CC BY
48
Моделирование и автоматизация процесса управления формированием профессиональных умений и навыков оператора производственно-
технологической системы
Р.А. Файзрахманов1, И. С. Полевщиков1
1 Пермский национальный исследовательский политехнический университет
Аннотация: В статье предложена система моделей для управления процессом формирования профессиональных умений и навыков обучаемых в ходе выполнения упражнений с использованием компьютерного тренажера. Отличительной чертой предлагаемой системы моделей является возможность за наименьшее время достичь высокой степени качества освоения умений и навыков за счет вычисления комплексной оценки выполнения упражнений обучаемым на основе ряда показателей качества, имеющих различную физическую природу (с использованием теории нечетких множеств и метода анализа иерархий), а также всестороннего контроля динамики освоения умений и навыков с учетом постепенного формирования умений и навыков при многократном выполнении упражнений в повторяющихся условиях (с использованием математических моделей итеративного научения).
Ключевые слова: автоматизированная обучающая система, компьютерный тренажер, профессиональные умения и навыки, нечеткие множества, модели итеративного научения, метод анализа иерархий.
Во многих современных областях профессиональной деятельности от специалистов требуется точное выполнение действий сенсомоторного характера с учетом конкретной ситуации (например, в технической области -водителям, крановщикам и т.д.), что главным образом обусловлено необходимостью безопасного и эффективного выполнения работ с использованием технологического оборудования. Важнейшей основой для точного выполнения подобных действий являются профессиональные умения и навыки.
В настоящее время разработаны различные модели и методы, позволяющие повысить эффективность приобретения профессиональных умений и навыков операторами сложных производственно-технологических процессов за счет использования разнообразных компьютерных средств учебного назначения, главным образом компьютерных тренажеров и
создаваемых на их основе автоматизированных обучающих систем (АОС) [15].
Однако, нерешенным является вопрос разработки моделей, методов и средств, позволяющих автоматически получить комплексную оценку уровня сформированности профессиональных умений операторами (в процессе их обучения с использованием АОС) на основе ряда показателей качества, имеющих различную физическую природу, и затем использовать данную комплексную оценку с целью управления динамикой освоения профессиональных умений. Предлагаемая методика решения данной проблемы описана далее.
В настоящее время на кафедре ИТАС ПНИПУ ведутся работы по созданию АОС операторов производственно-технологических процессов (на примере операторов перегрузочных машин). Наиболее значимой составляющей АОС является компьютерный тренажер, предназначенный для освоения профессиональных умений и навыков. В рамках данных работ создается система моделей и алгоритмов для управления процессом формирования профессиональных умений и навыков обучаемых (т.е. будущих крановщиков).
На рис. 1 показан процесс практического этапа (т.е. этапа формирования профессиональных умений и навыков) автоматизированного обучения (с использованием АОС) оператора сложной технологической системы (на примере оператора перегрузочной машины) в наиболее общем виде.
Многократное выполнение простого упражнения с начальным набором показателей качества
Рис. 1. - Процесс практического обучения
На рис. 1 видно, что практический этап обучения представляет собой последовательное выполнение одного за другим комплекса упражнений по определенному технологическому процессу. В свою очередь, выполнение комплекса упражнений представляет собой сначала многократное выполнение некоторого количества простых упражнений, а затем многократное выполнение сложного упражнения. Для выполнения сложного упражнения необходимы умения и навыки, приобретенные при выполнении простых.
Постепенное введение каждого отдельного показателя качества в простое упражнение обеспечивает мотивацию обучаемого для быстрейшего приобретения навыков самоконтроля качества своей работы [2].
Рассмотрим на примере особенности соотношения между простыми и сложными упражнениями. Одним из сложных упражнений на тренажере является упражнение на подъем и опускание крюка или груза. Отдельной учебной задачей, входящей в состав этого сложного упражнения, является поднятие подвешенного крюка на 4 метра и остановка механизма подъема на заданной высоте. Прежде, чем обучаемый будет выполнять сложное упражнение, ему необходимо освоить умение и навык, соответствующие данной учебной задаче, посредством выполнения простого упражнения.
В процессе выполнения упражнения возможны различные подсказки обучаемому, об условиях формирования которых будет упомянуто далее. Примеры таких подсказок: подсветка определенной зоны; звуковой или световой сигнал об аварийной ситуации; стрелки, подсказывающие необходимое направление движения и т.д.
