На правах рукописи

Чжо Зо Е

АНАЛИЗ И РАЗРАБОТКА АЛГОРИТМОВ И МЕТОДИК

ОБРАБОТКИ ИНФОРМАЦИИ ПРИ КОГНИТИВНОМ

ОБУЧЕНИИ ОСНОВАМ ТЕХНИЧЕСКОЙ ДИАГНОСТИКИ

МНОГОКОМПЬЮТЕРНЫХ КОМПЛЕКСОВ

Специальность 05.13.01 — Системный анализ, управление и обработка информации (приборостроение)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва – 2012г.

2

Работа выполнена на кафедре Информатики и программного обеспечения вычислительных систем в Национальном исследовательском университете “МИЭТ”.

Научный руководитель: доктор технических наук, профессор Лисов Олег Иванович

Официальные оппоненты: Ретинская Ирина Владимировна, доктор технических наук, профессор кафедры прикладной математики и компьютерного моделирования РГУ нефти и газа имени И.М. Губкина Лупин Сергей Андреевич, кандидат технических наук, профессор кафедры вычислительой техники НИУ МИЭТ

Ведущая организация: ОАО «НИИ «Компонент», г. Москва

Защита состоится 03 апреля 2012г. в 14:30 часов на заседании диссертационного совета Д212.134.02 при Национальном исследовательском университете “МИЭТ” по адресу: 124498, Москва, Зеленоград, проезд 4806, НИУ МИЭТ.

С диссертацией можно ознакомиться в библиотеке НИУ МИЭТ.

Автореферат разослан 16 февраля 2012г.

Ученый секретарь диссертационного совета д.т.н., доцент. А.В. Гуреев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

В настоящее время в целом ряде высокотехнологичных отраслей промышленности, научных исследованиях и образовательных процессах используются многокомпьютерные комплексы (МКК), значительно повышающие эффективность обработки информации.

Несмотря на безусловно положительный эффект использования сложных МКК, приходится констатировать их недостаточную эффективность, вызванную рядом технико-экономических обстоятельств.

В частности достаточно остро стоит проблема повышения отказоустойчивости и надежности элементов многокомпьютерных комплексов, срок службы которых зачастую превышает нормативный.

В связи с вышесказанным одним из важнейших требований, предъявляемых к многокомпьютерным комплексам, является их высокая отказоустойчивость и возможность эффективного выявления отказов.

Теоретическими и практическими аспектами технической диагностики, проблемами повышения отказоустойчивости сложных вычислительных систем занимались такие известные ученые, как Пархоменко П.П., Карибский В.В., Согомонян Е.С., Каравай М.Ф., Лобанов А.В., Schlichting R., Rennels D.A., Dolev D. и мн. др.

Проведенный анализ показал, что современные многокомпьютерные комплексы, используемые в распределенных системах обработки информации, требуют новых подходов к обеспечению их надежности и созданию эффективных методов технической диагностики.

В МКК, включающих компоненты, срок службы которых превышает нормативный, ухудшается качество выпускаемой продукции, возрастает вероятность аварийных ситуаций и техногенных катастроф.

Подобная негативная ситуация, связанная с недостаточной надежностью устройств МКК, может быть нивелирована повышением квалификации обслуживающего персонала, способного в кратчайшие сроки принимать обоснованные решения в случае возникновения нештатных ситуаций.

В настоящее время большое внимание уделяется построению тренажерных систем для подготовки операторов сложных многокомпьютерных комплексов в различных областях человеческой деятельности.

Качество и эффективность практической подготовки операторов МКК в значительной степени зависит от возможностей, используемых в образовательном процессе тренажерных средств.

Наилучшим выходом в данном случае является создание интеллектуальной обучающей системы, предназначенной для повышения квалификации обслуживающего персонала без отрыва от производства и представляющей собой систему когнитивной поддержки процессов обучения и переподготовки инженерно-технического персонала.

Вопросы создания интеллектуальных обучающих систем отражены в работах Савельева А.Я., Тихомирова В.П., Солдаткина В.И., Гусевой А.И., Игнатовой И.Г., Дэ-Джун Кванга, Мьюнг-Сук Дженни Панга и др.

Вместе с тем, проведенный анализ существующих обучающих систем показал, что среди множества программных продуктов не существует ни одной системы, которая осуществляла бы полную подготовку обучаемого по технической диагностике многокомпьютерных комплексов, обеспечивая при этом адаптивность процесса обучения.

