с оцифрованной составляющей перемещения в электронной следящей системе (ЭСС) [6].

Рис. 3. Структура многокомпонентного следящего преобразователя



2015, том 15, № 1 51

Синусно-косинусный сенсор СКС на основе ГМР формирует на своих выходах коды пере-мещения Фθ и его ортогональных составляющих ФSθ и ФCθ. Последние конвертируются в микро-контроллере МК в аналоговые компоненты ортогональных составляющих перемещения USθ и UCθ, которые поступают на вход выявителя октанта ВО. На его цифровом выходе формируется код октанта, представляющий три старших по весу разряда СВР перемещения Фθ.

На аналоговых выходах ВО формируются сигналы US и UC, представляющие приведенные в первый октант фрагменты сигналов USθ и UCθ – от 0 до 45° θ. Сигнал US поступает на прямой вход дифференциального усилителя ДУ, на инверсный вход которого поступает сигнал U*

S с вы-хода ФТП, управляемого цифровыми сигналами с выходов ВО и АЦИ. Таким образом, формиру-ется сигнал рассогласования Up, дальнейшее преобразование которого производится линейным фильтром ЛФ. Он подавляет гармоники и квадратурные составляющие, которые возрастают при вращении магнита NS, работающего в режиме генератора. Фильтрация обеспечивает подавление низкочастотных помех в сигнале рассогласования ЭСС с астатизмом второго порядка и ограни-ченной полосой пропускания [6].

На выходе ЛФ формируется напряжение Uε, представляющее аналоговый эквивалент, близ-кий по своей величине к ускорению ε входного воздействия (см. рис. 3). Аналоговый интегратор АИ позволяет конвертировать напряжение Uε в напряжение UΩ представляющее аналоговый эк-вивалент, близкий по своей величине к скорости Ω входного воздействия (см. рис. 3).

Аналого-цифровой интегратор АЦИ формирует позиционный двоичный код младших по ве-су разрядов МВР цифрового эквивалента Фθ, который в МК путем совмещения с СВР кода октан-та образует цифровой эквивалент перемещения в диапазоне от 0 до 360°. Цифровые эквиваленты составляющих скорости ФΩ и Фε формируются посредством конвертирования в МК соответст-венно АЦП1 и АЦП2 сигналов UΩ и Uε.

В электромеханическую компоненту ЭМК поступают сформированные в МК цифровые эк-виваленты: величины Фθ, скорости ФΩ и ускорения Фε перемещения и ортогональные сигналы ФSЭ и ФСЭ. Первые используются в качестве цифровых обратных связей для формирования соот-ветствующих законов управления ЭМТП [7], а вторые – в качестве местной обратной связи управления электродвигателем в режиме самокоммутации [16].

Заключение Состояние мехатроники характеризуется сложностью осознания ее необходимости потреби-

телями и разработчиками. При этом следует учитывать то, что развитие мехатроники, как меж-дисциплинарного НТН, помимо очевидных технико-технологических сложностей ставит и целый ряд новых организационно-экономических проблем. Их решение требует преодоления сложив-шихся на предприятиях традиций в управлении и амбиций менеджеров среднего звена, привык-ших решать только свои узкопрофильные задачи.

Принцип ЕИО гармонично вписывается в структуру и конструктивное исполнение безредук-торного ЭМТП, обладающего более высокими эксплуатационными показателями по сравнению с редукторным вариантом. Агрегатирование СКС с БЭПМ упрощает конструкцию МЭК. Ком-плексное применение ИТ обеспечивает интеллектуализацию, которая совместно с электрониза-цией дает синергетический эффект.

Конвергенция нанотехнологий в мехатронику приведет, в конечном итоге, к полной электро-низации ЭМТП. Это следует из принципиальной возможности агрегатирования в единое целое СКМЭ с БЭПМ, магнитное поле ротора которого будет через индукцию формировать в ПИП ор-тогональные составляющие угла поворота, т. е. придавать агрегату свойства хронотопа, осущест-вляющего связь пространства и времени [17].

Предложено построение ЭСС, в отличие от традиционных вариантов с электромагнитными СКС [6], не предусматривает модуляцию-демодуляцию сигнала, формируемого ПИП. Это дости-гается в процессе электронизации ЭМК заменой кинестетических сенсоров генераторными, ко-торые формируют ортогональные составляющие на основе физических эффектов Холла, анизо-тропного, гигантского и туннельного магнитных резонансов [13].

Анализ подтвержденных практических достижений в области ИТУ и электронизации сви-детельствует о том, что имеет место расширение классической механической парадигмы меха-троники, связанное с переходом от компьютерного управления механическими процессами к




аналогичному управлению физическими процессами, то есть к более сложным физическим формам движения [1].


1. Теряев, Е.Д. Мехатроника как компьютерная парадигма развития технической киберне-тики / Е.Д. Теряев, Н.Б. Филимонов, К.В. Петрин // Мехатроника, автоматизация, управление. – 2009. – № 6. – С. 2–10.

2. Усынин, Ю.С. Системы управления электроприводов: учеб. пособие / Ю.С. Усынин. – 2-е изд., испр. и доп. – Челябинск: Изд-во ЮУрГУ, 2004. – 328 с.

3. Коськин, Ю. П. Введение в электромеханотронику / Ю.П. Коськин. – СПб.: Энергоатом-издат, Санкт-Петербургское отделение, 1991. – 192 с.

4. Smirnov, Yu.S. Robototechnical Complexes for Radioactive Accidents Aftermath Removal / Yu.S. Smirnov // Book of abstracts VIII International Symposium «Ural Atomic, Ural Industrial». – Екатеринбург: УрО РАН, 2000. – P. 37–40.

5. Смирнов, Ю.С. Внедрение инноваций – источник ресурсосбережения / Ю.С. Смирнов // Материалы ВНПК «Экологическая безопасность и современные технологии». – Миасс, 2009. – С. 270–275.

6. Домрачев, В.Г. Цифроаналоговые системы позиционирования / В.Г. Домрачев, Ю.С. Смир-нов. – М.: Энергоатомиздат, 1990. – 240 с.

7. Смирнов, Ю.С. Электромехатронные преобразователи / Ю.С. Смирнов; под ред. А.Л. Шес-такова. – Челябинск: Издат. центр ЮУрГУ, 2013 – 361 с.

8. Подураев, Ю.С. Мехатроника: основы, методы, применение: учеб. пособие / Ю.С. Поду-раев. – М.: Машиностроение, 2006. – 256 с.

9. Mikerov, A.G. Brushless ВС Torque Motors Quality Level Indexes for Servo Drive application / A.G. Mikerov // Proceedings of International Conference JEEE Eurocon 2009, St. Petersburg, Russia, May18–23, 2009. – С. 827–834.

10. Smirnov, Yu.S. Common Dateware of Robotics Mechatronic Converters Proc. of the Third ISMCR’93 / Yu.S. Smirnov. – Italy, Torino, 1993. – P. 13–18.

11. Smirnov, Yu.S. Analog-to-Digital Converters of Components of a Displacement based on Pri-mary Electromechanical Converters / Yu.S. Smirnov, T.A. Funk, P.B. Serebryakov // Measurement Techniques. – 2014. – Vol. 56, iss. 9. – P. 1026–1030.

12. Analog-to-Digital Converters of the Components of a Displacement with the Use of Microelec-tronic Sine-Cosine Magnetic Encoders / Yu.S. Smirnov, T.A. Kozina, E.V. Yurasova, A.V. Sokolov // Measurement Techniques. – 2014. – Vol. 57, iss. 1. – P. 41–46.

13. Сысоева, С. Разработка нового поколения датчиков магнитного поля / С. Сысоева // Компоненты и технологии. – 2014. – № 1. – С. 40–46.

14. Смирнов, Ю.С. Полифункциональный фазовый преобразователь перемещения / Ю.С. Смир-нов, Е.В. Юрасова, Т.А. Козина // XII Всероссийское совещание по проблемам управления ВСПУ-2014. [Электронный ресурс]. – М.: ИПУ им. В.А. Трапезникова РАН, 2014. – С. 7171–7182.

15. Балковой, А.П. Прецизионный электропривод с вентильными двигателями / А.П. Балко-вой, В.К. Цаценкин. – М.: ИД МЭИ, 2010. – 328 с.

16. Особенности информационного обеспечения безредукторных электромехатронных преоб-разователей / Ю.С. Смирнов, Д.А. Кацай, Т.А. Функ, Я.О. Анисимов // Материалы конференции «Информационные технологии в управлении» (ИТУ-2014). – СПб.: ОАО «Концерн «ЦНИИ «Электроприбор», 2014. – С. 729–737.

17. Повышение эффективности формирования эквивалентов составляющих перемещения / Ю.С. Смирнов, Д.А. Кацай, Е.В. Юрасова, И.С. Никитин // Материалы конференции «Информа-ционные технологии в управлении» (ИТУ-2014). – СПб.: ОАО «Концерн «ЦНИИ «Электропри-бор», 2014. – С. 710–719.



2015, том 15, № 1 53

Смирнов Юрий Сергеевич, д-р техн. наук, профессор, профессор кафедры приборострое-ния, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Юрасова Екатерина Валерьевна, канд. техн. наук, доцент, доцент кафедры информа-ционно-измерительной техники, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Никитин Иван Сергеевич, магистрант кафедры информационно-измерительной техники, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 27 октября 2014 г.


2015, vol. 15, no. 1, pp. 47–54

INFORMATION TECHNOLOGIES IN ELECTROMEHATRONICS Yu.S. Smirnov, South Ural State University, Chelyabinsk, Russian Federation, [email protected], E.V. Yurasova, South Ural State University, Chelyabinsk, Russian Federation, [email protected], I.S. Nikitin, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The information technology of the electromechatronic converters management are considered. Сontactless electric machine with the permanent magnets is aggregated as an energy converter in its electromechanical components and sine-cosine sensor is a primary measuring converter of common information providing of functional movement process control of the working mechanism. Sensor output signals are converted by the secondary converter microelectronic components in the digital equivalents of movement, forming an array of data. Data processing based on cognitive technology allows to realize adaptation of the electromehatronics converters to internal and external perturbations, self-commutation of contactless electric machine with permanent magnets with corner ahead or behind, the optimization of time travel and self-organization during the converting of energy type and information forms that provides a receiving of synergistic effect.

Keywords: information technology of the control; electromehatronics converters; contactless electric machine with permanent magnets; common information software; an operating mechanism; sine-cos sensors; electromechanical and microelectronic compo-nents; cognitive and information technologies; adaptation, self-commutation; optimiza-tion; self-organization and synergistic effect.

References 1. Teryaev E.D., Filimonov N.B., Petrin K.V. [Mechatronics as a Computer Paradigm of Develop-

ment of Technical Cybernetics]. Mechatronics, Automation, Control, 2009, no 6, pp. 2–10. (in Russ.) 2. Usynin Yu.S. Sistemy upravleniya elektroprivodov: uchebnoe posobie [Electric Control System:

a Tutorial]. Chelyabinsk, South Ural St. Univ. Publ., 2004. 328 p. 3. Kos'kin Yu.P. Vvedenie v elektromekhatroniku [Introduction to ElectroMechatronics]. St. Peters-

burg, EnergoAtom Publ., 1991. 192 p. 4. Smirnov Y.S. Robototechnical Complexes for Radioactive Accidents Aftermath Removal.

Book of abstracts VIII International Symposium “Ural Atomic, Ural Industrial”. Ekaterinburg, 2000, pp. 37–40.

5. Smirnov Y.S. [Introduction of Innovations – the Source of Resource Saving]. Materialy VNPK




“Ekologicheskaya bezopasnost' i sovremennye tekhnologii” [Proc. of Conference “Ecological Safety and Advanced Technologies”]. Miass, 2009, pp. 270–275. (in Russ.)

6. Domrachev V.G. Tsifroanalogovye sistemy pozitsionirovaniya [Digital-to-Analog Positioning System]. Moscow, EnergoAtom Publ., 1990. 240 p.

7. Smirnov Yu.S. Elektromekhatronnye preobrazovateli [Ectromechatronics Converters]. Chelya-binsk, South Ural St. Univ. Publ., 2013. 361 p.

8. Poduraev Yu.S. Mekhatronika: osnovy, metody, primenenie [Mechatronics: Fundamentals, Me-thods, Applications]. Moscow, Mashinostroenie Publ., 2006. 256 p.

9. Mikerov A.G. Brushless ВС Torque Motors Quality Level Indexes for Servo Drive application. Proceedings of International Conference JEEE Eurocon 2009. St. Petersburg, Russia, May18–23, 2009, pp. 827–834.

10. Smirnov Y.S. Common Dateware of Robotics Mechatronic Converters Proc. of the Third ISMCR’93. Italy, Torino, 1993, As 1, pp. 13–18.

11. Smirnov Yu.S., Funk T.A., Serebryakov P.B. Analog-to-Digital Converters of Components of a Displacement Based on Primary Electromechanical Converters. Measurement Techniques, 2014, vol. 56, iss. 9, pp. 1026–1030.

12. Smirnov Yu.S., Kozina T.A., Yurasova E.V., Sokolov A.V. Analog-to-Digital Converters of the Components of a Displacement with the Use of Microelectronic Sine-Cosine Magnetic Encoders. Mea-surement Techniques, 2014, vol. 57, iss. 1, pp. 41–46.

13. Sysoeva S. [Development of a New Generation of Magnetic Field Sensors]. Components and technologies, 2014, no 1, pp. 40–46. (in Russ.)

14. Smirnov Y.S., Yurasova E.V., Kozina T.A. [Multifunctional Phase Displacement Transducer]. XII Vserossiyskoe soveshchanie po problemam upravleniya VSPU-2014 [XII Russian Meeting on the Management]. Moscow, 2014, pp. 7171–7182. (in Russ.)

15. Balkovoy A.P., Tsatsenkin V.K. Pretsizionnyy elektroprivod s ventil'nymi dvigatelyami [Preci-sion Drive with the Brushless Motor]. Moscow, MEU Publ., 2010. 328 p.

16. Smirnov Yu.S., Katsay D.A., Funk T.A., Anisimov Ya.O. [Information Supply Features of the Gearless Electromehatronics Converters]. Materialy konferentsii “Informatsionnye tekhnologii v uprav-lenii” (ITU-2014) [Materials of Conference “Information Technologies in Management”]. St. Peters-burg, Russia, 2014, рр. 729–737. (in Russ.)

17. Smirnov Yu.S., Katsay D.A., Yurasova E.V., Nikitin I.S. [Improving the Efficiency of Forma-tion Equivalents of Displacement Components]. Materialy konferentsii “Informatsionnye tekhnologii v upravlenii” (ITU-2014) [Materials of Conference “Information Technologies in Management”]. St. Pe-tersburg, 2014, рр. 710–719. (in Russ.)

Received 27 October 2014


2015, том 15, № 1 55

Введение Природа наделила организмы удивительной способностью использовать природные элек-

тромагнитные излучения микроволнового диапазона для поддержания своего гомеостаза [1]. Эти излучения, как правило, связанные с изменением внутренней энергии нагретых тел, характери-зуются широким спектром излучения с длиной волны от долей миллиметра до десятков санти-метров и низкой интенсивностью (менее 10 мВт/см2). Указанная выше особенность взаимодейст-вия организмов с электромагнитными излучениями природного происхождения послужила осно-вой разработки новых физиотерапевтических технологий для коррекции нарушений регулятор-ных функций в организме человека [2]. Исследования последних десятилетий по оценке эффек-тивности этих технологий доказывают высокую значимость их применения при автономном и комплексном (вместе с медикаментозными средствами) лечении широкого спектра заболеваний человека [3]. За внешней простотой применения разработанных физиотерапевтических техноло-гий, не требующих в большинстве случаев специальной подготовки, проблемными остаются во-просы учета электродинамических свойств используемых электромагнитных излучений. В пер-вую очередь это относится к оценке интенсивности используемого электромагнитного излучения и особенностям изменения его электрической и магнитной составляющих в ближней зоне излу-чения. Если в отношении интенсивности электромагнитного излучения имеет место ориентиро-вочная информация (она указывается изготовителем физиотерапевтического оборудования), то для распределения векторов напряженности электрического поля E

и магнитного поля H

ин-

формация, как правило, не приводится. В совокупности это может приводить к ошибочным обобщениям в отношении механизмов взаимодействия организмов с электромагнитными излу-чениями. Именно этим обусловлена актуальность разработки математической модели (ММ) оценки электродинамических свойств электромагнитного излучения в ближней зоне. Использо-вание этой модели для конкретного вида излучателя позволит расчетным способом оценивать параметры электромагнитного излучения при исследовании взаимодействия электромагнитных излучений с биологическими объектами. В практике исследований эффективности физиотера-певтических технологий широкое применение получили рупорные антенн (РА), так как их отли-чает компактность конструкции, достаточно широкая полоса согласования и удобство подключе-ния к измерительной аппаратуре.

УДК 621.396.6(07), 537.8(07)

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ ЭЛЕКТРОДИНАМИЧЕСКИХ СВОЙСТВ ПОЛЯ ИЗЛУЧЕНИЯ РУПОРНОЙ АНТЕННЫ В БЛИЖНЕЙ ЗОНЕ Н.В. Вдовина, С.Н. Даровских, А.Б. Хашимов

Применение физиотерапевтических технологий с использованием электромаг-нитных полей с заданными свойствами (плотность потока мощности, направлен-ность, полоса частот, модуляция) предъявляет особые требования к излучающим антеннам. Проведен строгий электродинамический анализ свойств поля излучения рупорной антенны, которая часто используется для экспериментальных исследова-ний взаимодействия биологических объектов с электромагнитными полями. Пред-ложен метод определения параметров возбуждения секториальных антенн для обеспечения баланса энергетических характеристик поля излучения рупорной ан-тенны. Для расчета плотности потока мощности в заданном направлении использу-ются эффективные интерполяционные схемы, обеспечивающие высокую точность и устойчивость численных результатов.

Ключевые слова: секториальные рупорные антенны, плотность потока мощ-ности, эквивалентные поверхностные токи, интерполяционные схемы.


Н.В. Вдовина, С.Н. Даровских, А.Б. Хашимов


Электромагнитное поле рупорной антенны в ближней зоне Экспериментальные исследования влияния поля излучения РА на объекты, расположенные в

ближней зоне, должны учитывать точные характеристики электромагнитного поля излучения в заданном частотном диапазоне. Квалифицированный анализ такого влияния и обработка полученных результатов, основанные на контроле плотности потока мощности, требует детального определения всех составляющих вектора Пойнтинга в ближней зоне, характерной особенностью которой является необходимость использования строгих электродинамических соотношений.

Для исследования поля излучения пирамидальной РА в ближней зоне используем результаты строгого электродинамического решения задачи возбуждения секториальной E-плоскостной РА и секториальной H-плоскостной РА (рис. 1) с прямоугольными возбуждающими волноводами. Для таких прямоугольных РА с плавным изменением размеров основной особенностью является возможность строгого определения внешнего возбуждающего поля, соответствующего волне Н10 прямоугольного волновода. В секториальной E-плоскостной РА расширение рупора происходит в плоскости вектора E

. Для такой антенны удобно использовать цилиндрическую систему коор-

динат, так как фазовый фронт волны в раскрыве РА образует часть поверхности цилиндра, ось которого проходит через точку O .

Рис. 1. Секториальные E- и H-плоскостные рупорные антенны

Тогда волновое уравнение для составляющей E с учетом граничных условий принимает

следующий вид [4]: 2 2

22 2

1 1 0,E E E

k Er r rr x

(1)

где a ak ; – циклическая частота электромагнитного поля; ,a a – абсолютные диэлек-трическая и магнитная проницаемости среды. Классический метод разделения переменных при-водит к следующему решению [1]:

2 11 1

2 11 1

0

2 10 0

0

cos ;

sin ;

cos ,

r

x

xE A H r pH ra

xH iA H r pH ra a

xH iA H r pH ra

(2)

где 21 2k a ; – длина волны электромагнитного поля; a – размер широкой стенки возбуждающего волновода; A – амплитудный коэффициент, определяемый возбуждающим по-лем; первые слагаемые в квадратных скобках соответствуют падающей волне, распространяю-щейся в направлении положительных значений z , вторые слагаемые соответствуют отраженной волне, распространяющейся в направлении отрицательных значений z ; p – комплексный коэф-фициент отражения от раскрыва РА. Отметим, что для РА обычно 0,2p , что приводит к не-


Математическая модель оценки электродинамических свойств поля излучения рупорной антенны в ближней зоне

2015, том 15, № 1 57

значительному уменьшению мощности излучения РА, что легко учесть в программном комплек-се ММ антенны, при этом общая структура поля в раскрыве не изменяется. Без ограничения общности в дальнейшем будем считать 0p .

В секториальной H -плоскостной РА (см. рис. 1) расширение рупора происходит в плоско-сти вектора H

. Волновое уравнение для составляющей yE с учетом поля возбуждения в цилин-

дрической системе координат записывается следующим образом [1]: 2 2

22 2

1 0y y yy

E E Ek E

r rr

. (3)

Решение этого волнового уравнения также получают методом разделения переменных:

2 1

0

2 1

0 0

2 ' 1 '

0 0

cos ;2

sin ;2

cos ,2

y n n

r n n

n n

E B H kr pH kr

nBH i H kr pH krr

kBH i H kr pH kr

(4)

где штрих означает дифференцирование по аргументу kr ; 02n , 02 – полный угол рас-твора рупора; B – амплитудный коэффициент, определяемый полем возбуждения. Из соотноше-ний (2), (4) следует, что волны как в E-плоскостной, так и в H-плоскостной РА могут рассматри-ваться как волны линейного источника, расположенного на расстоянии 1r от начала рупора. Кроме того в реальной РА возникают волны высших типов в месте перехода от волновода к ру-пору, а также у раскрыва рупора. С помощью этих волн можно полностью удовлетворить гра-ничным условиям в зонах сингулярности РА, однако высшие типы волн быстро затухают при распространении, поэтому их влияние приводит к уменьшению мощности излучения РА без из-менения общей структуры поля в раскрыве, определяемой соотношениями (2), (4).

Электромагнитное поле излучения пирамидальной РА представляет собой комбинацию по-лей секториальных E-плоскостной РА в плоскости вектора E

и H-плоскостной РА в плоскости

вектора H

[1, 2]. Экспериментальные исследования амплитудно-фазового распределения (АФР) поля в раскрыве РА, анализ соответствия теоретических расчетов диаграмм направленности (ДН) РА и результатов измерения ДН для антенн различной конфигурации подтверждают правиль-ность концепции комбинации полей излучения секториальных антенн. Подчеркнем, что принци-пиально важным для такого подхода является выбор амплитудных коэффициентов ,A B в выра-жениях (2), (4), обеспечивающий баланс мощностей излучения секториальных антенн. Для выбо-ра этих коэффициентов предлагается следующий метод.

1. Введем эквивалентные электрические и магнитные токи в раскрыве секториальных ан-тенн, исходя из структуры электромагнитных полей (2), (4): для E-плоскостной РА:

; ;e e mx y y x x yj H j H j E ; для H-плоскостной РА: ;e m

y x x yj H j E , так как вектор нормали n

к поверхности раскрыва aS имеет только одну z -составляющую. 2. Определим мощность излучения РА следующим образом:

Re ПaS

P n ds , (5)

где *П 0,5E H

– комплексный вектор Пойнтинга, определяемый из строгих электродинамиче-ских соотношений. В качестве поверхности интегрирования выберем апертуру aS пирамидаль-ной рупорной антенны. Такой выбор широко используется в методе физической оптики, и в пер-вую очередь обусловлен предположением отсутствия затекания токов проводимости на внеш-нюю «теневую» поверхность антенны. Это предположение выполняется тем точнее, чем выше удельная проводимость материала стенок рупора и качество технологии изготовления. Тогда замкнутую поверхность, охватывающую РА, можно заменить конечной поверхностью aS , что




значительно упрощает анализ поля излучения без заметного ухудшения качества математическо-го моделирования РА.

3. Проведем дискретизацию поверхности aS на одинаковые прямоугольные конечные эле-менты. Для достижения приемлемых точностей моделирования электромагнитных полей доста-точно выбрать наименьший размер стороны элемента min 16d [5]. Для численного интегри-рования выражения (5) будем использовать квадратурные формулы Гаусса – Лежандра с числом узлов 16–24. Применение высокоэффективного программного комплекса позволяет оперативно получать результаты моделирования с относительной погрешностью порядка 910 .

4. Использование условия баланса подводимой мощности от внешнего генератора и излу-чаемой мощности позволяет определить амплитудные коэффициенты ,A B для секториаль-ных РА. Такой баланс необходим для обеспечения равенства энергетических характеристик при расчете электромагнитных полей отдельно для E-плоскостной РА и H-плоскостной РА, так как для них используются разные ММ. Отметим, что расчеты ДН РА не требуют такого баланса амплитудных коэффициентов ,A B , так как в результате вычислений получают только норми-рованные зависимости. В результате рационального выбора амплитудных коэффициентов ,A B можно получать распределения плотности потока мощности излучения в произвольной плоско-сти для произвольного угла наблюдения. Рассмотрим основные этапы метода выбора коэффи-циентов ,A B .

4.1. По соотношениям (2), (4) производится расчет распределений эквивалентных токов в апертуре секториальных РА. Эти распределения трансформируются для апертуры пирамидаль-ной РА с помощью стандартных численных процедур геометрического подобия.

4.2. По известным распределениям эквивалентных токов в апертуре РА можно рассчитать значения составляющих векторов ,E H

поля излучения в произвольной точке наблюдения с ко-

ординатами , ,x y z по следующим строгим выражениям [6]:

2

2 2

1; ;4 4

1; ;4 4

1;4 4

a a

a a

a

e m ecx y x y r x x r x r c y z r

cS S

e m mcy y r y r x z r y x y r

c cS S

e m mcz y z y r x y r z x y z

c cS

ZE j r r D ds H j F r D ikZ j r B dsik ikZ

Z ikE j F r D j r B ds H j r D dsik Z ikZ

Z ikE j r r D j r B ds H j r rik Z ikZ

,a

er c y x r

S

D ikZ j r B ds

(6)

где ; ;x y zr x x r y y r z z , штрих означает принадлежность к координатам точки ис-

точника; c a aZ – волновое сопротивление среды; функции 2 2

21 ;r

ikr k rFr

2 2

4 2exp3 3 1; ;r r

ikrikr k r ikrD Brr r

. С помощью выражений (6) можно рассчитать

распределение вектора Пойнтинга в заданных точках, следовательно, можно получить детальную информацию о плотности потока мощности излучения РА. На рис. 2 приведен график распреде-ления плотности потока мощности на осевой линии в ближней зоне РА со следующими характе-ристиками: pa = 0,115 м; pb = 0,105 м; a =0,053 м; b = 0,030 м; 1 2r r = 0,113 м для E-плос-

костной РА; 1 2r r = 0,155 м для H-плоскостной РА; расчеты производились на частоте 4,7 ГГц. Отчетливо выделяется область реактивного ближнего поля, где помимо продольной компоненты вектора Пойнтинга существуют и поперечные компоненты. Монотонный участок распределения удобен для построения экспериментов, где особую важность имеет прогнозируемый уровень плотности потока мощности.



2015, том 15, № 1 59

Рис. 2. Распределение плотности потока мощности излучения РА

Выводы 1. Применение строгих электродинамических соотношений для построения ММ пирами-

дальной РА позволяет с высокой точностью рассчитать требуемые энергетические характеристи-ки ближнего поля, где проводятся основные эксперименты для изучения взаимодействия биоло-гических объектов с электромагнитным полем. Применение известных методов расчета поля из-лучения РА с использованием асимптотических приближений дальней зоны не дает гарантиро-ванных оценок энергетических характеристик поля излучения в ближней зоне.

2. Полученные результаты моделирования поля излучения в ближней зоне показывают высо-кую эффективность и универсальность предложенных ММ.

3. Характерной особенностью предложенного метода аппроксимации АФР поля в раскрыве РА является необходимость тщательного выбора коэффициентов ,A B для баланса энергетиче-ских характеристик E-плоскостной и H-плоскостной РА. Существенного ускорения моделирова-ния можно добиться при использовании высокоэффективного программного комплекса числен-ного интегрирования методом Гаусса – Лежандра.


1. Даровских, С.Н. Основы построения устройств информационной электромагнитной те-рапии / С.Н. Даровских. – Челябинск: Издат. центр ЮУрГУ. – 2011. – 138 с.

2. Даровских, С.Н. Проблемы информационного управления гомеостазом организма с помо-щью электромагнитных излучений миллиметрового диапазона и основные направления их раз-решения / С.Н. Даровских // Биомедицинская радиоэлектроника. – 2012. – № 3. – С. 3–10.

3. Даровских, С.Н. Управляющая роль в живой природе реликтового излучения центра Все-ленной / С.Н. Даровских, А.Г. Рассохин, М.Е. Кузнецов // Биомедицинские технологии и радио-электроника. – 2005. – № 6. – С. 40–45.

4. Айзенберг, Г.З. Антенны УКВ / Г.З. Айзенберг, В.Г. Ямпольский, О.Н. Терешин. – М.: Связь, 1977. – Т. 1. – 384 c.

5. Войтович, Н.И. О соответствии асимптотических решений двумерных и трехмерных за-дач в антенной технике / Н.И. Войтович, А.Б. Хашимов // Радиотехника и электроника. – 2010. – Т. 55, № 12. – С. 1471–1476.

6. Вычислительные методы в электродинамике / под ред. Р. Митры. – М.: Мир, 1977. – 588 с.




Вдовина Надежда Владимировна, старший преподаватель кафедры инфокоммуникацион-ных технологий, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Даровских Станислав Никифорович, д-р техн. наук, профессор кафедры инфокоммуника-ционных технологий, Южно-Уральский государственный унив3ерситет (г. Челябинск); darovskih.s@ mail.ru.

Хашимов Амур Бариевич, канд. физ.-мат. наук, доцент кафедры конструирования и производства радиоаппаратуры, Южно-Уральский государственный университет (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 55–61

MATHEMATICAL MODEL OF ELECTRODYNAMIC PROPERTIES ESTIMATION OF THE RADIATION FIELD OF A HORN ANTENNA IN THE NEAR FIELD N.V. Vdovina, South Ural State University, Chelyabinsk, Russian Federation, [email protected], S.N. Darovskikh, South Ural State University, Chelyabinsk, Russian Federation, [email protected], A.B. Hashimov, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The use of physical therapy techniques using electromagnetic fields with desired properties (power flux density, orientation, bandwidth, modulation) imposes special requirements for radiating antenna. Rigorous electrodynamic analysis of the properties of the radiation field of a horn antenna, which is often used for experimental studies of the interaction of biological objects with electromagnetic fields, is carried out. The method of the parameters determining of the sectorial antennas excitation to provide a balance of the energy characteristics of the radiation field of a horn antenna is suggested. Effective interpolation schemes are used to calculate the power flux density in given direction that provide high accuracy and stability of the numerical results.

Keywords: sectorial horn antennas, power flux density, equivalent surface currents, the interpolation scheme.

References 1. Darovskikh S.N. Osnovy postroeniya ustroistv informatsionnoy elektromagnitnoy terapii

[The Bases of Design Tools for the Informative Electromagnetic Therapy]. Chelyabinsk, South Ural St. Univ. Publ., 2011. 138 p.

2. Darovskikh S.N. [Problems of the Information Control of an Organism Homeostasis Using Microwaves and Main Directions for their Solving]. Bulletin of Biomedical Electronics, 2012, no. 3, pp. 3–10. (in Russ.)

3. Darovskikh S.N., Rassokhin A.G., Kuznetsov M.E. [The Control Role for the Nature of the Universe Center Relict Radiation]. Bulletin of Biomedical Technologies and Electronics, 2005, no. 6, pp. 40–45. (in Russ.)



2015, том 15, № 1 61

4. Ayzenberg G.Z., Yampolsky V.G., Tereshin O.N. Antenny UKV [UHF Antennas]. Moscow, Svyaz Publ., 1977, vol. 1. 384 p.

5. Voytovich N.I., Khashimov A.B. [About Correspondence of Asymptotic Solutions of 2D and 3D Problems in Antenna Engineering]. Journal of Communications Technology and Electronics, 2010, vol. 55, no. 12, pp. 1374–1379. (in Russ.)

6. Vychislitel'nye metody v elektrodinamike [Computer Techniques for Electromagnetics]. Moscow, Mir Publ., 1977. 488 p.




Введение При активном развитии розничной сети на определенном этапе появляется понимание того,

что без качественной выкладки товаров в магазинах по определенным правилам дальнейший рост продаж и прибыли невозможен. Эти правила представляют собой результаты эмпирических наблюдений за тем, каким образом то или иное расположение товаров влияет на их продажи, и научные исследования в области мерчендайзинга. Определенное время возможно выдерживать соблюдение правил в ручном режиме, но с увеличением количества магазинов, их дифференциа-цией на различные форматы, постоянным изменением ассортимента это становится практически невозможным. После этого перед розничной сетью появляется дилемма – либо отказываться или обобщать правила выкладки (например, делать единые планограммы на определенные кластеры магазинов, характеризующимися похожими характеристиками), либо рассматривать возмож-ность автоматизации процесса создания планограмм. Недостатком первого подхода является то, что индивидуальные характеристики магазинов при этом теряются, что снижает эффективность планограмм, поэтому далее будет рассматриваться подход с автоматизацией. Недостатком суще-ствующих систем, позволяющих получить автоматизированные планограммы, является их очень высокая стоимость (на российском рынке доступна исключительно розничным сетям федераль-ного значения) и, в рассмотренных, их реализация на основе некоторой мастер-планограммы (то есть планограммы, созданной вручную, и автоматически корректируемой для учета индивиду-альных особенностей магазина). В связи с этими недостатками, было принято решение разрабо-тать полностью автоматизированную систему, в качестве входных данных использующих только правила выкладки и оборудование в магазинах.

Постановка задачи Исследованиями ряда авторов [1, 2] установлено, что качественная выкладка товаров являет-

ся одним из самых важных методов поддержания и увеличения продаж в розничных сетях. В хо-де анализа данных источников был выявлен ряд подходов к формированию планограмм выклад-ки товаров, основанных на определенных принципах, одним из наиболее распространенных ме-тодов является блочная выкладка. Блочная выкладка товаров в планограмме представляет собой группировку товаров в некоторые прямоугольные блоки, каждый из которых включает в себя товары только определенного типа. Классическим примером является группировка товаров внут-ри одного бренда, что можно отобразить графически (рис. 1).

УДК 339.372.6

АВТОМАТИЧЕСКИЙ РАСЧЕТ ПЛАНОГРАММЫ ТОВАРОВ НА ОСНОВЕ ПРИНЦИПА БЛОЧНОЙ ВЫКЛАДКИ А.В. Баль, С.Л. Егоров

Одним из способов повышения продаж и прибыли розничных сетей является выкладка товаров на основании определенных принципов, выработанных теорией и практикой мерчендайзинга, которые используются при создании так называемых планограмм. Планограмма выкладки может создаваться либо вручную, либо, при такой возможности, автоматически на основании разработанных алгоритмов, по-зволяющих реализовать описанные принципы. Помимо этого, качественно создан-ная планограмма позволяет рассчитать корректные значения неснижаемого остатка товаров, что положительным образом сказывается на оборачиваемости товарного запаса и, в итоге, прибыли компании. Одним и наиболее часто используемым на практике принципом является расположение товаров в рамках определенных бло-ков, или блочная выкладка.

Приводится алгоритм и математическая модель, позволяющая получить авто-матический расчет планограммы такого типа. На их основании была разработана программа, которая успешно внедряется в одной из розничных сетей.

Ключевые слова: мерчендайзинг, планограмма, автоматизация.


Автоматический расчет планограммы товаров на основе принципа блочной выкладки

2015, том 15, № 1 63

Рис. 1. Пример блочной выкладки товаров

Входными данными при расчете планограммы (на примере блочной выкладки, основанной

на брендах), являются: список товаров со ссылкой на бренд; показатели товаров (продажи, розничные цены и т. д.); список брендов; ширина и количество полок, на которых будут располагаться товары. Также, в качестве входных параметров, которые влияют на то, какая в итоге будет получена

планограмма, выступают: показатель, используемый для сортировки брендов слева направо. Чаще всего используется

средневзвешенная цена (рассчитанной на основании продаж товаров в штуках и их цен). максимальная разница показателя двух брендов (выбранного в предыдущем пункте), при

котором данные бренда можно объединить в единый вертикальный блок (но при этом каждый бренд все равно остается прямоугольником). Как правило, значение показателя нормируется, по-этому значение максимальной разницы можно выбирать от 0 до 1 (где 0 означает, что никакой бренд нельзя объединить с другим, а 1 – любой бренд можно объединить с любым).