Следовательно, исходя из общего описания процесса практического этапа обучения, показанного на рис. 1, процесс управления освоением умений и навыков может быть представлен в виде четырех уровней:
1) управление процессом выполнения простого упражнения с фиксированным набором показателей качества;
2) управление последовательностью прохождения обучаемым простых упражнений;
3) управление процессом выполнения обучаемым сложного упражнения;
4) управление последовательностью многократного прохождения обучаемым сложного упражнения и комплексов упражнений по технологическим процессам в целом.
В первую очередь, рассмотрим особенности управления процессом выполнения простого упражнения с фиксированным набором показателей качества.
Схема управления процессом выполнения простого упражнения с фиксированным набором показателей качества представлена на рис. 2.
и
Рис. 2. - Схема управления процессом выполнения простого упражнения с фиксированным набором показателей качества Представим в форме кортежа набор показателей, непосредственно участвующих в процессе принятия решений (согласно схеме на рис. 2):
иргирг Мкох,М\го% , Коа», КИог , ^гвк , ^коп > :
(1)
где Мко!, - множество коэффициентов освоения, соответствующих
показателям качества;
м
Нов
множество итоговых пороговых значений коэффициентов
освоения, соответствующих каждому показателю качества;
Ко^ е [0;1] - комплексный коэффициент освоения упражнения;
К е [0;1] - итоговое пороговое значение комплексного коэффициента освоения;
8ек - текущее состояние моделируемой производственной среды;
8,юп - конечное состояние моделируемой производственной среды, соответствующее окончанию выполнения упражнения.
Следует отметить, что некоторые показатели из кортежа (1) вычисляются автоматически измерительным органом в процессе выполнения
и
упражнения обучаемым (Мк0!,, К^, ), а некоторые устанавливаются преподавателем в настройках АОС (М1Щ, К1Щ, 5коп).
От текущего состояния моделируемой производственной среды 5ек и множества предусмотренных видов подсказок зависит подача подсказки обучаемому в определенный момент времени. От соотношения 5ек и 5коп
зависит возможность окончания выполнения упражнения.
Научная новизна предложенной схемы управления (рис. 2), по сравнению с существующими, заключается главным образом в возможности связать показатели качества выполнения упражнения, имеющие разную физическую природу (время, расстояние и т.п.) с коэффициентами освоения, представляющими собой безразмерные величины в диапазоне от 0 до 1 и как следствие удобными для дальнейшей обработки. Каждому показателю качества, вне зависимости от физической природы, будет сопоставлен коэффициент освоения из множества Мко!,. Процедура сопоставления основана главным образом на использовании нечетких множеств [6-8].
Также научная новизна схемы заключается в возможности однозначной оценки процесса выполнения упражнения обучаемым единой величиной -комплексной оценкой К0^, названной комплексным коэффициентом
освоения. Комплексный коэффициент освоения вычисляется автоматически измерительным органом как среднее арифметическое взвешенное отдельных коэффициентов освоения, каждый из которых соответствует определенному показателю качества. Веса отдельных показателей качества определяются с использованием метода анализа иерархий [4].
От соотношения значений Кояг и К зависит успешность выполнения
упражнения. От соотношения значений из множеств Мко!, и Миог зависит
информация, выдаваемая обучаемому об успешности выполнения упражнения по отдельным показателям качества после его завершения.
и
Схема управления последовательностью прохождения обучаемым простых упражнений представлена на рис. 3.
Рис. 3. - Схема управления последовательностью прохождения обучаемым
простых упражнений Представим в форме кортежа набор показателей, непосредственно участвующих в процессе принятия решений (согласно схеме на рис. 3):
U prposl < Kosv, Kitog , K prom, 1 osv, 1upr, 1pk , Nusp , Nrek > , (2)
где Kosv e [0;1] - комплексный коэффициент освоения упражнения; Kitog e [0;1] - итоговое пороговое значение комплексного коэффициента освоения;
Kpom e [0;1]
промежуточное пороговое значение комплексного
коэффициента освоения;
1от е {0;1} - индикатор успешности выполнения простого упражнения
(=1, т е., успешн°, при К™ >= Кюе; = 0, т.е. не успешно, при Ко^ < к^);
и
1ирг е {0;1} - индикатор наличия простых упражнений в рамках
комплекса упражнений;
1рк е {0;1} - индикатор наличия еще не введенных показателей качества в
рамках многократного выполнения простого упражнения;
Nшр - количество успешных попыток выполнения подряд простого
упражнения с фиксированным набором показателей качества;
Ыгек - рекомендуемое количество попыток выполнения простого упражнения с фиксированным набором показателей качества, необходимое для освоения соответствующего упражнению навыка.