Таким образом, актуальными являются диссертационные исследования, направленные на создание моделей и алгоритмов эффективной обработки информации при проведении технической диагностики и разработки когнитивной системы обучения (КСО).

Целью диссертации является повышение эффективности функционирования многокомпьютерных комплексов за счет создания новых моделей, методик, алгоритмов и реализации на их основе когнитивных обучающих систем, обеспечивающих повышение квалификации персонала в области технической диагностики сложных приборов и систем.

Для достижения поставленной цели необходимо решение следующих задач.

1. Анализ современных средств и методов технической диагностики многокомпьютерных комплексов и исследование проблемы создания когнитивной системы обучения методам технической диагностики.

2. Разработка методик и алгоритмов повышения эффективности выявления отказов и поиска неисправностей при технической диагностике многокомпьютерных комплексов.

3. Разработка моделей области знаний, принципов построения, обобщенных схем и алгоритмов работы когнитивной обучающей системы для подготовки специалистов в области технической диагностики.

4. Программная реализация и внедрение в учебный процесс когнитивной системы обучения основам технической диагностики многокомпьютерных комплексов.

5. Исследование эффективности использования когнитивной системы обучения в учебном процессе вуза.

Методы исследования. Теоретическую и методологическую базу исследования составили элементы общей теории систем, методы системного и кластерного анализа, элементы теории графов, методы и алгоритмы технической диагностики, теория массового обслуживания, теория построения систем обучения и др.

Научная новизна. Диссертационная работа представляет собой совокупность научно обоснованных технических разработок, направленных на создание методик и алгоритмов повышения эффективности выявления отказов и поиска неисправностей при технической диагностике сложных систем и реализацию на их основе когнитивных обучающих систем, обеспечивающих улучшенное функционирование многокомпьютерных комплексов.

В процессе исследований и разработок получены следующие новые научные результаты.

На основе концепции редеющих импульсных потоков совместно с теорией регрессионного анализа предложена методика определения предполагаемого количества отказов, позволяющая оценить эффективность процесса технической диагностики многокомпьютерных комплексов.

Предложена методика обнаружения одиночных отказов при проведении технической диагностики, направленная на выбор некоторой группы тестов, достаточной для отыскания отказавшего элемента, и определения условного порядка последовательного применения тестов по критерию минимизации среднего значения суммарной стоимости проведения поиска.

Предложен алгоритм полного тестирования элементов МКК по критерию минимального времени поиска отказавшего элемента; в ходе проведенного имитационного моделирования показано, что обеспечивается уменьшение времени полного тестирования многокомпьютерного комплекса от 12 до 20 %.

многокомпьютерных комплексах на основе «И-ИЛИ» графов, позволяющая на основе входной информации о правильности решения задач идентифицировать неисправный компьютер.

Предложены модель области знаний, обобщенная схема и алгоритмы работы когнитивной системы обучения основам технической диагностики, обеспечивают: настройки на компетентностные возможности обучаемого; автоматизацию генерации заданий по квазислучайному принципу; автоматизацию решения задач в пошаговом режиме; использование трех технологий обучения (индуктивный, дедуктивный и абдуктивный).

Достоверность полученных результатов определяется корректным применением строго математического аппарата и подтверждается результатами внедрения созданной системы обучения в учебный процесс, доказавшими преимущества предложенных в работе решений, выразившимися в повышении средней успеваемости, снижении среднего времени аудиторной работы студентов и среднего времени, затрачиваемого преподавателем на контрольные мероприятия, на 9-13% по сравнению с традиционной технологией.

Практическая ценность результатов, полученных в диссертационной работе, заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение когнитивной системы обучения при обучении методам технической диагностики в приборостроении. Результаты исследования доведены до конкретных алгоритмов, методов, моделей и программной реализации.

Предложенная в работе когнитивная система обучения обеспечивает достижение следующих преимуществ:

1) наличие блока автоматической генерации заданий, позволяющего генерировать обучающие и контрольные задания в автоматическом режиме;

2) наличие механизма автоматической проверки сгенерированных заданий – автоматического «решателя»;

3) реализация трех подходов к представлению теоретической части по каждой теме – индуктивный, дедуктивный и абдуктивный,ориентированных на индивидуальные психологические особенности обучаемого и уровень его подготовки.