Математическая модель Расчет планограммы таким образом, чтобы были все условия выполнены, в аналитическом

виде представляется крайне сложным, а решение такой задачи – практически нереальным, по-этому он будет представлять собой некоторый перебор вариантов, осуществляющий поиск реше-ния. При этом, в данной статье не рассматривается вариант, при котором производится полный перебор вариантов всех соотношений оборудования и количества товаров, гарантирующий опти-мальное решение поставленной задачи и перебор осуществляется с достаточно серьезными огра-ничениями, но, тем не менее, позволяющий находить решение близкое оптимальному (что про-верено эмпирическим путем на множестве исходных данных).

Перебор вариантов при расчете планограммы идет в двух разрезах: подбор количества товаров, которое поместится в заданные настройки оборудования, при

учете ограничения на минимальное количество для каждого товара и максимально возможном соответствии доли количества каждого товара в общем количестве к соотношению определенно-го заданного показателя;

подбор планограммы для заданного количества товаров, настроек групп товаров и обору-дования. В данной статье описывается алгоритм, при котором предполагается полный перебор вариантов, которые удовлетворяют заданным условиям, что гарантирует оптимальность найден-ного решения (но, следствием этого является то, что поиск решения реален лишь в определенном диапазоне шаблонов выкладки).

Подбор количества товаров в планограмме В данной статье рассматриваются алгоритмы, при которых именно в этом пункте появляется

неполнота перебора вариантов и грамотный способ подбор методики может в десятки раз сокра-тить итоговое время нахождения решения, близкого к оптимальному. При этом следует отметить,


А.В. Баль, С.Л. Егоров


поскольку оптимальное решение в общем случае нам неизвестно, то и меру требуемой близости задать невозможно. Соответственно, единственно возможный вариант – внесение изменений в методику подбора на основе анализа полученных результатов расчета.

При выборе методики подбора количества товаров в простой планограмме следует руковод-ствоваться двумя критериями:

способность найти решение близкое к оптимальному; скорость поиска решения близкому к оптимальному должна быть достаточна для требуе-

мого диапазона шаблонов выкладки. Поскольку речь идет о машинной реализации перебора, одним из самых важных нюансов

при оценке скорости нахождения решения является способность к параллельному выполнению процесса расчета. Рассматриваемый в статье метод расчета планограммы для заданного оборудо-вания, количества полок и настроек является практически атомарной операцией и распараллели-ванию практически не поддается, поэтому единственно возможный путь к ускорению – парал-лельный запуск расчетов простых планограмм, но с отличающимися в чем-либо исходными дан-ными (например, с отклонениями в заданной ширине или в количестве товаров). В частности, методика, в которой одна итерация подбора зависит от результата расчета предыдущей, вполне может оказаться хуже другой, реализация которой поддается параллельному расчету, даже если в первом случае просчитывается N вариантов, а во втором, например, N·10.

Предлагаемый алгоритм перебора (в виде блок-схемы изображен на рис. 2): Обозначения: Q – количество наименований товаров; W – суммарная ширина полок (ширина полок, умноженная на их количество); S – заданная ширина полок; xi – количество товара, i = 1, Q; mi – минимальное количество товара, i = 1, Q; zi – требуемая доля товара, согласно значениям соответствующего показателя, i = 1, Q; wi – ширина единицы товара, i = 1, Q; f (x1, …, xQ) = f (x) – ширина товаров, которую заняли товары, выставленные согласно настро-

енным правилам, в количестве {x1, …, xQ}. Если расчет производился на несколько полок, то воз-вращаемое значение соответствует максимальной ширине занятой товарами, на одной из них;

si(x1, …, xQ, a) = si(x, a) – ширина товаров, которую заняли товары, выставлены согласно вы-ставленным правилам, в количестве {x1, …, xi–1, xi

+ a, xi+1, xQ}; 1 1 1, , , , , , ,i i i i qs x a f x x x a x x ;

d(x1, …, xQ) = d(x) – квадрат суммы отклонений количества товаров {x1, …, xQ} от требуемой доли;

2

11

1

, ,Q

iQ Q

ii i

i

xd x xz x

;

gi(x1, …, xQ, a) = gi(x, a) – квадрат суммы отклонений количества товаров {x1, …, xi–1, xi + a,

xi+1, xQ}; 1 1 1, , , , , , ,i i i i qg x a d x x x a x x ;

i(x, a) – индекс товара, для которого выполняются следующие условия:

1,, min ,i ii Q

g x a g x a

;

, .is x a S Если условия не выполнены для всех товаров, то возвращаем 0. Если условия выполняются

для нескольких товаров, то возвращаем индекс у того, для которого

1,, min ,i ii Q

s x a s x a

.

Если данное условие также выполнено для нескольких товаров, то возвращаем любой из ин-дексов, соответствующий одному из этих товаров.



2015, том 15, № 1

Рис. 2. Алгоритм поиска оптимальной простой планограммы

Преимущества алгорита: алгоритм отлично поддерживает параллельные вычисления в момент расчета

скольку при этом возможно одновременно рассчитывать варианты для всех относительная простота реализации.Недостаток алгоритма: исходное значение x для перебора достаточно далеко от оптимального, поэтому приближ

ние к нему может занять продолжительное время. Подбор простой планограммы для заданного количества товаров, настроек групп товаров и оборудованияРассмотрим несколько вспомогательных задач

водится не будут): а) поиск списка наборов подмножеств, покрывающих требуемое множество, при этом множества в наборе не пересекаютсяДано: множество R; совокупность D некоторых подмножеств

s D s R , при этом D RНеобходимо найти множество

| :A S S D S R , при этом б) поиск списка наборов подмножеств, покрывающих требуемое множество, при этом множества в наборе не пересекаются, а количество подмножеств в каждом наборе не првышает заданное число Дано: множество R; совокупность D некоторых подмножеств

s D s R , при этом D Rx, .x N

втоматический расчет планограммы товаров на основе принципа блочной выкладки

Рис. 2. Алгоритм поиска оптимальной простой планограммы

алгоритм отлично поддерживает параллельные вычисления в момент расчета скольку при этом возможно одновременно рассчитывать варианты для всех i;

относительная простота реализации.

для перебора достаточно далеко от оптимального, поэтому приближние к нему может занять продолжительное время.

Подбор простой планограммы для заданного количества товаров, настроек групп товаров и оборудования Рассмотрим несколько вспомогательных задач (алгоритмы их решения в данной статье пр

оиск списка наборов подмножеств, покрывающих требуемое множество, при этом множества в наборе не пересекаются

некоторых подмножеств R: D R .

Необходимо найти множество A совокупностей D: , при этом , , :a b A a b a b .

оиск списка наборов подмножеств, покрывающих требуемое множество, при этом пересекаются, а количество подмножеств в каждом наборе не пр

некоторых подмножеств R: D R .

65

алгоритм отлично поддерживает параллельные вычисления в момент расчета u = i(x, 1), по-

для перебора достаточно далеко от оптимального, поэтому приближе-

(алгоритмы их решения в данной статье при-

оиск списка наборов подмножеств, покрывающих требуемое множество, при этом

оиск списка наборов подмножеств, покрывающих требуемое множество, при этом пересекаются, а количество подмножеств в каждом наборе не пре-




Необходимо найти множество A совокупностей D: | :A S S D S R , при этом , , :a b A a b a b , |A| x.

в) поиск списка набора натуральных чисел, сумма и количество которых в каждом из набо-ров равна заданным натуральным числам Дано: x, ;x N y, .y N Необходимо найти множество A совокупностей D натуральных чисел:

1

: ,x

i ii

A D d D x d y

.

На основе исходных данных задачи осуществляется поиск комбинаций заданных групп и объек-тов, им принадлежащих, занимающих минимальное расстояние на заданном количестве полок.

Дано: множество групп G; множество объектов S, ассоциированных с группами, причем один объект может быть связан

только с одной группой; множество расчетных значений W, каждое из которых принадлежит соответствующей по ин-

дексу группе; h(g) – функция, возвращающая значение из множества W, соответствующие элементу мно-

жества G, g G ; максимальное расстояние между расчетными значениями групп, при которых допускается их

слияние – wmax; количество полок N; f (s, n) – функция, которая показывает, сколько будет занимать объект s на количестве полок n,

s S , n ≤ N. Для решения задача введем еще несколько обозначений: T – произвольное множество элементов G, в котором максимальное отклонение в соответст-

вующем каждому элементу значению из множества W не превышает wmax: |T F F G , при этом, max, | ( ) |a b T h a h b w .

Для каждого T найдем такую комбинацию входящих в него множеств, при котором общая ширина будет наименьшей. Для этого, сначала, используем вспомогательную задачу «б». В каче-стве входных данных, выступаем множество T и количество полок N. В результате ее решения получим множество наборов подмножеств элементов T. Далее, в каждого найденного набора, решим вспомогательную задачу «в», при этом, в качестве входных данных будет количество подмножеств в наборе и количество полок (x и y соответственно). После нахождения решения вспомогательной задачи «в» каждому из подмножеств в наборе будет поставлено в соответствие некоторое натуральное число (физический смысл которого – количество полок, которое отдано данному подмножеству).

Рассмотрим на простом примере. Пусть T состоит из 3 элементов (I, II и III) и количество по-лок равно 3. Множество его возможных комбинаций (их пять):

{{I, II, III}}, {{I; II}, {III}}, {{I, III}, {II}}, {{II, III}, {I}}, {{I}, {II}, {III}}. Их физический смысл следующий:

1) все три элемента располагаются слева направо; 2) элементы I, II располагаются слева направо, а под ними находится элемент III; 3) элементы I, III располагаются слева направо, а под ними находится элемент II; 4) элементы II, III располагаются слева направо, а под ними находится элемент I; 5) элемент I расположен над элементом II, а элемент II – над элементом III. Теперь, для каждой из комбинаций, найдем количество полок, приходящееся на каждое под-

множество. Рассмотрим на примере комбинации II: 1) {I; II} – 1 полка, {III} – 2 полки; 2) {I; II} – 2 полки, {III} – 1 полка.



2015, том 15, № 1 67

Для того чтобы найти расстояние, которое займет комбинация при заданном распределении полок, надо сначала найти сумму расстояний, занимаемых каждым множеством в подмножестве, а затем найти из максимальное значение. Рассмотрим на нашем примере (для распределения по-лок 1). Сначала находим, сколько занимает элемент I и элемент II на одной полке, а элемент III – на двух полках (используя функцию f (s, n)). Обозначим их xI, xII и xIII. Затем найдем максимум из xI + xII и xIII. Найденное значение и будет означать, сколько займет множество T для заданной комбинации. Рассчитав данные значения для всех возможных комбинаций, мы найдем из них ту, при которой T занимает наименьшее расстояние. Обозначим в качестве T* некоторый объект, ко-торый содержит в себе множество T, ту комбинацию, которая обеспечивает ему наименьшее рас-стояние и это наименьшее расстояние (обозначим его Tw).

Q – совокупность всех возможных множеств T: Q = {T}; Z – совокупность наборов T*, таких, что соответствующие им T не пересекаются, а их сум-

ма является покрытием G. Поиск Z, как видно из формулировки, сводится к вспомогательной задаче «a», при этом в качестве входного множества R выступает множество G, а в качестве входного множества D выступает множество Q.

Для того чтобы найти окончательное решение задачи поиска оптимальной планограммы, нужно найти такой элемент Z, при котором сумма Tw входящих в него элементов T* минимальна. Расстояние, занимаемое элементом Z, является суммой расстояних, занимаемых входящими в него элементами T* (физический смысл этого в том, что все T* располагаются слева направо), по-этому для каждого элемента Z находим их сумму и выбираем тот, который обеспечивает наи-меньшее.

Заключение В данной статье приведена математическая модель, позволяющая создавать автоматизиро-

ванные планограммы выкладки товаров на основании блочной выкладки. Модель реализована в виде программы на языке программирования C# и в данный момент внедряется в одной из роз-ничной сетей, включающей в себя десятки магазинов различных форматов.


1. Канаян, Р. Мерчандайзинг / Р. Канаян, К. Канаян. – М.: РИП-Холдинг, 2007. – 236 с. 2. Толмачева, И.А. Эффективный мерчендайзинг. Взгляд поставщика / И.А. Толмачева. –

СПб.: БХВ-Петербург, 2012. – 160 с. Баль Александр Вячеславович, аспирант кафедры информационно-аналитического обеспе-


Егоров Сергей Леонидович, кандидат технических наук, доцент кафедры информационно-аналитического обеспечения управления в социальных и экономических системах, Южно-Уральский государственный университет (г. Челябинск); [email protected].






2015, vol. 15, no. 1, pp. 62–68

AUTOMATIC CALCULATION OF THE PLANOGRAM OF GOODS ON THE BASIS OF THE PRINCIPLE OF BLOCK DISPLAY A.V. Bal’, South Ural State University, Chelyabinsk, Russian Federation, [email protected], S.L. Egorov, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

One way to improve sales and profits of retail chains is a display of goods on the ba-sis of certain principles, worked out in the theory and practice of merchandising that are used to create the so-called planograms. Planogram layout can be created either manually or, if it is possible automatically on the basis of developed algorithms allowing to realize the described principles. In addition, qualitatively designed planogram allows to calculate the correct values of the minimum balance of goods, which would have a positive impact on inventory turnover and, as a result, on the company's profits. One and the most com-monly used in practice principle is the location of goods within a certain block or block display.

This article provides an algorithm and a mathematical model, allowing to calculate these types of planograms automatically. The program has been developed and successful-ly implemented in one of the retail chains.

Keywords: merchandising, planogram, automation.

References 1. Kanayan R., Kanayan K. Merchandayzing [Merchandising]. Moscow, RIP-holding Publ., 2007.

236 p. 2. Tolmacheva I.A. Effektivnyy merchendayzing. Vzglyad postavshchika. [Effective Merchandising.

From Supplier’s Point of View]. St. Petersburg, BHV Petersburg Publ., 2012. 160 p.



2015, том 15, № 1 69

Введение Использование различных методов представления информации находит широкое примене-

ние вследствие наличия ряда преимуществ. Оно позволяет снизить нагрузку на руководителя принимающего решения при анализе ситуации, помогает передать часть компетенций от анали-тика менеджеру, и, как следствие, повышает качество и скорость принятия решений в процессе управления промышленным предприятием [4]. Другими словами, применение визуализации по-зволяет преодолеть два основных ограничения при принятии решений с использованием матема-тического моделирования. Во-первых, в современных условиях глобальной нестабильности не-обходимо учитывать несколько десятков факторов для адекватной оценки управленческих аль-тернатив, что входит в противоречие с ограничениями человеческого восприятия, описываемого общеизвестной формулой 7 ± 2 [12]. Во-вторых, учитываемые факторы становятся все более сложными и специальными, что требует инструмента для передачи менеджеру экспертизы и компетенций от целого ряда специалистов из разных профессиональных областей. Таким обра-зом, именно использование методов и подходов представления данных, а так же средств продви-нутой визуализации является необходимым условием для обеспечения не просто качественного процесса принятия решений и оценки альтернатив, а гибкого управления [2, 3].

Далее произведен обзор перспективных методов визуализации, применимых к результатам решения управленческой задачи выбора альтернатив на основе прогнозирования динамики си-туаций. Основу решения задачи составляет математическая модель оптимизации прибыли на ос-нове оценки, ранжирования и прогнозирования экономических факторов. Однако цифровые дан-ные, используемые для настройки модели, отображающие итоги прогнозирования факторов и определяющие оптимальность альтернатив, не обеспечивают быстрого и точного восприятия ру-ководителем, принимающим решения, а так же не позволяют быстро проводить анализ чувстви-тельности результатов моделирования. Данная ситуация связана с тем, что, во-первых, в модели могут участвовать до 20 факторов, а, во-вторых, изменение факторов происходит не только в плоскости финансово-денежных показателей, но и во временном измерении. В итоге, для адек-ватного отображения результатов были выбраны несколько комплексных методов визуализации применимых для таких многомерных проблем.

Модель множественного выбора различных управленческих альтернатив. Прежде чем перейти к перспективным методам отображения данных применительно к каж-

дой стадии анализа, приведем математический подход к решению задачи выбора альтернатив базирующийся, на классических методах прогнозирования: парная регрессия, множественная регрессия, модели дискретного (бинарного или множественного) выбора, ARIMA-модели,

УДК 658.1-50

ПОВЫШЕНИЕ ГИБКОСТИ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ ЗА СЧЕТ СОВРЕМЕННЫХ СРЕДСТВ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И ВИЗУАЛИЗАЦИИ ДАННЫХ А.В. Зимин

Рассматриваются варианты использования различных методов представления данных для цели повышения гибкости управления промышленным предприятием в современных условиях глобальной нестабильности. Анализируется применение ме-тодов визуализации для поддержки математической модели выбора управленческих альтернатив: прогноз динамики факторов, контроль диапазона изменения значений факторов, анализ чувствительности модели к изменению факторов, оценка опти-мальности альтернатив на разных временных горизонтах. Обосновываются пре-имущества использования рассмотренных методов продвинутой визуализации для повышения качества принятия решений.

Ключевые слова: визуализация, прогнозирование, выбор управленческих альтер-натив.



GARCH-модели, экспоненциальное сглаживание [14], модель Хольта [1,методы повышают точность прогнозов, ускоряют обработку и визуализацию инчают оценку результатов и анализ чувствительности [6].

В целевой функции модели используются результаты указанных прогнозов. Сформированая целевая функция имеет вид:

1 1 1

Z Z B



где Pa(S) – прибыль, полученная в результате реализации альтернативы рии развития S; F(S, Z) – номер альтернативы, которая дает наибольшую прибыль при выбраном сценарии развития S и выбранном горизонте планирования B – количество факторов производства, для которых строится прогнозна которые строится прогноз показателейтернативе i в год z; yjz(S) – прогноз выпуска продукции при выбранной альтернативе в зависимости от выбранного сценария развития в год z; Vi – постоянные затраты на осуществление альтернативы ральных единицах на выпуск единицы продукции

Визуализация и анализ шагов решения задачиМетодика использования средств визуализации определяется шагами решения данной зад

чи. Согласно ряду исследований можно выделить 3 основных области для визуализации1. Прогноз и анализ динамики выбранных факторов2. Оценка результатов, сравнение альтернатив, прогноз изменения оптимальности решения

на разных временных горизонтах.3. Анализ чувствительности альтернатив в зависимости от изменения веса и характера прогн

за (оптимистичность-пессимистичность сценария, предполагаемая точность прогнозирования). Прогноз и анализ динамики выбранных факторовАнализ динамики выбранных факторов основывается на

контроля диапазона изменения значений нания информации в таких случаях наиболее широко были проработаны и применялись в концеции 6 сигм [10].

Поэтому в рассматриваемом случае целесообразно использование Хставления характера изменения прогноза на разных временных горизонтах. Эта методика позвляет как оценить динамику фактора, так и контролировать пределы допустимых значений [9]. В общем виде данную гистограмму можно увидеть на рис. 1.

Рис Представленная гистограмма показывает центральную линию, задающую оптимальное и

наиболее вероятное прогнозное значение фактора и верхний и нижний контрольные пределы. Референсное значение в данном случае является отн


модели, экспоненциальное сглаживание [14], модель Хольта [1, 5]. На практике такие методы повышают точность прогнозов, ускоряют обработку и визуализацию инчают оценку результатов и анализ чувствительности [6].

В целевой функции модели используются результаты указанных прогнозов. Сформированая целевая функция имеет вид:

1 1 1

,Z Z B



прибыль, полученная в результате реализации альтернативы a при выбранном сценномер альтернативы, которая дает наибольшую прибыль при выбраи выбранном горизонте планирования Z; A – количество альтернати

количество факторов производства, для которых строится прогноз; Z – количество периодов, на которые строится прогноз показателей; xijz – прогноз стоимости фактора

прогноз выпуска продукции при выбранной альтернативе в зависимости от выбранного сценария развития S; rz(S) – прогноз стоимости единицы продукции

постоянные затраты на осуществление альтернативы i; wi – расход фактора ральных единицах на выпуск единицы продукции.

я и анализ шагов решения задачи Методика использования средств визуализации определяется шагами решения данной зад

чи. Согласно ряду исследований можно выделить 3 основных области для визуализацииПрогноз и анализ динамики выбранных факторов. Оценка результатов, сравнение альтернатив, прогноз изменения оптимальности решения

на разных временных горизонтах. Анализ чувствительности альтернатив в зависимости от изменения веса и характера прогн

пессимистичность сценария, предполагаемая точность прогнозирования).

Прогноз и анализ динамики выбранных факторов Анализ динамики выбранных факторов основывается на простых, но эффективных методах

контроля диапазона изменения значений на временных рядах. Графические средства отображния информации в таких случаях наиболее широко были проработаны и применялись в конце

Поэтому в рассматриваемом случае целесообразно использование Х-гистограмм для пренения прогноза на разных временных горизонтах. Эта методика позв

ляет как оценить динамику фактора, так и контролировать пределы допустимых значений [9]. В общем виде данную гистограмму можно увидеть на рис. 1.

Рис. 1. Пример использования Х-гистограммы

Представленная гистограмма показывает центральную линию, задающую оптимальное и наиболее вероятное прогнозное значение фактора и верхний и нижний контрольные пределы. Референсное значение в данном случае является относительной величиной и не показывает само

А.В. Зимин


5]. На практике такие методы повышают точность прогнозов, ускоряют обработку и визуализацию информации, облег-

В целевой функции модели используются результаты указанных прогнозов. Сформирован-

при выбранном сцена-номер альтернативы, которая дает наибольшую прибыль при выбран-

количество альтернатив; количество периодов,

прогноз стоимости фактора j при выбранной аль-прогноз выпуска продукции при выбранной альтернативе i в год z,

прогноз стоимости единицы продукции расход фактора i в нату-

Методика использования средств визуализации определяется шагами решения данной зада-чи. Согласно ряду исследований можно выделить 3 основных области для визуализации [7, 8]:

Оценка результатов, сравнение альтернатив, прогноз изменения оптимальности решения

Анализ чувствительности альтернатив в зависимости от изменения веса и характера прогно-пессимистичность сценария, предполагаемая точность прогнозирования).

простых, но эффективных методах временных рядах. Графические средства отображе-

ния информации в таких случаях наиболее широко были проработаны и применялись в концеп-

гистограмм для пред-нения прогноза на разных временных горизонтах. Эта методика позво-

ляет как оценить динамику фактора, так и контролировать пределы допустимых значений [9].

Представленная гистограмма показывает центральную линию, задающую оптимальное и наиболее вероятное прогнозное значение фактора и верхний и нижний контрольные пределы.

осительной величиной и не показывает само


Повышение гибкости управления предприятием за счет современных средств математического моделирования и

2015, том 15, № 1

прогнозное изменение во времени (рост или падение значений), однако такой подход позволяет упростить оценку качества прогноза в определенном интервале.

Для визуализации динамики факторов был выбран линейный графикних значений и объемных показателей в пиковые моменты [9]. Описанный инструмент проиллстрирован на рис. 2.

Рис. 2. Пример использования линейного графика

Применительно к факторампредставить данный график, как

– прогноз цены продаж в виде– прогнозируемые объемы продаж в виде кругов соответствующего размера– интервала изменения цены за такой же временной период в исторической перспективе в

виде заштрихованного диапазона. Оценка результатов, сравнение альтернатив, прогноз изменения оптимальности решения на разных временных горизонтахОценка результатов моделирования для выбранных альтернатив производится

лицы, представляющей ранжирование вариантов нако, такой инструмент затрудняет восприятие и нахождение оптимального решения с учетом неформализованных факторов. Для решения этой проблемы оценку альтернатив предложено проводить в три этапа с использованием разтаты моделирования с разных точек зрения и с учетом многомерности задачи [7]. На рис. 3представлены примеры использования выбранных инструментов.

Рис. 3. Пример использования пузырькового графика

овышение гибкости управления предприятием за счет современных средств математического моделирования и визуализации данных

прогнозное изменение во времени (рост или падение значений), однако такой подход позволяет упростить оценку качества прогноза в определенном интервале.

Для визуализации динамики факторов был выбран линейный график с использованием срених значений и объемных показателей в пиковые моменты [9]. Описанный инструмент проилл

Рис. 2. Пример использования линейного графика

факторам, характеризующим выбор управленческих альтернативпредставить данный график, как:

в виде линии; прогнозируемые объемы продаж в виде кругов соответствующего размераинтервала изменения цены за такой же временной период в исторической перспективе в

пазона.

Оценка результатов, сравнение альтернатив, прогноз изменения оптимальности решения на разных временных горизонтах Оценка результатов моделирования для выбранных альтернатив производится

лицы, представляющей ранжирование вариантов решения на разных временных горизонтах, онако, такой инструмент затрудняет восприятие и нахождение оптимального решения с учетом неформализованных факторов. Для решения этой проблемы оценку альтернатив предложено проводить в три этапа с использованием различных инструментов, что дает взглянуть на резултаты моделирования с разных точек зрения и с учетом многомерности задачи [7]. На рис. 3представлены примеры использования выбранных инструментов.

Рис. 3. Пример использования пузырькового графика

71

прогнозное изменение во времени (рост или падение значений), однако такой подход позволяет

с использованием сред-них значений и объемных показателей в пиковые моменты [9]. Описанный инструмент проиллю-

м выбор управленческих альтернатив, можно

прогнозируемые объемы продаж в виде кругов соответствующего размера; интервала изменения цены за такой же временной период в исторической перспективе в

Оценка результатов моделирования для выбранных альтернатив производится на основе таб-решения на разных временных горизонтах, од-

нако, такой инструмент затрудняет восприятие и нахождение оптимального решения с учетом неформализованных факторов. Для решения этой проблемы оценку альтернатив предложено

личных инструментов, что дает взглянуть на резуль-таты моделирования с разных точек зрения и с учетом многомерности задачи [7]. На рис. 3–5



Рис. 4. Пример использования древовидной схемы

Представленные подходы к визуализации позволяют пошагово оценить не только оптималность и прибыльность каждой альтернативы, но и учитывать риски, в том числе и менных интервалах.

Пузырьковый график в данном случае дает базовое представление о соотношении вложений (горизонтальная ось) и возможной прибыли (вертикальная ось), так же цвет каждой альтернатвы определяется степенью риска телей альтернативы к допущениям в базовых факторах [7]. Следующий этап, древовидная схема, дает сравнительное представление о прибыльности альтернатив и риске относительно друг друга, на этой схеме степень риска имеет множество градаций и плавно изменяется, что показано перходом цвета от светло-серого к черному.

Последующая оценка проводится с помощью тепловой карты, показывающей наиболее прбыльные географические зоны для группировки альтернатив, так же данная меучесть различия на разных временных горизонтах планирования.

Анализ чувствительности альтернативФинальная стадия анализа моделирования задачи выбора альтернатив заключается в оценке

чувствительности того или иного решения в зависимости от начальных допущений в экспертной оценке влияния фактора и возможных отклонений в прогнозе в соответствии с различными сц

ния, так и способность математической модели подстраиваться под сложность и частоту той или иной управленческой проблемы [11]. С другой стороны важность применения более соверше

III

II

Рис. 6. Пример использования диаграммы Парето


Рис. 4. Пример использования древовидной схемы Рис. 5. Пример использования тепловой карты

Представленные подходы к визуализации позволяют пошагово оценить не только оптималность и прибыльность каждой альтернативы, но и учитывать риски, в том числе и

Пузырьковый график в данном случае дает базовое представление о соотношении вложений (горизонтальная ось) и возможной прибыли (вертикальная ось), так же цвет каждой альтернатвы определяется степенью риска – в зависимости от качества прогноза, чувствительности показтелей альтернативы к допущениям в базовых факторах [7]. Следующий этап, древовидная схема, дает сравнительное представление о прибыльности альтернатив и риске относительно друг друга,

меет множество градаций и плавно изменяется, что показано персерого к черному.

Последующая оценка проводится с помощью тепловой карты, показывающей наиболее прбыльные географические зоны для группировки альтернатив, так же данная меучесть различия на разных временных горизонтах планирования.

Анализ чувствительности альтернатив Финальная стадия анализа моделирования задачи выбора альтернатив заключается в оценке

чувствительности того или иного решения в зависимости от начальных допущений в экспертной оценке влияния фактора и возможных отклонений в прогнозе в соответствии с различными сц

нариями. Выбор диаграммы Парето для обеспечения этих задач обусловлен не только проработанностью методологии, но и распространенностью и известностью данного инструмента. Так как анализ чуствительности модели наиболее сложен в плане учета многомерности возможных изменений, на финальных стадиях принтия решений рекомендуется использболее знакомых и привычных средств взуализации, как это принято за рубежом [7]. Пример использования представлен на рис. 6.

Заключение Достоинствами методики является как

гибкость, которая позволяет визуализирвать вариативные методы прогнозиров

ия, так и способность математической модели подстраиваться под сложность и частоту той или иной управленческой проблемы [11]. С другой стороны важность применения более соверше

V

I

IV

Рис. 6. Пример использования диаграммы Парето

А.В. Зимин


Рис. 5. Пример использования тепловой карты

Представленные подходы к визуализации позволяют пошагово оценить не только оптималь-ность и прибыльность каждой альтернативы, но и учитывать риски, в том числе и на разных вре-

Пузырьковый график в данном случае дает базовое представление о соотношении вложений (горизонтальная ось) и возможной прибыли (вертикальная ось), так же цвет каждой альтернати-

качества прогноза, чувствительности показа-телей альтернативы к допущениям в базовых факторах [7]. Следующий этап, древовидная схема, дает сравнительное представление о прибыльности альтернатив и риске относительно друг друга,

меет множество градаций и плавно изменяется, что показано пере-

Последующая оценка проводится с помощью тепловой карты, показывающей наиболее при-быльные географические зоны для группировки альтернатив, так же данная методика позволяет

Финальная стадия анализа моделирования задачи выбора альтернатив заключается в оценке чувствительности того или иного решения в зависимости от начальных допущений в экспертной оценке влияния фактора и возможных отклонений в прогнозе в соответствии с различными сце-

нариями. Выбор диаграммы Парето для обеспечения этих задач обусловлен не

танностью методологии, но и распространенностью и известностью данного инструмента. Так как анализ чув-ствительности модели наиболее сложен в плане учета многомерности возможных изменений, на финальных стадиях приня-тия решений рекомендуется использование более знакомых и привычных средств ви-зуализации, как это принято за рубежом [7]. Пример использования представлен на

Достоинствами методики является как гибкость, которая позволяет визуализиро-вать вариативные методы прогнозирова-

ия, так и способность математической модели подстраиваться под сложность и частоту той или иной управленческой проблемы [11]. С другой стороны важность применения более совершен-


Повышение гибкости управления предприятием за счет современных средств математического моделирования и визуализации данных

2015, том 15, № 1 73

ных средств визуализации, обоснованная несколькими исследованиями [12,13] так же учтена при выборе инструментов для рассмотренной методики. Именно широкое использование методов продвинутой визуализации позволяет обеспечить качество процесса принятия решений и оценки альтернатив, что является основной для поддержания гибкости управления организацией [4,8]. Представленная методика применения средств продвинутой визуализации для представления результатов решения задачи выбора управленческих альтернатив на основе прогнозирования экономических факторов внедрена автором в ОАО «Кузнецкие Ферросплавы».


1. Елисеева, И.И. Эконометрика: учеб. для бакалавров / под ред. И.И. Елисеевой. – М.: Про-спект, 2013. – 288 с.

2. Лукашин, Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: учеб. пособие / Ю.П. Лукашин. – М.: Финансы и статистика, 2003. – 416 с.

3. Магнус, Я.Р. Эконометрика. Начальный курс: учеб. / Я.Р. Магнус, П.К. Катышев, А.А. Пе-ресецкий. – 6-е изд., перераб. и доп. – М.: Дело, 2004. – 576 с.

4. Механизмы управления: учеб. пособие / Д.А. Новиков, В.Н. Бурков, И.В. Буркова, М.В. Губ-ко; под ред. Д.А. Новикова. – М.: УРСС (Editorial URSS), 2011. – 213 с.

5. Тихонов, Э.Е. Методы прогнозирования в условиях рынка: учеб. пособие / Э.Е. Тихонов. – Невинномысск: Сев.-Кавказ. гос. техн. ун-т, 2006. – 221 с.


7. Cheng T., Tanaksaranond G., Brunsdon C., Haworth J. Exploratory Visualisation of Congestion Evolutions on Urban Transport Networks / T. Cheng, G. Tanaksaranond, C. Brunsdon, J. Haworth // Transportation Research, Part C. – 2013. – Vol. 36, November. – Р. 296–306.

8. Doz, Y.L. Fast Strategy: How Strategic Agility Will Help You Stay Ahead of the Game / Y.L. Doz, M. Kosonen. – London: Wharton School Publishing, 2009. – 120 p.

9. French, S. Decision Behaviour, Analysis and Support / French S., Papamichail N. – Cambridge: Cambridge University Press, 2009. – 657 p.

10. Niazi, M. A framework for assisting the design of effective software process improvement implementation strategies / M. Niazi, D. Wilson, D. Zowghi // The Journal of Systems and Software. – 2006. – Vol. 78. – P. 204–222.

11. Sharp, J.M. Working Towards Agile Manufacturing in the UK Industry / J.M. Sharp, Z. Irani, S. Desai // International Journal of Production Economics. – 1999. – Vol. 62, no. 5. – P. 155–169.

12. Xu, L. Introduction to Multi-Criteria Decision Making and the Evidential Reasoning Approach / L. Xu, J. Yang. – Manchester: Manchester School of Management, 2001. – 324 p.

13. Zhang, P. The Impact of Information Visualization on Human Problem-Solving Performance in a Complex Business Domain / P. Zhang // Proceedings of the Second Americas Conference on Informa-tion Systems (AIS'96). Phoenix, 1996, August 16–18. – P. 674–676.

14. Winters, P.R. Forecasting Sales by Exponentially Weighted Moving Averages / P.R. Winters // Management Science. – 2006. – Vol. 6, no. 3. – P. 75–86.

Зимин Александр Вячеславович, аспирант кафедры информационно-аналитического обес-

печения управления в социальных и экономических системах, Южно-Уральский государственный университет (г. Челябинск); [email protected].



А.В. Зимин



2015, vol. 15, no. 1, pp. 69–74

AGILITY INCREASE OF ENTERPRISE MANAGEMENT BY MODERN METHODS OF MATHEMATICAL MODELLING AND DATA VISUALISATION A.V. Zimin, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

This article considers the use options of different methods of data presentation for the purpose of management flexibility increase of industrial enterprise in modern conditions of global instability. Implementation of visualization and data representation approaches is analyzed for mathematical model support of the choice of administrative alternatives: factors dynamics forecast, control of change range of factors values, model sensitivity analysis, optimum analysis of alternatives for different temporary horizons. Advantages of use of the considered methods of the advanced visualization to decision-making quality increase are proved.

Keywords: visualisation, forecasting, decision making.

References 1. Eliseeva I.I. Ekonometrika: uchebnik dlya bakalavrov [Econometrics: BSc Textbook]. Moscow,

Prospekt Publ., 2013. 288 p. 2. Lukashin Yu.P. Adaptivnye metody kratkosrochnogo prognozirovaniya vremennykh ryadov:

uchebnoe posobie [Adaptive Methods of Short Term Time Series Forecasting: Study Guide]. Moscow, Finances and Statistics Publ., 2003. 416 p.

3. Magnus Ya.R., Katyshev P.K., Peresletskii A.A. Ekonometrika. Nachalnyy kurs: 6-e izdanie [Econometrics. Introductory Course: 6th Edition]. Moscow, Delo Publ., 2004. 576 p.

4. Novikov D.A, Burkov V.N., Burkova I.V., Gubko M.V. Mekhanizmy upravleniya: uchebnoe po-sobie [Management mechanisms: Study Guide]. Moscow URSS Publ., 2011. 213 p.

5. Tikhonov E.E. Metody prognozirovaniya v usloviyakh rynka: uchebnoe posobie [Markets and Fore-casting Methods: Study Guide]. Nevinnomyssk, North Caucasus State Technical University, 2006. 221 p.

6. Chernorutskyi I.G. Metody optimizatsii v teorii upravleniya [Methods for Optimisation in Ma-nagement Theory]. Saint-Petersburg, Piter Publ., 2004. 104 p.

7. Cheng T., Tanaksaranond G., Brunsdon C., Haworth J. Exploratory Visualisation of Congestion Evolutions on Urban Transport Networks. Transportation Research, Part C, 2013, vol. 36, November, pp. 296–306.