Следует отметить, что некоторые показатели из кортежа (2) вычисляются измерительным органом автоматически после выполнения упражнения обучаемым (Кргот, 1ирг, 1рк, Ышр), некоторые устанавливаются
преподавателем в настройках АОС (К иов, Nгек), а остальные (Кту, )
являются результатом предыдущего уровня управления (рис. 2).
Для постепенно ввода в процесс обучения показатели качества ранжируются с использованием упомянутого выше метода анализа иерархий.
Навык, соответствующий простому упражнению с фиксированным набором показателей качества считается освоенным при Nusp = Nrek.
Научная новизна предложенной схемы управления (рис. 3) заключается в контроле динамики освоения умений на основе моделей итеративного научения [9, 10], что обеспечивает учет постепенного формирования умений обучаемым при многократном выполнении упражнения в повторяющихся условиях. Это достигается за счет вычисления измерительным органом промежуточного порогового значения комплексного коэффициента освоения Кроот с использованием математических моделей итеративного научения. При
формировании подсказок учитывается как соотношение Коьл, и Киог, так и
соотношение КоХУ и Кртт.
Схема управления процессом выполнения обучаемым сложного упражнения во многом аналогична схеме управления процессом выполнения простого упражнения с фиксированным набором показателей качества.
Схема управления последовательностью многократного прохождения обучаемым сложного упражнения и комплексов упражнений по технологическим процессам в целом представлена на рис. 4.
Рис. 4. - Схема управления последовательностью многократного прохождения обучаемым сложного упражнения и комплексов упражнений по
технологическим процессам в целом Представим в форме кортежа набор показателей, непосредственно участвующих в процессе принятия решений (согласно схеме на рис. 4):
^%1роз1 < Ко$у, , К ргот, 1'оы, 1'ктр!, ^шр, ^гвк > '
(3)
где Ко^ е [0;1] - комплексный коэффициент освоения упражнения;
К1Щ е [0;1] - итоговое пороговое значение комплексного коэффициента
освоения;
и
Кроот е [0;1] - промежуточное пороговое значение комплексного
коэффициента освоения;
е {0;1} - индикатор успешности выполнения сложного упражнения; 1ктр1 е {0;1} - индикатор наличия комплексов упражнений в
индивидуальной траектории обучения;
Nшр - количество успешных попыток выполнения подряд сложного
упражнения с фиксированным набором показателей качества;
Nгек - рекомендуемое количество попыток выполнения упражнения,
необходимое для освоения соответствующего упражнению навыка.
Следует отметить, что некоторые показатели из кортежа (3) вычисляются автоматически измерительным органом после выполнения упражнения обучаемым (Кргот, 1ктр1, Nusp), некоторые устанавливаются
преподавателем в настройках АОС (К1Щ, Nгек), а остальные (Кту, )
являются результатом предыдущего уровня управления (рис. 3).
Схема на рис. 4 во многом аналогична схеме на рис. 3, за исключением наличия на рис. 4 индикатора 1ктр1 и отсутствия индикатора 1рк, поскольку все
показатели качества в сложном упражнении учитываются уже при первом его выполнении обучаемым.
Таким образом, отличительной чертой предлагаемой системы моделей является возможность за наименьшее время достичь высокой степени качества освоения умений и навыков за счет вычисления комплексной оценки выполнения упражнений обучаемым на основе ряда показателей качества, имеющих различную физическую природу (с использованием теории нечетких множеств и метода анализа иерархий), а также всестороннего контроля динамики освоения умений и навыков с учетом постепенного формирования умений и навыков при многократном
выполнении упражнений в повторяющихся условиях (с использованием математических моделей итеративного научения).
В ближайшей перспективе планируется реализация алгоритмического, программного и информационного обеспечения подсистемы АОС, соответствующей предложенным моделям.
Литература
1. Файзрахманов Р.А., Полевщиков И.С. Анализ методов и средств автоматизации процесса обучения операторов производственно-технологических систем (на примере операторов перегрузочных машин) // Современные проблемы науки и образования. 2013. №5. URL: science-education.ru/111-10494.
2. Щемелева Т.К. Система подготовки крановщиков с применением тренажеров: 30 лет спустя // Вестник ПГТУ. Электротехника, информационные технологии, системы управления. 2009. №3. С. 106-109.