Разработанная структура когнитивной системы обучения позволяет повысить уровень квалификации специалистов в области технической диагностики, что является одним из условий эффективности функционирования МКК. Предложенная в работе когнитивная система обучения дает возможность осваивать методы технической диагностики как в сфере производства изделий приборостроения, так и при подготовке специалистов в вузовской и профессиональной сферах.

Автором разработана, программно реализована и внедрена в учебный процесс когнитивная система обучения по основам технической диагностики, включающая 8 учебных модулей.

Результаты использования разработанной когнитивной системы обучения в учебном процессе Национального исследовательского университета МИЭТ показали, что для аудитории студентов в человек, в зависимости от используемой технологии обучения, обеспечивается повышение средней успеваемости на 3-13 %, снижение среднего времени аудиторной работы студентов на 22- 33 % и среднего времени, затрачиваемого преподавателем на контрольные мероприятия, на 9-13% по сравнению с традиционной технологией.

Обоснована возможность применения системы для подготовки кадров в различных областях науки и техники, повышения знаний специалистов в области естественных наук, усиления умения вычислительного программирования для решения практических задач и дистанционного обучения в Республике Союза Мьянма.

Личный вклад автора. Все основные результаты получены автором лично. Главными из них являются перечисленные ниже.

1. Создание модели области знаний применительно к задаче обучения основам технической диагностики.

2. Разработка методики определения предполагаемого количества отказов, позволяющая оценить эффективность процесса технической диагностики многокомпьютерных комплексов.

3. Создание методики обнаружения одиночных отказов при проведении технической диагностики многокомпьютерных комплексов.

4. Разработка алгоритма полного тестирования элементов МКК по критерию минимального времени поиска отказавшего элемента.

многокомпьютерных комплексах на основе «И-ИЛИ» графов.

6. Создание методики реализации процесса обучения с использованием индивидуальных и групповых образовательных траекторий.

7. Разработка принципов построения, архитектуры и алгоритмов работы когнитивной обучающей системы.

8. Программная реализация и внедрение в учебный процесс когнитивной обучающей системы по основам технической диагностики.

диссертационной работы используются в учебном процессе кафедры "Информатика и программное обеспечение вычислительных систем" Национального исследовательского университета “МИЭТ” в лекционных и практических занятиях по дисциплине «Теория систем и системный анализ».

В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты.

1. Результаты анализа современных средств и методов технической диагностики многокомпьютерных комплексов, а также систем обучения методам технической диагностики.

2. Методика определения предполагаемого количества отказов при технической диагностике многокомпьютерных 3. Методика обнаружения одиночных отказов при проведении технической диагностики.

4. Алгоритм полного тестирования элементов МКК по критерию минимального времени поиска отказавшего 5. Методика поиска неисправностей в многокомпьютерных комплексах на основе «И-ИЛИ» графов.

6. Обобщенная схема, модель области знаний и алгоритм функционирования когнитивной системы обучения основам технической диагностики.

7. Анализ эффективности использования предложенной КСО.

Апробация работы и публикации. Материалы диссертации обсуждались на Всероссийской межвузовской научно-технической конференции "Микроэлектроника и информатика” (Москва, Зеленоград, МИЭТ, 2008-2011 г.г.), Всероссийской межвузовской научнопрактической конференции “Актуальные проблемы информатизации.

Развитие информационной инфраструктуры, технологий и систем” (Москва, Зеленоград, МИЭТ, 2008 г.), Всероссийской межвузовской научно-практической конференции “Актуальные проблемы информатизации в науке, образовании и экономике”(Москва, Зеленоград, МИЭТ, 2009-2011 г. г.), Международной научнометодической конференции “Современные проблемы высшего профессионального образования” (Курск, КГТУ, 2010 г.), Международной научной школе «Микроэлектронные информационноуправляющие системы и комплексы» (Москва, Зеленоград, МИЭТ, г.), Международной научно-технической конференции” Современные информационные технологии” (Пенза, ПГТА, 2011 г.), Международной телекоммуникационной конференции студентов и молодых ученых «МОЛОДЕЖЬ И НАУКА» (Москва, МИФИ, 2010-2011 г.г.) Публикации. Основное содержание диссертации отражено в опубликованных работах, в том числе 3 статьях в ведущих научных журналах, утвержденных ВАК. Без соавторов опубликовано 13 работ.