8. Doz Y.L., Kosonen M. Fast Strategy: How Strategic Agility Will Help You Stay Ahead of the Game. London, Wharton School Publishing, 2009. 120 p.

9. French S., Papamichail, N. Decision Behaviour, Analysis and Support. Cambridge, Cambridge University Press, 2009. 657 p.

10. Niazi M., Wilson D., Zowghi D. A Framework for Assisting the Design of Effective Software Pro-cess Improvement Implementation Strategies. Journal of Systems and Software, 2006, vol. 78, pp. 204–222.

11. Sharp J.M., Irani Z., and Desai, S. Working Towards Agile Manufacturing in the UK Industry. International Journal of Production Economics, 1999, vol. 62, no. 5, pp. 155–169.

12. Xu L., Yang J., Introduction to Multi-Criteria Decision Making and the Evidential Reasoning Approach. Manchester, Manchester School of Management, 2001. 324 p.

13. Zhang P., The Impact of Information Visualization on Human Problem-Solving Performance in a Complex Business Domain. Proceedings of the Second Americas Conference on Information Systems (AIS'96), Phoenix, 1996, August 16–18, pp. 674–676.

14. Winters P.R. Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 2006, vol. 6, no. 3, pp. 75–86.



2015, том 15, № 1 75

Применение фильтров калмановского типа (ФКТ) для оценки ионосферной и тропосферной задержки сигнала спутниковых радионавигационных систем (СРНС) наряду с оценкой координат и вектора скорости подвижного объекта, использующих измерения одночастотного навигацион-ного приемника, является весьма актуальной задачей. Так как ионосферная и тропосферная за-держки являются малоинформативными параметрами, то для их удовлетворительной оценки требуется проведение измерений сигналов как можно большего количества видимых спутни-ков. В связи с этим необходимо использовать совмещённый навигационный приемник GPS + ГЛОНАСС. Приведем уравнения ФКТ [4].

Пусть /i kx означает оценку вектора ix , полученную на основании измерений, проведенных до момента времени k, а i обозначает дискретный момент времени, в который производятся из-мерения. Пусть /i kP обозначает матрицу ковариаций ошибок, связанную с оценкой /i kx .

Введем следующие вектора и матрицы: / /i i i ixf x ;

// i ii i x xxxAx

.

Тогда уравнение экстраполяции вектора состояния будет иметь вид 2

/ / /1/ / / 2i i i i i ii i i i ix x xx x f t A f t ; (1)

0iE ; Ti k i ikE Q ;

1,0,ik

i ki k

,

где t – интервал дискретизации; i – вектор шума модели движения; E – оператор математи-ческого ожидания; iQ – матрица интенсивности шума модели.

Если в качестве измеряемого ввести вектор iz , то связь оцениваемых и измеряемых парамет-ров можно записать в виде /i ii i ixz h . Здесь ih – вектор показывающий аналитическую за-висимость измеряемых параметров от оцениваемых, i – вектор шума измерений.

Предполагаем, что Ti k i ikE N и 0iE , iN – матрица интенсивности шума изме-

рений.

УДК 629.783:527

ОЦЕНКА ИОНОСФЕРНОЙ И ТРОПОСФЕРНОЙ ЗАДЕРЖКИ СИГНАЛА СРНС ПРИ ИСПОЛЬЗОВАНИИ ОДНОЧАСТОТНОГО НАВИГАЦИОННОГО ПРИЕМНИКА В.Е. Вовасов, Н.Б. Ипкаев, С.А. Герко

Рассмотрено построение трех вариантов алгоритмов фильтра калмановского типа (ФКТ), позволяющих получать оценки ионосферной и тропосферной задержки сигнала спутниковых радионавигационных систем (СРНС). Первый использует в качестве измерений только псевдодальности (ПД) и псевдоскорости (ПС). Второй –ПД, ПС и приращения псевдофаз (ПФ) за некоторый заданный интервал времени. Третий – ПД, ПС и неоднозначные ПФ. Показано, что в случае использования од-ночастотного навигационного приемника третий вариант является наиболее целесо-образным способом построения ФКТ, позволяющим наиболее точно оценить ионо-сферную и тропосферную задержки сигнала СРНС, а также вектор координат и ско-ростей подвижного объекта.

Ключевые слова: ГЛОНАСС, GPS, фильтр калмановского типа, псевдодаль-ность, псевдоскорость, псевдофаза, ошибка вертикального хода луча, ионосфера, тропосфера, спутник.


В.Е. Вовасов, Н.Б. Ипкаев, С.А. Герко


Уравнение коррекции вектора состояния 1/ 1 1/ 1 1/1i i i i i i iix x W xz h

, (2)

где 1iW – матрица коэффициентов усиления фильтра, полученная как

11 1/ 1 1 1/ 1 1

T Ti i i i i i i i iW P H H P H N

; (3)

1/1 i ii x xhHx

.

Определим переходную матрицу Фi , определяющую динамику оцениваемого движения, следующим образом:

/Ф i ii xI A t , (4) здесь I – единичная матрица.

Уравнение экстраполяции матрицы ковариаций

1/ /Ф ФTi i i i i i iP P Q . (5)

Уравнение коррекции матрицы ковариаций 1 11/ 1 1/i ii i i iI W HP P . (6)

На основании приведенных уравнений экстраполяции и коррекции получаем блок-схему ФКТ, использующего информацию от навигационного приемника, которая представлена на рис. 1.

Рис. 1. Блок-схема ФКТ

Экстраполятор включает в себя уравнение экстраполяции вектора состояния и матрицы ко-

вариации. Корректор включает в себя уравнение коррекции вектора состояния, уравнение кор-рекции матрицы ковариации.

Для предотвращения расходимости ФКТ введен адаптивный элемент в виде пересчета в каж-дый момент времени i матрицы iQ :

1 min 1 11/ 1/1 10,1 0,7T

i i i ii i i ii iQ Q Q diag W Wx xz h z h . (7)

Коэффициенты 0,1 и 0,7 в приведенном выражении подобраны экспериментальным путем. В работе рассмотрены стандартные модели ионосферной и тропосферной составляющих за-

держки навигационного сигнала для объекта, имеющего навигационные приемники и движуще-гося по поверхности Земли. Для описания задержки сигнала в ионосфере используется одно-слойная модель ионосферы [5], где предполагается, что все электроны сосредоточены в тонком слое, расположенном на некоторой высоте h над поверхностью Земли. Так величины фазового и соответственно группового ухода ПД, соответствующие ионосферной составляющей задержки для спутника, находящегося в зените относительно приемника, будут равны

2 240,3 40,3

g f e Sop opS

I I n dS NSf f

. (8)

Здесь en S –зависимость концентрации электронов от высоты S ; SN – концентрация электро-нов в слое ионосферы; opf – некоторая единая для ГЛОНАСС и GPS частота, при которой будем определять величины фазового и соответственно группового ухода ПД.

ij tI – уход ПД для сигнала j-го спутника в ионосфере в момент времени it определяет-ся как [5]


Оценка ионосферной и тропосферной задержки сигнала СРНС при использовании одночастотного навигационного приемника

2015, том 15, № 1 77

2

2 23

3

1

cos1

opij g

jij

ftI I

f R tR h

, (9)

где 3R – радиус Земли; 3432,5 10h м – высота слоя ионосферы, где интегральная концентрация

электронов в вертикальном столбе достигает 50 %; jf – несущая частота j-го спутника; ij t – угол места j-го навигационного спутника относительно приемника.

Угол места навигационного приемника с достаточной для данной методики точностью мож-но получать из следующего выражения [3]

sin i ij i

ij TTi i i ij ji i

t tX X tXt

t t t tX X X Xt tX X

. (10)

Здесь Ti i ij j jj t t tx y zX – вектор координат j-го спутника; T

i i iX t t tx y z –

координаты приемника в момент времени it . Для описания тропосферного ухода ПД используется самая простая модель тропосферы [1],

так как предполагается отсутствие информации о температуре, атмосферном давлении и пар-циальном давлении водяного пара:

sin

gij

ij

UtU

t

, (11)

где ij tU – уход ПД для сигнала j-го спутника в тропосфере в момент времени it , а gU – вели-чина, близкая к 2,5, но постоянная на достаточно большом интервале времени.

Для уменьшения динамических ошибок в навигационном приемнике используют информа-цию об ускорениях объекта, на борту которого он установлен на этапе первичной обработки. Это позволяет оценивать в каждый момент времени it параметры навигационного приемника, вклю-ченные в оцениваемый вектор

, , ,/T

i i i i i i i i i g i g ii i x y z x y z I Ux . (12)

Здесь ix , iy , iz – оценка координат приемника в момент времени it по измерениям вплоть до it ;

i – оценка ухода шкалы времени навигационного приемника относительно системного времени ГЛОНАСС в i-й момент времени, представленная в метрах по измерениям вплоть до it ; i – оценка скорости ухода шкалы времени навигационного приемника относительно системного времени ГЛОНАСС в i-й момент времени, представленная в метрах по измерениям вплоть до it ;

ix , iy , iz – оценка скорости объекта в i-й момент времени по измерениям вплоть до it ; ,i – оценка ухода системного времени GPS относительно ГЛОНАСС, представленная в метрах по измерениям вплоть до it ; ,g iI – оценка группового ухода ПД вызванного ионосферой для спут-

ника, находящегося в зените относительно приемника по измерениям вплоть до it ; ,g iU – оценка ухода ПД вызванного тропосферой для спутника, находящегося в зените относительно приемни-ка по измерениям вплоть до it .

Все параметры вектора состояния непрерывно уточняются по мере поступления измерений по НКА ГЛОНАСС и GPS. Будем считать, что изменения скорости смещения шкал времени по-лагаются винеровскими процессами с малой скоростью дрейфа, которые характеризуется двух-сторонней спектральной плотностью формирующего шума 220,8 10N

Гц, что соответствует опорному генератору RTX5032A фирмы Rakon. Переход к моделям смещения часов в дискрет-ном времени получается в результате интегрирования соответствующих непрерывных уравнений на интервале времени дискретизации. В нашем случае время дискретизации для вторичной обра-ботки будет соответствовать интервалу выдачи ПД и ПС и равняться T = 0,1 с.




1 1 , 1;i i i iT (13)

1 , 1.i i i

(14)

Таким образом, вектор формирующих шумов ,

,

ii

i

представляет из себя белый гауссов

шум с матрицей дисперсий [1] 3 2

22

3 2 ,

2

Ti i

T T

M Q c NT T

(15)

где c – скорость света в вакууме.

Рассмотрим первый вариант построения ФКТ. В нем в качестве измерений используются

только измерения ПД и ПС в частотном диапазоне L1. Приведем известные математические вы-ражения для ПД [2]. Под ПД в навигационных приемниках понимается произведение скорости света c на псевдозадержку. Псевдозадержка в приемнике вычисляется как разность между пока-заниями часов приемника в момент приема и оценкой показаний часов спутника в момент излу-чения. В результате выражение для измеряемой в приемнике ПД по j-му спутнику имеет сле-дующий вид:

j jj j j ji ij j trop ion mpt tD R c T c T c T T T , 1,j J , (16)

где it – момент прихода сигнала. Здесь также введены следующие обозначения: jR – длина пути распространения сигнала от j-го спутника до приемника, равная

2 2 2cn cn cnij i i ij j jtR t t tx x y y z z . (17)

Здесь имеется в виду расстояние между точками, которые занимал j-й спутник в момент излуче-ния и приемник в момент приема. Под моментом излучения понимают момент времени, который предшествует моменту приема на время распространения сигнала; T – смещение часов прием-ника относительно системной шкалы времени (СШВ); jT – смещение часов j-го спутника отно-сительно СШВ; j

tropT – задержка кодового сигнала j-ого спутника в тропосфере; jionT – задержка

кодового сигнала j-го спутника в ионосфере; j – задержка кодового сигнала j-го спутника в ра-диочастотной части приемника; j

mpT – задержка кодового сигнала j-го спутника из-за многолуче-

вых искажений; j – шумовая составляющая измерения ПД j-го спутника приемником; J – общее число видимых спутников ГЛОНАСС + GPS.

Так как целью статьи является исследование тропосферных и ионосферных атмосферных за-держек, примем, что многолучевые искажения, задержка кодового сигнала в радиочастотной час-ти приемника, а также смещение часов спутников считаются скомпенсированными, а остаток – включенным в шумовую составляющую измерений. В этом случае запишем упрощенную мате-матическую модель измерений ПД для ГЛОНАСС в виде

j j j ji i i i i ij j trop ion j j jt t t t t tD R c T c T c T R U I . (18)

Здесь c T ; j

ij troptU c T ;

jij iontI c T .

Упрощенная математическая модель измерений ПД для GPS записывается в виде

.j j j ji i i i i i ij j trop ion j j jt t t t t t tD R c T c T c T R U I (19)



2015, том 15, № 1 79

Для получения ПС используются измерения псевдодоплеровских смещений ij tF несущей

частоты, которые измеряются в приемнике по j-му спутнику в момент времени it , согласно [2], их выражения можно записать в следующем виде

, j jj

ij i mo Fj

RtF k f

, (20)

где jR – радиальная скорость приемника относительно j-го спутника в момент it , определяе-мая как

cn cn cn cn cn cni i i i i ij j j j j j

ijij

t t t t t tx x x x y y y y z z z ztR

tR

, (21)

где j – номинальная длина волны несущей j-го спутника; j jnom mok f f – постоянный коэффи-

циент, равный отношению номинальной частоты jnomf несущей j-го спутника к номинальной

частоте mof задающего генератора приемника; , i mof – смещение частоты задающего генератора

приемника относительно своего номинального значения в момент it ; jF – ошибка измерения

псевдодоплеровского смещения несущей частоты в приемнике. Здесь предполагается, что ошибки псевдодоплеровских смещений из-за ионосферы и тропо-

сферы малы и не учитываются. Умножая левую и правую части выражения (3) на j , получаем выражение для ПС приемника

jj ji i i ij j j Ft t t tD F R , (22)

здесь , j j

i i mot k f . С учетом приведенных уравнений ПД и ПС связаны с оцениваемым вектором следующими

соотношениями: – для ГЛОНАСС:

2,

, 2 23

3

1sin

cos1

g i opij j i g i

ij jij

U ftD R I

t f R tR h

; (23)

– для GPS:

2,

, ,2 23

3

1sin

cos1

g i opij j i g i i

ij jij

U ftD R I

t f R tR h

. (24)

ij j itD R ; (25)

cos ij t получаем из sin ij t , а

1sin ijj

str R

. (26)

Здесь

1cn cn cn

i i ij i j i j is x y zx x y y z z ;

2 2 2i i ir x y z ;

2 2 2cn cn cnj j i j i j iR x x y y z z ;

cn cn cn cn cn cnj i j i j i j i j i j i

jj

x x x x y y y y z z z zR

R

.




Введем вектор измерений iz в виде

1 2 1 2T

i i i i i ii J Jt t t t t tz D D D D D D . (27)

Тогда вектор /i ih x и матрицу iH можно записать:

1 2 1 2T

J Jh D D D D D DX ;

1 1 11 1 1

2 2 22 2 2

/1 1 1 1 1 1

2 2 2 2 2 2

1 0 0 0 0

1 0 0 0 0

1 0 0 0 0

0 1 0 0 0

0

i i i

i i i

J J JJ J J

i i ii ik

i i i i i i

i i i i i

D D Dx y z

D D Dx y z

D D Dx y z

xHD D D D D Dx y z x y z

D D D D D Dx y z x y z

1 0 0 0

0 1 0 0 0

i

J J J J J J

i i i i i i


,

2 11 3 11

cnj ij

ji

x xDs s s s

x R

;

2 12 3 12

cnj ij

ji

y yDs s s s

y R

;

2 13 3 13

cnj ij

ji

z zDs s s s

z R

,

где

221 2

2 , 2 31

(1 ) sin ijopg i

j

tb bfs I

f b

;

3 , 21

sing iij

s Ut

;

111 2 2

2s

cn cnj i j ii j

j j j

x x r x xx Rsr R r R r R

;

112 2 2

2s

cn cnj i j ii j

j j j

y y r y yy Rsr R r R r R

;

113 2 2

2s

cn cnj i j ii j

j j j

z z r z zz Rsr R r R r R

;



2015, том 15, № 1 81

21 21 ( cos )ij tb b ;

32

3

RbR h

;

0j для сигналов системы ГЛОНАСС и 1j для сигналов системы GPS;

2

21

1opj

j

fbf

;

1

sinjij t

;

cnj ij

ji

x xDx R

;

cnj ij

ji

y yDy R

;

cnj ij

ji

z zDz R

;

cn cnjj i j ijj j j

i

x x x xD Rx R R R

;

cn cnjj i j ijj j j

i

y y y yD Ry R R R

;

cn cnjj i j ijj j j

i

z z z zD Rz R R R

.

Запишем minQ как минимально возможную матрицу шума модели движения, удовлетво-ряющую разумным требованиям точности оцениваемых параметров.

11 12

min

21 22

0,01 0 0 0 0 0 0 0 0 0 00 0,01 0 0 0 0 0 0 0 0 00 0 0,01 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 00 0 0 0 0,0001 0 0 0 0 0 00 0 0 0 0 0,0001 0 0 0 0 00 0 0 0 0 0 0,0001 0 0 0 00 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0,01 0 00 0 0 0 0 0 0 0 0 0,01 00 0 0 0 0 0 0 0 0 0 0,01

q q

Q

q q

.

Здесь с учетом (15) получим 3

211 3c

Tq , при 2

212 21 2c

Tq q ;

222 cq T , где 2 0,000007c (м/с)2.

Матрица интенсивности шума измерений равна




1

2

1

2

2

2

2

2

2

2

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

J

J

D

D

Di

D

D

D

N

,

где 2jD – дисперсия измерений ПД, а 2

jD – дисперсия измерений ПС по j-му спутнику.

На рис. 2 и 3 представлены результаты эксперимента с описанным ФКТ. В эксперименте по-лагали, что СКО ПД 6

jD м, СКО ПС 0,064jD м/с. При моделировании ионосферы вели-

чина параметра gI бралась равной 15 м, а при моделировании тропосферы gU бралась равной 2,5 м. На протяжении всего времени наблюдения в пределах прямой видимости находилось не менее 12 спутников GPS + ГЛОНАСС. Вектора координат и скоростей спутников системы GPS рассчитываются в системе координат WGS-84, поэтому для совместного использования измере-ний обеих систем необходимо их пересчитывать в систему координат ПЗ-90.02, соответствую-щую ГЛОНАСС [1]. На рис. 2 представлена ошибка оценки параметра gI (series 2), а на рис. 3

ошибка оценки параметра gU (series 2) в зависимости от времени наблюдения. Если считать, что

оценка ФКТ параметров gI и gU с точностью 1 м приемлема для практики, то для этого требу-ется практически 500 с наблюдения.

Рассмотрим второй вариант построения ФКТ. В нем в качестве измерений используются из-мерения ПД и ПС, а также приращения псевдофаз в частотном диапазоне L1. Как указано в [5], применение псевдофазовых (ПФ) измерений может существенно увеличить точность определе-ния задержек сигнала СРНС в ионосфере и тропосфере, что для случая применения ФКТ будет соответствовать уменьшению необходимого интервала наблюдений для получения приемлемых оценок.

Под ПФ в навигационных приемниках понимается разность между фазой гетеродина прием-ника на момент приема и фазой несущей частоты спутника на момент излучения [2]. В результа-те выраженная в циклах математическая модель ПФ, измеряемая в приемнике по j-му спутнику, имеет следующий вид:

0 0 j

ij j j j j j jjij j trop ion mphj

tRt f MT T

, (28)

где j

j

cf

– длина волны несущей j-го спутника; 0 – начальная фаза приемника; 0j – неоп-

ределенная начальная фаза излучения j-го спутника; jh – фазовые аппаратурные искажения в

j-м канале i-го приемника; jtrop – фазовые тропосферные искажения сигнала j-го спутника на

входе приемника; jion – фазовые ионосферные искажения сигнала j-го спутника на входе прием-

ника; jmp – фазовые искажения, вызванные многолучевостью сигнала j-го спутника на входе

приемника; jM – неопределенное целое число, отображающее собой неоднозначность фазовых измерений в j-м канале приемника;

j – шумовая составляющая измерения псевдофазы сигнала

j-го спутника в приемнике.



2015, том 15, № 1 83

С учетом включения многолучевых искажений в шумовую составляющую ПФ, а также ком-пенсации аппаратурных искажений и ухода шкалы времени спутников, перепишем (28), умножив его на длину волны j

0 0 jj j j jj j

trop ioni i ij j j Mt t tG c T R

0 0 .j

j jji i ij j jMt t tc T R U I (29)

Здесь учтен тот факт, что приращение времени фазового запаздывания, обусловленного ио-носферой, имеет обратный знак по сравнению с приращением времени запаздывания огибающей сигнала [1]. Рассмотрим измеряемую величину

ji i ij j jt t tB D , (30)

значение которой может быть получено из выражений (23) или (24) и (29)

0 02j

j jj ji ij j Mt tB I . (31)

Очевидно, что величина ij tB неоднозначна из-за неопределенного целого числа jM . Если

же выбрать интервал времени, соответствующий i i kt t , такой, что на этом интервале величи-на jM постоянна, то можно воспользоваться следующей однозначной разностью измерений

2 2, 3 3

3 3

2 2

1 1

2cos cos1 1

j jj j j j

i i k i i i i k i k i kj j j j

j ji i kg i

i i kj j

t t t t t t t tB B I I

t tI R Rt tR h R h

.j jj

i i kt t (32)

Здесь учтен тот факт, что величина ,g iI практически постоянна на интервалах времени

i i kt t . В этом случае можно в ФКТ ввести дополнительные измерения

,1

12i i i kj j j g i St t tE B B I

b

, (33)

где

2

1

1 cos i kj

SR t

R h

.

Интервал времени i i kt t выбирается из следующих соображений. Чем он больше, тем бо-лее информативно измерение jE , но при этом увеличивается вероятность перескока фазы в ка-нале слежения за фазой сигнала j-го спутника. Для работы по реальным сигналам необходим ал-горитм, определяющий перескок фаз и отбрасывающий дополнительное измерение, соответст-вующее этому перескоку.

Введем вектор измерений iz в виде

1 2 1 2 1 2T

i i i i i i i i ii J J Lt t t t t t t t tz D D D D D D E E E . (34)

Здесь L – количество дополнительных измерений с отсутствием перескоков фаз на заданном ин-тервале.

Определим матрицу iH , а так же вектор /i ih x для второго варианта ФКТ с учетом допол-нительных измерений.

/ 1 2 1 2 1 2T

i i J J Lh x D D D D D D E E E ;




1 1 11 1 1

2 2 22 2 2

1 1 1 1 1 1

2 2 2 2 2 2

1 0 0 0 0

1 0 0 0 0

1 0 0 0 0

0 1 0 0 0

0 1 0 0

i i i

i i i

J J JJ J J

i i i

i i i i i i

i i i i i i i

D D Dx y z

D D Dx y z

D D Dx y z


D D D D D DH x y z x y z

1 1 11

2 2 22

0

0 1 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0

J J J J J J

i i i i i i

i i i

i i i

L L LL

i i i

D D D D D Dx y z x y zE E Ex y zE E Ex y z

E E Ex y z

,

где 2 112l

i

E s sx

; 2 122l

i

E s sy

; 2 132l

i

E s sz

;

1

2 2l Sb

.

Здесь l – номера только тех спутников, у которых отсутствуют перескоки фаз на заданном интервале.

На практике 2 2j jD G . Тогда матрица интенсивности шума измерений будет равна

1 1

1 2

1

2

1 1

2 2

1

2 2

2 2

2 2

2

2

2

2 2

2 2

2

0 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 2 0 0

0 0 0 0 0 0 2 0

0 0 0 0 0 0 0 2

J L

J

L

D D

D D

D D

D

Di

D

D D

D D

D D

N

2

,

2jD – дисперсия измерений ПД, а 2

jD – дисперсия измерений ПС по j-му спутнику; 2

LD – дисперсия дополнительных измерений LE по L-му спутнику.



2015, том 15, № 1 85

На рис. 2 и 3 представлены результаты эксперимента с описанным ФКТ. Условия этого экс-перимента полностью соответствовали первому. Здесь полагали, что СКО ПД 6

jD м, СКО ПС

0,064jD м/с, а СКО взвешенной величины ПФ 0,003

jG м. На рис. 2 представлена ошибка

оценки параметра gI (series 1), а на рис. 3 – ошибка оценки параметра gU (series 1) в зависимо-

сти от времени наблюдения. Интервал времени i i kt t брался равным 90 с, так как считалось, что при хорошем соотношении сигнал/шум порядка 40 дБВт вероятность перескока фаз на этом интервале невысока. Если считать, что оценка ФКТ параметров gI и gU с точностью 1 м прием-лема для практики, то для этого потребуется около 350 с наблюдения.

Рис. 2. Зависимость ошибки оценки ФКТ вертикального хода луча,

вызванного ионосферой, от времени наблюдения

Рис. 3. Зависимость ошибки оценки ФКТ вертикального хода луча,

вызванного тропосферой, от времени наблюдения

Рассмотрим третий вариант построения ФКТ, где используется непосредственное привлече-ние измерений ПФ. По сравнению со вторым вариантом, здесь в роли дополнительных измере-ний выступают неоднозначные измерения ПФ. Запишем (4) в виде




jj

i i i ij j j j jt t t tG C T R K U I , (35)

где 0 0j j j

jK M . С учетом введенных ранее обозначений для ПФ имеем следующие выражения: – для ГЛОНАСС:

2,

, 2 23

3

1sin

cos1

g i opij j i j g i

ij jij

U ftG R K I

t f R tR h

; (36)

– для GPS:

2,

, ,2 23

3

1sin

cos1

g i opij j i j g i i

ij jij

U ftG R K I

t f R tR h

. (37)

Значения jK неизвестны, но считаются константами и требуют включения в оцениваемый вектор. Поэтому он будет выглядеть следующим образом:

, , , 1 2/T

i i i i i i i i i g i g i Ni i x y z x y z I U K K Kx . (38)

Здесь N – количество включенных в обработку ПФ измерений. Введем вектор измерений iz в виде

1 2 1 2 1 2T

i i i i i i i i ii J J Nt t t t t t t t tz D D D D D D G G G . (39)

Определим матрицу iH , а также вектор /i ih x для ФКТ с учетом дополнительных измерений:

/ 1 2 1 2 1 2T

i i J J Nh x D D D D D D G G G ;

1 1 11 1 1

2 2 22 2 2

1 1 1 1 1 1

2 2 2 2

1 0 0 0 0 0 0 0

1 0 0 0 0 0 0 0

1 0 0 0 0 0 0 0

0 1 0 0 0 0 0 0

0

i i i

i i i

J J JJ J J

i i i

i i i i i i

i i i i

D D Dx y z

D D Dx y z

D D Dx y z


D D D DH x y z x

2 2

1 1 11 1 1

2 2 22 2 2

1 0 0 0 0 0 0

0 1 0 0 0 0 0 0

1 0 0 0 0 1 0 0

1 0 0 0 0 0 1 0

1 0 0 0 0

i i i

J J J J J J

i i i i i i

i i i

i i i

J J JN

i i i

D Dy z

D D D D D Dx y z x y zG G Gx y z

G G Gx y z

G G Gx y z

.

0 0 1N N



2015, том 15, № 1 87

Здесь

2 11 3 11

cnj ij

ji

x xGs s s s

x R

;

2 12 3 12

cnj ij

ji

y yGs s s s

y R

;

2 13 3 13

cnj ij

ji

z zGs s s s

z R

,

где 22

1 22 , 2 3

1

(1 ) sin ijopg i

j

tb bfs I

f b

;

2

21

1opj

j

fbf

;

j j .

Матрица интенсивности шума измерений имеет следующий вид

1

2

1

2

1

2

2

2

2

2

2

2

2

2

2

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0

J

J

N

D

D

D

D

Di

D

G

G

G

N

,

2lG – дисперсия взвешенных измерений ПФ по l -му спутнику, l – номера только тех спутников,

ПФ измерения которых включены в обработку. На рис. 4 и 5 представлены результаты эксперимента с описанным ФКТ. Условия этого экс-

перимента полностью соответствовали первому. Здесь полагали, что СКО ПД 6jD м, СКО ПС

0,064jD м/с, а СКО взвешенной величины ПФ 0,003

jG м. На рис. 4 представлена ошибка

оценки параметра gI , а на рис. 5 – ошибка оценки параметра gU в зависимости от времени на-блюдения при N = 12 включенных в обработку ПФ измерений.

Очевидно, что приемлемые точности оценки ухода ПД в ионосфере и тропосфере для спут-ника, находящегося в зените относительно приемника, получаются практически сразу, что ука-зывает на эффективность данной процедуры. Как показал эксперимент, приемлемые точности параметров gI и gU получаются даже при N = 1.




Рис. 4. Зависимость ошибки оценки ФКТ вертикального хода луча, вызванного ионосферой, от времени наблюдения для третьего варианта построения ФКТ

Рис. 5. Зависимость ошибки оценки ФКТ вертикального хода луча, вызванного тропосферой, от времени наблюдения для третьего варианта построения ФКТ

Таким образом, включение в измерения неоднозначных ПФ является наиболее целесообраз-

ным способом построения ФКТ, позволяющим наиболее точно оценить ионосферную и тропо-сферную задержки сигнала СРНС, а также вектор координат и скоростей подвижного объекта в случае использования одночастотного навигационного приемника.


1. ГЛОНАСС. Принципы построения и функционирования / под ред. А.И. Перова, В.Н. Хари-сова. – Изд. 4-е, перераб. – М: Радиотехника, 2010. – 800 с.

2. Поваляев, А.А. Спутниковые радионавигационные системы: время, показания часов, фор-мирование измерений и определение относительных координат / А.А. Поваляев. – М.: Радиотех-ника, 2008. – 328 с.



2015, том 15, № 1 89

3. Самарский, А.А. Численные методы / А.А. Самарский, А.В. Гулин. – М.: Наука, 1989. – 432 с.

4. Сейдж, Э. Теория оценивания и её применение в связи и управлении / Э. Сейдж, Дж. Мелс. – М.: Связь, 1976. – 496 с.

5. Казанцев, М.Ю. Определение ионосферной составляющей погрешности измерения псевдо-дальности в одночастотной аппаратуре систем ГЛОНАСС и GPS / М.Ю. Казанцев, Ю.Л. Фате-ев // Журнал радиоэлектроники. Электронный журнал. – Российская академия наук, 2002. – № 12.

Вовасов Валерий Егорович, канд. техн. наук, ведущий инженер-исследователь ОАО «Рос-

сийские космические системы» (г. Москва); [email protected]. Ипкаев Николай Борисович, инженер-исследователь, ОАО «Российские космические сис-

темы» (г. Москва); [email protected]. Герко Сергей Александрович, старший преподаватель, Московский авиационный институт

(г. Москва); [email protected].

Поступила в редакцию 21 марта 2013 г.


2015, vol. 15, no. 1, pp. 75–90

ESTIMATION IONOSPHERIC AND TROPOSPHERIC SIGNAL DELAY FOR SINGLE-FREQUENCY SRNS RECEIVER V.E. Vovasov, JSC “Russian Space Systems”, Moscow, Russian Federation, [email protected], N.B. Ipkaev, JSC “Russian Space Systems”, Moscow, Russian Federation, [email protected], S.A. Gerko, Moscow Aviation Institute, Moscow, Russian Federation, [email protected]

Creation of three variants of the algorithms of the Kalmanovsky type filter of (FKT) allowing to receive the estimates of ionospheric and tropospheric signal delay of satellite radio navigational systems (SRNS) is considered. Pseudo-ranges (PR) and pseudo-speeds (PS) are used as measurements in the first variant. PR, PS and increments of pseudo-phases (PF) for some given interval of time are used in the second option. PR, PS and am-biguous PF are used in the third option. It is shown that the third variant is the most expe-dient method of FKT creation that allows to evaluate ionospheric and tropospheric signal delays of SRNS and a vector of coordinates and speeds of mobile object most precisely in case of use of the single-frequency navigation receiver.

Keywords: GLONASS, GPS, Kalman filter type, pseudorange, pseudospeed, pseudo-phase, vertical error course of the beam, ionosphere; troposphere, satellite.

References 1. GLONASS. Printsipy postroeniya i funktsionirovaniya [GLONASS. Principles of Creation and

Functioning]. Moscow, Radiotekhnika Publ., 2010. 800 p. 2. Povalyaev A.A. Sputnikovye radionavigatsionnye systemy’: vremya, pokazaniya chasov, formi-

rovanie izmereniy i opredelenie otnositel’nykh koordinat [Satellite Radio Navigational Systems: Time,




Indications of Hours, Formation of Measurements and Determination of the Relative Coordinates]. Moscow, Radiotekhnika Publ., 2008. 328 p.

3. Samarskiy A.A., Gulin A.V. Chislennye metody [Numerical Methods]. Moscow, Nauka Publ., 1989. 432 p.

4. Sage E., Mels Dzh. Teoriya otsenivaniya i eyo primenenie v svyazi i upravlenii [The Theory of Estimation and its Application in Communication and Control]. Moscow, Svyaz’ Publ., 1976. 496 p.

5. Kazanczev M.Ju., Fateev Ju.L. [Determination of an Ionospheric Component of Measurement Error of Pseudo-range in Single-frequency Equipment of Systems of GLONASS and GPS]. Radiotro-nics magazine. Electronic magazine, Russian Academy of Sciences, 2002, no. 12. Available at: http://jre.cplire.ru/

Received 21 March 2013


2015, том 15, № 1 91

Введение

Времена меняются и мы меняемся вместе с ними.

Овидий В области метрологии, стандартизации и сертификации, как и в других областях, существу-

ют проблемы, связанные с дефицитом квалифицированных специалистов не столько по числу, сколько по качеству профессиональной подготовки. Основной компонентой данных проблем яв-ляется качественная оценка профессиональных компетенций будущих специалистов. Также и со стороны работодателей повышаются требования как к личным качествам, так и к уровню про-фессиональных компетенций у выпускников высших учебных заведений. Меняются представле-ния о самой системе контроля качества подготовки специалистов, поскольку на первый план вы-ходят не внутренние требования системы образования, как было раньше, а внешние запросы

УДК 378.016:006 РОЛЬ ИННОВАЦИОННЫХ ТЕХНОЛОГИЙ ОБУЧЕНИЯ ПРИ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ В ОБЛАСТИ МЕТРОЛОГИИ, СТАНДАРТИЗАЦИИ И СЕРТИФИКАЦИИ В.И. Гузеев, Н.В. Сырейщикова

Отражены результаты кафедры технологии машиностроения по разработке и применению инновационных технологий обучения в образовательном процессе специалистов в области метрологии, стандартизации и сертификации. Показана не-обходимость радикальных изменений содержания и методов обучения для форми-рования базовых, ключевых компетенций. Приведены результаты анализа и выбор различных типов инновационных подходов к образовательным технологиям: ради-кальных, комбинированных, модифицирующих. Разработана инновационная модель обучения, связанная с несколькими видами деятельности: поиски по линии репро-дуктивного обучения; поиски по линии исследовательского, инновационного обу-чения, в рамках которого учебный процесс строится как поиск познавательно-прикладных практических сведений; использование модели учебной дискуссии; ор-ганизация обучающей деятельности на основе игровой модели. Созданная обоб-щенная модель обучения с применением инновационных технологий предусматри-вает: активное участие студентов в процессе обучения; возможности прикладного использования знаний в реальных условиях; представление концепций и знаний в самых разнообразных формах (а не только в текстовых); подход к обучению как к коллективной, а не индивидуальной деятельности; акцент на процесс осмыслива-ния, а не на запоминание информации и др. Описаны инновационные технологии, используемые на кафедре, основанные на концепции развивающего обучения. По-казан опыт методических инноваций кафедры, связанный с внедрением интерак-тивных форм обучения. Отражены традиции кафедры по проведению производст-венных и преддипломных практик студентов. Приведены результаты оценки удов-летворенности студентов адекватными условиями обучения и самостоятельной работы студентов. Внедрение современных методов и технологий в образовательныйпроцесс кафедры позволяет повысить объём и доступность предоставляемой ин-формации, способствует эффективному усвоению информации, активизирует позна-вательную деятельность студентов, развивает навыки творческой работы в процессе углубленного изучения научной информации по проблеме, позволяющей студентам развить их творческий потенциал, продемонстрировать свои способности и талант и, соответственно, повышает заинтересованность студентов и позволяет им почув-ствовать востребованность получаемых знаний при освоении будущей специально-сти и способствует в конечном счете повышению качества подготовки студентов.