3. Долгова Е.В., Файзрахманов Р.А., Курушин Д.С., Федоров А.Б., Хабибулин А.Ф., Шаронов А.А. Архитектура мобильного тренажера погрузочно-разгрузочного устройства // Инженерный вестник Дона. 2012. №4-1. URL: ivdon.ru/magazine/archive/n4t1y2012/1327.
4. Файзрахманов Р.А., Мехоношин А.С., Бакунов Р.Р., Федоров А.Б., Бикметов Р.Р. Особенности разработки и реализации мобильных пультов тренажерного комплекса оператора портального крана // Инженерный вестник Дона. 2012. №4-1. URL: ivdon.ru/magazine/archive/n4t1y2012/1267.
5. Файзрахманов Р.А., Бакунов Р.Р., Мехоношин А.С. Создание трехмерных моделей для системы визуализации тренажерного комплекса // Вестник ПГТУ. Электротехника, информационные технологии, системы управления. 2011. №5. С. 62-69.
6. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. 736 с.
7. Azarkasb S.O. An Efficient Intrusion Detection System Based on Fuzzy Genetic approaches // Life Science Journal. 2013. №10(8s). pp. 6-21. URL: lifesciencesite.com/lsj/life1008s/002_19226life1008s_6_21.pdf.
8. Файзрахманов Р.А., Полевщиков И.С. Оценка качества выполнения упражнений на компьютерном тренажере перегрузочной машины с использованием нечетких множеств // Инженерный вестник Дона. 2012. №41. URL: ivdon.ru/magazine/archive/n4t1y2012/1265.
9. Новиков Д. А. Закономерности итеративного научения. М.: Институт проблем управления РАН, 1998. 77 с.
10. Fayzrakhmanov R.A., Polevshchikov I.S. Increased of Efficiency in the Automated Training of Fuelling Machine Operators Using Iterative Simulation Learning // World Applied Sciences Journal. 2013. №22 (Special Issue on Techniques and Technologies). pp. 70-75. URL: idosi.org/wasj/wasj22(tt)13/12.pdf.
References
1. Fayzrakhmanov R.A., Polevshchikov I.S. Sovremennye problemy nauki i obrazovaniya. 2013. №5. URL: science-education.ru/111-10494.
2. Shchemeleva T.K. Vestnik PGTU. Elektrotekhnika, informatsionnye tekhnologii, sistemy upravleniya. 2009. №3. pp. 106-109.
3. Dolgova E.V., Fayzrakhmanov R.A., Kurushin D.S., Fedorov A.B., Khabibulin A.F., Sharonov A.A. Inzenernyj vestnik Dona (Rus). 2012. №4-1. URL: ivdon.ru/magazine/archive/n4t1y2012/1327.
4. Fayzrakhmanov R.A., Mekhonoshin A.S., Bakunov R.R., Fedorov A.B., Bikmetov R.R. Inzenernyj vestnik Dona (Rus). 2012. №4-1. URL: ivdon.ru/magazine/archive/n4t1y2012/1267.
5. Fayzrakhmanov R.A., Bakunov R.R., Mekhonoshin A.S. Vestnik PGTU. Elektrotekhnika, informatsionnye tekhnologii, sistemy upravleniya. 2011. №5. pp. 62-69.
6. Leonenkov A.V. Nechetkoe modelirovanie v srede MATLAB i fuzzy TECH [Fuzzy modeling in MATLAB and fuzzy TECH]. Saint Petersburg: BKhV-Peterburg, 2005. 736 p.
7. Azarkasb S.O. Life Science Journal. 2013. №10(8s). pp. 6-21. URL: lifesciencesite.com/lsj/life1008s/002_19226life1008s_6_21.pdf.
8. Fayzrakhmanov R.A., Polevshchikov I.S. Inzenernyj vestnik Dona (Rus). 2012. №4-1. URL: ivdon.ru/magazine/archive/n4t1y2012/1265.
9. Novikov D.A. Zakonomernosti iterativnogo naucheniya [Laws of the iterative learning]. Moscow: Institut problem upravleniya RAN, 1998. 77 p.
10. Fayzrakhmanov R.A., Polevshchikov I.S. World Applied Sciences Journal. 2013. №22 (Special Issue on Techniques and Technologies). pp. 70-75. URL: idosi.org/wasj/wasj22(tt)13/12.pdf.