Подана заявка на регистрацию программы для ЭВМ “Программный комплекс для обучения основам технической диагностики на основе ИИЛИ графов” Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 117 наименований и 4 приложений.

Работа изложена на 178 страницах (141 страница основного текста), содержит 4 таблицы и 65 рисунков. В приложениях приведены документы о внедрении результатов диссертационной работы, а также о научных достижениях автора и фрагменты листинга программного обеспечения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, дана общая характеристика работы, определена цель работы, приведена структура и краткое содержание диссертации.

В первой главе представлен анализ современных средств и методов технической диагностики многокомпьютерных комплексов и исследование проблемы создания когнитивной системы обучения им.

Анализ функционирования МКК показал, что важным требованием, предъявляемым к многокомпьютерным комплексам обработки информации, является их отказоустойчивость, что делает необходимым создание эффективных механизмов поддержки их функционирования, разработку моделей обнаружения отказов и методов тестирования работоспособности систем.

Подобная негативная ситуация, связанная с недостаточной отказоустойчивостью МКК, может быть нивелирована повышением квалификации обслуживающего персонала, способного принимать обоснованные решения в случае возникновения нештатных ситуаций.

Таким образом, одним из рациональных способов повышения эффективности функционирования многокомпьютерных комплексов является создание когнитивной системы обучения основам технической диагностики, предназначенной для повышения квалификации обслуживающего персонала.

Одна из ключевых проблем, возникающих при построении когнитивных систем обучения, состоит в необходимости выбора и реализации способа представления знаний. В настоящее время применяются семь классов моделей представления и обработки знаний:

логические, продукционные, фреймовые, сетевые, объектноориентированные, специальные и комплексные. Установлено, что наиболее перспективны комплексные модели, интегрирующие преимущества базовых моделей представления предметной области, в частности модель знаний в виде И-ИЛИ дерева, представляющая собой объединение семантической сети понятий и семантической сети фрагментов учебного курса.

В настоящее время во всем мире активно ведутся работы по исследованию и разработке когнитивных систем обучения. Анализ существующих обучающих систем показывает, что подавляющее большинство их является электронными учебниками, дополненными, в лучшем случае, системами тестового контроля знаний. Кроме того, среди множества программных продуктов не существует ни одной системы, которая осуществляла бы полную подготовку обучаемого по технической диагностике МКК.

По результатам проведенного анализа сформулированы цели диссертационных исследований, направленных на создание моделей и алгоритмов эффективной обработки информации при проведении технической диагностики и разработку когнитивной системы обучения им, создание которой обеспечивает достижение следующих преимуществ: наличие блока автоматической генерации заданий;

наличие механизма автоматической проверки сгенерированных заданий; реализация трех моделей обучения - индуктивной, дедуктивной и абдуктивной, - ориентированных на индивидуальные особенности обучаемого и уровень его подготовки.

Вторая глава посвящена разработке методик и алгоритмов повышения эффективности выявления отказов и поиска неисправностей при технической диагностике многокомпьютерных комплексов.

Для разработки методики определения ожидаемого числа отказов применена теория редеющих потоков совместно с регрессионным анализом при следующих предпосылках: вероятность обнаружения отказовой ситуации (ОС) равна 1; вероятность внесения новой ОС в процессе восстановления равна 0; поток отказов - пуассоновский.

Ожидаемое количество отказов Mо определяется следующим образом:

где nОС — общее (начальное) число отказовых ситуаций, заложенных в устройство; bОС — мгновенное значение интенсивности отказов редеющего потока; BОС – количество отказов на наблюдаемом интервале времени [0, tОС ]. Принимая ebОС tОС X nw, получим:

Предложенная методика позволяет оценить эффективность технической диагностики при помощи анализа зависимости математического ожидания времени полного истощения потока отказов T (nОС ) = f(nОС, bОС), а также решить две существенные задачи:

подтвердить индивидуальный показатель надежности изделия;

обоснованно спланировать его гарантийное обслуживание.

При проведении технической диагностики многокомпьютерных комплексов актуальной является задача быстрого выявления отказа одного элемента. Комплекс представим в виде совокупности n составляющих его элементов (множество ), соединенных между собой функциональными связями. Совокупность тестов удобнее задать в виде матрицы H i hij, строки которой соответствуют имеющимся тестам, а столбцы - элементам множества. Пусть к началу некоторого M-го шага процесса проверки проведена последовательность тестов H ( M 1)* = {h1,..., h(M-1)} и задача сводится к поиску отказавшего элемента в подмножестве ( M 1). (Перед самым началом проверки системы (0), т.е. (0) включает в себя все элементы системы, а H (0) не включает в себя ни одного теста). Алгоритм поиска единственного отказавшего элемента состоит в следующем.