Ключевые слова: образовательный процесс, обучение, инновационные техно-логии.


В.И. Гузеев, Н.В. Сырейщикова


рынка труда, обеспечение которых начинает рассматриваться в качестве ключевых условий ус-пеха подготовки специалистов.

Современное поколение студентов владеет новыми технологиями получения информации и имеет доступ к интернет-ресурсам, электронным библиотекам и др. Сегодня хорошую информа-ционную базу обеспечивает также и вуз: доступность учебников, учебных пособий, периодиче-ских изданий и монографий по дисциплинам. Изменилось мировоззрение современных студен-тов, которые стараются соответствовать времени, желают получить качественные образова-тельные услуги, готовы воспринять и эффективно усвоить новую информацию на основе современных образовательных технологий.

Кафедра технологии машиностроения Южно-Уральского государственного университета от-вечает на требования времени: возросшие запросы промышленности и работодателей в квалифи-цированных специалистах, создание новых технологий получения информации, а также измене-ние мировоззрения современного поколения студентов на получение качественного образования активно совершенствуют систему профессиональной подготовки студентов, в частности, в об-ласти метрологии, стандартизации и сертификации. Поставлена задача добиваться того, чтобы студент стал активным участником учебного процесса, а преподаватель, забыв о роли информа-тора, являлся организатором познавательной деятельности студента. Эту задачу решает приме-нение инновационных технологий подготовки специалистов.

1. Инновационные подходы к образовательным технологиям В связи со значительным ускорением процесса устаревания профессиональных знаний и на-

выков современное образование должно быть нацелено не столько на формирование конечного набора заранее известных компетенций, сколько на формирование компетенции обновления компетенций. Для решения этой задачи в обучении специалистов возрастает доля концепций и учебных программ, которые ориентированы в практическом плане на формирование комплекса навыков постановки и решения трудных профессиональных задач в условиях неопределенности: способности построения все более сложных иерархических структур собственной деятельности в многообразных многокритериальных средах; умения рассуждать в терминах причинных связей, способности прогнозировать нелинейную динамику; умения выстраивать оптимальные стратегии управления в режиме реального времени и на перспективу; способности анализа информации и принятия решений в кризисных условиях и при наличии жесткой конкуренции.

Педагог вуза, понимающий и принимающий динамику существующего мира, относитель-ность знаний, динамику ценностей и смыслов, должен развивать у будущих специалистов твор-ческие способности, вырабатывать принципиально новые решения, которые не выводимы из уже известных и адекватны именно новой и изменяющейся реальности.

В этой ситуации роль преподавателя меняется, границы между ним и обучаемым становятся прозрачными, что способствует сотрудничеству. Возрастает роль самого обучаемого, который участвует не только в получении знаний, но и в его поиске, развитии, трансформации в практи-ческие умения и навыки. Это – динамический подход. Но в отсутствие инвариантного подхода у обучаемых не формируются базовые, ключевые компетенции.

Из вышеизложенного очевидно, что содержание и методы обучения требуют радикальных изменений.

В педагогической литературе описаны три типа инновационных подходов к образователь-ным технологиям:

– радикальные – например, осуществление попытки перестроить весь учебный процесс на основе компьютерных технологий, включая обучение через интернет-сеть, дистанционное обуче-ние, виртуальные семинары, конференции, игры и пр.;

– комбинаторные – соединение ранее известных элементов (новый метод обучения как не-обычное сочетание известных приемов и способов, например, лекция-диалог или семинар-анализ);

– модифицирующие (совершенствующие) – улучшение, дополнение имеющейся методики обучения без существенного её изменения (например, деловая или ролевая игра) [1].

Разработка инновационных моделей обучения, как правило, связывается с несколькими ви-дами деятельности:

поиск по линии репродуктивного обучения;


Роль инновационных технологий обучения при подготовке специалистов в области метрологии…

2015, том 15, № 1 93

поиск по линии исследовательского, инновационного обучения, в рамках которого учеб-ный процесс строится как поиск познавательно-прикладных практических сведений;

использование модели учебной дискуссии; организация обучающей деятельности на основе игровой модели. 2. Инновационные технологии, используемые на кафедре Инновационные технологии обучения основаны на концепции развивающего обучения

(в русле личностно-ориентированного подхода) и интенсивно опираются на активную познава-тельную позицию обучающегося (в русле деятельностного подхода). Ведущими функциями ин-новационного обучения можно считать:

интенсивное развитие личности студента и педагога; демократизацию их совместной деятельности и общения; гуманизацию учебно-воспитательного процесса; ориентацию на творческое преподавание, активное учение и инициативу студента в фор-

мировании себя как будущего профессионала; модернизацию средств, методов, технологий и материальной базы обучения, способст-

вующих формированию инновационного мышления будущего профессионала. Примерная обобщенная модель обучения с применением инновационных технологий, ис-

пользуемых на кафедре, предусматривает: активное участие студентов в процессе обучения; возможности прикладного использования знаний в реальных условиях; представление концепций и знаний в самых разнообразных формах (а не только в текстовых); подход к обучению как к коллективной, а не индивидуальной деятельности; акцент на процесс осмысливания, а не на запоминание информации. На основе приведенной обобщенной модели обучения приведены примеры некоторых её ва-

риантов, которые используются кафедрой технологии машиностроения при изучении студентами курсов метрологии, стандартизации и сертификации.

Инновационные методы основаны на использовании современных достижений науки и ин-формационных технологий в образовании. Они направлены на повышение качества подготовки путем развития творческих способностей и самостоятельности учащихся. Наряду с вышеназван-ными традиционными применяются в работе следующие образовательные технологии: личност-но-ориентированное обучение, лекция-визуализация, проблемное обучение, тестовые формы контроля знаний, блочно-модульное обучение, метод проектов, обучение в сотрудничестве. Ис-пользуемые медиапродукты (презентации, слайд-шоу, рисунки и т. д.) позволяют выбрать после-довательность демонстрации, удобное структурирование материала, возможность добавить ком-ментарий, организовать опрос или решение заданий и упражнений. Лекционный материал пре-подается с использованием мультимедиа-презентации, что позволяет наглядно представить основные этапы, например, процесса проведения сертификации продукции или услуги и деталь-но описать методы, например, идентификации продукции при изготовлении, отборе, испытаниях и сертификации с установлением отличий объектов, субъектов, средств осуществления иденти-фикации на данных этапах процесса. Наглядность выражается разными формами: натуральные материалы, изобразительные (слайды, рисунки, фото), символические (схемы, таблицы) с соблю-дением визуальной логики и ритма подачи материала. Большое значение приобретает практиче-ский опыт работы преподавателя в данных областях, его стиль общения с аудиторией. Примене-ние иллюстраций и технологий мультимедиа позволяет на новом уровне передавать информацию студентам и улучшить её понимание. Чтение лекций как одна из основных форм обучения при-меняется при изучении, например, сертификации как традиционный метод, когда роль слушате-лей остаётся пассивной, так и как интерактивный метод. Лектор может задавать вопросы студен-там в аудитории, при этом отдельные слушатели поднимают руку, встают и излагают свои пред-ложения и замечания, которые лектор комментирует и корригирует. Нередко в подобных ситуациях возникает дискуссия между лектором и слушателями. Как правило, дискуссия являет-ся весьма полезной, так как заостряет и уточняет многие положения прочитанной лекции. Дан-ный интерактивный метод чтения лекций требует определенной психологической подготовки как




от лектора, так и от аудитории. От лектора требуется проявление таких свойств как коммуника-бельность, умение заинтересовать слушателей, доброжелательность, уважение к любому выска-занному мнению. От слушателей требуется активный настрой на участие в лекции, что достига-ется воспитанием аудитории лектором. Кроме того, при чтении лекций применяется использова-ние «предпринимательских идей» с эффективно функционирующих предприятий Челябинской области. Проведенный на кафедре анонимный опрос показал, что 58 % слушателей отдают пред-почтение методу интерактивного общения при чтении лекций, например, по дисциплине «Сер-тификация», 35 % – традиционному методу, 7 % – затрудняются ответить на вопрос. Оба метода могут быть успешны и выбор во многом определяется темой лекции, её содержанием и подго-товленностью аудитории к восприятию материала лекции [2].

Другим инновационным видом преподавания теоретического материала на кафедре является создание проблемных лекций, в которых аудитории первоначально задается определенная про-блемная ситуация, для разрешения которой подбираются наиболее адекватные способы с опорой на знания, полученные на предыдущих этапах обучения, путем логических размышлений с уча-стием студентов и преподавателя. Примером может служить лекция по выбору методов контроля зубчатых колес, которая начинается с представления видеофильма с записью реального участка цеха изготовления зубчатых колес и различных видов возникающих дефектов. Далее студентам предлагается из нескольких вариантов выбрать ответы на вопросы, касающиеся причин возник-новения отклонений от требований к данному виду зубчатого колеса, выбрать методы контроля его качества и предложить превентивные меры по устранению выявленных проблем. В процессе представления видеоряда преподаватель дает различные комментарии, заостряет внимание на наиболее значимых моментах изготовления и контроля колес. Главная цель такой лекции – при-обретение знаний учащимися при их непосредственном действенном участии, что вызывает ин-терес к излагаемому материалу.

Как дополнительный метод активизации внимания учащихся применяется учебная дискус-сия, когда необходимо дать простой и однозначный ответ на вопрос, при этом предполагаются альтернативные ответы. С целью вовлечения в дискуссию всех присутствующих применяются методы прямого и обратного мозгового штурма, которые основаны на совместной работе в груп-пах из 4–8 студентов. Эти методы позволяют объединить интеллектуальные усилия и энергию группы студентов, стимулируют их к быстрому генерированию большого количества разнооб-разных идей для того, чтобы выполнять общее задание.

К теоретической подготовке студента относятся и семинарские занятия. По некоторым раз-делам учебной программы, касающихся, например, метрологического обеспечения контроля раз-личных видов типовых деталей машин, в завершение освоения темы проводятся семинары-диспуты, предполагающие коллективное обсуждение проблемы с целью установления путей её достоверного решения. Семинар-диспут проводится в форме диалогического общения студентов и преподавателя по различным разделам обсуждаемой темы. Участникам раздаются карточки с фактическими данными, например, по операции шлифования с указанием материала, станка, ре-жимов, приспособлений, технических требований к детали и результатами полученных отклоне-ний от заданной точности размера. Путем коллективного разбора каждой ситуации определяются факторы, влияющие на возникновение данных отклонений от точности. Результаты анализа и выделения основных факторов, вызывающих данное несоответствие, используются в дальней-шем на практических занятиях (например, с построением диаграмм Каору Исикавы («5М»: мате-риалы, методы, метрология, машины, men – исполнители и «6М»: материалы, методы, метроло-гия, машины, men – исполнители и окружающая среда), диаграмм Вильфредо Парето для выяв-ления проблем (факторов), подлежащих первоначальному решению, с применением АВС-анализа полученных диаграмм В. Парето путем ранжирования приоритетности выявленных при-чин, факторов и других объектов исследования и др.). Подобные семинары предполагают высо-кую умственную активность студентов и помогают на более высоком уровне проводить зачетные занятия, заставляя учащихся отвлечься от конспекта или учебника, учат логически мыслить, са-мостоятельно выстраивать путь принятия решения [3].

Проблемно-поисковые методы обучения также включают частично-поисковый и исследова-тельский уровни. Научно-исследовательская работа студентов заключается, например, в подго-товке реферата в виде обзора современной научной литературы по теме, предлагаемой препода-



2015, том 15, № 1 95

вателем. Например, рефераты по современным методам метрологического обеспечения произ-водств наиболее важных (или типичных) деталей машиностроения и приборостроения, с анали-зом возможности применения выбранных методов, методик и приборов для их осуществления на том предприятии, где студент проходил производственную практику. Данная работа заставляет студента работать с различными источниками информации, в том числе с современными поиско-выми базами. На подготовку реферата отводится более месяца, с проведением дополнительных консультаций в процессе работы. В завершение организуется конференция для студентов, на ко-торой каждый из учащихся представляет основные результаты работы.

3. Интерактивные формы обучения кафедры Кроме того, методические инновации кафедры технологии машиностроения связаны с вне-

дрением интерактивных форм обучения – одним из важнейших направлений совершенствования подготовки студентов в современном вузе. Интерактивное обучение – это специальная форма организации познавательной деятельности. Она подразумевает вполне конкретные и прогнози-руемые цели. Одна из таких целей состоит в создании комфортной среды, обеспечивающей сво-боду слушателей в выборе образовательных форм и методов. Главное внимание при применении интерактивных методов уделяется практической отработке передаваемых знаний, умений и на-выков; созданию условий обучения, при которых студент чувствует свою успешность и интел-лектуальную состоятельность, что делает продуктивным сам процесс обучения. К методам инте-рактивного обучения относятся те, которые способствуют вовлечению в активный процесс полу-чения и переработки знаний: мозговой штурм (мозговая атака), мини-лекция, работа в группах, ролевая игра, разработка проекта, решение ситуационных задач, дискуссия группы, интервью, проигрывание ситуаций, выступление в роли обучающегося, занятия в виде «круглых столов» и др. Используются различные интерактивные методики: презентации с применением разных вспомогательных средств (доски, видео, слайды, флипчарты, компьютеры). Доброжелательная творческая атмосфера проведения занятий, активное взаимодействие всех участников, примене-ние системы оценки и стимулирования, ограничение критики выдвигаемых идей способствуют более глубокому погружению в ситуацию, затем обсуждению и обобщению полученного опыта. Это гораздо эффективнее, чем простая передача материала в виде лекции, доклада, простого оп-роса. Интерактивные методики ни в коем случае не заменяют лекционный материал, но способ-ствуют его лучшему усвоению и формируют мнения, отношения, навыки поведения. Интерак-тивное обучение предусматривает моделирование жизненных ситуаций, использование ролевых игр, совместное решение проблем. Исключается доминирование какого-либо участника учебного процесса или какой-либо идеи. Из объекта воздействия студент становится субъектом взаимо-действия, он сам активно участвует в процессе обучения, следуя своим индивидуальным мар-шрутом. Учебный процесс, опирающийся на использование интерактивных методов обучения, организуется с учетом включенности в процесс познания всех студентов группы без исключения. Совместная деятельность означает, что каждый вносит свой особый индивидуальный вклад, в ходе работы идет обмен знаниями, идеями, способами деятельности. Организуется индивиду-альная, парная и групповая работа, используются проектная работа, ролевые игры, осуществля-ется работа, например, с сертификационными или метрологическими документами или со стандартами разных категорий. Преподаватель вместе с новыми знаниями ведет участников обучения к самостоятельному поиску. Активность преподавателя уступает место активности студентов, его задачей становится создание условий для их инициативы. Дискуссия как кол-лективное обсуждение может носить различный характер в зависимости от изучаемого процес-са, уровня его проблемности и, как следствие, высказанных суждений. Учебная дискуссия от-личается от других видов дискуссий тем, что новизна её проблематики относится лишь к груп-пе студентов, участвующих в дискуссии, т. е. то решение проблемы, которое уже найдено в науке, предстоит найти в учебном процессе в данной аудитории. Для преподавателя, органи-зующего учебную дискуссию, результат уже заранее известен. Целью здесь является процесс поиска, который должен привести к объективно известному, но субъективно, с точки зрения обучающихся, новому знанию. Этот метод способствует лучшему усвоению изучаемого ими материала, что обусловлено тем, что в групповой дискуссии не преподаватель говорит студен-там о том, что является правильным, а сами обучающиеся вырабатывают доказательства обосно-




вания принципов и подходов, предложенных преподавателем, максимально используя свой личный опыт [4].

4. Производственные, преддипломные практики Одной из традиций кафедры технологии машиностроения является применение опыта на-

правления студентов на практику (и на работу), в частности, для специалистов в области метро-логии, стандартизации и сертификации – в органы по сертификации и в метрологические центры Челябинска для освоения необходимых практических навыков и умений. Практические занятия в группах начинаются с разбора объектов сертификации (или метрологии), с которыми они оз-накомились на практике. В этих случаях преподавателями кафедры широко используется метод case-study (анализ конкретных практических ситуаций), который предполагает переход от ме-тода накопления знаний к относительно реальной деятельности. Это один из самых действен-ных методов обучения навыкам принятия решений и решения проблем. Цель этого метода – научить студентов анализировать информацию, выявлять ключевые проблемы, выбирать аль-тернативные пути решения, оценивать их, находить оптимальный вариант программы дейст-вий. В результате проведения индивидуального анализа, обсуждения в группе, определения проблем, нахождения альтернатив, выбора действий и плана их выполнения обучающиеся по-лучают возможность развивать навыки принятия самостоятельных решений, например, по сер-тификации: обоснованная выдача (отказ, продление, приостановление действия) сертификата соответствия, фитосертификата, свидетельства происхождения и других видов сертификацион-ных документов.

В программу практики руководителями от кафедры включаются мастер-классы с экспертами и специалистами по сертификации (метрологии, стандартизации).

Для лучшего осмысления и усвоения результатов и опыта производственной практики пре-подаватели кафедры помогают студентам применять «приемы аналогий» – одни из самых эври-стических приемов, мобилизующих интеллектуальные ресурсы студента, максимально растор-маживающих мышление, уменьшающих влияние психологической инерции и позволяющих пра-вильно оценить применяемые на предприятии решения.

Кафедра не отказывается от применения таких традиционных методов, как наставничество, а наоборот, применяет и совершенствует данный процесс обучения и передачи опыта непосред-ственно как молодым преподавателям, так и студентам, аспирантам, магистрантам. Используют-ся разные формы наставничества: наставничество на рабочем месте, дружеское наставничество, наставничество в жизни, эволюционное наставничество.

5. Условия обучения на кафедре На кафедре созданы адекватные условия для обучения студентов, в частности, за счет ком-

пьютеризации рабочих мест. Уделяется большое внимание самостоятельной работе студентов (СРС). Оценка удовлетворенности студентов формами организации и контроля СРС показала, что использование, к примеру, мультимедийных презентаций в процессе сообщений по выпол-ненной СРС повышает заинтересованность студентов в изучении, например, дисциплины стан-дартизации на 60 %; доступность информации для восприятия и понимания увеличивается на 40 % («докладчика невозможно не слушать»); на 40 % чаще студенты отмечают возможность ис-пользования полученных сведений в будущей практической деятельности [5]. Правильно органи-зованная СРС способствует саморазвитию и самообразованию студентов. Основной теоретиче-ский материал студенты получают на лекциях по дисциплине. Подробный разбор, формирование профессиональных умений и практических навыков отрабатывается на практических занятиях. Также широко применяется и аудиторная СРС при проведении практических занятий. Одной из форм СРС является, например, написание документов по метрологической экспертизе. Студенты самостоятельно выстраивают алгоритм проведения экспертизы, используя необходимые стандар-ты, методики и рекомендации; на основе данных материалов производственной практики разра-батывают «контрольные листки» для конкретной ситуации предприятия, конкретного процесса и продукции (форму контрольного листка, его содержание, обозначение).

Также на кафедре при аудиторной СРС применяется решение ситуационных задач, состав-ленных по различным проблемам, например, метрологического обеспечения контроля режущих



2015, том 15, № 1 97

инструментов или типовых деталей типа вал и корпус. Данные формы обучения приближают теоретические знания студентов к практическим навыкам и профессиональным умениям.

Заключение Внедрение современных методов и технологий в образовательный процесс кафедры позволя-

ет повысить объём и доступность предоставляемой информации, способствует ее эффективному усвоению, активизирует познавательную деятельность студентов, развивает навыки творческой работы в процессе углубленного изучения научной информации по проблеме, позволяющей сту-дентам развить их творческий потенциал, продемонстрировать свои способности и талант и, со-ответственно, повышает заинтересованность студентов и позволяет им почувствовать востребо-ванность получаемых знаний при освоении будущей специальности и способствует в конечном счете повышению качества подготовки студентов.

Проводимые образовательные технологии связаны с повышением эффективности обучения и воспитания студентов, направлены на конечный результат образовательного процесса – подго-товку высококвалифицированных специалистов (бакалавров, магистров). Использование совре-менных технологий и новых разработок в преподавании в области метрологии, стандартизации и сертификации позволяет на высоком уровне вести подготовку специалистов в соответствии с вы-сокими запросами промышленности.


1. Сериков, Г.Н. Педагогика. Кн. 2: Методология исследований / Г.Н. Сериков. – М.: Гумани-тар. издат. центр ВЛАДОС, 2006. – 456 с.

2. Сырейщикова, Н.В. Использование механизма мониторинга для совершенствования управ-ления воспитательным процессом / Н.В. Сырейщикова, М.И. Сидорова // Актуальные вопросы современных подходов к самостоятельной работе студента в высшей школе: сб. ст. регион. науч.-метод. конф. (11–12 февр. 2010 г.) / редкол.: А.И. Сидоров и др. – Челябинск: Издат. центр ЮУрГУ, 2010. – Т. 2. – С. 18–24.

3. Сырейщикова, Н.В Задачи менеджмента образовательной деятельности и их решения в вузе / Н.В. Сырейщикова, А.В. Ершова // Научное творчество молодежи – России: сб. ст. VI Всерос. науч.-техн. конф. – Екатеринбург: УГЛУ, 2010. – Ч. 1. – C. 259–262.

4. Сырейщикова, Н.В. О маркетинговых исследованиях в высшем учебном заведении / Н.В. Сырейщикова, А.В. Ершова // Педагогическое сопровождение развития человеческих ресур-сов: материалы Междунар. науч.-практ. конф. – Челябинск: Издат. центр ЮУрГУ, 2011. – Ч. 2. – C. 184–190.

5. Сырейщикова, Н.В. Обеспечение качества образовательного процесса в вузе / Н.В. Сы-рейщикова, О.Ю. Худякова // Оптимизация высшего образования: менеджмент качества и инно-вации: материалы II науч.-практ. конф. – Челябинск: Изд-во ЧГМА, 2011. – C. 111–112.

Гузеев Виктор Иванович, д-р техн. наук, профессор, декан механико-технологического фа-

культета, Южно-Уральский государственный университет (г. Челябинск); [email protected]. Сырейщикова Нэлли Владимировна, канд. техн. наук, доцент, доцент кафедры технологии

машиностроения, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 17 июня 2014 г.





2015, vol. 15, no. 1, pp. 91–99

ROLE OF INNOVATIVE TECHNOLOGIES OF TRAINING BY PREPARATION OF EXPERTS IN THE FIELD OF METROLOGY, STANDARDIZATION AND CERTIFICATION V.I. Guzeev, South Ural State University, Chelyabinsk, Russian Federation, [email protected], N.V. Syreyshchikova, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

Results of work of technology of mechanical engineering department on research and

application of innovative technologies of training in educational process of specialists in the field of metrology, standardization and certification are reflected. Necessity of radical changes of the maintenance and methods of training for formation base key competence is shown. Results of the analysis and choice of various types of innovative approaches in educational technologies – radical, combined, modifying – are given. The innovative model of training connected with several kinds of activity is developed: searches in the line of reproductive training; searches in the line of research innovative training within which educational process is based as search of informative and applied practical data; use of model of educational discussion; the organization of the training activity on the basis of game model. The created generalized model of training with application of innovative technologies, provides: active participation of students in the course of training; possibili-ties of applied use of knowledge in real conditions; representation of concepts and know-ledge in the diversified forms (not only in text); approach to training as to collective, in-stead of individual activity; accent at comprehension process, instead of storing of the in-formation, etc. The innovative technologies used at department based on the concept of developing training are described. Experience of methodical innovations of department connected with introduction of interactive forms of training is shown. Traditions of de-partment in carrying out industrial and predegree student practice are reflected. Results of estimation of student satisfaction by adequate conditions of training and independent work of students are resulted. Introduction of modern methods and technologies in educa-tional process of department allows to raise volume and availability of the given informa-tion, promotes effective mastering of the information, stirs up informative activity of stu-dents, develops skills of creative work in the course of profound studying of the scientific information on a problem allowing students to develop their creative potential, to show the abilities and talent and raises interest of students accordingly, allows them to feel a demand of received knowledge at development of the future speciality and promotes to improve the quality of preparation of students finally.

Keywords: educational process, training, innovative technologies.

References 1. Serikov G.N. Pedagogika. Kn. 2: Metodologiya issledovaniy [Pedagogics. Book 2: Methodology

of Researches]. Moscow, Gumanitar. Publ. Center VLADOC, 2006. 456 p. 2. Syreyshchikova N.V., Sidorova M.I. [Use of the Monitoring Mechanism for Improvement of

Management by Educational Process]. Aktual’nye voprosy sovremennykh podkhodov k samostoya-tel’noy rabote studenta v vysshey shkole: sb. statey regional’noy nauchno-metodicheskoy konferentsii (11–12 fevralya 2010 g) [Topical Issues of Modern Approaches to Independent Work of the Student at the Higher School: Collection of Articles of Regional Scientific and Methodical Conference (on Feb-ruary 11–12, 2010)]. Chelyabinsk, South Ural St. Univ. Publ., 2010, vol. 2, pp. 18–24. (in Russ.)

3. Syreyshchikova N.V., Ershova A.V. [Tasks of Management of Educational Activities and their Decision in Higher Education Institution]. Nauchnoe tvorchestvo molodezhi – Rossii: sb. statey VI Vse-



2015, том 15, № 1 99

rossiyskoy nauchno-tekhicheskoy konferentsii [Scientific Creativity of Youth – to Russia: Collection of the Articles VI of the All-Russian Scientific and Technical Conference]. Ekaterinburg, UGLU Publ., 2010, part 1, pp. 259–262. (in Russ.)

4. Syreyshchikova N.V., Ershova A.V. [About Market Researches in a Higher Educational Institu-tion]. Pedagogicheskoe soprovozhdenie razvitiya chelovecheskikh resursov: materialy Mezhunarodnoy nauchno-prakticheskoy konferentsii [Pedagogical Attending of Development of Human Resources: Ma-terials of the International Scientific and Practical Conference]. Chelyabinsk, South Ural St. Univ. Publ., 2011, part 2, pp. 184–190. (in Russ.)

5. Syreyshchikova N.V., Khudyakova O.Yu. [Quality Support of Educational Process in Higher Education Institution]. Optimizatsiya vysshego obrazovaniya: menedzhment kachestva I innovatsii: ma-terialy II nauchno-prakticheskoy konferentsii [Optimization of the Higher Education: Quality Manage-ment and Innovations: Materials of the II Scientific and Practical Conference]. Chelyabinsk, CHGMA Publ., 2011, pp. 111–112. (in Russ.)

Received 17 June 2014



Для фильтрации сигналов в электросвязи, измерительной технике, системах обработке сиг-налов, системах автоматического управления и т. д. широко используют фильтры различных принципов действия с различными характеристиками. В зависимости от диапазона частот, отно-сящихся к полосе пропускания и полосе подавления, различают фильтры низкочастотные, высо-кочастотные, полосовые, режекторные (заграждающие) фильтры. Также применяются всепро-пускающие фильтры, которые обладают постоянной амплитудно-частотной характеристикой на требуемом диапазоне частот, при этом их фазочастотная характеристика представляет собой за-данную функцию частоты.

Свойства используемых линейных фильтров могут быть описаны передаточной функцией. Составив передаточную функцию для одного типа фильтра, например фильтра нижних частот, используя метод подстановки, можно получить фильтры других типов.

Можно привести следующие подстановки: – подстановка для преобразования фильтра нижних частот в фильтр верхних частот

ср

1

ωs

S ;

– подстановка для преобразования фильтра нижних частот в полосовой фильтр 2 22 ср

ср 2

ss k

s

;

– подстановка для преобразования фильтра нижних частот в режекторный фильтр

ср 3

2 23 ср

ss

k s

,

здесь срk , ср частота среза фильтра, полоса подавления для режекторных и по-лоса пропускания для полосовых фильтров.

Получить одни типы фильтров заданного порядка из других типов фильтров того же порядка можно путем замены элементов электрической цепи.

Линейные фильтры являются неидеальными, и, более того, их проектирование связано с компромиссом противоречивых требований.

В современной технической литературе рассматриваются фильтры Бесселя (Гаусса), Чебы-шева, Баттерворта, эллиптические фильтры, фильтр с критическим затуханием и другие. Все эти фильтры нижних частот в общем случае могут быть описаны передаточной функцией вида

2 3

0 1 2 32 3

0 1 2 3, ,

mm

NN

k k s k s k s k sН sc c s c s c s

N mc s

(1)

где s – комплексная переменная. Для удобства вводят комплексную переменную ns , нормиро-ванную по частоте среза ср :

срns s .

УДК 621.372.542.2

ФИЛЬТРЫ НИЖНИХ ЧАСТОТ Г.А. Сорокин

Рассматриваются полиномиальные фильтры нижних частот Бесселя, Баттер-ворта, Чебышева и фильтры с критическим затуханием. Представлены особенности их характеристик, правила расчета коэффициентов передаточных функций, способы реализации. Проведен их сравнительный анализ, рассмотрены области применения.

Ключевые слова: фильтр нижних частот, фильтр нижних частот Бесселя, фильтр нижних частот Баттерворта, фильтр нижних частот Чебышева 1-го ро-да, фильтр нижних частот с критическим затуханием.


Фильтры нижних частот

2015, том 15, № 1 101

Порядок полинома знаменателя N характеризует порядок самого фильтра. Порядок числите-ля m зависит от порядка фильтра и его типа. Фильтры, у которых порядок полинома числителя нулевой, получили название полиномиальных фильтров. К таким фильтрам относятся фильтр нижних частот Бесселя, Баттерворта, Чебышева 1-го рода, фильтр с критическим затуханием и другие. Полиномиальные фильтры могут быть описаны передаточной функцией вида

02 3

1 2 31n Nn n n N n

KН sc s c s c s c s

. (2)

Амплитудно-частотная характеристика (АЧХ) фильтра находится по формуле G H j

при подстановке ωs j или срns j . Как правило, передаточная функция фильтра нижних частот также нормируется по условиям:

1) 0 1G или заданному коэффициенту усиления 00G K при подстановке 0 ;

2) ср 0 1 2G G при подстановке ср или 1n . Частота среза срω при этом

должна быть заданной. В данном случае условие нормирования п. 2 является также определением частоты среза. Для практической реализации в виде активных фильтров выражение (2) целесообразно пред-

ставить в виде

0

2 21 1 2 21 1

nn n n n

KН Sa S b S a S b S

, (3)

т. е. в виде сомножителей второго порядка, где a1, a2, …, b1, b2, … – положительные коэффициенты. Рассмотрим эти фильтры подробнее. Фильтр нижних частот Баттерворта. Данный фильтр имеет максимально гладкую ампли-

тудно-частотную характеристику на частотах полосы пропускания и снижающуюся почти до ну-ля на частотах подавления. Для фильтра первого порядка АЧХ снижается со скоростью –20 де-цибел на декаду (–6 децибел на октаву). Для фильтра Баттерворта N-порядка скорость снижения АЧХ определяется по формуле –20∙N децибел на декаду (–6∙N децибел на октаву). Фильтр Бат-терворта нижних частот любого порядка – монотонно убывающая функция частоты. По сравне-нию с фильтрами Чебышева, эллиптическим фильтром, фильтр Баттерворта имеет более пологий спад АЧХ и потому должен иметь больший порядок, чтобы обеспечить нужные характеристики.

Фильтр Баттерворта определяется следующей зависимостью амплитудно-частотной характе-ристики:

2

ср

1

1 NG

или

21

1n N

n

G

для нормированных частот срω ω ωn . Отсюда определяются полюса фильтра Баттерворта:

2 12

j k NN

kS e

,

где N – порядок фильтра; k – номер полюса, k = 1…N. Полюса фильтра Баттерворта лежат на окружности комплексной плоскости, при этом рас-

сматриваются только значения с отрицательной вещественной частью. Нормирование по пунк-там 1 и 2 не требуется.

В табл. 1 представлены передаточные функции фильтров Баттерворта нижних частот для 1–4-го порядков.


Г.А. Сорокин


Таблица 1

Порядок фильтра, N

Передаточная функция фильтра, приведенная к виду (2)


1 11n

nH s

s

1

1nn

H ss

2 212 1n

n nH s

s s

2

12 1n

n nH s

s s

3 3 21

2 2 1nn n n

H ss s s

2

11 1

nn n n

H ss s s

4 4 3 21

2,61 3,41 2,61 1nn n n n

H ss s s s

2 21

0,765 1 1,85 1n

n n n n

H ss s s s

Фильтр нижних частот Бесселя. Фильтр Бесселя обладает максимально гладкой групповой

задержкой. В широком диапазоне частот сдвиг по фазе входного и выходного сигнала пропор-ционален частоте, что определяет линейность фазочастотной характеристики. АЧХ фильтра Бес-селя нижних частот спадает не так круто, как у фильтра Баттерворта и Чебышева, что является недостатком. Однако преимущество фильтра Бесселя – оптимальная, с очень малым положитель-ным выбросом переходная характеристика.

Коэффициенты фильтра Бесселя определяются по выражению

1 02 1

' ' 1,( 1)

,2k kN k

C C Сk N k

1' 1,C

где N – порядок фильтра; k – порядок степени ns . Затем коэффициенты пересчитываются с уче-том коэффициента нормирования:

γ 'kk N kC C .

Коэффициенты нормирования по частоте для фильтров Бесселя нижних частот 1–4-го поряд-ков представлены в табл. 2.

Таблица 2

N 1 2 3 4 γN 1,00 1,36 1,76 2,11

В табл. 3 представлены передаточные функции фильтров Бесселя нижних частот для 1–4-го

порядков. Таблица 3




1 11n

nH s

s

1

1nn

H ss

2 21

0,618 1,362 1nn n

H ss s

21

0,618 1,362 1nn n

H ss s

3 3 21

0,3608 1,233 1,756 1nn n n

H ss s s

2

10,756 1 0,477 0,9996 1

nn n n

H ss s s

4

4 3 21

0,19 0,9 1,915 2,114 1

n

n n n n

H s

s s s s

2 21

0,389 0,774 1 0,489 1,34 1

n

n n n n

H s

s s s s



2015, том 15, № 1 103

Фильтр нижних частот Чебышева 1-го рода. Амплитудно-частотная характеристика фильтра Чебышева наиболее круто переходит от полосы пропускания к полосе непрозрачности. Фильтр Чебышева 1-го рода имеет неравномерности амплитудно-частотной характеристики в полосе пропускания, а фильтр Чебышева 2-го рода – в полосе подавления, по остальным показа-телям мало отличаясь от рассматриваемого фильтра Чебышева 1-го рода. Кроме того, фильтр нижних частот Чебышева 2-го рода, называемый также инверсным фильтром Чебышева нижних частот, имеет полином от комплексной переменной s в числителе. В переходных характеристи-ках обоих типов фильтров имеются существенные положительные выбросы, величина которых зависит как от порядка фильтра, так и от коэффициента пульсаций.

Амплитудно-частотная характеристика фильтра Чебышева 1-го рода строится по зависимостям:

2

1

1N N

N n N

G H jT

для нечетных порядков;

2

2

1( )1

N N

N n N

G H jT

для четных порядков,

где N – порядок фильтра; ε – коэффициент пульсаций; N n NT – полиномы Чебышева N-го порядка NT x при подстановке n Nx ; N – коэффициент нормирования по частоте.

Коэффициенты нормирования для фильтров Чебышева 1-го рода 1–4-го порядков при ε = 1 представлены в табл. 4.

Таблица 4

N 1 2 3 4 γN 1,00 1,168 1,00 1,041

Для других значений ε коэффициенты будут другие. Кроме коэффициента пульсаций ε исполь-

зуется связанный с ним коэффициент неравномерности АЧХ, измеряемый в децибелах. Например, неравномерности АЧХ для фильтра Чебышева 1-го рода 3 дБ соответствует коэффициент пульсаций ε = 0,9976. В табл. 5 приведены передаточные функции фильтров Чебышева 1–4-го порядков.

Таблица 5


Передаточная функция фильтра для ε = 1, приведенная к виду (2)

Передаточная функция фильтра для ε = 1, приведенная к виду (3)

1 11n

nH s

s

1

1nn

H ss

2 21

1,93 1,065 1nn n

H ss s

21

1,93 1,065 1nn n

H ss s

3 3 21

4 2,384 3,71 1nn n n

H ss s s

2

13,356 1 1,192 0,355 1

nn n n

H ss s s

4 4 3 21

6,65 3,71 7,17 2,38 1nn n n n

H ss s s s

2 21

1,201 0,196 1 5,54 2,2 1n

n n n n

H ss s s s

Фильтр нижних частот с критическим затуханием. Отличительной чертой этого фильтра

являются отрицательные действительные полюса, равные между собой. Если передаточную функцию (2) представить в виде

0

1 2 3n

n n n

KН sS S S

, (4)

то 1 2 3 i , и по условиям нормирования определится:

1 2 31

2 1i N

; 0 1 2 3 iK .