1. Определяются величины q ( 0) — условные вероятности отказа именно j-го элемента, если в проверяемом множестве ровно один отказавший элемент: q j q j qi работоспособного состояния i-го элемента - pi, а вероятность отказа qi.

2. Для каждого существенного теста вычисляется вероятность 3. Для каждого существенного теста hi находят связанные с ним затраты Zi(0) с учетом того, что уже проведена последовательность теста (0). В общем случае затраты на проведение теста hi могут как убывать, так и возрастать при условии проведения других тестов.

4. Для каждого теста ti определяются величины gi(0) Zi(0) / Qi(0).

5. Выбирается такой тест hk, для которого gi(0) минимальна.

6. Применяется тест hk:

если тест hk завершается успешно, задача сводится к поиску отказавшего элемента в подмножестве (1) (0) \ k ;

если тест hk заканчивается неуспешно, то задача сводится к поиску отказавшего элемента в подмножестве (1) (0) k ;

если в перечисленных случаях подмножество (1) состоит из единственного элемента, то поиск отказавшего элемента на этом заканчивается.

7. Фиксируется новая последовательность примененных тестов H (1), которая содержит предыдущую последовательность последний примененный тест hk: H (1) = { H (0), hk }.

8. К подмножеству (1), начиная с п.1, применяется процедура проверки с соответствующей заменой верхнего индекса (0) на индекс (1). Процедура проверки продолжается до тех пор, пока в п. на некотором шаге k не сформируется подмножество k, которое состоит из единственного элемента.

На основе созданной методики предложен алгоритм полного тестирования элементов МКК по критерию минимального времени поиска отказавшего элемента. Для подтверждения преимуществ предложенной методики в работе было проведено программное имитационное моделирование для различного количества тестов - Ni, обеспечивающих полное тестирование комплекса. В ходе моделирования сравнивались относительные временные затраты по поиску единственного отказавшего элемента для традиционной - Z сум и функционирования от количества тестов. При повышении количества тестов обеспечивается повышение полного тестирования многокомпьютерного комплекса от 12 до 20 %.

Таким образом, в результате имитационного моделирования подтверждены преимущества предложенной методики полного тестирования МКК по критерию поиска единичного отказа.

0, 0, 0, В третьей главе представлены обобщенная схема, алгоритм функционирования и модели области знаний разработанной когнитивной системы обучения основам технической диагностики.

Разработанная КСО, обобщенная схема которой представлена на рис.2, состоит из нескольких функциональных блоков, взаимодействующих между собой. Блок теоретических сведений подключается в начале работы системы с целью ознакомления с теоретической базой предметной области.

В качестве разделов предметной области, соответствующих блокам КСО, используются ниже перечисленные.

1. Теория вероятностей.

2. Теория массового обслуживания.

3. Теория надежности.

4. Модели области знаний: 4.1. Логические модели. 4.1.2.

Продукционные модели. 4.1.3. Фреймовые модели. 4.1.4. Модель онтологии. 4.1.5. Объектно-ориентированные модели. 4.1.6.

Специальные модели. 4.1.7. Комплексные модели.

Системы распределенной обработки информации: 5.1.

Многопроцессорные системы. 5.2. Многокомпьютерные комплексы.

5.3. Кластерные системы.

6. Основы технической диагностики: 6.1. Математические модели и методы в теории технической диагностики. 6.2. Методы поиска неисправностей.

Входное тестирование Рис. 2. Обобщенная схема когнитивной системы обучения 6.2.1. Методика поиска неисправностей в многокомпьютерных комплексах на основе “И-ИЛИ” графов. 6.3. Модели обнаружения отказов. 6.3.1. Методика определения предполагаемого количества отказов. 6.3.2. Методика обнаружения одиночных отказов. 6.3.3.

Алгоритм полного тестирования элементов МКК.

7. Методы тестирования сложных комплексов.

8. Теория графов.