АЧХ фильтра с критическим затуханием спадает менее круто, чем у других рассмотренных фильтров, включая фильтр Бесселя, переходная характеристика не имеет выбросов.

В табл. 6 представлены передаточные функции фильтра с критическим затуханием 1–4-го порядков, приведенных к виду (4). Эти функции также можно привести к виду (2) и (3).

Таблица 6

В целом, рассматривая передаточные функции фильтров нижних частот Баттерворта, Бессе-

ля, Чебышева 1-го рода, фильтра с критическим затуханием, можно отметить, что для фильтров 1-го порядка всех этих типов передаточные функции одинаковы, для порядков N выше первого передаточные функции отличаются коэффициентами iC (рис. 1).

а) б)

в) г)

Рис. 1. АЧХ фильтров нижних частот Баттерворта, Бесселя, Чебышева 1-го рода при ε = 1, фильтра с критическим затуханием – кривые 1, 2, 3, 4; а – 1-го порядка, б – 2-го порядка,

в – 3-го порядка, г – 4-го порядка

Порядок фильтра, N Передаточная функция фильтра, приведенная к виду (4)

1 11n

nH s

s

2 2,41

1,554 ( 1,554)nn n

H ss s

3 7,545

1,961 1,961 1,961nn n n

H ss s s

4 27,93

2,299 2,299 2,299 2,299nn n n n

H ss s s s



2015, том 15, № 1 105

С увеличением порядка фильтра крутизна спада АЧХ возрастает. Но одновременно с этим усложняется реализация фильтра и увеличивается величина выброса переходной характеристики. Исключение – фильтр Бесселя, у которого, начиная с четвертого порядка выброс переходной ха-рактеристики уменьшается. У фильтра с критическим затуханием выброс отсутствует для любого порядка фильтра.

Для практического использования широкое распространение получили схемы активных фильтров нижних частот на операционных усилителях. Для любого порядка фильтров Баттервор-та, Чебышева 1-го рода, фильтра с критическим затуханием можно составить выражения для не-посредственного определения коэффициентов ai и bi в передаточной функции (3). При этом сле-дует учитывать условия нормирования. Для фильтра Бесселя расчет коэффициентов ai и bi оказы-вается более сложной задачей.

Рис. 2. Схема звена второго порядка с одной петлей

положительной обратной связи Рис. 3. Схема звена второго порядка с многопетлевой

отрицательной обратной связью

Рис. 4. Схема звена второго порядка с одной петлей

положительной обратной связи и единичным коэффициентом усиления 1

Рис. 5. Схема звена первого порядка с инверсией сигнала

Рис. 6. Схема звена первого порядка без инверсии сигнала

с единичным коэффициентом усиления 1 На рис. 2–6 приведены схемы звеньев активного фильтра второго и первого порядков. Для

получения фильтров более высокого порядка звенья соединяются каскадно в соответствии с пе-редаточной функцией (3). Расчетным путем по значениям коэффициентов ai и bi каждого звена определяются сопротивления и емкости, которые затем приводятся к стандартному ряду. В ряде случаев целесообразно провести анализ влияния отклонений параметров элементов схемы от рассчитанных и номинальных значений. На схеме рис. 2 параметр связан с коэффициентами звена передаточной функции. При 3 чувствительность схемы к неточности установки коэф-фициентов возрастает, и в этом случае более предпочтительной следует считать схемы рис. 3. и 4. Схема активного фильтра нижних частот второго порядка, приведенная на рис. 3, предъявляет более высокие требования к быстродействию операционного усилителя: на частоте среза опера-ционный усилитель должен обладать высоким коэффициентом усиления. Схемы рис. 5 и 6 пред-ставляют собой активные фильтры нижних частот первого порядка.




Кроме активных фильтров, в качестве фильтров нижних частот Баттерворта, Бесселя, Чебы-шева 1-го рода и фильтров с критическим затуханием могут быть использованы пассивные LC-фильтры. В литературе приводятся нормированные параметры четырехполюсников и методики выбора и расчета параметров. Пересчет элементов пассивных фильтров производится исходя из заданных сопротивлений нагрузки, частоты среза, других условий. Из фильтров нижних частот можно получить фильтры других типов, непосредственно заменяя одни элементы на другие, определяемые расчетом. При разработке активных фильтров важным ограничивающим факто-ром является верхняя граница частот пропускания активного элемента. Недостатки пассивных LC-фильтров: проблема получения высокой стабильности и добротности фильтра, главным обра-зом из-за наличия катушек индуктивности; на низких частотах среза требуются большие номина-лы элементов (при частотах среза порядка 1 кГц требуются индуктивности 0,01–0,1 Гн при на-грузке 1 кОм), что увеличивает габариты пассивных LC-фильтров, делает их неэкономичными; трудность создания сосредоточенных элементов на высоких частотах. При работе на высоких и сверхвысоких частотах могут быть применены электрические цепи с распределенными парамет-рами. Кроме того, могут применяться RLC-фильтры и фильтры других принципов действия: электромеханические, магнитострикционные, пьезокварцевые и пьезокерамические, акустоэлек-тронные, волноводные, параметрические и другие.

Современное развитие микропроцессорной и цифровой техники предоставляет широкие воз-можности реализации фильтров как программным способом, так и на основе цифровых инте-гральных микросхем. Следует учитывать квантование по времени и по уровню, которые присут-ствуют в цифровых устройствах, а также способы представления сигнала на входе и выходе.

Выводы. Рассмотренные полиномиальные линейные фильтры нижних частот обладают раз-ными, порой взаимоисключающими характеристиками. Главное, что их объединяет – удобство реализации в виде каскадного соединения активных фильтров в ограниченном диапазоне частот, в виде каскадного соединения реактивных четырехполюсников по имеющимся в литературе ме-тодикам, и другими способами. Фильтры нижних частот могут служить прототипом при разра-ботке других типов фильтров.


1. Бессонов, Л.А. Теоретические основы электротехники. Электрические цепи: учеб. / Л.А. Бес-сонов – 10-е изд. – М.: Гардарики, 2001. – 638 с.

2. Джонсон, Д. Справочник по активным фильтрам: пер. с англ. / Д. Джонсон, Дж. Джон-сон, Г. Мур. – М.: Энергоатомиздат, 1983. – 128 с.

3. Зааль, Р. Справочник по расчетам фильтров: пер. с нем. / Р. Зааль. – М.: Радио и связь, 1984. 752 с.

4. Титце, У. Полупроводниковая схемотехника: пер. с нем. / У. Титце, К. Шенк. – 12-е изд. – М.: ДМК Пресс, 2007. – Т. II. – 942 с.

5. Ханзел, Г.Е. Справочник по расчету фильтров [США, 1969] / Г.Е. Ханзел; пер. с англ. под ред. А.Е. Знаменского. – М.: Сов. радио, 1974. – 288 с.

Сорокин Георгий Александрович, канд. техн. наук, доцент кафедры общих и профессио-

нальных дисциплин, Самарский государственный университет путей сообщения, филиал в г. Орске (г. Орск); [email protected].

Поступила в редакцию 15 мая 2014 г.



2015, том 15, № 1 107


2015, vol. 15, no. 1, pp. 100–107

FILTERS OF THE LOWER FREQUENCIES G.A. Sorokin, Samara State University of Means of Communication, Orsk Branch, Orsk, Russian Federation, [email protected]

Polynomial filters of the lower frequencies of Bessel, Battervort, Chebyshev and fil-ters with critical attenuation are considered. Features of their characteristics, rules of cal-culation of coefficients of gear functions, implementation methods are provided. The comparative analysis is carried out, use areas are considered.

Keywords: filter of lower frequencies, Bessel filter of lower frequencies, Battervort filter of lower frequencies, Chebyshev filter of lower frequencies of the 1st kind, filter of lower frequencies with critical attenuation.

References 1. Bessonov L.A. Teoreticheskie osnovy elecktrotekhniki.Elektricheskie tsepi: uchebnik [Theoretical

Bases of Electrical Engineering. Electrical Circuits: Textbook]. Мoscow, Gardariki Publ., 2001. 638 p. 2. Jonson D., Jonson J., Moore H. A Handbook of Active Filters. Transl. from Engl. Moscow,

Energoatoizdat Publ., 1983. 128 p. 3. Zaal’ R. Spravochnik po raschetam fil’trov [Handbook on Filters Calculation]. Moscow, Radio

and Communication Publ., 1984. 752 p. 4. Tittse U., Shenk K. Poluprovodnikovaya skhemotekhnika. Tom II [Semiconductor Circuitry. Vol. II].

Moscow, DMK Press Publ., 2007. 942 p. 5. Hunzel G.E. Spravochnik po raschetu fil’trov [Handbook on Filters Calculation]. Moscow, Sov.

Radio Publ., 1974. 288 p.

Received 15 May 2014



Введение Одной из основных проблем, связанных с автоматическим заказом товаров, является несоот-

ветствие физического количества товара в магазине данным информационной системы. Одним из методов решения данной проблемы является проведение физических инвентаризаций, то есть ручного пересчета количества товаров в магазине и сопоставления его с данными в информаци-онной системе. В данной статье предлагается алгоритм, позволяющий значительно снизить за-траты на их проведение без потери эффективности за счет новой методики выбора товаров, кото-рые следует подвергнуть пересчету.

Постановка задачи По способу охвата инвентаризации подразделяются: на глобальные (производится пересчет всего ассортимента); локальные (производится пересчет отдельных выбранных позиций). Каждый из способов обладает определенными преимуществами и недостатками (табл. 1).

Таблица 1 Преимущества и недостатки типов инвентаризаций

Типы инвентаризаций Преимущества Недостатки

Глобальные Пересчет всех товаров обеспечивает практически полное соответствие дан-ных в информационной системе физиче-скому наличию товаров. Этому способ-ствует, помимо всего прочего, закрытие всех операций с товарами за определен-ное время

Высокая стоимость проведения, включая возможную упущенную прибыль из-за закрытия операций с товарами в определенный период

Краткие сообщения УДК 339.372.6

ДИНАМИЧЕСКИЙ ПОДБОР ТОВАРОВ ДЛЯ ПРОВЕДЕНИЯ ФИЗИЧЕСКОЙ ИНВЕНТАРИЗАЦИИ А.В. Баль

Для эффективного пополнения запасов товара розничные сети должны следить за соответствием величины его остатка в магазине по данным информационной системы и физическим наличием. В целях получения данного соответствия в пер-вую очередь используются физические инвентаризации, или ручной пересчет това-ра. По степени охвата ассортимента физические инвентаризации делятся на полные или глобальные (пересчету подвергается весь ассортимент) или локальные (в кото-рых пересчет производится только для определенных товаров). Поскольку проведе-ние глобальных инвентаризаций для компании сопряжено с достаточно большими затратами, их количество, как правило, стараются снизить до минимума, а для те-кущей актуализации данных используют локальные. Для выбора товаров, по кото-рым следует проводить инвентаризацию такого типа, существует несколько алго-ритмов, однако, они, как правило, обладают очень низкой результативностью (про-центом выявленных отклонений).

Приводится алгоритм выбора товаров для проведения локальной инвентариза-ции на основе сопоставления данных по товару с аналогичными товарами, анало-гичными магазинами или историей продаж товара в прошлом, что позволяет значи-тельно повысить процент выявленных отклонений.

Ключевые слова: розничная сеть, инвентаризация, информационная система.


Динамический подбор товаров для проведения физической инвентаризации

2015, том 15, № 1 109

Окончание табл. 1

Типы инвентаризаций Преимущества Недостатки

Локальные При хорошем выборе методики подбора товаров способны обеспечить высокую скорость реакции на момент расхожде-ния данных в информационной системе и физического наличия. Помимо этого, стоимость проведения таких инвентари-заций относительно невысокая, даже не-смотря на большую частоту проведения

Проблемы методики подбора то-варов могут привести к тому, что те или иные товары будут прове-ряться чаще, чем следует, или наоборот

В [1] автором предлагается два метода выбора товаров для проведения локальных инвента-

ризаций: по географическому признаку; методу ранжирования. Метод по географическому признаку предполагает инвентаризацию товаров последователь-

но по всему складу из одного конца в другой. Метод ранжирования предполагает зависимость частоты проверки товаров от частоты обращений к товарам. Недостатком первого метода являет-ся то, что товары с совершенно разными свойствами пересчитываются с одинаковой частотой, что сводит его эффективность практически к нулю. Более эффективен метод ранжирования, од-нако его применение в таком виде приводит к завышенному количеству пересчетов высокообо-рачиваемых товаров и заниженному – низкооборачиваемых.

В данной статье предлагается развитие метода ранжирования, позволяющего учесть, помимо оборачиваемости товаров, еще ряд факторов для более точного подбора товаров. Для его пони-мания предполагается следующая предпосылка: сам по себе факт несоответствия количества то-варов ему же в информационной системе для автоматического заказа не столь критичен, он на-чинает сказываться только тогда, когда товар прекращает продаваться из-за физического отсут-ствия (но наличия по данным информационной системы).

Математическая модель Как было описано выше, одним из основных факторов, говорящих о необходимости пересче-

та остатка товаров на складе является отсутствие его продаж в определенный период времени. Поэтому, в качестве первого показателя будем использовать фактическое количество дней без продаж. Для того чтобы понять, в какой степени данное число дней говорит о том, что товар не-доступен для продажи, необходимо для данного товара иметь некоторое контрольное значение дней без продаж. В качестве такого показателя в статье рассматривается три:

1. Среднее количество дней без продаж товаров, аналогичных выбранному, в выбранном ма-газине.

Для выбора аналогичных товаров можно использовать ассортиментный классификатор при его достаточной проработанности и глубине (желательно, чтобы в выбранном уровне было не более 10–20 достаточно однородных товаров). При отсутствии такого классификатора возможно использование кластерного анализа.

2. Среднее количество дней без продаж выбранного товара в магазинах, аналогичных вы-бранному.

Для выбора аналогичных магазинов можно использовать формат магазина, связку формат-город, торговую площадь и т. п.

3. Среднее количество дней между продажами выбранного товара в выбранном магазине в прошлом.

Каждый из этих показателей в отдельности, обладает определенными недостатками. Напри-мер, среднее количество дней без продаж товаров, аналогичных выбранному, плохо работает для уникальных товаров, аналоги для которых сложно подобрать. Поэтому, будет рассматриваться модель, позволяющая учесть все показатели одновременно.


А.В. Баль


Введем следующие обозначения: I – множество товаров розничной сети; J – множество магазинов розничной сети; R – множество дат, в которые проводятся измерения значений показателей; Ai – множество товаров, аналогичных товару i, i I ; Bj – множество магазинов, аналогичных магазину j, j J ; Xij(N) – количество дней, которое произошло между моментами продаж N и N + 1 (нумерация

ведется начиная от последнего), для товара i в магазине j, ,i I j J . Добавим, что Xij(0) – коли-чество дней от последней даты до даты последней продажи;

Zijr – бинарный признак, сигнализирующий о том, что товара i физически не было на остат-

ках магазина j в день r, , ,i I j J r R . Значение данного показателя становится известным только после проведения инвентаризации;

1, товар отсутствовал в магазине в момент ,0, товар присутствовал в магазине в момент ;

rij

i j rZ

i j r

rijC – среднее количество дней (нормированное), прошедших со дня последней продажи то-

вара i в магазинах, аналогичных j, в момент времени r, , ,i I j J r R :

0 ,

max 0j

rik jr

ij rikk B

X k BC

X

;

rijD – среднее количество дней (нормированное), прошедших со дня последней продажи то-

варов, аналогичных i, в магазине j, в момент времени r, , ,i I j J r R

0 ,

max 0i

rkj ir

ij rkjk A

X k AD

X

;

rijE S – среднее количество дней (нормированное) между продажами товара i в магазине j

за последние S раз продаж, начиная с момента последней продажи (число S задается экспертным путем)

1,

, 1,

max 0

rijr

ij rkj

N S

X N N SE S

X

.

Таким образом, требуется найти некоторую функцию, которая говорит о том, требуется про-водить инвентаризацию по заданному магазину или нет.

1, требуется проводить инвентаризацию,0, не требуется проводить инвентаризацию,ijF

где ,i I j J . Индекс r в функции не используется, поскольку ее результат актуален только на текущий момент.

Отметим, что для различных i, j значения показателей могут быть не определены. Например, если у товара нет аналогов, то r

ijD не существует для любых j и r. Все возможные ситуации пред-ставлены в табл. 2 (для заданных i, j).

Для каждой из ситуаций рассмотрим вспомогательную функцию вида (на примере ситуа-ции I):

1 2 3

1 2 3

1, 1,

0, 1.

r r rij ij ijr

ij r r rij ij ij

C D E SL

C D E S


Динамический подбор товаров для проведения физической инвентаризации

2015, том 15, № 1 111

Таблица 2 Возможные ситуации для заданного товара и магазина

Номер Товары-аналоги существуют

Магазины-аналоги существуют

История продаж товара в магазине существует

I Да Да Да II Да Да Нет III Да Нет Да IV Да Нет Нет V Нет Да Да VI Нет Да Нет VII Нет Нет Да VIII Нет Нет Нет Для нахождения итоговой функции Fij осталось найти оценки коэффициентов α1, α2 и α3, ко-

торые обеспечивают максимальную точность прогнозирования. Для этого, используя историче-ские данные по значениям показателей и результаты пересчета выбранных товаров, решим опти-мизационную модель:

1 2 3, ,min .r r r

ij ij ijr R i I j J

L Z Z

Обозначим полученные оценки как α’1, α’2 и α’3. Тогда искомая функция выглядит следую-щим образом:

11 2 3

311 2

1, 1, если для товара на магазине характерна ситуация I,

1, 1

t t tij ij ij

t t tij ij ij ij

C D E Si j

F C C E S

где t – текущий момент времени, t R . Заключение В рамках данной статьи был проведен анализ существующих методик определения товаров,

для которых требуется проводить инвентаризацию и был предложен путь повышения эффектив-ности одной из методик, с использованием большего числа факторов.


1. Шрайбфедер, Д. Эффективное управление запасами / Д. Шрайбфедер. – М.: Альпина Биз-нес Букс, 2006. – 304 с. Баль Александр Вячеславович, аспирант кафедры информационно-аналитического обеспе-




А.В. Баль



2015, vol. 15, no. 1, pp. 108–112

DYNAMIC SELECTION OF ITEMS FOR PHYSICAL INVENTORY A.V. Bal’, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

In order to make the replenishment of goods more effective retailers should monitor conformity of information system data on items residue with its physical availability. The method used to achieve this conformity in the first place is physical inventory, or a manual recount of the goods. Depending on assortment coverage physical inventories are divided into complete or global (recount of the whole range) and local (recount of spe-cific goods) Due to the fact that the realization of the global inventory involves quite high costs the companies commonly try to reduce their quantity and use local ones for current data actualization. There are several algorithms of products selection for local inventory, however, they tend to have very low efficiency (percent of detected deviations).

This article provides an algorithm for selecting items for the local inventory based on a comparison of data on the product with analogous products, stores or previous history of sales, what can significantly increase the rate of detection of abnormalities.

Keywords: retailer, inventory, information system.

References 1. Schreibfeder J. Effektivnoe upravlenie zapasami [Effective Inventory Management]. Moscow,

Alpina Business Books Publ., 2006. 304 p.



2015, том 15, № 1 113

Введение Составление программ диагностики состояния металла элементов паровых котлов требует

проведения комплексного анализа большого объема разнородной информации, включающей требования нормативной документации, результаты предшествующих диагностических обследо-ваний, статистику отказов элементов и узлов контролируемого оборудования, фактические дан-ные параметров и режимов эксплуатации, экспертные оценки состояния оборудования. При этом необходимо отметить, что с учетом большого количества участков, подлежащих контролю, воз-можности составления программы контроля металла парового котла вручную объективно явля-ются ограниченными. Поэтому актуальной задачей является автоматизация процессов планиро-вания диагностических обследований металла паровых котлов. Решение данной задачи требует разработки методического обеспечения автоматизированного формирования детализированных программ диагностических обследований.

При разработке алгоритмов автоматизированного формирования детализированных про-грамм диагностических обследований использовались нормативно-руководящие документы [1–3].

1. Общая структура Для реализации автоматизированного формирования детализированных программ диагно-

стических обследований необходимо, в первую очередь, формально описать структурные едини-цы, составляющие процесс принятия решения экспертом о выборе того или иного элемента агре-гата. В общем виде критерии отбора, определяющие состав элементов детализированной про-граммы обследования, можно формализовать в виде модулей, представленных на рис. 1.

Рис. 1. Модули, определяющие решение об отборе элементов

УДК 62-51

АЛГОРИТМЫ АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ ДЕТАЛИЗИРОВАННЫХ ПРОГРАММ ДИАГНОСТИЧЕСКИХ ОБСЛЕДОВАНИЙ ТЕХНИЧЕСКОГО СОСТОЯНИЯ ПАРОВЫХ КОТЛОВ ТЕПЛОЭЛЕКТРОСТАНЦИЙ В.Л. Баданина

Рассматривается автоматизация процессов планирования диагностических об-следований металла паровых котлов. Приводятся результаты формализации крите-риев отбора элементов, а также описываются модули, определяющие решение об отборе элементов агрегатов в программу диагностирования. Описывается алгоритм автоматизированного формирования программ диагностики на основе шаблонов программ, которые наполняются данными на подготовительном этапе работы перед повседневной эксплуатацией программного комплекса. Предложен общий порядок работы программного комплекса, включающий в себя цикличное выполнение по-следовательности операций ввода данных о последнем проведенном техническом диагностировании и разработку новой программы предстоящих обследований на основе ранее введенных данных.

Ключевые слова: обследование металла паровых котлов, управление.


В.Л. Баданина


Для того чтобы осуществить наполнение программы обследования конкретными элементами агрегата, необходимо последовательно ответить на ряд вопросов: а) элементы какого типа необ-ходимо отобрать; б) на каком участке; в) в каком количестве; д) какие характеристики должны определять преимущество одних элементов перед другими в рамках одного типа и одного участ-ка агрегата.

Формализация решения данных вопросов в виде программных модулей предполагает после-довательное создание таблиц базы данных, предназначенных для хранения наборов исходных данных, организацию взаимосвязей между таблицами и разработку процедур, реализующих ло-гику взаимодействия отдельных модулей при принятии решений об отборе элементов. Завер-шающий этап включает в себя разработку интерфейса пользователя, реализующего обратную связь с экспертом, который должен иметь возможность дополнять или корректировать как ис-ходные данные, так и наборы элементов, полученные в результате автоматизированного форми-рования программы обследования.

Исходными данными для разработки модулей, реализующих функции определения типа, ко-личества элементов и участков отбора являются данные программ технического диагностирова-ния агрегатов согласно инструкциям по продлению срока безопасной эксплуатации соответст-вующих типов агрегатов [1–3].

Исходными данными для реализации функции ранжирования приоритетов элементов в рам-ках одного участка агрегата выступают данные о датах последнего проведенного контроля или замены.

Наибольшим приоритетом обладает критерий отбора элементов для очередного контроля на основе рекомендации эксперта о необходимости обязательного контроля при проведении бли-жайшего технического диагностирования, независимо от регламентированного объема контроль-ных работ. Выделение функции ранжирования в отдельный модуль позволяет расширять пере-чень параметров, определяющих приоритет элементов, без существенного влияния на структуру базы данных и интерфейс пользователя.

Наполнение модулей, формализующих решения об отборе элементов, конкретными данны-ми, представляет собой создание шаблонов программ обследования различных типов агрегатов. После создания шаблонов обследований необходимо осуществить их привязку к конкретным аг-регатам станций. Создание шаблонов с последующей их привязкой к агрегатам представляет со-бой подготовительный этап работы, который необходимо осуществить перед повседневной экс-плуатацией программного комплекса. Поскольку параметры программ обследования и перечень агрегатов станций являются величинами редко изменяющимися, основная часть работы с шабло-нами проводится в течение подготовительного этапа и их корректировка в дальнейшем осущест-вляется пользователем по необходимости.

На этапе эксплуатации программного комплекса пользователь автоматически создает проек-ты программ диагностики и, при необходимости, вручную вносит изменения в перечень элемен-тов, отобранных для обследования. В общем виде порядок работы с программой представлен на рис. 2.

После разработки проекта детализированной программы диагностики, который включает в себя планирование даты проведения обследования, на отобранных элементах агрегата про-водятся контрольные работы. Далее соответствующая специализированная организация со-ставляет заключение о проведенном техническом диагностировании, информация о котором вносится пользователем в базу данных, после чего осуществляется привязка реально прове-денного обследования к проекту данного обследования, разработанного в программе на пре-дыдущем этапе.

Таким образом, для решения задачи формирования программ технического диагностирова-ния в рамках соответствующей автоматизированной системы необходима реализация следующих функций:

ввод и редактирование шаблонов программ обследования на основе соответствующих ин-струкций [1–3];

привязка шаблонов к конкретным агрегатам и группирующим элементам внутри них; ведение истории рекомендаций экспертов о включении/исключении элементов в/из про-

грамм обследований с указанием причин изменений;


Алгоритмы автоматизированного формирования детализированных программ диагностических обследований технического состояния паровых котлов теплоэлектростанций

2015, том 15, № 1 115

автоматизированное формирование перечня объектов, включаемых в программу обследо-вания, на основе данных шаблонов программ, рекомендаций экспертов, дат последних проведен-ных контрольных работ и замен; с возможностью отбора элементов определенного типа с датой контроля меньше заданной пользователем;

ручная корректировка пользователем перечня объектов, сформированного автоматически; ввод и редактирование структуры отчетов для вывода на печать разработанных программ

обследований; ввод и редактирование информации о дополнительном обследовании элементов, сверх

указанного в соответствующих инструкциях по продлению срока безопасной эксплуатации аг-регатов;

вывод на печать информации о дополнительных обследованиях в форме приложения к ос-новной программе обследования;

привязка проектов программ к запланированным и фактически проведенным ремонтным работам;

привязка проектов программ к заключениям о фактически проведенных диагностических обследованиях;

автоматизированный ввод дат контроля элементов, исходя из даты составления заключе-ния о фактически проведенных обследованиях;

проверка полноты ввода дат контроля и отслеживание элементов, включенных в проект программы, но не прошедших обследование.

Заключение По итогам разработки алгоритмов формирования детализированных программ технического

диагностирования были формализованы критерии отбора, определяющие состав элементов дета-лизированных программ обследования, а также разработан алгоритм ранжирования элементов по

Рис. 2. Общий порядок работы с программой


В.Л. Баданина


приоритету. Предложен общий порядок работы с модулем автоматизированного формирования детализированных программ технического диагностирования, включающий в себя цикличное выполнение последовательности операций создания проектов программ обследований, ввода данных о заключениях и ввода дат последних проведенных контрольных работ на элементах аг-регата. Также был разработан общий подход к реализации автоматизированного формирования детализированных программ технического диагностирования, основанный на составлении шаб-лонов программ обследований агрегатов различного типа с последующей привязкой шаблонов к агрегатам станций.


1. СО 153-34.17.469–2003. Инструкция по продлению срока безопасной эксплуатации паро-вых котлов с рабочим давлением до 4,0 МПа включительно и водогрейных котлов с температу-рой воды выше 115 °С. – М.: ОАО «НТЦ «Промышленная безопасность», 2006. – 18 с.

2. РД 10-577-03. Типовая инструкция по контролю металла и продлению срока службы основ-ных элементов котлов, турбин и трубопроводов тепловых электростанций. – М.: ГУП «Научно-технический центр по безопасности в промышленности Госгортехнадзора России», 2003. – 54 с.

3. СО 153-34.17.442–2003. Инструкция по порядку продления службы барабанов котлов вы-сокого давления. – М.: ОАО «НТЦ «Промышленная безопасность», 2006. – 21 с.

Баданина Вера Львовна, канд. техн. наук, доцент кафедры автоматики и управления, Южно-

Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 20 августа 2014 г.


2015, vol. 15, no. 1, pp. 113–117

ALGORITHMS OF AUTOMATIC CREATION OF THERMAL POWER PLANTS STEAM BOILERS TECHNICAL STATE DETAILED DIAGNOSTIC INSPECTION PROGRAMS V.L. Badanina, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

This paper describes an automated planning management of steam boilers metal ele-ments diagnostic inspections. The results of boilers elements selection criteria formaliza-tion are provided. The program modules that determine which boilers elements should be added to a diagnostic inspection schedule are described. The algorithm of automatic diag-nostic schedules creating based on template schedules, which are filled with data at the preparatory stage before the software routine maintenance is given. The general software working procedure is provided, based on a cycle of operations, including data input about previous technical diagnostic inspection and forming of a new diagnostic schedule for the next technical examination.

Keywords: steam boiler metal inspection, control.

References 1. SО 153-34.17.469–2003. Instruktsiya po prodleniyu sroka bezopasnoy ekspluatatsii parovykh

kotlov s rabochim davleniem do 4,0 MPa vklyuchitel'no i vodogreynykh kotlov s temperaturoy vody vyshe 115 °S [Steam Boilers with Working Pressure Values above 4.0 MPa and Hot-Water Boilers with


Алгоритмы автоматизированного формирования детализированных программ диагностических обследований технического состояния паровых котлов теплоэлектростанций

2015, том 15, № 1 117

Water Temperatures above 115 °С Safe Operation Period Prolongation Instruction]. Moscow, OJSC Industrial Security Research and Development Centre, 2006. 18 p.

2. RD 10-577-03. Tipovaya instruktsiya po kontrolyu metalla i prodleniyu sroka sluzhby osnovnykh elementov kotlov, turbin i truboprovodov teplovykh elektrostantsiy [Metall Inspection and Thermal Pow-er Stations Basic Boiler Elements, Turbines and Pipelines Operation Period Prolongation Standard In-struction]. Moscow, State Unitary Enterprise Industrial Security Research and Development Centre of Russian State Technical Supervision Division, 2003. 54 p.

3. SО 153-34.17.442–2003. Instruktsiya po poryadku prodleniya sluzhby barabanov kotlov vysoko-go davleniya [High Pressure Boilers Drums Operation Period Prolongation Instruction]. Moscow, OJSC Industrial Security Research and Development Centre, 2006. 21 p.

Received 20 August 2014



Введение Промышленная безопасность на предприятии формируется на совокупности мероприятий

организационного и технического характера, результатом которых является создание безопасных условий труда и предотвращение несчастных случаев на производстве.

По данным Международной организации труда (МОТ), ежегодно по причинам, связанным с трудовой деятельностью, погибает около двух миллионов человек [1]. При всей своей огром-ной величине сами по себе показатели уровня смертности на производстве все же не раскрывают всей масштабности проблемы. Еще около 160 млн человек по всему миру страдают от заболева-ний, связанных с трудовой деятельностью. В каждом третьем случае болезнь приводит к потере трудоспособности на 4 рабочих дня и более. Общее количество несчастных случаев на произ-водстве по всему миру (как приведших к смертельному исходу, так и без него) оценивается в 270 млн в год [2].

Руководители организаций и предприятий несут ответственность за обеспечение безопасно-сти деятельности всего рабочего персонала [3, 4], поэтому формирование организационно право-вой основы в области промышленной безопасности и охраны труда в соответствии с законода-тельством и стандартами является актуальной задачей.

Мероприятия, обеспечивающие снижение травматизма и устранение возможности возникно-вения несчастных случаев сводятся в основном к организации производственной деятельности в соответствии с российским законодательством.

Однако правовых норм не всегда достаточно для обеспечения безопасности на производстве. Очевидна потребность предприятий повышать эффективность мероприятий по промышленной безопасности. С целью снижения себестоимости этих работ в статье предложен алгоритм форми-рования системы менеджмента управления промышленной безопасностью, которая учитывает риски конкретного предприятия.

Правовые основы промышленной безопасности На предприятиях Российской Федерации положение о промышленной безопасности учиты-

вает требования российского законодательства в области охраны труда и промышленной безо-пасности.

Правовые основы промышленной безопасности установлены Федеральным Законом от 21.07.97 № 116-ФЗ «О промышленной безопасности опасных производственных объектов». Положения этого закона распространяются на все организации независимо от их организаци-онно-правовых форм и форм собственности, осуществляющих деятельность в области про-мышленной безопасности опасных производственных объектов на территории Российской Фе-дерации [5].

УДК 351.78 + 651.012.12 + 351.824.1

ПРИМЕНЕНИЕ МЕЖДУНАРОДНОГО СТАНДАРТА OHSAS 18001 ДЛЯ ОПТИМИЗАЦИИ РАБОТ ПО ПРОМЫШЛЕННОЙ БЕЗОПАСНОСТИ НА СОВРЕМЕННОМ ПРЕДПРИЯТИИ М.В. Пакулев, Я.О. Федотов, В.А. Рыбин

Проанализированы современные правовые основы промышленной безопасно-сти на предприятии на базе федерального закона о промышленной безопасности и международного стандарта OHSAS 18001, регламентирующего менеджмент по ох-ране труда и промышленной безопасности на предприятии. Показано, что внедре-ние стандарта OHSAS 18001 повышает конкурентоспособность организации и по-вышает эффективность организации промышленной безопасности на предприятии.

Ключевые слова: промышленная безопасность, система менеджмента, право-вые основы промышленной безопасности.


Применение международного стандарта OHSAS 18001 для оптимизации работ по промышленной безопасности на современном предприятии

2015, том 15, № 1 119

Согласно статьям данного закона к категории опасных производственных объектов относят-ся объекты, на которых:

1) получаются, используются, перерабатываются, образуются, хранятся, транспортируются, уничтожаются опасные вещества, указанные в законе;

2) используется оборудование, работающее под избыточным давлением более 0,07 МПа; 3) используются стационарно установленные грузоподъемные механизмы (за исключением

лифтов, подъемных платформ для инвалидов), эскалаторы в метрополитенах, канатные дороги, фуникулеры;

4) получаются, транспортируются, используются расплавы черных и цветных металлов, сплавы на основе этих расплавов с применением оборудования, рассчитанного на максимальное количество расплава 500 килограммов и более;

5) ведутся горные работы (за исключением добычи общераспространенных полезных иско-паемых и разработки россыпных месторождений полезных ископаемых, осуществляемых откры-тым способом без применения взрывных работ), работы по обогащению полезных ископаемых;

6) осуществляется хранение или переработка растительного сырья, в процессе которых обра-зуются взрывоопасные пылевоздушные смеси, способные самовозгораться, возгораться от ис-точника зажигания и самостоятельно гореть после его удаления, а также осуществляется хране-ние зерна, продуктов его переработки и комбикормового сырья, склонных к самосогреванию и самовозгоранию.

К опасным производственным объектам не относятся объекты электросетевого хозяйства [5]. В соответствии с законом работники опасного производственного объекта обязаны: 1) соблюдать требования нормативных правовых актов и нормативных технических доку-

ментов, устанавливающих правила ведения работ на опасном производственном объекте и поря-док действий в случае аварии или инцидента на опасном производственном объекте;

2) проходить подготовку и аттестацию в области промышленной безопасности; 3) незамедлительно ставить в известность своего непосредственного руководителя или в ус-

тановленном порядке других должностных лиц об аварии или инциденте на опасном производст-венном объекте;

4) в установленном порядке приостанавливать работу в случае аварии или инцидента на опасном производственном объекте;

5) в установленном порядке участвовать в проведении работ по локализации аварии на опас-ном производственном объекте.

Опасные производственные объекты подлежат обязательной регистрации в государственном реестре.

Проведение государственной политики, нормативное регулирование, а также выполнение разрешительных, контрольных и надзорных функций в области промышленной безопасности возлагается на федеральный орган исполнительной власти, уполномоченный в области промыш-ленной безопасности, который имеет подведомственные ему территориальные органы.

Однако для формирования системы менеджмента управления промышленной безопасно-стью, которая учитывает риски конкретного предприятия и приводит к снижению несчастных случаев на производстве, стоит использовать международный стандарт в сфере промышленной безопасности и охраны труда.

Применение международной практики Многие крупные промышленные предприятия вкупе с федеральным законом о ПБ учитыва-

ют требования международного стандарта OHSAS 18001, что дает им ряд экономических пре-имуществ, т.к. некоторые заказчики при проведении тендеров требуют сертификат соответствия стандарту [6].

OHSAS 18000 – это серия стандартов, содержащих требования и руководящие указания к разработке и внедрению систем менеджмента промышленной безопасности и охраны труда (СМПБиОТ), применение которых обеспечивает возможность организации управлять рисками в системе менеджмента и повышать эффективность ее функционирования [7]. Требования стандартов относятся именно к безопасности труда, а не безопасности продукции или услуг компании [8].


М.В. Пакулев, Я.О. Федотов, В.А. Рыбин


Назначение стандарта OHSAS 18000 [8]: 1) минимизация рисков возникновения несчастных случаев, аварий и аварийных ситуаций; 2) сокращение издержек на поддержание безопасности условий труда, выплат компенсаций и

пособий, уплаты штрафов; 3) сокращение издержек на выполнение предписаний надзорных органов в области охраны

труда и т. д. Основные цели при внедрении требований стандарта: 1) разработать, внедрить, поддерживать и улучшать систему менеджмента промышленной

безопасности и охраны труда; 2) внедрить официальную процедуру, обеспечивающую сокращение рисков для здоровья и

безопасности работников, клиентов и общественности; 3) убедиться в своем соответствии установленной политике ПБ; 4) продемонстрировать свое соответствие требованиям стандарта заинтересованным сторо-

нам. Внедряя данный стандарт на производстве, предприятие получает ряд конкурентных пре-

имуществ: 1) повышение эффективности бизнеса, снижение непроизводственных потерь; 2) снижение непредвиденных расходов на ликвидацию последствий аварий и инцидентов; 3) снижение расходов на уплату штрафов и реализацию предписаний; 4) снижение рисков аварий, аварийных ситуаций, несчастных случаев; 5) повышение лояльности надзорных органов; 6) повышение лояльности общественных организаций; 7) повышение лояльности сотрудников организации и т. д. Сертификат соответствия требованиям стандарта выдается на 3 года, при этом ежегодно

проводится инспекционный контроль (надзорный аудит) для подтверждения соответствия систе-мы менеджмента охраны здоровья и обеспечения безопасности труда требованиям стандарта.

Современные основы промышленной безопасности на предприятии Использование положений российских законов в сфере ПБ и международного стандарта по-

зволяет разработать систему менеджмента и организационно-правовые основы промышленной безопасности на предприятии, оформленное в виде некой политики (положения).

Разработанное положение должно иметь статус нормативного документа предприятия, кото-рый регламентирует общие положения промышленной безопасности (ПБ).

Требования, которые устанавливаются положением и другими нормативными документами ПБ, направлены:

1) на обеспечение соответствия деятельности предприятия принятой политике и целям в об-ласти промышленной безопасности;

2) предупреждение несоответствия деятельности организации законодательным и норматив-ным требованиям ПБ, элементам и процедурам ПБ;

3) поддержание состояния аварийности, производственного травматизма, и профессиональ-ной заболеваемости на уровне допустимого риска.

Политика должна соответствовать характеру и масштабу рисков предприятия в области ПБ. После утверждения подобного положения в области ПБ руководством предприятия персо-нал обязан соблюдать его требования, что приведет к снижению несчастных случаев на произ-водстве.

Выводы Таким образом, при возрастающей озабоченности государства и других заинтересованных

сторон в вопросах безопасности производства предприятия должны повышать показатели своих результатов в области промышленной безопасности и охране труда. Исполнение только законо-дательства не всегда приводит к снижению рисков по промышленной безопасности. Для большей результативности необходимо внедрять структурированную систему менеджмента по охране труда и промышленной безопасности, интегрированную в деятельность предприятия, которая базируется на многолетнем международном опыте и изложена в стандарте OHSAS 18001.


Применение международного стандарта OHSAS 18001 для оптимизации работ по промышленной безопасности на современном предприятии

2015, том 15, № 1 121

Литература 1. Охрана труда в цифрах и фактах направления совершенствования глобальной культуры

охраны труда. – М., 2003. – http://www.ilo.org/public/russian/region/eurpro/moscow/areas/safety/ docs/osh_in_figfigu_ru.pdf.

2. Зеркалов, Д.В. Безопасность труда: хрестоматия / Д.В. Зеркалов. – Киев: Основа, 2009. – http://opcb.kpi.ua/wp-content/uploads/2012/01/Безопасность-труда.pdf.

3. Трудовой кодекс РФ от 30.12.2001 № 197-ФЗ (ред. от 31.12.2014). Глава 33. Статья 210. Основные направления государственной политики в области охраны труда.

4. Трудовой кодекс РФ от 30.12.2001 № 197-ФЗ (ред. от 31.12.2014). Глава 33. Статья 212. Обязанности работодателя по обеспечению безопасных условий и охраны труда.

5. Федеральный закон от 21.07.1997 № 116-ФЗ (ред. от 02.07.2013) «О промышленной безо-пасности опасных производственных объектов».

6. OHSAS 18001:2007 «Система менеджмента профессионального здоровья и безопасности. Требования».

7. The Health and Safety & OHSAS Guide. – http://www.ohsas-18001-occupational-health-and-safety.com/.

8. Ващенко, А.Ю. Стандарты серии OHSAS 18000 / Ващенко А.Ю. – http://web.archive.org/ web/20110813115159/http://www.regcon.ru/jo/images/stories/file/ohsas.pdf.

Пакулев Михаил Валерьевич, генеральный директор ООО ИЦДК «СоюзТехГаз» (г. Челя-

бинск); [email protected]. Федотов Ярослав Олегович, начальник отдела экспертизы промышленной безопасности,

ООО ИЦДК «СоюзТехГаз» (г. Челябинск); [email protected]. Рыбин Владимир Александрович, ведущий эксперт по обследованию зданий и сооруже-

ний, ООО ИЦДК «СоюзТехГаз» (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 118–122

APPLICATION OF THE INTERNATIONAL STANDARD OHSAS 18001 FOR OPTIMIZATION OF WORKS ON INDUSTRIAL SAFETY AT MODERN ENTERPRISE M.V. Pakulev, LLC Engineering centre for diagnosis and control “SoyuzTechGas”, Chelyabinsk, Russian Federation, [email protected], Ya.O. Fedotov, LLC Engineering centre for diagnosis and control “SoyuzTechGas”, Chelyabinsk, Russian Federation, [email protected], V.A. Rybin, LLC Engineering centre for diagnosis and control “SoyuzTechGas”, Chelyabinsk, Russian Federation, [email protected]

This paper analyzes the current legal basis of industrial safety at the company on the basis of the federal law on industrial safety and OHSAS 18001 international standard governing the present-management for the protection of health and safety at the pre-acceptance. The introduction of OHSAS 18001 enhances competitiveness of the organiza-tion and increases the efficiency of organization of industrial safety at the enterprise.

Keywords: industrial safety, management system, legal framework of industrial safety.


М.В. Пакулев, Я.О. Федотов, В.А. Рыбин


References 1. Okhrana truda v tsyfrakh i faktakh. Napravleniya soverschenstvovaniya global’noy kul’tury

okhranu tryda [Industrial Safety in Numbers and Facts. Directions of Development of the Global Occu-pational Safety Culture]. Available at: http://www.ilo.org/public/russian/region/eurpro/moscow/ areas/safety/docs/safetyinnumbersrus.pdf.

2. Zerkalov C. D. Bezopasnost’ tryda. Khrestomatiya. [Industrial Safety. Anthology]. Available at: http://opcb.kpi.ua/wp-content/uploads/2012/01/Безопасность-труда.pdf.

3. Trydovoy kodeks RF. Federal’nyy zakon № 197-FZ 30.12.2001 (red. 31.12.2014). Osnovnye na-pravleniya gosudarstvennoy politiki v oblasti okhrany truda. Glava 33. Stat’ya 210. [The Government Law of the Russian Federation. Federal Law № 197-FZ 30.12.2001 (red. 31.12.2014). The Main Direc-tions of State Policy in the Sphere of Labor Protection. Chapter 33, Article 210].

4. Trydovoy kodeks RF. Federal’nyy zakon № 197-FZ 30.12.2001 (red. 31.12.2014). Obyazan-nosti rabotodatelya po obespecheniyu bezopasnykh usloviy i okhrany tryda. Glava 33. Stat’ya 212. [The Government Law of the Russian Federation. Federal Law № 197-FZ 30.12.2001 (red. on 31.12.2014). The Responsibilities of the Employer to Ensure Safe Conditions and Protection of Labor. Chapter 33, Article 212].

5. Federalnyy zakon 21.07.1997 № 116-FZ (red. 02.07.2013) “O promyshlennoy bezopasnosti opasnykh proizvodstvennykh ob’ektov” [The federal law N 116-FZ 21.07.1997 (red. 02.07.2013) “On Industrial Safety of Hazardous Production Facilities”.

6. OHSAS 18001:2007 “Sistemy menedzhmenta proffessional’nogo zdorov’ya i bezopasnosti”. [OHSAS 18001:2007 Management Systems of Occupational Health and Safety]. Available at: http://www.novsu.ru/file/1032285.

7. The Health and Safety & OHSAS Guide. Available at: http://www.ohsas-18001-occupational-health-and-safety.com/.

8. Vashchenko A.Y. Standarty serii OHSAS 18000 [Standards OHSAS 18000]. Available at: http://web.archive.org/web/20110813115159/ http://www.regcon.ru/jo/images/stories/file/ohsas.pdf.



2015, том 15, № 1 123

Введение В процессе развития любой розничной сети в определенный момент возникает необходи-

мость осуществления автоматического ценообразования, поскольку реакция на множество изме-нений различных факторов в ручном режиме становится неэффективной. При этом следует учи-тывать ряд факторов и ограничений, которые влияют на расчет, в частности, плановые показате-ли, которые требуется достигать в определенные периоды времени. Поскольку розничная цена является одним из основных факторов, влияющих на спрос, данная модель позволяет автомати-чески корректировать его прогнозы на основании пересчитанных значений розничных цен.

Постановка задачи и математическая модель Рассмотрим некоторую группу товаров, для которой известны следующие данные: 1) суммарный план продаж и прибыли (в ее качестве рассматривается разница между прода-

жами и себестоимостью, рассчитанной на основе закупок) на каждый месяц; 2) эластичность спроса для каждого товара; 3) прогноз продаж в единицах товара на каждый день текущего и следующего месяцев; 4) план проведения рекламных акций с фиксированием розничной цены и прогнозом прирос-

та продаж в период их проведения; 5) остаток каждого товара в штуках и рублях (себестоимость, рассчитанной на основе приня-

того в компании метода расчета, например FIFO); 6) количество и стоимость заказанного количества каждого товара. Требуется найти розничные цены такие, чтобы они обеспечивали выполнение установлен-

ных планов по продажам и прибыли, и связанные с ними изменения спроса на товары. Данную задачу предлагается решить по следующему алгоритму:

1) установить периодичность проведения переоценки (предлагается использовать достаточно короткий период, например 7 дней);

2) рассчитать план продаж и прибыли на установленный период переоценки, с учетом трен-да, сезонности и т. п;

3) установить прогноз продаж в штуках и рублях каждого товара в периоды акций с фикси-рованной ценой;

4) рассчитать эластичность спроса каждого товара как некоторую функцию от различных факторов, например % изменения цены, присутствия товара у конкурентов и цен на них, типа товара и т. п.;

5) рассчитать прогноз продаж каждого товара в штуках, не входящих в периоды рекламных акций;

УДК 339.372.6 + 338.516.54

МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ДЛЯ РАСЧЕТА РОЗНИЧНЫХ ЦЕН C КОРРЕКЦИЕЙ ПРОГНОЗА СПРОСА НА ТОВАРЫ О.В. Логиновский, А.В. Баль

В процессе развития любой розничной сети происходит дифференциация и увеличение ассортимента товаров, магазинов и т.п. Все это вызывает необходи-мость для повышения показателей прибыли и продаж, а также эффективности управления товарным запасом, иметь различные инструменты для автоматическогоформирования розничных цен и прогнозирования спроса на основании определен-ных алгоритмов. При этом, данные алгоритмы должны иметь возможность учиты-вать ряд факторов, в частности плановые показатели, эластичность спроса, прове-дение различных маркетинговых акций и многие другие.

В статье редлагается алгоритм и математическая модель формирования роз-ничных цен, которые учитывают вышеперечисленные факторы и, помимо этого, по-зволяют проводить корректировку прогнозов спроса, с учетом изменений цен.

Ключевые слова: розничная сеть, ценообразование, прогнозирование.


О.В. Логиновский, А.В. Баль


6) рассчитать себестоимость каждого товара, которая будет продана за период переоценки. Она зависит от прогноза продаж в штуках, текущего остатка, заказанного количества в штуках и рублях и прогноза закупочной цены;

7) поставить оптимизационную задачу для поиска новых розничных цен и решить ее, на ос-новании данных, полученных на предыдущих этапах.

Расчет плана продаж и прибыли за период Для расчета плана продаж и прибыли за заданный в пункте 1 представленного выше алго-

ритма требуется: 1. Выбрать период, за который есть заданные плановые показатели и который полностью

включает в себя заданный период для переоценки. Рекомендуется, чтобы период переоценки входил в первые 60–70 % периода с известными плановыми показателями. Это связано с тем, что при каких-то условиях (например, завышенных плановых показателях) решение невозможно бу-дет найти. Например, если период переоценки равен 7 дням, периодичность планирования пока-зателей – 1 месяц, то при проведении переоценки:

а) в первые 12–15 дней месяца рекомендуется использовать плановые показатели текущего месяца;

б) в последующие дни рекомендуется использовать сумму плановых показателей этого и следующего месяцев.

2. Найти фактические показатели выполнения плановых показателей за выбранный в преды-дущем пункте периоде и рассчитать с их помощью суммы продаж и прибыли, которые требуется достичь за оставшийся период времени.

3. Для заданной группы товаров найти профиль спроса, который будет наблюдаться во всем заданном в пункте 1 периоде времени (который включает в себя как недельную сезонность, так и трендовую составляющую).

4. Распределить найденные в пункте 2 суммы плановых показателей по данному профилю и выбрать те дни, которые входят в период переоценки.

5. Найти суммы плановых показателей, которых требуется достичь, входящих в период пе-реоценки.

Расчет эластичности спроса В данный момент разработано множество различных методов расчета эластичности спроса в

зависимости от различных факторов, начиная от эконометрических моделей и заканчивая мето-дами экспертных оценок. Для примера, рассмотрим классический вариант – прямая эластичность спроса по цене, которая характеризует относительное изменение спроса на i-й товар при измене-нии его цены [1]. Коэффициентом прямой эластичности спроса по цене называют отношение от-носительного изменения объема спроса в процентах к относительному изменению цены:

.i ii

i i

Q PeP Q

В условиях постоянного изменения цен на товары, на товары-аналоги, на цены у конкурен-тов и прочей нестабильности найти достаточно точные значения коэффициентов эластичности исключительно статистическими методами проблематично (хотя и возможно). Поэтому, предла-гается использовать в их качестве экспертные оценки для каждого товара отдельно либо для оп-ределенных групп товаров.

Расчет прогноза спроса в заданный период Единственными параметрами, которые будут изменяться в рамках модели, являются рознич-

ные цены на товары, поэтому спрос на каждой товар будет некоторой функцией, зависимой от новых розничных цен (при этом спрос на один товар может зависеть от розничной цены на дру-гой товар). Обозначим спрос на i-й товар как Di, Di

= Di(P), где P – вектор новых розничных цен. При этом прогноз спроса на товар представляет собой сумму прогнозов продаж в периоды акций (который не зависит от новой розничной цены, поскольку она уже зафиксирована) и прогноз продаж в обычные периоды, которые зависят от новой розничной цены:

а нi i iD D D P ,

где аiD – прогноз в период акций, н

iD P – прогноз спроса в неакционный период. Обозначим прогноз продаж в рублях в периоды акций для товара i как Ui.


Математическая модель для расчета розничных цен c коррекцией прогноза спроса на товары

2015, том 15, № 1 125

Расчет себестоимости проданных на основании прогноза товаров Себестоимость товаров, которые будут проданы в заданный период времени, зависит от сле-

дующих факторов: 1) выбранного метода расчета себестоимости в компании (далее будет рассматриваться FIFO); 2) текущего остатка в штуках и рублях; 3) количества заказанного товара в штуках и рублях. В рамках модели предполагается, что

товар поступит полностью и по заданной цене; 4) прогноза закупочной цены. При отсутствии прогнозирования данного показателя реко-

мендуется использовать последнюю цену закупки или заказа; 5) функции прогноза спроса. Введем следующие обозначения:

рiR – текущий остаток товара i в рублях; шiR – текущий остаток товара i в штуках; рiQ – сумма заказанного товара i в рублях; шiQ – сумма заказанного товара i в штуках;

iS – прогноз закупочной цены товара i в рублях. Себестоимость товара, который будет продан в заданный период для переоценки, составляет

рш

ш

рр р ш ш

ш

р р р р ш ш

, ;

, ;

, .

ii i

i

ii i i i i i

i

i i i i i i i i

RD Di RR

QC P R D R Di R Q

Q

R Q D R Q S Di R Q

Постановки задачи Введем дополнительные обозначения: I – количество товаров в заданной группе; X – план продаж в рублях; Y – план прибыли в рублях;

минip – минимальная розничная цена на товар; максip – максимальная розничная цена на товар.

1

н ;I

i ii Pi

U p XD

1

н ;I

i ii

i iU p D C Y

мин , 1, ;i ip p i I макс , 1, .i ip p i I

Это задача недифференцируемой оптимизации (в частности, из-за вида Ci), методы решения которой можно найти в [2, 3].

После этого, можно найти коэффициент изменения спроса, которое ожидается после введе-ния новой цены:

н

н тi

ii P

Dk

D

P ,

где тP – текущие розничные цены.


О.В. Логиновский, А.В. Баль


Заключение В данной статье была описана методика автоматического формирования новой розничной

цены, которая позволяет оптимизировать достижение плановых значений в заданный период времени. Ее можно использовать и как предварительный расчет, предлагаемый для изменения цены, оставляя окончательное решение об утверждении ответственным сотрудникам. Помимо этого, модель позволяет автоматически корректировать прогнозы спроса и продаж на заданный период времени.


1. Гальперин, В.М. Микроэкономика / В.М. Гальперин, С.М. Игнатьев, В.И. Моргунов. – СПб.: Экономическая школа, 1999. – 348 с.

2. Демьянов, В.Ф. Недифференцируемая оптимизация / В.Ф. Демьянов, Л.В. Васильев. – М.: Наука, 1981. 384 с.


Логиновский Олег Витальевич, д-р техн. наук, профессор, заслуженный деятель науки РФ, за-

ведующий кафедрой информационно-аналитического обеспечения управления в социальных и эко-номических системах, Южно-Уральский государственный университет (г. Челябинск); loginovskiyo@ mail.ru.

Баль Александр Вячеславович, аспирант кафедры информационно-аналитического обеспе-чения управления в социальных и экономических системах, Южно-Уральский государственный уни-верситет (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 123–127

RETAIL PRICE CALCULATION MATHEMATICAL MODEL WITH CORRECTION OF THE FORECAST OF DEMAND FOR GOODS O.V. Loginovskiy, South Ural State University, Chelyabinsk, Russian Federation, [email protected], A.V. Bal’, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

There are differentiated and broadened in process of every retail chain development range of goods, shops etc. This makes necessary to increase sales and profit, improve stock management efficiency, use different automatic retail price assessment and based on specific algorithms demand forecasting instruments. These specific algorithms should consider range of factors such as planning numbers, demand elasticity, different market-ing actions and many others.

The article describes retail prices assessment algorithm and mathematical model, which consider the factors mentioned above and beside allow to review demand forecasts considering price changes.

Keywords: retailer chain, pricing, forecasting.


Математическая модель для расчета розничных цен c коррекцией прогноза спроса на товары

2015, том 15, № 1 127

References 1. Galperin V.M. Mikroekonomika [Microeconomics]. St. Petersburg, Ekonomicheskaya shkola

Publ., 1999. 348 p. 2. Dem’yanov V.F. Nedifferentsiruemaya optimizatsiya [Nondifferentiable Optimization]. Moscow,

Nauka Publ., 1981. 384 p. 3. Chernorutskiy I.G. Metody optimizatsii v teorii upravleniya [Optimization methods in Control

Theory]. St. Petersburg, Piter Publ., 2004. 104 p.




Введение На изображении отпечатка пальца обычно выделяют признаки, такие как петли, дельты и за-

витки, необходимые для идентификации изображения (рис. 1). Однако на необработанном изо-бражении вследствие различных помех (грязь, складки и т. п.) линии отпечатков могут искажаться, что влечет за собой ошибки в распознавании признаков. Для устранения подоб-ных ошибок изображение улучшают. При этом снижается зашумленность изображения, а модель, рассчитываемая по нему, становится более достоверной. В литературе для улуч-шения изображений отпечатков пальцев наиболее часто ис-пользуются методы на основе фильтра Габора, который учи-тывает периодическую структуру изображений [1, 2]. По-скольку классическая реализация фильтра достаточно уни-версальна, применяются его модифицированные варианты, учитывающие особенности изображений отпечатков пальцев [3–5]. В данной статье рассматривается реализация парамет-ризованного фильтра Габора, подходящего для улучшения изображений, содержащих кривые линии и завитки, которые присутствуют на изображениях отпечатков пальцев.

1. Постановка задачи Классический вид фильтра Габора представляет собой функцию

h(x, y) = exp – x2+y2

2σ2 cos2πf (xsinθ + ycosθ), (1) где x, y – координаты точки; σ – стандартное отклонение предполагаемого нормального распре-деления; f – частота; θ – ориентация фильтра (параметры σ и f относятся к маске фильтра, а угол θ – к ориентации маски над изображением).

Формула представляет собой произведение гауссиана и периодической функции, что пред-полагает улучшение монотонных областей периодических изображений [6]. Для применения фильтрации необходимо знать перечисленные выше параметры фильтра Габора. В случае с отпе-чатками пальцев предполагают, что периодичность линий и стандартное отклонение согласуются

Рис. 1. Особые точки отпечатка пальца (O – петля, Δ – дельта)

УДК 004.932.4

УЛУЧШЕНИЕ ИЗОБРАЖЕНИЙ ОТПЕЧАТКОВ ПАЛЬЦЕВ С ПОМОЩЬЮ ФИЛЬТРА ГАБОРА В.Ю. Гудков, А.В. Бойцов

Представлен метод фильтрации изображений отпечатков пальцев на основе фильтра Габора. В задачах верификации, идентификации и классификации отпечат-ков пальцев обычно требуется улучшить исходные изображения отпечатков для бо-лее надежного распознавания особых точек. Одним из вариантов улучшения отпе-чатка является его фильтрация с помощью фильтра Габора. Он эффективен для изо-бражений, имеющих периодическую структуру. Однако из-за различной ориента-ции линий на разных участках изображений отпечатков фильтр Габора нуждается в параметризации. Модифицированный фильтр Габора, построенный с учетом поля направлений изображения, позволяет решить эту проблему. Кроме того, предло-женный в статье расчет когерентности позволяет выделить наиболее ясные сегмен-ты изображения, которые являются областями интереса для алгоритмов дальнейшей обработки отпечатка.

Ключевые слова: улучшение изображений, фильтр Габора, поле направлений, когерентность, отпечатки пальцев.


Улучшение изображений отпечатков пальцев с помощью фильтра Габора

2015, том 15, № 1 129

в основном с локальными характеристиками изображения. Экспериментальным путем выбраны следующие значения:

σ = 7, f = 10. Это означает, что коэффициенты убывают от центра окружности по радиусу длиной 7 точек

примерно в 8 раз, а через 10 точек изображение периодически повторяется. Однако линии отпечатков могут иметь различную ориентацию на разных участках изобра-

жения, поэтому необходимо найти ориентацию линий внутри каждого обрабатываемого сегмен-та. Таким образом, модифицированный фильтр будет являться функцией от трех параметров h(x, y, θ).

2. Построение поля направлений Поиск ориентации линий сегмента реализован по алгоритму, описанному Базеном [1]. Ос-

новная идея алгоритма заключается в том, что градиент изображения, соответствующий перепа-дам цветов от белого к черному, будет перпендикулярен линиям на отпечатках пальцев. Для того чтобы противоположно направленные векторы не компенсировали друг друга при усреднении, рассчитываются так называемые квадратурные градиенты [1]. Их направления усредняются в каждой области изображения, после этого рассчитываются соответствующие углы ориентации линий отпечатков пальцев.

Для каждого пикселя изображения существует 2 градиента, которые удобно записывать в векторной форме [Gx(x,y) Gy(x,y)]T. Вектор градиентов можно описать следующей формулой:

Gx(x, y)Gy(x, y) = sign(Gx)∇I(x, y) = sign ∂I(x, y)

∂x

∂I(x, y)∂x

∂I(x, y)∂y

, (2)

где 퐼(x, y) – яркость пикселя изображения с координатами (x, y). В данном случае направление вектора градиентов выбирается согласно направлению гради-

ента по x, поэтому углы ориентаций векторов будут находиться в промежутке – π2

; π2

. Однако усреднение углов градиентов может привести к компенсации векторов градиента,

которые соответствуют противоположным краям линий на отпечатках. Поэтому вторым шагом является расчет квадратурных градиентов [Gsx Gsy]T по формуле, предложенной Базеном [1]:

GsxGsy

=Gx

2 – Gy2

2GxGy . (3)

Квадратурные градиенты представляют собой векторы, модуль которых соответствует квадра-ту модуля градиента, а угол направления – удвоенному углу направления градиента, что позволяет избежать эффекта компенсации векторов градиентов на противоположных границах линий.

Затем значения квадратурных градиентов усредняются в сегментах изображения (например, 8×8 пикселей):

GsxGsy

=ΣWGsxΣWGsy

. (4)

Таким образом, для каждого сегмента можно рассчитать угол направления квадратурного градиента по формуле

Φ = 12

∠ Gsx, Gsy . (5) Это позволит определить угол, под которым направлены градиенты в данном сегменте изо-

бражения. Чтобы рассчитать значения угла направления линий отпечатков пальцев, нужно при-бавить или отнять 90°:

θ =Φ – π

2, Φ > 0;

Φ + π2

, Φ ≤ 0.� (6)

Для того чтобы убедиться в правильности расчета, можно изобразить поле направлений в виде линий (рис. 2). Поскольку направление линий являлось последним неизвестным параметром фильтра, после вычисления поля направлений изображение можно фильтровать.



Рис. 2. Участок отпечатка пальца и соответствующее ему

3. Фильтрация Для фильтрации вычисляются матрицы фильтров (сегменты 15

всем возможным направлениям линий в диапазоне от 0 до 255. Рассчитав значения в каждой ячейке матрицы, необходимо убедиться, что сумма всех ее элементов равна нулю. Для этого из матрицы вычитается среднее арифметическое ее элементов. Кроме того, для нормализации знчений, матрица делится на сумму элементов в ней.

Рис. 3. Исходное, фильтрованное и бинаризованное изображения

При фильтрации выполняется свертка исходного изображения с пикселя используется ядро, соответствующее заданному локальному углу направления линий. Отклик фильтра может иметь отрицательные значения, поэтому для визуализации откликов к ним прибавляют 127 (среднее значение яркости серого изизображению применяется пороговое преобразование, после чего линии отпечатков становятся бинарными (рис. 3).

4. Расчет когерентности При фильтрации обрабатывается все изображение, хотя не все фрагменты относятся к отп

чатку пальца. Для того чтобы выделить области, относящиеся к изображениям линий, рассчитвается когерентность фрагментов на основе поля направлений. Когерентность является вещесвенным числом от 0 до 1, которое определяет степень согласованности направленинекоторой области W по формуле

Coh = ∑ [Gsx Gsy]TW

∑ |[Gsx Gsy]T|W .

Высокая когерентность означает высокую сонаправленность градиентов данной области. На основе вычисленных значений по (7) строится поле когерентностей, которое позна изображении фрагменты, относящиеся к линиям отпечатков (рис. 4). Когерентность считается высокой, если она превосходит значение 0,5. Пример изображения с отмеченной высокой ког

В.Ю. Гудков, А.В. Бойцов


Рис. 2. Участок отпечатка пальца и соответствующее ему поле направлений

вычисляются матрицы фильтров (сегменты 15×15), которые соответствуют всем возможным направлениям линий в диапазоне от 0 до 255. Рассчитав значения в каждой ячейке матрицы, необходимо убедиться, что сумма всех ее элементов равна нулю. Для этого из

ычитается среднее арифметическое ее элементов. Кроме того, для нормализации знчений, матрица делится на сумму элементов в ней.


При фильтрации выполняется свертка исходного изображения с ядром фильтра. Для каждого пикселя используется ядро, соответствующее заданному локальному углу направления линий. Отклик фильтра может иметь отрицательные значения, поэтому для визуализации откликов к ним прибавляют 127 (среднее значение яркости серого изображения). Также к фильтрованному изображению применяется пороговое преобразование, после чего линии отпечатков становятся

При фильтрации обрабатывается все изображение, хотя не все фрагменты относятся к отп

чатку пальца. Для того чтобы выделить области, относящиеся к изображениям линий, рассчитвается когерентность фрагментов на основе поля направлений. Когерентность является вещес

1, которое определяет степень согласованности направленипо формуле

Высокая когерентность означает высокую сонаправленность градиентов данной области. На основе вычисленных значений по (7) строится поле когерентностей, которое позна изображении фрагменты, относящиеся к линиям отпечатков (рис. 4). Когерентность считается высокой, если она превосходит значение 0,5. Пример изображения с отмеченной высокой ког



которые соответствуют всем возможным направлениям линий в диапазоне от 0 до 255. Рассчитав значения в каждой ячейке матрицы, необходимо убедиться, что сумма всех ее элементов равна нулю. Для этого из

ычитается среднее арифметическое ее элементов. Кроме того, для нормализации зна-


ядром фильтра. Для каждого пикселя используется ядро, соответствующее заданному локальному углу направления линий. Отклик фильтра может иметь отрицательные значения, поэтому для визуализации откликов к

ображения). Также к фильтрованному изображению применяется пороговое преобразование, после чего линии отпечатков становятся

При фильтрации обрабатывается все изображение, хотя не все фрагменты относятся к отпе-чатку пальца. Для того чтобы выделить области, относящиеся к изображениям линий, рассчиты-вается когерентность фрагментов на основе поля направлений. Когерентность является вещест-

1, которое определяет степень согласованности направлений градиентов в

(7)

Высокая когерентность означает высокую сонаправленность градиентов данной области. На основе вычисленных значений по (7) строится поле когерентностей, которое позволяет выделить на изображении фрагменты, относящиеся к линиям отпечатков (рис. 4). Когерентность считается высокой, если она превосходит значение 0,5. Пример изображения с отмеченной высокой коге-


Улучшение изображений отпечатков пальцевс помощью фильтра Габора

2015, том 15, № 1

рентностью представлен на рис. 5. Белым и черным цветом отмесерым – области низкой когерентности.

Рис. 4. Край отпечатка и соответствующая маска

Рис. 5. Исходное изображение и фильтрованное изображение

Заключение Применение фильтра Габора улучшает изображение. На нем контрастно выделяются линии

отпечатков, убираются шумы. Бинаризованное изображение удобно для дальнейших преобразваний: скелетизации и поиска особых точек на отпечатках. Использование когерентности позвляет выделить область интереса, в которой выполняют дополнительные вычисления.

Недостатком алгоритма является представление кривой линии в виде набора направлений в каждом сегменте, что может послужить причиной нечеткостей отклика фильтра в областях икривления и завитках. С другой стороны, повышение дискретизации, связанное с уменьшением размера сегмента, влечет за собой большую погрешность в определении средней ориентации лний каждого сегмента.

Программа улучшения изображения фильтром Габора написана на языке форменной среде Qt Creator без использования сторонних библиотек, связанных с обработкой изображений. Программа является прототипом рабочей версии без оптимизации алгоритма по времени работы. Алгоритм может быть ускорен путем использования дния Фурье в процедуре свертки, а также параллельной обработке сегментов изображения.

1. Bazen A.M. Fingerprint Identification Ph.D. Dissertation. Univ. of Twente, Enschede, The Netherlands,

2. Maltoni D., Maio D., Jain A.K.Springer-Verlag, 2003. 510 p.

3. Hong L., Wan Y., Jain A.K. luation. IEEE Transactions on Pattern Analysis and Machine Intelligence

лучшение изображений отпечатков пальцев

рентностью представлен на рис. 5. Белым и черным цветом отмечены линии отпечатков пальцев, области низкой когерентности.

Рис. 4. Край отпечатка и соответствующая маска

высокой когерентности

Рис. 5. Исходное изображение и фильтрованное изображение с отметкой когерентности

фильтра Габора улучшает изображение. На нем контрастно выделяются линии отпечатков, убираются шумы. Бинаризованное изображение удобно для дальнейших преобразваний: скелетизации и поиска особых точек на отпечатках. Использование когерентности позв

елить область интереса, в которой выполняют дополнительные вычисления.Недостатком алгоритма является представление кривой линии в виде набора направлений в

каждом сегменте, что может послужить причиной нечеткостей отклика фильтра в областях изавитках. С другой стороны, повышение дискретизации, связанное с уменьшением

размера сегмента, влечет за собой большую погрешность в определении средней ориентации л

Программа улучшения изображения фильтром Габора написана на языке без использования сторонних библиотек, связанных с обработкой

изображений. Программа является прототипом рабочей версии без оптимизации алгоритма по времени работы. Алгоритм может быть ускорен путем использования дискретного преобразовния Фурье в процедуре свертки, а также параллельной обработке сегментов изображения.

Литература/References Fingerprint Identification – Feature Extraction, Matching, and Database Search,

Twente, Enschede, The Netherlands, 2002. 187 p. A.K., Prabhakar S. Handbook of Fingerprint Recognition. New York,

A.K. Fingerprint Image Enhancement: Algorithm and PerformaIEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, vol. 20, pp. 777

131

чены линии отпечатков пальцев,

фильтра Габора улучшает изображение. На нем контрастно выделяются линии отпечатков, убираются шумы. Бинаризованное изображение удобно для дальнейших преобразо-ваний: скелетизации и поиска особых точек на отпечатках. Использование когерентности позво-

елить область интереса, в которой выполняют дополнительные вычисления. Недостатком алгоритма является представление кривой линии в виде набора направлений в

каждом сегменте, что может послужить причиной нечеткостей отклика фильтра в областях ис-завитках. С другой стороны, повышение дискретизации, связанное с уменьшением

размера сегмента, влечет за собой большую погрешность в определении средней ориентации ли-

Программа улучшения изображения фильтром Габора написана на языке C++ в кроссплат-без использования сторонних библиотек, связанных с обработкой

изображений. Программа является прототипом рабочей версии без оптимизации алгоритма по искретного преобразова-

ния Фурье в процедуре свертки, а также параллельной обработке сегментов изображения.

and Database Search,

Handbook of Fingerprint Recognition. New York,

Fingerprint Image Enhancement: Algorithm and Performance Eva-, 1998, vol. 20, pp. 777–789.




4. Yang J.W., Liu L.F., Jiang T.Z., Fan Y. A Modified Gabor Filter Design Method for Fingerprint Image Enhancement. Pattern Recognition Letters, 2003, vol. 24, no. 12, pp. 1805–1817.

5. Wang W., Li J., Huang F., Feng H. Design and Implementation of Log-Gabor Filter in Finger-print Image Enhancement. Pattern Recognition Letters, 2008, vol. 29, no. 3, pp. 301–308.

6. Гонсалес Р. Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с. [Gonzales R., Woods R. Tsifrovaya obrabotka izobrazheniy (Digital Processing of the Images). Мoscow, Tekhnosfera Publ., 2005. 1072 p.]

Гудков Владимир Юльевич, д-р физ.-мат. наук, профессор кафедры электронных вычисли-

тельных машин, Южно-Уральский государственный университет, (г. Челябинск); [email protected]. Бойцов Антон Владимирович, магистрант кафедры электронных вычислительных машин,

Южно-Уральский государственный университет, (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 128–132

ENHANCEMENT OF FINGERPRINT IMAGES USING GABOR FILTER V.Yu. Gudkov, South Ural State University, Chelyabinsk, Russian Federation, [email protected], A.V. Boytsov, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The paper deals with fingerprint image filter method using Gabor filter. Enhance-ment is often required in verification, identification and classification problems as a pre-processing step for robust feature extraction. Gabor filter is one of the most efficient me-thods to enhance images with periodic structure. However, Gabor filter needs parameteri-zation due to different line orientations at different regions of fingerprint images. Mod-ified Gabor filter, designed considering direction field of the image, can solve this prob-lem. In addition, calculation of coherence allows to select the clearest image segments, which are considered as regions of interest for further calculations.

Keywords: image enhancement, Gabor filter, direction field, coherence, fingerprint.