Обобщенная модель области знаний и взаимосвязь учебных модулей представлена на рис.3. Таким образом, модель области знаний содержит как известные теоретические сведения, так и впервые предложенные в диссертации методики. В процессе обучения предполагается несколько этапов контроля: Тест0 - контроль начального уровня знаний; Тест1 тестирование по результатам освоения базовых разделов дисциплины;

Тест2- тестирование по результатам освоения дополнительных разделов дисциплины; Экзамен - итоговый контроль знаний.

На рис. 4. представлена схема алгоритма работы КСО. У обучаемого есть возможность выбора типа обучения: индивидуальное или групповое. На этом этапе есть возможность выбора – продолжать обучение, или выйти из системы. Если обучаемый решил продолжить работу в системе, ему предлагается для ознакомления и изучения теоретический блок по выбранной тематике, после чего он выполняет тестовые задания. При сдаче тестов ему предоставляется не более nдоп попыток.

При успешной сдаче тестов обучаемый переходит к тренировочным заданиям для подготовки к решению контрольных задач. В случае неудачи – возвращение к изучению теории. После завершения тренинга обучаемый осуществляет выбор метода обучения (индуктивный, дедуктивный и абдуктивный). После этого система генерирует контрольное задание, для решения которого обучаемому также предоставляется несколько (не более kдоп) попыток. В случае успешного решения контрольного задания система формирует оценку с учетом количества повторных шагов и записывает ее в базу данных. На этом работа системы заканчивается. Если обучаемый с контрольным заданием не справился, то происходит возврат к режиму тренинга.

Представлены этапы работы с когнитивной системой обучения на основе технологии e-learning и взаимодействия преподавательобучаемый через систему удаленного доступа “Класс профессора”.

Четвертая глава посвящена программной реализации и результатам экспериментальных исследований эффективности когнитивной обучающей системы. Проведено обоснование выбора в качестве языка программирования основной части системы - С#, а в качестве языка программирования интерфейса пользователя – VBA и пакета АnyLogic. Разработаны экранные формы и программно реализована КСО, обеспечивающая полный цикл обучения по основам технической диагностики многокомпьютерных комплексов.

На этапе изучения теории обучаемому предлагается освоить информацию, предложенную в теоретическом блоке, в том числе и описывающую методику формирования тестовых последовательностей.

В режиме тренинга обучаемому предлагается выполнить задачу в пошаговом режиме. Каждый шаг контролируется интеллектуальным тренажером, и в контрольных точках схемы происходит коррекция ошибок в случае их возникновения. Предоставляется несколько попыток решения задачи в режиме тренинга до безошибочного выполнения задачи.

В случае успешного завершения режима тренинга обучаемый может перейти к выполнению контрольного задания. Если после оговоренного числа попыток в режиме обучения он не в состоянии перейти к выполнению контрольного задания, ему предлагается еще раз вернуться к изучению теоретического блока, но уже построенного по индуктивному методу. Затем вся последовательность действий повторяется. Экранные формы режима обучения представлены на рис.5.

Разработанная в процессе написания диссертации КСО была апробирована в учебном процессе в курсе «Теория систем и системный анализ». Суть эксперимента заключается в следующем. Студенческая аудитория в количестве 60 человек разбита на 4 равные по уровню подготовки группы. При этом в каждой группе была использована одна из четырех технологий обучения (традиционный, индуктивный, дедуктивный и абдуктивный).

Результаты успеваемости студентов и эффективность применяемых технологий обучения по сравнению с традиционной представлены в таблицах 1 и 2.

Исходя из данных, представленных в таблицах 1 и 2, можно сделать заключение, что в зависимости от используемой технологии обучения обеспечивается повышение средней успеваемости на 3-13 %, снижение среднего времени аудиторной работы студентов на 22- 33 % и среднего времени, затрачиваемого преподавателем на контрольные мероприятия, на 9-13% по сравнению с традиционной технологией.

Рис. 3. Обобщенная модель области знаний при обучении основам технической диагностики Рис. 4. Обобщенная схема алгоритма работы когнитивной системы Таблица 1- Результаты успеваемости студентов в зависимости от Технологии обучения Таблица 2- Сравнительная эффективность интеллектуальных В заключении приведены основные теоретические и практические результаты, полученные в ходе выполнения диссертационной работы.

В приложениях приведены документы о внедрении результатов диссертационной работы, а также о научных достижениях автора и фрагменты листинга программного обеспечения разработанной системы.