2015, том 15, № 1 133

Введение На фоне значительного прогресса в области производства полупроводниковых технологий в

современных встроенных системах существуют тенденции к все большему применению архитек-турных решений на базе систем на кристалле (СнК). Такие системы включают в себя большое количество процессоров и периферийных узлов. При этом число процессорных ядер постоянно увеличивается, поскольку однопроцессорные системы уже не справляются с задачами, требую-щими высокой вычислительной производительности и обмена большими потоками данных, как, например, при обработке видео- и фотоизображений, в области IP-телефонии и т. д. [1]. На пе-редний план выходят многопроцессорные СнК [2], где стандартные способы объединения мик-ропроцессоров с помощью высокопроизводительных шин малоэффективны [3] и вытесняются сетевыми архитектурами в виде сетей на кристалле (СтнК) [4–6].

В общем случае СтнК – это объединение IP-ядер, каждое из которых, как правило, является процессорным ядром c локальной памятью; IP-ядра связаны между собой дополнительными уст-ройствами в виде специализированных маршрутизаторов [4]. Способ соединения маршрутизато-ров определяется топологией сети.

1. Задача синтеза СтнК Задача синтеза СтнК является многокритериальной, сложной для формулирования (из-за

большого количества параметров и требований) и имеет много способов решения. Рассмотрим ее подробнее.

Исходными данными для задачи синтеза СтнК является характеристический граф задачи, вершины которого соответствуют вычислительным узлам и характеризуются законом введения пакетов в СтнК, а направленные ребра – коммуникационному процессу между двумя узлами и характеризуются минимальной и максимальной задержкой передачи, шириной канала и интен-сивностью передачи [7].

Иногда задачу формулируют в виде графа отдельных подзадач, ребра которого описывают потоки данных между ними. Тогда характеристический граф задачи получают путем проекции подзадач на вычислительные узлы (на одном вычислительном узле может выполняться несколь-ко задач) и проекцией потоков данных между подзадачами на ребра графа.

УДК 004.72

АНАЛИЗ ПОДХОДОВ К СИНТЕЗУ СЕТЕЙ НА КРИСТАЛЛЕ С ИСПОЛЬЗОВАНИЕМ РЕГУЛЯРНЫХ ТОПОЛОГИЙ А.Ю. Романов

Выполнен обзор существующих способов проектирования сетей на кристалле, основанных на подходе, при котором осуществляется проекция характеристическо-го графа задачи на заданную регулярную топологию. Охарактеризована общая за-дача синтеза сетей на кристалле. Топология сети может быть заранее известной (обычно это регулярная топология) или выбираться в зависимости от задачи, кото-рая будет выполняться сетью на кристалле. Первый способ синтеза сетей на кри-сталле благодаря своей относительной простоте и очевидности получил большое распространение среди разработчиков и представлен во множестве реализаций, об-зор которых проведен в данной статье. Показаны преимущества и недостатки дан-ного подхода, достигнутый эффект от его применения для различных реализаций сетей на кристалле, а также предложен путь его усовершенствования, который за-ключается в расширении области применения решений для регулярных топологий сетей на заранее заданные нерегулярные топологии с лучшими характеристиками.

Ключевые слова: сеть на кристалле; система на кристалле; регулярная топо-логия сети на кристалле; нерегулярная топология сети на кристалле; проектиро-вание сетей на кристалле; синтез сетей на кристалле; характеристический граф задачи.


А.Ю. Романов


Задача синтеза заключается в выборе топологии СтнК и проекции характеристического гра-фа задачи в соответствии с требованиями по затратам ресурсов кристалла, энергозатратам, про-пускной способности, минимальной и максимальной задержке прохождения пакетов. Топологию представляют в виде нумерованного графа, вершины которого соответствуют маршрутизаторам, а ребра – соединительным линиям. Кроме топологии выбирают метод синхронизации коммуни-кационной подсистемы, технологию коммуникации потоков данных, метод обеспечения качества обслуживания, метод и способ маршрутизации, объем буферных элементов, структуру маршру-тизаторов и т. п.

2. Обзор способов синтеза СтнК путем проекции характеристического графа задачи на регулярную топологию Широко распространенным является подход, когда в начале синтеза выбирается одна из ре-

гулярных топологий, которая остается неизменной в ходе дальнейшей проекции характеристиче-ского графа задачи на нее. Преимуществом данного подхода является то, что такие известные регулярные топологии как torus, mesh, hypercube, star и т. д. являются достаточно исследованны-ми, имеют предсказуемые характеристики и детерминированные алгоритмы маршрутизации [5]. Кроме того, существует большой опыт их использования в глобальных сетях, который можно применять и при проектировании СтнК, конечно, с учетом специфики аппаратной платформы ASIC и FPGA.

Примером такого подхода является алгоритм энергоэффективного построения СтнК на базе mesh топологии, предложенный в работе [8]. Характеристический граф задачи отображается на ячеистую mesh-образную топологию, состоящую из гомогенных ячеек (вычислительное ядро и маршрутизатор), с помощью алгоритма поиска по дереву альтернатив отображения узлов: на ка-ждом шаге спуска по ветвям дерева альтернатив рассчитывается потребляемая мощность ото-браженных узлов, и менее оптимальные альтернативы отбрасываются. По утверждению авторов, это позволяет уменьшить энергопотребление СтнК примерно на 60 % по сравнению с произволь-ным отображением задачи и в 27 раз сократить время поиска по сравнению с алгоритмом полно-го перебора.

В работе [9] используется линейное программирование при оптимизации задержек передачи пакетов путем устранения коллизий данных на пути передачи и уменьшения взвешенного ком-муникационного расстояния при отображении характеристического графа задачи на ячеистую mesh топологию. Данный подход дает увеличение пропускной способности на 17 % в сравнении с предыдущим решением, но приводит к увеличению затрат энергии на 9 %.

Характерно, что уже в следующей работе [10] авторами предпринята попытка компенсиро-вать недостатки ячеистой топологии путем реализации возможности добавления регионов, зани-мающих размеры нескольких ячеек, а также предварительного фиксирования размещения неко-торых узлов (например, тех, что связаны с вводами / выводами микросхемы).

В работе [11] предложен алгоритм NMAP для оптимального отображения характеристиче-ского графа задачи на mesh топологию с учетом требований к пропускной способности. Согласно алгоритму, вначале наиболее связный узел отображается в центр сети на маршрутизатор, имею-щий наибольшее количество соседей, и далее, в зависимости от степени связности с уже разме-щенными на свободные маршрутизаторы узлами, последовательно отображаются другие узлы с целью минимизации стоимости коммуникации между ними. Полученный результат улучшают путем попарных перестановок узлов с целью достижения минимального среднего расстояния между узлами. Потоки данных, которым пропускной способности линий связи недостаточно, разбивают на несколько потоков и в таблице маршрутизации задают для них различные альтер-нативные кратчайшие пути. Данный алгоритм был применен при синтезе СтнК для видеоприло-жений с применением библиотеки XPipes [12] и, по утверждению авторов, это позволило умень-шить расходы коммуникационных ресурсов на 32 % и увеличить пропускную способность на 53 %. Этот подход был развит в работе [13] за счет планирования оптимального размещения компонентов на кристалле путем линейного программирования и введения возможности выбора отображения графа задачи на различные регулярные топологии из библиотеки XPipes. А в рабо-те [14] предложено специализированное программное обеспечение SUNMAP для отображения графа задачи на заданную топологию, входящую в среду генерации СтнК NetChip [15].


Анализ подходов к синтезу сетей на кристалле с использованием регулярных топологий

2015, том 15, № 1 135

Алгоритм MOCA [16], по утверждению авторов, дает близкие результаты по сравнению с предыдущим подходом, но за меньшее время. Данный алгоритм используется для разделения графа задачи на две равные части в виде искусственного дерева, которые затем легко отобража-ются на ячеистую топологию. Дополнительно выполняется оптимизация пропускной способно-сти соединительных линий и задержек передачи данных. По словам авторов алгоритма, это при-вело к уменьшению потребления энергии на 14 % по сравнению с отображением, полученным путем линейного программирования для задач обработки видео- и аудиоданных.

В работе [17] используется метод линейного программирования для поиска оптимальной проекции графа задачи на ячеистую топологию с сокращением среднего расстояния между узла-ми и уменьшением максимальной загрузки линий связи. Проекция выполняется в два этапа – сначала отображаются узлы, а затем соединения между ними. Это позволило в 10~103 раз уско-рить решение задачи линейного программирования. Результатом моделирования различных ви-деоприложений стало уменьшение энергопотребления и требований к пропускной способности СтнК соответственно на 55,5 и 49,2 % по сравнению с эвристическими алгоритмами.

В работе [18] на базе Aethereal СтнК предложено решение, которое может быть применено для произвольной топологии СтнК, и учитывает распределение потоков данных с разным качест-вом обслуживания. При этом используется алгоритм UMARS+, согласно которому при выборе топологии СтнК на нее отображаются потоки данных с гарантированным сервисом минимальной задержки, обнаруживаются запрещенные повороты [19] для избегания блокировок и, с учетом этого, отображаются потоки с сервисом гарантированной пропускной способности при формиро-вании таблиц маршрутизации и назначения тайм-слотов портам маршрутизаторов. На примере MPEG-декодера показано, что использование информации о потоках данных с различными сер-висами обслуживания и их пространственно-временное распределение при отображении графа задачи на топологию СтнК дает выигрыш в ресурсах на 33 % и в энергопотреблении – на 35 %, а также позволяет уменьшить в четыре раза максимальную задержку прохождения пакетов по сравнению с подходом без учета информации о качестве обслуживания.

В работе [20] предложено проводить генерацию вариантов отображения графа задачи на mesh-образную топологию с помощью генетических алгоритмов. Поведенческая модель полу-ченных отображений затем подвергается дискретно-событийному моделированию для оценки выигрыша в производительности и энергопотреблении СтнК и их сравнения с результатами дру-гих отображений и выбора наилучшего.

Двухэтапный генетический алгоритм для отображения графа задач на СтнК с топологией mesh используется в работе [21]. Алгоритм учитывает, что вычислительные узлы являются неод-нородными и разбиты на группы с разной производительностью. Каждое возможное отображе-ние графа задач выражается в виде хромосомы, где гены соответствуют вершинам графа, а их значения – узлам СтнК. На первом шаге алгоритма для расчета функции пригодности хромосом используется упрощенная формула, по которой задержка передачи между вершинами графа за-дач напрямую зависит от среднего минимального расстояния между узлами для mesh топологии. Лучшие особи популяции подвергаются мутациям и перестановкам. Наиболее оптимальные эк-земпляры становятся исходными данными для второго шага генетического алгоритма, который отличается от первого только более точной формулой расчета задержки передачи данных и зави-сит непосредственно от минимального расстояния между узлами и уточняет размещение вершин графа задач на узлы СтнК соответствующего типа.

Аналогичное представление хромосом используется в работе [22], где параметром опти-мальности экземпляра является рабочая температура кристалла, оценка которой выполняется с помощью утилиты HotSpot [23]. Значения энергопотребления каждого вычислительного узла двухмерной mesh сети, необходимые для утилиты HotSpot, оцениваются с помощью синтеза в среде Synopsys Power Compiler. Для генерации тестовых последовательностей и моделирования данного подхода на примере создания декодера кода с низкой плотностью проверок на четность используется симулятор NoCSim [24]. Развитием данного подхода является работа [25], где про-екция выполняется на 3D mesh, а также работа [26], где, кроме параметра оптимальности по энергопотреблению, добавлен параметр минимизации занимаемой площади кристалла. Внимания также заслуживает работа [27], где рассмотрены вопросы энергоэффективного отображения за-дач на уже заданную архитектуру размещения узлов СтнК.




В работе [28] процесс синтеза энергоэффективной СтнК состоит из таких этапов, как ото-бражение графа подзадач на характеристический граф задачи, отображение процессорных эле-ментов на ячейки 2D mesh-подобной топологии, отображение маршрутной информации на со-единительные ресурсы, распределение приоритетов между задачами и установка частоты функ-ционирования линий связи в зависимости от их загрузки по алгоритму DVS [29]. Первые три эта-па выполняются с помощью генетических алгоритмов. Данный подход дает возможность на 39 % уменьшить энергопотребление по сравнению с алгоритмом, который основан на использовании случайного отображения задачи на СтнК и XY-маршрутизацию.

Выводы Таким образом, анализ различных способов синтеза СтнК путем проекции графа задачи на

предварительно заданную регулярную топологию показал, что все способы оптимизации заклю-чаются в поиске такого размещения вычислительных задач на узлах топологии, чтобы миними-зировать потоки данных и расстояния между узлами с наиболее интенсивным обменом данными. Достигается это путем применения различных подходов, основанных на решении задачи линей-ного программирования, генетических алгоритмов и различных инструментов по оценке распре-деления энергопотребления и других характеристик эффективности СтнК.

В большинстве случаев в качестве предопределенной топологии СтнК применяется ячеистая топология mesh, которой свойственны простота организации и использование детерминирован-ных алгоритмов маршрутизации, что является ее преимуществом, что в то же время определяет и недостатки – наличие ограничений, связанных с неоптимальной формой топологии, особенно в случае использования mesh топологии прямоугольной формы. По этой причине подход к синтезу СтнК путем проекции графа задачи на предварительно заданную регулярную топологию в ос-новном используется, когда СтнК имеет гомогенную структуру с однородными узлами и равно-мерным распределением потоков данных, и даже в этом случае актуальным является поиск нере-гулярных топологических решений СтнК с лучшими характеристиками. К тому же, большинство рассмотренных подходов к синтезу СтнК достаточно универсальны и применимы для синтеза СтнК на основе нерегулярных топологий, что позволит использовать преимущества детермини-рованного подхода, но с применением более эффективных топологий СтнК, оптимизированных под конкретную задачу.

Литература/References

1. Meenderinck C., Azevedo A., Juurlink B., Messa M.A., Ramires A. Parallel Scalability of Video Decoders. Journal of Signal Processing Systems, 2009, vol. 57, no. 2, pp. 173–194.

2. Ishebabi H., Mahr P., Bobda C., Gebser M., Shaub T. Answer Set Versus Integer Linear Pro-gramming for Automatic Synthesis of Multiprocessor Systems from Real-Time Parallel Programs. International Journal of Reconfigurable Computing, 2009. Available at: http://dx.doi.org/10.1155/ 2009/863630/.

3. Angiolini F., Meloni P., Carta S.M., Raffo L., Benini L. A Layout-Aware Analysis of Networks-on-Chip and Traditional Interconnects for MPSoCs. IEEE Transactions on Computer Aided Design of Integrated Circuits and Systems, 2007, vol. 26. no. 3, pp. 421–434.

4. Axel J., Hannu T. Networks on Chip. Dordrecht: Kluwer Academic Publishers, 2003. 303 p. 5. Benini L., Bertozzi D. Network-on-Chip Architectures and Design Methods. IEE Proceedings

Computers & Digital Techniques, 2005, vol. 152, no. 2, pp. 261-272. 6. Fan D., Yuan N., Zhang J., Zhou Y., Lin W., Song F.L., Ye X., Huang H., Yu L., Long G., Zhang H.,

Liu L. Godson-T: An Efficient Many-Core Architecture for Parallel Program Executions. Journal of Computer Science and Technology, 2009, vol. 24, no. 6, pp. 1061–1073.

7. Marculescu R., Ogras U. Outstanding Research Problems in NoC Design: System, Microarchitec-ture, and Circuit Perspectives. IEEE Transactions on Computer Aided Design of Integrated Circuits and Systems, 2009, vol. 28, no. 1, pp. 3–21.

8. Jingcao H., Marculescu R. Energy-aware Mapping for Tile-based NoC Architectures under Per-formance Constraints. Proceedings of the Asia and South Pacific Design Automation Conference (ASP-DAC 2003), 2003, pp. 233–239.

9. Chou C., Marculescu R. Contention-Aware Application Mapping for Network-on-Chip Commu-


Анализ подходов к синтезу сетей на кристалле с использованием регулярных топологий

2015, том 15, № 1 137

nication Architectures. IEEE International Conference on Computer Design (ICCD 2008), 2008, pp. 164–169.

10. Hu J., Marculescu R. Energy- and Performance-Aware Mapping for Regular NoC Architectures. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2005, vol. 24, no. 4, pp. 551–562.

11. Murali S., De Micheli G. Bandwidth-constrained Mapping of Cores onto NoC Architectures. Proceedings of the Conference on Design, Automation and Test in Europe (DATE’04), Paris, 2004, vol. 2, pp. 16–20.

12. Bertozzi D., Benini L. Xpipes: A Network-on-Chip Architecture for Gigascale Systems-on-Chip. IEEE Circuits and Systems Magazine, 2004, vol. 4, no. 2, pp. 18–31.

13. Murali S., Benini L., De Micheli G. Mapping and Physical Planning of Networks-on-Chip Architectures with Quality-of-Service Guarantees. Proceedings of the Asia and South Pacific Design Automation Conference (ASP-DAC 2005), 2005, vol. 1, pp. 27–32.

14. Murali S., De Micheli G. SUNMAP: A Tool for Automatic Topology Selection and Generation for NoCs. 41st Conference on Design Automation (DAC’04), 2004, pp. 914–919.

15. Murali S. Methodologies for Reliable and Efficient Design of Networks on chips: Ph.D. disser-tation . Stanford University, 2007. 272 p.

16. Srinivasan K., Chatha K.S. A technique for Low Energy Mapping and Routing in Network-on-Chip Architectures. Proceedings of the 2005 International Symposium on Low Power Electronics and Design (ISLPED’05), 2005, pp. 387–392.

17. Rhee C., Jeong H.Y., Ha S. Many-to-Many Core-Switch Mapping in 2-D Mesh NoC Architec-tures. IEEE International Conference on Computer Design: VLSI in Computers and Processors, 2004 (ICCD 2004). Proceedings, 2004, pp. 438–443.

18. Hansson A., Goossens K., Radulescu A. A Unified Approach to Mapping and Routing on a Network-on-Chip for Both Best-Effort and Guaranteed Service Traffic. VLSI Design, 2007, pp. 1–16.

19. Starobinski D., Karpovsky M., Zakrevski L.A. Application of Network Calculus to General To-pologies Using Turn-Prohibition. IEEE/ACM Transactions on Networking (TON), 2003, vol. 11, no. 3, pp. 411–421.

20. Ascia G., Catania V., Palesi M. Multi-Objective Mapping for Mesh-Based NoC Architectures. Proceedings of the 2nd IEEE/ACM/IFIP International Conference on Hardware/software Codesign and System Synthesis (CODES+ISSS’04), 2004, pp. 182–187.

21. Lei T., Kumar S. A Two-step Genetic Algorithm for Mapping Task Graphs to a Network on Chip Architecture. Euromicro Symposium on Digital System Design. Proceedings, 2003, pp. 180–187.

22. Hung W., Addo-Quaye C., Theocharides T., Xie Y., Vijakrishan N., Irwin M.J.Thermal-Aware IP Virtualization and Placement for Networks-on-Chip Architecture. IEEE International Conference on Computer Design: VLSI in Computers and Processors, 2004 (ICCD 2004). Proceedings. 2004. pp. 430–437.

23. Skadron K., Stan M.R., Huang W. Temperature-aware Microarchitecture. Proceedings of the 30th Annual International Symposium on Computer Architecture (ISCA’03), 2003, vol. 31, no. 2, pp. 2–13.

24. Whelihan D. The NOCsim Simulator Users Guide: Version 2.0. Pittsburgh, CMU, 2003. 51 p. 25. Addo-Quaye C. Thermal-aware Mapping and Placement for 3-D NoC Designs. IEEE Interna-

tional SOC Conference. Proceedings. 2005. pp. 25–28. 26. Hung W., Xie Y., Vijaykrishnan N. Thermal-aware Floorplanning Using Genetic Algorithms.

Sixth International Symposium on Quality of Electronic Design (ISQED 2005), 2005, pp. 634–639. 27. Xie Y., Hung W. Temperature-Aware Task Allocation and Scheduling for Embedded Multipro-

cessor Systems-on-Chip (MPSoC) Design. Journal of VLSI Signal Processing Systems for Signal, Image and Video Technology, 2006, vol. 45, no. 3. pp. 177–189.

28. Shin D., Kim J. Power-Aware Communication Optimization for Networks-on-Chips with Vol-tage Scalable Links. International Conference on Hardware/Software Codesign and System Synthesis (CODES+ISSS 2004), 2004, pp. 170–175.

29. Schmitz M.T., Al-Hashimi B.M. Considering Power Variations of DVS Processing Elements for Energy Minimization in Distributed Systems. Proceedings of the 14th International Symposium on Systems Synthesis (ISSS’01), 2001, pp. 250–255.




Романов Александр Юрьевич, ассистент кафедры информационных технологий и автома-тизированных систем, Московский институт электроники и математики, Национальный исследо-вательский университет «Высшая школа экономики» (г. Москва); [email protected].



2015, vol. 15, no. 1, pp. 133–138

THE ANALYSIS OF APPROACHES FOR THE SYNTHESIS OF NETWORKS-ON-CHIP BY USING REGULAR TOPOLOGIES A.Yu. Romanov, Moscow Institute of Electronics and Mathematics, National Research University “Higher School of Economics”, Moscow, Russian Federation, [email protected]

The article gives a review of existing methods of networks-on-chip design, based on the approach, in which the projection of the characteristic tasks graph is performed on a given regular topology. The general problem of the synthesis of networks-on-chip is characterized. The network topology can be foreknown (usually a regular topology) or se-lected in accordance with the tasks that will be performed by the network-on-chip. The first method of synthesis of networks-on-chip is widespread among the developers due to its relative simplicity and obviousness and presented in a variety of implementations, which are reviewed in this article. The advantages and disadvantages of this approach, the effect achieved by its application to various implementations of networks-on-chip and the way of its improvement, which consists in extension of the scope of solutions for regular network topologies on the predetermined irregular topologies with better characteristics are offered.

Keywords: network-on-chip, system-on-chip, network-on-chip regular topology, network-on-chip irregular topology, networks-on-chip design, networks-on-chip synthesis, problems characteristic graph.



2015, том 15, № 1 139

Введение Для количественной оценки заметности объекта введена эффективная поверхность рассеяния

(ЭПР, англ. RadarCross-Section). В радиолокации ЭПР – площадь некоторой фиктивной плоской поверхности, расположенной нормально к направлению падающей плоской волны и являющейся идеальным и изотропным переизлучателем, которая, будучи помещена в точку расположения цели, создаёт у антенны радиолокационной станции ту же плотность потока мощности, что и ре-альная цель [1].

ЭПР является количественной мерой свойства объекта рассеивать электромагнитную волну [2]. Наряду с энергетическим потенциалом приемопередающего тракта и коэффициентом усиления (КУ) антенн радиолокационных станций (РЛС), ЭПР объекта входит в уравнение дальности ра-диолокации и определяет дальность, на которой объект может быть обнаружен радиолокатором. Повышенное значение ЭПР означает бо́ льшую радиолокационную заметность объекта, снижение ЭПР затрудняет обнаружение.

ЭПР конкретного объекта зависит от его формы, размеров, материала, из которого он изго-товлен, от его ориентации (ракурса) по отношению к антеннам передающей и приемной позиций РЛС (в том числе, и от поляризации электромагнитных волн), от длины волны зондирующего радиосигнала. ЭПР определяется в условиях дальней зоны рассеивателя, приемной и передаю-щей антенн радиолокатора.

Основной характеристикой, определяющей свойства защищаемого объекта как отражающего электромагнитные излучения объекта, является эффективная поверхность рассеяния. Она харак-теризует способность преобразовывать падающую электромагнитную волну в рассеянную волну, распространяющуюся в направлении на приемник. В дальнейшем мы будем рассматривать одно-позиционную локацию, когда приемник и передатчик расположены в одном месте. Эффективная поверхность рассеяния (ЭПР) определяется как

204 s

i

SRS

,

где R0 – расстояние между передатчиком и объектом; Ss – плотность потока энергии рассеянной волны вблизи приемника; Si – плотность потока энергии падающей волны вблизи тела.

Метод решения задачи Радиопоглощающие материалы (РПМ) и радиопоглощающие покрытия (РПП) – это класс

материалов, применяемых в технологии снижения заметности («стелс-технология») для маски-ровки средств вооружения и военной техники от обнаружения радиолокационными средствами противника. Они являются составной частью общего направления, связанного с разработкой средств и методов уменьшения демаскирующих признаков оружия и военной техники в основ-ных физических полях. При взаимодействии электромагнитного излучения с РПМ происходят одновременные процессы поглощения, рассеяния (вследствие структурной и геометрической не-однородности материала) и интерференции радиоволн.

УДК 621.396.9

ПРИМЕНЕНИЕ РАДИОПОГЛОЩАЮЩИХ ПОКРЫТИЙ ДЛЯ СНИЖЕНИЯ ЭФФЕКТИВНОЙ ПОВЕРХНОСТИ РАССЕЯНИЯ М.Г. Вахитов

Рассматриваются результаты исследования влияния параметров материала радиопоглощающего покрытия, выполненного из керамических цилиндров покры-тых диэлектрическим материалом в качестве скрепляющего элемента. Покрытие применяется для снижения значения эффективной поверхности рассеяния (ЭПР). Приведены результаты исследования зависимости коэффициента рассеяния отдиэлектрической проницаемости цилиндров.

Ключевые слова: антенна, диэлектрическая проницаемость, эффективная по-верхность рассеяния.


М.Г. Вахитов


Различие между собственно материалами (РПМ) и покрытиями (РПП) до некоторой степени условно и предполагает, что первые входят в состав конструкции объекта, а вторые, как правило, наносятся на его поверхности. Условность разделения связана и с тем обстоятельством, что лю-бой радиопоглощающий материал является не только материалом, но и микроволновым устройст-вом-поглотителем. Способность материала поглощать высокочастотное излучение зависит от его состава и структуры. РПМ и РПП не обеспечивают поглощения излучения любой частоты, напро-тив, материал определенного состава характеризуется лучшей поглощающей способностью при определенных частотах. Не существует универсального поглощающего материала, приспособлен-ного для поглощения излучения радиолокационной станции (РЛС) во всем частотном диапазоне.

Существует распространенное заблуждение относительно того, что в результате применения РПМ объект становится невидимым для локаторов. В действительности, применение радиопо-глощающих материалов способно лишь существенно снизить эффективную поверхность рассея-ния объекта в конкретном диапазоне частот РЛС, что, однако не обеспечивает полную «невиди-мость» объекта при иных частотах излучения. РПМ являются лишь слагаемым обеспечения низ-кой заметности объекта, среди которых: конфигурация защищаемого объекта; конструктивно-компоновочные решения; широкое применение композиционных материалов, отсутствие собст-венных излучений и т. п.

Наличие диэлектрического покрытия может выполнять несколько функций. Во-первых, выполнять функцию защиты от внешних воздействий. Во-вторых, диэлектрическое покрытие должно выполнять определённое функциональное на-

значение. Например, снижать коэффициент рассеяния в определённом направлении. Чаще всего это направление совпадает с направлением распространения падающей на объект плоской элек-тромагнитной волны. С точки зрения электродинамики – это задача синтеза, которая может ре-шаться методом численной оптимизации по заданному критерию. Одним из таких критериев мо-жет быть минимум коэффициента рассеяния.

Описание Рассмотрим применение диэлектрических материалов, которыми покрывают идеально про-

водящий объект, и как такой материал влияет на коэффициент рассеяния. В качестве диэлектрического покрытия возьмём материал, состоящий из керамических ци-

линдров покрытых диэлектрическим материалом в качестве скрепляющего элемента. Керамика обладает большой прочностью к внешним воздействиям ударным и статическим. Поэтому такое покрытие может служить не только для снижения коэффициента рассеяния, но и в качестве за-щитного покрытия. Поскольку тангенс угла диэлектрических потерь керамики зависит от часто-ты, для удобства расчёта предположим, что tg 0,0006 . Такое же значение тангенса угла ди-электрических было выбрано и для скрепляющего диэлектрического материала.

Для исследования влияния такого покрытия на коэффициент рассеяния создадим в програм-ме электродинамического моделирования модель тела простейших тел из идеально проводящего материала (рис. 1) и сравним коэффициент рассеяния без материала и с ним.

Рис. 1. Пластина с диэлектрическим покрытием


Применение радиопоглощающих покрытий для снижения эффективной поверхности рассеяния

2015, том 15, № 1 141

Для вычисления коэффициентов отражения от идеально проводящей сферы, создадим мо-дель сферы в программе электродинамического моделирования. Для проверки соответствия пра-вильности разработанной модели, сравним полученные данные с решением, полученным строгим решением задачи дифракции плоской волны на идеально проводящей сфере. Полученные резуль-таты приведены на рис. 2.

а) б)

Рис. 2. Зависимость коэффициента рассеяния от электрического радиуса сферы: а – строгое решение; б – расчёт в программе электродинамического моделирования. k – волновое число; a – радиус сферы

Из рис. 2 видно, что полученные зависимости коэффициента рассеяния от частоты (рис. 2, б)

находятся в хорошем количественном соответствии со строгим решением (рис. 2, а). Полученные результаты Пусть на идеально проводящую пластину нормально падает линейно поляризованная пло-

ская волна. Рассмотрим следующие варианты: 1. Плоская волна нормально падает на идеально проводящую пластину (рис. 3). 2. Плоская волна нормально падает на идеально проводящую пластину с диэлектрическим

покрытием (рис. 4). 3. Плоская волна нормально падает на пластину из диэлектрического покрытия (рис. 5).

Рис. 3. Зависимость коэффициента рассеяния от частоты

для металлической пластины


Вестник ЮУрГУ. Серия 142

Рис. 4. Зависимость коэффициента рассеяния от частоты для металлической пластины

Рис. 5. Зависимость коэффициента рассеяния от частоты для пластины, выполненной из диэлектрического материала

Из анализа зависимостей, приведённых на рис. 4

словленный размерами пластины. При увеличении частоты, значение коэффициента рассеяния вравнивается, а значение с увеличением диэлектрической проницаемости цилиндров уменьшается.

На рис. 5 приводятся результаты исследования коэффициента рассеяния платины выполненой из покрытия. При значении диэлектрической проницаемости цилиндров равной 4 на частоте 4,5 ГГц наблюдается резонанс. При увеличении диэлектрической проницаемости, резонанс смщается по частоте в область низких частот. Это можно объяснить тем, что с увеличтрической проницаемости изменяется длина волны, которая распространяется в материале пкрытия. При значении диэлектрической проницаемости равной фициента рассеяния. В дальнейшем при увеличении значения низких частот.


Зависимость коэффициента рассеяния от частоты для металлической пластины, покрытой диэлектрическим материалом

Зависимость коэффициента рассеяния от частоты для пластины, выполненной из диэлектрического материала

Из анализа зависимостей, приведённых на рис. 4, видно, что на частоте 0размерами пластины. При увеличении частоты, значение коэффициента рассеяния в

равнивается, а значение с увеличением диэлектрической проницаемости цилиндров уменьшается. На рис. 5 приводятся результаты исследования коэффициента рассеяния платины выполне

й из покрытия. При значении диэлектрической проницаемости цилиндров равной 4 на частоте ГГц наблюдается резонанс. При увеличении диэлектрической проницаемости, резонанс см

щается по частоте в область низких частот. Это можно объяснить тем, что с увеличтрической проницаемости изменяется длина волны, которая распространяется в материале пкрытия. При значении диэлектрической проницаемости равной = 8, появляется минимум коэфициента рассеяния. В дальнейшем при увеличении значения , минимум с


«Компьютерные технологии, управление, радиоэлектроника»

покрытой диэлектрическим материалом

для пластины, выполненной из диэлектрического материала

видно, что на частоте 0,5 ГГц резонанс обу-размерами пластины. При увеличении частоты, значение коэффициента рассеяния вы-

равнивается, а значение с увеличением диэлектрической проницаемости цилиндров уменьшается. На рис. 5 приводятся результаты исследования коэффициента рассеяния платины выполнен-

й из покрытия. При значении диэлектрической проницаемости цилиндров равной 4 на частоте ГГц наблюдается резонанс. При увеличении диэлектрической проницаемости, резонанс сме-

щается по частоте в область низких частот. Это можно объяснить тем, что с увеличением диэлек-трической проницаемости изменяется длина волны, которая распространяется в материале по-

8, появляется минимум коэф-, минимум сдвигается в область


Применение радиопоглощающих покрытий для снижения эффективной поверхности рассеяния

2015, том 15, № 1 143

На рис. 6 приведены зависимости коэффициента рассеяния от частоты для всех рассмотрен-ных вариантов. Видно, что в случае, когда плоская волна падает на идеально проводящую пла-стину, в области низких частот резко возрастает коэффициент рассеяния, что можно объяснить тем, что на данной частоте пластина выступает в качестве резонатора и излучает в окружающее пространство. В области высоких частот коэффициент рассеяния носит колебательный характер.

Рис. 6. Зависимость коэффициента рассеяния от частоты: 1 – идеально проводящая пластина; 2 – идеально проводящая пластина с диэлек- трическим покрытием; 3 – диэлектрическое покрытие

В случае проводящей пластины с диэлектрическим покрытием, видно, что в области низких

частот так же наблюдается резонанс, но меньший по уровню, чем для пластины без покрытия. В области высоких частот наблюдается колебательный характер коэффициента рассеяния, но меньший по уровню, но уровень меньше, чем в случае идеально проводящей пластины. Умень-шение уровня коэффициента рассеяния можно объяснить потерями в диэлектрике, при прохож-дении электромагнитной волны.

При падении плоской волны на пластину из диэлектрического материала, которая выступала в качестве покрытия идеально проводящей пластины, в области низких частот наблюдается воз-растание коэффициента рассеянии, в середине диапазона большое значение σ можно объяснить резонансными явлениями, возникающими при провождении плоской волны. В области высоких частот происходит существенное уменьшение σ, поскольку для этих частот толщина покрытия составляет /4, вследствие чего, падающая и отражённая волна в материале компенсируют друг друга, что и приводит к уменьшению .

Выводы 1. Получены зависимости коэффициента рассеяния для случая падения нормального плоской

волны на идеально проводящую пластину, на идеально проводящую пластину с диэлектрическим покрытием, на пластину из диэлектрического покрытия.

2. Показано, что в случае падения плоской волны на пластину с диэлектрическим материа-лом, коэффициент рассеяния уменьшает за счёт потерь в диэлектрике.

3. При падении плоской волны на пластину из диэлектрического материала, в области высо-ких частот наблюдается уменьшение коэффициента рассеяния.

Исследование выполнено в Южно-Уральском государственном университете (националь-

ном исследовательском университете) за счет гранта Российского научного фонда (проект № 14-19-00327).




Литература 1. Финкельштейн, М.И. Основы радиолокации: учеб. для вузов / М.И. Финкельштейн. –

2-е изд. – М.: Радио и связь, 1983. 2. Skolnik, M.I. Radar Handbook / M.I. Skolnik. – 2nd ed. – McGraw-HillProfessional, 1990. 3. Панченко, Б.А. Рассеяние и поглощение электромагнитных волн неоднородными сфериче-

скими телами: моногр. / Б.А. Панченко. – М.: Радиотехника, 2013. – 264 с. 4. Фок, В.А. Проблемы дифракции и распространения электромагнитных волн / В.А. Фок. –

М.: Советское радио, 1970. – 520 с. 5. Уфимцев, П.Я. Метод краевых волн в физической теории дифракции: моногр. / П.Я. Уфим-

цев. – М.: Советское радио, 1962. – 244 с. 6. Уфимцев, П.Я. Теория дифракции краевых волн в электродинамике: пер. с англ. / П.Я. Уфим-

цев. – М.: БИНОМ. Лаборатория знаний, 2007. – 366 с. Вахитов Максим Григорьевич, канд. техн. наук, доцент кафедры конструирования и

производства радиоаппаратуры, Южно-Уральский государственный университет (г. Челябинск); [email protected].



2015, vol. 15, no. 1, pp. 139–144

APPLICATION OF RADAR ABSORBING COATINGS FOR REDUCTION OF EFFECTIVE SCATTERING SURFACE M.G. Vakhitov, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

The article discusses research results ofparameters influence material coverings, the cylinder made of ceramic coated with a dielectric material as the fastening element. The coating is applied to reduce the values of the radar cross-section (RCS). The results of research of the dependence of the scattering coefficient of the dielectric constant of the cylinder.

Keywords: antenna, dielectric constant,radar cross-section.

References 1. Finkel'shtejn M.I. Osnovy radiolokatsii. [Fundamentals of radar]. Moscow, Radio i svjaz', 1983. 2. Skolnik M.I. Radar Handbook. 2nd ed. McGraw-Hill Professional, 1990. 3. Panchenko B.A. Rasseyanie i pogloshchenie elektromagnitnykh voln neodnorodnymi sferi-

cheskimi telami [Scattering and absorption of electromagnetic waves by inhomogeneous spherical bo-dies]. Moscow, Radiotekhnika, 2013. 264 p.

4. Fok V.A. Problemy difraktsii i rasprostraneniya elektromagnitnykh voln [Problems of diffraction and propagation of electromagnetic waves]. Moscow, Sovetskoe radio, 1970. 520 p.

5. Ufimcev P.Ya. Metod kraevykh voln v fizicheskoy teorii difraktsii [Method of Boundary Waves in the Physical Theory of Diffraction]. Moscow, Sovetskoe radio, 1962. 244 p.

6. Ufimcev P.Ya. Teoriya difraktsii kraevykh voln v elektrodinamike [Theory of diffraction edge waves in electrodynamics]. Moscow, BINOM, Laboratoriya znaniy, 2007. 366 p.



2015, том 15, № 1 145

1. Состояние вопроса Состояние инженерного дела в любой стране тесно связано с состоянием инженерного обра-

зования и уровнем подготовки специалистов в области техники и технологии. Россия не является исключением. Российское инженерное образование имеет более чем 300-летнюю историю и бо-гатые традиции [1]. Однако текущее состояние инженерного образования в России вызывает серьезную озабоченность как у руководителей и работников высших учебных заведений, так и представителей власти.

Результаты исследований, проведённых ассоциацией инженерного образования России (АИОР) в 2011–2012 гг., показывают, что инженерное дело в России находится в критическом состоянии [2–5]. Для оценки текущего состояния были определены ряд признаков, в том числе: востребо-ванность выпускников работодателями; конкурс на инженерные специальности (направления подготовки) или уровень среднего балла ЕГЭ; объем выполняемых научных работ на одного ППС; доля образовательных программ, прошедших общественно-профессиональную аккредита-цию. Подавляющее большинство экспертов (83 %) вынуждены были признать, что инженерное образование в нашей стране находится в неудовлетворительном состоянии [3].

Многие авторы считают, что причины, приведшие к такой ситуации, лежат не только в сфере подготовки специалистов в области техники и технологии, но имеют системный характер и лежат в сфере политики, экономики, управления, в социальной сфере. Нельзя не признать, что кризис в ин-женерном деле свидетельствует и о кризисе в состоянии инженерного образования в стране [5–7].

2. Определение и историческая справка Под инженерным делом понимается область технической деятельности, которая направлена

на практическое использование научных, экономических, социальных и практических знаний для того, чтобы разрабатывать, изобретать, конструировать, корректировать и поддерживать маши-ны, устройства, материалы, процессы, структуры с целью удовлетворения разнообразных жиз-ненных человеческих потребностей и включает в себя комплекс специализированных областей и дисциплин. Это активная творческая деятельность, направленная на преобразование природы.

В СССР в русском языке возникло устойчивое выражение «достижения науки и техники», где под «техникой» подразумевалась инженерная деятельность в целом и прикладные научные исследования в частности. Это расширенное понимание техники как научно-технической дея-

УДК 378.14

ИНЖЕНЕРНОЕ ОБРАЗОВАНИЕ СЕГОДНЯ: ПРОБЛЕМЫ МОДЕРНИЗАЦИИ Н.В. Плотникова, Л.С. Казаринов, Т.А. Барбасова

Рассматривается текущее состояние инженерного дела в России. На сегодняш-ний день это состояние является критическим, что свидетельствует о неудовлетво-рительном уровне инженерного образования в целом в нашей стране. Приводится понятие инженерного дела как области технической деятельности, рассмотрено раз-витие этого понятия в историческом аспекте, начиная с советского периода и до на-стоящего времени.

С расширением и углублением научных знаний происходит профессиональная специализация инженерной профессии по дисциплинам. Услуги, оказываемые со-временными инженерными организациями, часто выходят за рамки традиционной инженерии в области реализации инженерных разработок. Все это приводит к необ-ходимости пересмотра и модернизации концепции инженерного образования. При-веден обзор ряда предложений по модернизации инженерного образования. Пред-лагается способ формирования учебных планов на основе образовательных стан-дартов 3 поколения, позволяющий изменить общеинженерную и фундаментальную подготовку с учетом академического и прикладного бакалавриата.

Ключевые слова: инженерное образование, модернизация, формирование учеб-ных планов.


Н.В. Плотникова, Л.С. Казаринов, Т.А. Барбасова


тельности подчеркивало неразрывную связь и взаимозависимость теории в лице инженерных на-уки и практики в лице инженерной деятельности [8].

В советский период понятие техники расширилось и помимо технической деятельности ста-ло также охватывать круг наук, связанных с изучением и созданием технических устройств. Госу-дарственное руководство прикладными исследованиями в СССР осуществлял комитет по науке и технике, который совместно с Академией наук СССР и другими органами отбирал наиболее пер-спективные фундаментальные исследования и организовывал их дальнейшую разработку в спе-циализированных инженерных институтах и конструкторских бюро с последующим внедрением результатов исследований в народное хозяйство. Таким образом, связь между фундаментальной наукой и отраслями народного хозяйства обеспечивалась именно посредством инженерии.

На рубеже XX–XXI вв. слово «техника», как термин для обозначения инженерного дела, стал выходить из употребления в русском языке в пользу заимствованного термина «инженерия» и иностранного «инжиниринг». В 1947 г. авторитетная американская организация в области обуче-ния, аккредитации и регулирования деятельности инженерных кадров «Совет по профессиональ-ному развитию инженеров» (Engineers' Council for Professional Development [ECPD]) предложила следующее определение термина «инженерия».

Инженерия – это творческое приложение научных принципов: а) к проектированию или разработке сооружений, машин, аппаратуры или процессов их из-

готовления, или к объектам, в которых эти устройства или процессы используются разрозненно или комплексно;

б) конструированию и эксплуатации вышеуказанных инженерных устройств в полном соот-ветствии с проектом;

в) прогнозированию поведения инженерных устройств в определенных условиях эксплуата-ции – руководствуясь соображениями обеспечения их функциональности, экономичности в ис-пользовании и безопасности для жизни и имущества.

Специалист, занимающийся инженерным делом, называется инженером. В современной эко-номической системе, деятельность инженера – это совокупность услуг в области инженерно-технической деятельности. Деятельность инженера в отличие от деятельности других представи-телей творческой интеллигенции по своей роли в общественном производстве является произво-дительным трудом, непосредственно участвующим в создании национального дохода.

С расширением и углублением научных знаний произошла профессиональная специализация инженерной профессии по дисциплинам. В настоящее время продуктивная инженерная деятель-ность возможна исключительно в рамках коллектива инженеров, каждый из которых специали-зируется в определенной области инженерии. На рынке инженерных услуг действуют инже-нерные организации, которые могут принимать форму научно-исследовательских институтов, проектно-конструкторские бюро, научно-производственных объединений (НПО) и т. д. В усло-виях рынка, услуги, оказываемые инженерными организациями, весьма разнообразны по специа-лизации, содержанию и качеству. Многие инженерные организации оказывают комплекс услуг, зачастую включающий услуги, выходящие за рамки традиционной инженерии в области реали-зации инженерных разработок.

Современное понимание инженерного дела подразумевает целенаправленное использование научных знаний в создании и эксплуатации инженерных технических устройств, являющихся результатом преобразовательной деятельности инженера, и охватывает три вида инженерно-технической деятельности:

1) исследовательская (научно-техническая) деятельность – прикладные научные исследова-ния, технико-экономическое обоснование планируемых капиталовложений, планирование;

2) конструкторская (проектная) деятельность – конструирование (проектирование), создание и испытание прототипов (макетов, опытных образцов) технических устройств; разработка техно-логий их изготовления (сооружения), упаковки, перевозки, хранения и проч.; подготовка конст-рукторской / проектной документации;

3) технологическая (производственная) деятельность – организационная, консультационная и иная деятельность, направленная на внедрение инженерных разработок в практическую деятель-ность экономических субъектов с их последующим сопровождением (технической поддержкой) и / или эксплуатацией по поручению заказчика.


Инженерное образование сегодня: проблемы модернизации

2015, том 15, № 1 147

3. Причины, обусловливающие необходимость инноваций в инженерном образовании, и предлагаемые решения Можно указать ряд устойчивых закономерностей, влияющих на производительные силы со-

общества, обусловленных общемировыми тенденциями к большей интеграции мирового сообще-ства во всех сферах деятельности [2, 9]. К таким закономерностям можно отнести следующие:

увеличивающийся рост объема информации, в том числе и профессиональной; постоянно увеличивающийся темп смены технологий и оборудования; рост значимости наукоемких и информационных технологий по сравнению с трудоемкими

технологиями; приоритетность и востребованность результатов научных исследований для разработки но-

вых технологий, оборудования; возрастание ценности творческой профессиональной деятельности в любой сфере общест-

венной практики. Современное инженерное образование предполагает необходимость регулярного (хотя бы

раз в три года) обновления практической части учебной программы, ориентируясь на новейшие тенденции развития соответствующей отрасли [1]. За 4–6 лет, проходящих со дня зачисления студента в вуз и получения им диплома об окончании (бакалавра или магистра), любая академи-ческая программа, даже учитывающая новейшие на момент поступления технологии, существен-но устаревает. В результате студент получает знания, устаревшие на 10 и более лет и вынужден ликвидировать пробелы в знаниях и умениях самостоятельно при помощи найденной литературы и общения с будущими коллегами.

По мнению ассоциации технических университетов в России, первоочередными мерами по улучшению научно-технического образования и повышению его престижности должно быть [1] налаживание системы технологической подготовки школьников и улучшение их профессиональ-ной ориентации, укрепление связей средних общеобразовательных учреждений с техническими вузами, расширение целевого набора студентов, закрепление молодых специалистов на предпри-ятиях материальными и социальными средствами и др.

В [3] приведены основные предложения, направленные на модернизацию инженерного обра-зования: совершенствование законодательной базы, направленное на снижение бюрократизации в деятельности вузов и расширение академических свобод; принятие закона об инженерной дея-тельности; подготовка новой генерации вузовского менеджмента; развитие национальной между-народно признанной системы общественно-профессиональной аккредитации образовательных программ и сертификации инженерных квалификаций; привлечение работодателей и ученых РАН к процессу подготовки специалистов и переподготовки ППС; развитие академической мо-бильности в национальных и международных масштабах; развитие системы инженерного пред-принимательства; развитие сети лицеев под патронажем вузов; формирование общественного мнения о важности инженерной профессии и повышение статуса инженера в обществе.

В [10] предлагается интересный подход (концепция) к формированию инженерной элиты с основной идеей «Миссия современного российского общества – возрождение российской инже-нерной школы как признанного мирового лидера в решении глобальных проблем человечества и взращивание высоконравственной инженерной элиты, способной работать в интересах России». В качестве основных задач указаны следующие:

– освоение коммуникативной компетенции, соответствующей международным образова-тельным и профессиональным стандартам;

– овладение навыками профессионального общения на английском языке; – профориентационное сопровождение учебного процесса, направленное на выработку у

студентов творческого, системного синергетического мышления, устойчивой мотивации к труду по полученной специальности, потребности профессионального саморазвития и социальной от-ветственности за результаты своего труда;

– расширение общеинженерного и культурно-нравственного кругозора, воспитание лич-ности.

Базовыми инструментами концепции авторы считают: – инженерное дело (также инженерия, инжиниринг) – среда совершенствования коммуни-

кативной компетенции;




– иностранный язык (английский, как общепринятый язык международной коммуникации) – инструментальная оболочка коммуникативной технологии;

– практический менеджмент – игровые правила интенсивного обучения (тренинга); – IT-технологии – катализатор качества образовательного процесса. В [7] приведен ряд принципов, выполнение которых позволит обеспечить высокую эффек-

тивность и осуществлять подготовку высококвалифицированных кадров в соответствии с совре-менными тенденциями развития общества и производства. Суть этих принципов сводится к тому, что подготовка инженеров планируется на основе долгосрочных договоров университета с пере-довыми промышленными предприятиями в соответствии с программой развития отрасли. Инте-грация осуществляется в согласовании учебных планов и программ теоретических дисциплин и непрерывной научно-производственной практики (которая равномерно распределена на весь пе-риод обучения), а также в совместном привлечении специалистов предприятий и университета к подготовке специалистов и о совместном использовании как лабораторной базы университета, так и материально-технической базы предприятий. Возможность оперативного изменения соста-ва базовых кафедр, содержания дисциплин позволяет обеспечить гибкость в выборе направлен-ной подготовки и отражает процесс динамично развивающейся отрасли. Кроме того, высокое качество подготовки обеспечивается за счет внедрения в учебный процесс результатов научно-технических разработок и повышения квалификации ППС путем участия в совместных учебных и научно-исследовательских работах.

4. О формировании учебных планов с учетом академического и прикладного бакалавриата В проектах новых образовательных стандартов ФГОС 3+ предусмотрена подготовка бака-

лавров как прикладной, так и академической квалификаций. Отличие в их подготовке состоит в разнице академических часов (зачетных единиц) аудиторных занятий и часов, отводимых на практику.

Представляется целесообразным при составлении учебных планов сформировать вертикаль-ные блоки профессиональной подготовки. Например, для направления подготовки «Управление в технических системах» это могут быть блок общепрофессиональных дисциплин, блок инфор-матики и программирования, блок управления в технических системах и т. д. Такой подход по-зволяет выстроить структуру последовательного изучения профессиональных дисциплин, начи-ная с младшего и заканчивая старшими курсами. Кроме того, такая организация учебного плана позволит легко сформировать матрицу компетенций.

Деление только что поступивших абитуриентов на «прикладников» и «академиков» на пер-вом курсе затруднительно, так как нет возможности оценить уровень их подготовки и степень усвоения ими теоретического материала. Такое деление можно проводить в конце второго или начале третьего курсов, когда будут известны их успехи по освоению профессиональных дисци-плин. Следовательно, в учебном плане необходимо предусмотреть возможность совместного (одинакового) обучения студентов прикладной и академической квалификаций до второго курса включительно. Разницу в часах (зачетных единицах) для бакалавров разных квалификаций мож-но компенсировать за счет дисциплин по выбору. Практики студентов первого и второго курсов также должны быть одинаковыми. Возможно, что в процессе обучения найдутся студенты-«прикладники», легко осваивающие программу академического бакалавриата, и наоборот. Это предполагает, что в учебном плане должна быть предусмотрена возможность безболезненного перехода с одного уровня на другой.

Основной проблемой, обусловливающей торможение развития системы образования, явля-ется отсутствие мотивации основной массы студентов в достижении повышенных успехов в учебе. Для пробуждения интереса студентов к достижению в учебе повышенных результатов целесообразно создать состязательную среду в рамках отдельных образовательных программ. С этой целью считаем необходимым создавать в рамках одной образовательной программы два потока студентов: типовой подготовки (поток 1) и повышенной подготовки (поток 2). Поток 1 обучается по типовой программе соответствующего образовательного направления. Поток 2 обучается по программе повышенной подготовки. В зависимости от образовательной програм-мы и конкретных условий обучения в образовательной организации программы повышенной



2015, том 15, № 1 149

подготовки могут формироваться на основе различных принципов, среди которых следует вы-делить следующие:

изучение углубленных курсов дисциплин с использованием более сложного теоретическо-го материала, включающие современные достижения в соответствующей отрасли науки и др.;

изучение дополнительных дисциплин, повышающих уровень подготовки студентов, как в академическом, так и в прикладном направлениях;

реализация проектного обучения, основанная на разработке комплексных технических проектов, охватывающих целый ряд дисциплин и носящих сквозной характер по курсам и се-местрам;

целевая подготовка по индивидуальным программам обучения, согласованным с конкрет-ными предприятиями-работодателями;

реализация международных программ подготовки с преподаванием ряда дисциплин на иностранном языке и получением двойных дипломов;

иные подходы. С целью мотивации студентов 2 потока необходимо предусматривать повышенные стипен-

дии, возможности стажировок и возможность дополнительного заработка по проектам кафедры или на предприятиях. С целью организации конкурентной среды необходимо предусмотреть пе-ревод студентов из одного потока в другой в зависимости от их успехов в учебе. Для способных студентов это будет являться прямым стимулом к стремлению попасть в поток 2 и успешно там учиться.

Заключение Инженерное образование требует новой стратегии и тактики развития, направленной на его

оживление и подъем. В работе предлагается подход к организации учебного процесса в рамках образовательных программ на основе выделения двух состязательных потоков. Данный подход может быть реализован в рамках ФГОС 3+, который предоставляет большую свободу образова-тельным учреждениям в выборе форм организации образовательного процесса. Предложенный подход позволяет повысить мотивацию студентов к успешной учебе.


1. Арефьев, А.Л. Об инженерно-техническом образовании в России / А.Л. Арефьев, М.А. Арефьев – http://www.socioprognoz.ru/files/File/publ/Inkzenerno_technicheckoe.pdf.

2. Шутова, Л.А. Проблемы модернизации инженерного образования в России / Л.А. Шутова, А.И. Шутов. – http://kafedra.net.ua/ru/conferenses/2014/107-2014-04-25-14-25-13.html.

3. Похолков, Ю.П. Печально, но факт. Тезис о лучшем в мире российском образовании сего-дня звучит неубедительно / Ю.П. Похолков. – http://www.poisknews.ru/theme/edu/923/.

4. Материалы экспертных семинаров-тренингов по теме «Состояние инженерного дела и инженерного образования в России» // Общероссийская общественная организация Ассоциация инженерного образования России (АИОР): [офиц. сайт]. – [М.]: Ассоц. инженер. образования России, [2003–2012]. – http://aeer.ru/events/ru/trainings.htm.

5. Огородова, Л.М. Инженерное образование и инженерное дело в России: проблемы и реше-ния / Л.М. Огородова, В.М. Кресс, Ю.П. Похолков // Инженер. образование. – 2012. – № 11. – С. 18–23.

6. Похолков, Ю.П. Подходы к формированию национальной доктрины инженерного образо-вания России в условиях новой индустриализации: проблемы, цели, вызовы / Ю.П. Похолков, Б.Л. Агранович // Инженер. образование. – 2012. – № 9. – С. 5–11.

7. Симоньянц, Н.П. Проблемы инженерного образования и их решение с участием промыш-ленности / Н.П. Симоньянц. – http://technomag.edu.ru/doc/699795.html.

8. Тимошенко, С.П. Инженерное образование в России / С.П. Тимошенко. – http://www.emomi.com/ download/timoshenko_obrasovanie/#11.

9. Сапрыкин, Д.Л. Страницы истории. Инженерное образование в России: история, концеп-ция, перспективы / Д.Л. Сапрыкин // Высш. образование в России. – 2012. – № 1. – С. 125–137.

10. Яминский, А.В. Инженерная элита России: понятие, концепция и школа совершенство-вания / А.В. Яминский, А.В. Мышаков. – http://technomag.edu.ru/doc/230463.html.




Плотникова Наталья Валерьевна, канд. техн. наук, доцент, заместитель декана приборо-строительного факультета (КТУР), Южно-Уральский государственный университет (г. Челябинск); [email protected].

Казаринов Лев Сергеевич, д-р техн. наук, профессор, декан приборостроительного факульте-та (КТУР), Южно-Уральский государственный университет (г. Челябинск); [email protected].

Барбасова Татьяна Александровна, канд. техн. наук, доцент кафедры автоматики и управ-ления, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 15 января 2014 г.


2015, vol. 15, no. 1, pp. 145–151

ENGINEERING EDUCATION TODAY: PROBLEMS OF MODERNIZATION N.V. Plotnikova, South Ural State University, Chelyabinsk, Russian Federation, [email protected], L.S. Kazarinov, South Ural State University, Chelyabinsk, Russian Federation, [email protected], T.A. Barbasova, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

Current state of engineering in Russia is considered. This state is critical today, it testifies about unsatisfactory level of engineering education in our country generally. The concept of engineering is given as area of technical activity, development of this con-cept in historical aspect since the Soviet period and so far is considered.

There is a professional specialization of an engineering profession in disciplines in connection with expansion and intensification of scientific knowledge. The services rendered by modern engineering organizations are often beyond traditional engineering in the field of realization of engineering development. All this results to revise and modernize the concept of engineering education. The review of a number of offers on modernization of engineering education is provided. The way of curricula formation on the basis of edu-cational standards of 3 generations allowing to change all-engineering and fundamental training taking into account the academic and applied bachelor degree is offered.

Keywords: engineering education, modernization, formation of curricula.

References 1. Aref’ev A.K., Aref’ev M.A. Obinzhenerno-tekhnicheskom obrazovanii v Rossii [About Technical

Education in Russia]. Available at: http://www.socioprognoz.ru/files/File/publ/Inkzenerno_ technicheckoe.pdf.

2. Shutova L.A., Shutov A.I. Problemy modernizatsii inzhenernogo obrazovaniya v Rossii [Prob-lems of Modernization of Engineering Education in Russia]. Available at: http://kafedra.net.ua/ru/ conferenses/2014/107-2014-04-25-14-25-13.html.

3. Pokholkov Yu.P. Pechal’no, no fact. Tezis o luchshem v mire rossiyskom obrazovanii segodnya zvychit neubeditel’no [Sadly, but Fact. The Thesis about the Russian Education, the Best in the World, Sounds Unconvincingly Today]. Available at: http://www.poisknews.ru/theme/edu/923/.

4. Materialy ekspertnych seminarov-treningov po teme “Sostoyanie inzhenernogo dela i inzhener-nogo obrazovaniya v Rossii” [Materials of Expert Seminars Trainings on the Subject “Condition of En-gineering and Engineering Education in Russia”]. Available at: http://aeer.ru/events/ru/trainings.htm.



2015, том 15, № 1 151

5. Ogorodova L.M., Kress V.M., Pokholkov Yu.P. [Engineering Education and Engineering in Rus-sia: Problems and Decisions]. Engineering education, 2012, no. 11, pp. 18–23. (in Russ.)

6. Pokholkov Yu.P., Agranovich B.L. [Approaches to Formation of the National Doctrine of Engi-neering Education of Russia in the Conditions of New Industrialization: Problems, Purposes, Calls]. Engineering Education, 2012, no. 9, pp. 5–11. (in Russ.)

7. Simon’yants N.P. Problemy inzhenernogo obrazovaniya i ikh reshenie s uchastiem promyshlen-nosti [Problems of Engineering Education and their Decision with Participation of the Industry]. Availa-ble at: http://technomag.edu.ru/doc/699795.html.

8. Timoshenko S.P. Inzhenernoe obrazovanie v Rossii [Engineering Education in Russia]. Available at: http://www.emomi.com/download/timoshenko_obrasovanie/#11.

9. Saprykin D.L. [Pages of History. Engineering Education in Russia: History, Concept, Prospects]. Higher Education in Russia, 2012, no. 1, pp. 125–137. (in Russ.)

10. Yaminskiy A.V., Myshakov A.V. Inzhenernayua elita Rossii: ponyatie, kontseptsiya i shkola sovershenstvovaniya [Engineering Elite of Russia: Definition, Concept and School of Improvement]. Available at: http://technomag.edu.ru/doc/230463.html.

Received 15 January 2014



Введение Управление энергоемкими технологическим объектами предполагает, чтобы соответствую-

щее управление не только обеспечивало ведение технологического процесса в рамках технологи-ческого регламента, но и обеспечивало повышенную эффективность процессов. Достижение вы-сокой эффективности процессов может быть осуществлено на основе двух стадий управления. На первой стадии осуществляется приведение режимных параметров в рамки технологических допусков на основе факторных или иных зависимостей показателей производительности и объе-мов потребления ресурсов от режимных факторов. На второй стадии управления обычно осуще-ствляется стабилизация режимных параметров в рамках технологических допусков при действии различных возмущений.

Обе стадии управления в настоящее время хорошо изучены по данной проблематике имеется обширная литература [1–5]. Однако современное производство требует достижения повышенных показателей производительности в рамках технологических допусков. Данная задача в настоящее время исследована недостаточно. Для ее решения в работе предлагается метод, основанный на выделении целевых областей повышенной производительности в пространстве режимных пара-метров.

Методика оперативного выбора значений управляемых параметров Допустим дано множество режимных параметров технологического объекта { : }ix i I . (1) Данное множество параметров разбивается на две подгруппы: управляемые параметры и не-

управляемые, у{ : }ix i I , н{ : }ix i I . (2)

Формируется индексное множество всевозможных упорядоченных пар параметров c {( , ) : ( , ) }I i j i j I I . (3)

Предположим, что режимные параметры в области технологических допусков представляют собой случайные величины. В рамках технологических допусков выделяется области повышенного качества на основе кластеризации. Далее определяются центры каждого эффективного кластера и производится центрирование режимных параметров.

Для описания областей повышенного качества будем использовать представление данных областей в виде эллипсов для каждой упорядоченной пары параметров (xi, xj). Кроме того, нахо-дятся коэффициенты линейной регрессии Kij, в зависимости параметров xi, xj.

С этой целью нормализации представления области повышенного качества производится за-мена переменных:

1 11 1 12 2

2 21 1 22 2

,.

y b x b xy b x b x

(4)

УДК 51-74

МЕТОД ЭЛЛИПТИЧЕСКИХ ЦЕНТРОИДОВ В УПРАВЛЕНИИ ЭФФЕКТИВНОСТЬЮ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ Л.С. Казаринов, Т.А. Барбасова

Предложен метод эллиптических центроидов для решения задач выбора эффективных значений управляемых параметров, анализа рисков принятия неэф-фективных решений и рисков пропусков эффективных решений при управлении технологическими процессами. Предложенный метод рассматривается как основа построения экспертной системы поддержки принятия решений по управлению эффективностью технологических процессов.

Ключевые слова: интегрированное планирование ресурсов, энергетическаяэффективность, экспертная система.


Метод эллиптических центроидов в управлении эффективностью технологических процессов

2015, том 15, № 1 153

Формулы замены переменных: a) i j ,

11 12

21 22

1, 0,0, 1;

b bb b

(5)

б) i j ,

11 122 2

21 222 2

, ,1 1

, .1 1

i j i j i j

i j i j

i j i j

i j i j

s s Kb b

K K

K sb b

K K

(6)

Вводятся дискриминантные функции эллиптических центроидов: a) i j ,

22 2

02i

iii

y r R

; (7)

б) i j , 22

2 202 2

jiij

i j

yy r R

. (8)

В нормализованном виде дискриминантные функции представляются системой неравенств c( , ) 0, ( , ) .ij i jf x x i j I (9)

Здесь a) i j , 2

2 202( , ) i

ij i j iii

yf x x r R

; (10)

б) i j , 22

2 202 2( , ) ji

ij i j iji j

yyf x x r R

. (11)

Базовая задача состоит в выборе значений управляемых параметров у{ : }ix i I при задан-ных значениях неуправляемых параметров н{ : }ix i I .

С этой целью формулируется квадратичная невязка решения системы неравенств (9)

22c

1 1( , ) ,

n n

ij i ji j

E f x x

(12)

где ( , ), при ( , ) 0;

( , )0, при ( , ) 0.

ij i j ij i jij i j

ij i j

f x x f x xf x x

f x x

(13)

На допустимые значения параметров накладываются ограничения в виде неравенств min max , .i i ix x x i I (14)

Квадратичная невязка ограничений (14):

2 22 min max

1

n

x i i i ii

E x x x x

. (15)

Общая невязка решения неравенств (9), (14) формулируется в виде штрафной функции 2 2 20 c xE E E . (16)

Ставится задача: найти допустимое значение управляемых параметров по критерию мини-мума невязки ограничений (12) при условии, что неуправляемые параметры в рамках заданных ограничений стремятся напротив обеспечить максимум указанной невязки. Формально данная задача может быть представлена как минимаксная задача математического программирования:


Л.С. Казаринов, Т.А. Барбасова


y н

2с{ } { }

min max { : } ,i i

ix I x IE x i I

при 2

{ }min { : } .

ix ix I

E x i I

(17)

Решение задачи (17) будем осуществлять градиентным методом. В этом случае рекуррентное соотношение алгоритма решения задачи будет иметь вид:

1 11 212 2 21

,n

ji ii ii ij

ii i jj i

yy yx f f b b

2 12 222 21

,n

jii ij

i i jj i

yyx f b b

min max3 ( ) ( )i i ic i i ic ix x x x x x x ,

, 1 , 1 2 3i k i k i i ix x x x x . Если рекуррентный процесс сходится, то в результате получаем обобщенное решение зада-

чи (17). При этом возможны два случая. В первом случае полученное решение удовлетворяет всем неравенствам постановки задачи.

Здесь необходимо на основе итерационной процедуры повторного решения задачи (17) последо-вательно уменьшать величину 2

0R до получения несовместной системы неравенств. Минималь-

ная величина 20R , при которой система неравенств совместна, определяет искомое решение зада-

чи в целом. Во втором случае полученное решение не удовлетворяет всем неравенствам системы. Здесь

на основе итерационной процедуры повторного решения задачи (17) последовательно увеличи-вают величину 2

0R до получения совместного решения. Минимальная величина 20R , при которой

система неравенств совместна, определяет искомое решение задачи в целом. Выводы Представленный метод эллиптических центроидов целесообразно рассматривать как основу

экспертной системы поддержки управления эффективностью производственного процесса. Он ис-пользуется в качестве советчика технологическому персоналу для осуществления поддержания управляемых факторов в области повышенной эффективности.

В работе предложена методика оперативного выбора значений управляемых параметров и анализа рисков принятия неэффективного решения и риска пропуска эффективного решения.


1. Kumar, S.A. Production and Operations Management / S.A. Kumar, N. Suresh. – New Age Inter-national (P) Ltd., 2009. – 284 p.

2. Modrak, V. Operations Management Research and Cellular Manufacturing Systems: Innovative Methods and Approaches / V. Modrak, R.S. Pandian. – IGI Global Snippet, 2011. – 456 p.

3. Gobetto, M. Operations Management in Automotive Industries: From Industrial Strategies to Production Resources Management, Through the Industrialization Process / M. Gobetto. – Springer Science + Business Media Dordrecht, 2014. – XXII. – 245 p.

4. Казаринов, Л.С. Упреждающее управление энергетической эффективностью предпри-ятий / Л.С. Казаринов, Т.А. Барбасова // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2012. – № 35 (294). – С. 85–98.

5. Казаринов, Л.С. Система управления энергетическими потоками в теплоэнергетическом комплексе металлургического предприятия / Л.С. Казаринов, Т.А. Барбасова // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». – 2012. – № 23. – С. 21–25.


Метод эллиптических центроидов в управлении эффективностью технологических процессов

2015, том 15, № 1 155

Казаринов Лев Сергеевич, д-р техн. наук, профессор, декан приборостроительного факульте-та (КТУР), Южно-Уральский государственный университет (г. Челябинск); [email protected].

Барбасова Татьяна Александровна, канд. техн. наук, доцент кафедры автоматики и управ-ления, Южно-Уральский государственный университет (г. Челябинск); [email protected].

Поступила в редакцию 15 января 2015 г.


2015, vol. 15, no. 1, pp. 152–155

ELLIPTIC СENTROID METHOD IN PROCESS EFFICIENCY CONTROL L.S. Kazarinov, South Ural State University, Chelyabinsk, Russian Federation, [email protected], T.A. Barbasova, South Ural State University, Chelyabinsk, Russian Federation, [email protected]

This article presents an elliptic centroid method to solution to the task of selection the effective control parameters, risks of making inefficient decision and risks of skipping the efficient solutions. The proposed method is considered as a basis of construction a decision support expert system on energy management of technological processes.

Keywords: integrated resource planning, energy efficiency, expert system.

References 1. Kumar S.A., Suresh N. Production and Operations Management. New Age International (P) Ltd.,

2009. 284 p. 2. Modrak V., Pandian R.S. Operations Management Research and Cellular Manufacturing Sys-

tems: Innovative Methods and Approaches. IGI Global Snippet, 2011. 456 p. 3. Gobetto M. Operations Management in Automotive Industries: From Industrial Strategies to Pro-

duction Resources Management, Through the Industrialization Process. Springer Science + Business Media Dordrecht, 2014, XXII. 245 p.

4. Kazarinov L.S., Barbasova T.A. [Energy efficiency anticipatory control of an enterprise]. The Bulletin of the South Ural State University. Ser. Computer Technology, Control, Electronics, 2012, no. 35 (294), pp 85–98. (in Russ.)

5. Kazarinov L.S., Barbasova T.A., Zakharova A.A. [Automated Information Decision Support Sys-tem on Control and Planning Energy Resources Usage]. The Bulletin of the South Ural State University. Ser. Computer Technology, Control, Electronics, 2012, no. 23, pp. 118–122. (in Russ.)

Received 15 January 2015


СВЕДЕНИЯ ОБ ИЗДАНИИ

Серия основана в 2001 году. Свидетельство о регистрации ПИ № ФС 77-57366 выдано 24 марта 2014 г. Федеральной службой по

надзору в сфере связи, информационных технологий и массовых коммуникаций. Журнал включен в Реферативный журнал и Базы данных ВИНИТИ. Сведения о журнале ежегодно

публикуются в международной справочной системе по периодическим и продолжающимся изданиям «Ulrich’s Periodicals Directory».

Решением Президиума Высшей аттестационной комиссии Министерства образования и науки Рос-сийской Федерации от 19 февраля 2010 г. № 6/6 журнал включен в «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук».

Подписной индекс 29008 в объединенном каталоге «Пресса России». Периодичность выхода – 4 номера в год.

ИНФОРМАЦИЯ ДЛЯ АВТОРОВ

1. Тематика. В журнале публикуются статьи по следующим научным направлениям: управление в раз-личных отраслях техники, а также в административной, коммерческой и финансовой сферах; математическое, алгоритмическое, программное и аппаратурное обеспечение компьютерных технологий, в том числе компью-терных комплексов, систем и сетей; измерительные системы, приборостроение, радиоэлектроника и связь.

2. Структура статьи. Статья содержит УДК, название (не более 12–15 слов), список авторов, аннотацию (200–250 слов), список ключевых слов, введение, основной текст (структурированный по разделам), заклю-чение (обсуждение результатов), литературу (в порядке цитирования, по ГОСТ 7.1–2003). В конце статьи следуют элементы на английском языке: название, аннотация, список ключевых слов, литература (references). Бумажная версия статьи подписывается всеми авторами.

3. Параметры набора. Размеры полей: левое – 3 см, правое – 3 см, верхнее и нижнее – по 3 см. Текст статьи набирать шрифтом Times New Roman размером 14 пт. Выравнивание абзацев – по ширине. Отступ первой строки абзаца – 0,7 см. Междустрочный интервал – полуторный. Включить режим автоматического переноса слов. Все кавычки должны быть угловыми («»). Все символы «тире» должны быть среднего раз-мера («–», а не «-»). Ключевые элементы статьи – шапка, заголовки разделов – следует выделять полужир-ным. Знак разделения целой и десятичной части числа – запятая. Между числом и единицей измерения должен стоять неразрывный пробел (Ctrl + Shift + Пробел).

4. Формулы. Набираются в Microsoft Equation либо MathType с отступом 0,7 см от левого края. Размер обычных символов – 10 пт, размеры индексов первого порядка – 71 %, индексов второго порядка – 58 %. Но-мер формулы размещается за пределами формулы, непосредственно после нее, в круглых скобках.

5. Рисунки и таблицы. Рисунки имеют разрешение не менее 300 dpi. Рисунки нумеруются и имеют названия (Рис. 1. Здесь следует название рисунка). Таблицы нумеруются и имеют названия (Табли-ца 1. Здесь следует название таблицы).

6. Адрес редакции. 454080, г. Челябинск, пр. им. В.И. Ленина, 76, корп. 3б, 4-й этаж – деканат ПС/КТУР-факультета, зам. отв. ред. д.т.н., проф. Л.С. Казаринову. Адрес электронной почты ответственного секре-таря журнала: [email protected]

7. Подробные требования к оформлению. Полную версию требований к оформлению статей и при-мер оформления можно загрузить с сайта журнала vestnik.susu.ac.ru/ctcr.

8. Плата с аспирантов за публикацию рукописей не взимается.

Редактор А.Н. Ивашкина Компьютерная верстка С.В. Буновой

Издательский центр Южно-Уральского государственного университета

Подписано в печать 29.01.2015. Формат 6084 1/8. Печать цифровая.

Усл. печ. л. 18,13. Тираж 500 экз. Заказ 5/8.

Отпечатано в типографии Издательского центра ЮУрГУ. 454080, г. Челябинск, пр. им. В.И. Ленина, 76.