1. Установлено, что одним из рациональных способов повышения эффективности функционирования многокомпьютерных комплексов обработки информации являются создание моделей и алгоритмов эффективного проведения технической диагностики и разработка когнитивной системы обучения им.

2. На основе концепции редеющих импульсных потоков совместно с теорией регрессионного анализа предложена методика определения предполагаемого количества отказов, позволяющая оценить эффективность процесса технической диагностики многокомпьютерных комплексов.

3. Предложена методика обнаружения одиночных отказов при проведении технической диагностики, направленная на выбор некоторой группы тестов, достаточной для отыскания отказавшего элемента, и определения условного порядка последовательного применения тестов по критерию минимизации среднего значения суммарной стоимости проведения поиска.

4. Предложен алгоритм полного тестирования элементов МКК по критерию минимального времени поиска отказавшего элемента, в ходе проведенного имитационного моделирования показано, что в зависимости от количества тестов обеспечивается уменьшение времени полного тестирования многокомпьютерного комплекса от 12 до 20 %.

5. Предложена методика поиска неисправностей в многокомпьютерных комплексах на основе «И-ИЛИ» графов, позволяющая на основе входной информации о правильности решения задач идентифицировать неисправный компьютер.

6. На основе модели онтологий и кластерного подхода предложены теоретические аспекты реализации процесса обучения с использованием индивидуальных и групповых образовательных траекторий.

7. Разработана и программно реализована когнитивная система обучения основам технической диагностики, включающая 8 основных учебных модулей, содержащая как известные теоретические сведения, так и впервые предложенные в диссертации методики, и обеспечивающая использование трех технологий обучения, автоматизацию генерации и решения заданий, развитие и корректировку структуры и системы в процессе эксплуатации.

8. Результаты использования разработанной когнитивной системы обучения в учебном процессе НИУ МИЭТ показали, что в зависимости от используемой технологии обучения обеспечивается повышение средней успеваемости на 3-13 %, снижение среднего времени аудиторной работы студентов на 22- 33 % и среднего времени, затрачиваемого преподавателем на контрольные мероприятия, на 9-13% по сравнению с традиционной технологией.

Основные положения и результаты диссертации 1. Чжо Зо Е, Лисов О.И. Тренажерно-обучающий комплекс для обучения процессам технической диагностики в многокомпьютерных вычислительных системах // ВЕСТИ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ ЧЕРНОЗЕМЬЯ- №1 (23) 2011- C.73-75. (ВАК) 2. Чжо Зо Е, Кукушкин Е.С., Лисов О.И. Методика поиска неисправностей в многокомпьютерных вычислительных системах на основе “И-ИЛИ” графов// Оборонный комплекс научно-техническому прогрессу России. -М.: ФГУП “ВИМИ”, 2012.- № 1.- C.71-75. (ВАК) 3. Чжо Зо Е, Лисов О.И., Баин А.М. Интеллектуальная обучающая система по диагностике сбоев и отказов многокомпьютерных комплексов// Оборонный комплекс научно-техническому прогрессу России. -М.: ФГУП “ВИМИ”, 2012.- № 2. (ВАК) 4. Чжо Зо Е. Разработка методики диагностирования распределенных информационных систем// научно-технический журнал “Аспирант и соискатель”.- М.: Изд-во ООО “Компания Спутник+”, 2011.- № 4.- C.80-81.

распределенных корпоративных информационных систем // Современные информационные технологии. Международная научнотехническая конференция: Сборник статей.-Пенза, 2011. - C.84-85.

6. Чжо Зо Е. Разработка когнитивной системы обучения основам технической диагностики многокомпьютерных комплексов// научнотехнический журнал «Аспирант и соискатель».- М.: Изд-во ООО “Компания Спутник+”, 2012.- № 1.

7. Чжо Зо Е. Автоматизированная обучающая система по теории синтеза диагностических тестов// Актуальные проблемы информатизации. Развитие информационной инфраструктуры, технологий и систем. 2-я всероссийская межвузовская научнопрактическая конференция: Материалы конференции.- М.:МИЭТ, 2008.

- C.154.

8. Чжо Зо Е. Разработка интеллектуальных тренажеров в Еlearning технологии// Микроэлектроника и информатика -2009. 16-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. – М.:МИЭТ, 2009.-C.185.

9. Чжо Зо Е. Интеллектуальный тренажер для изучения нейронных сетей // Актуальные проблемы информатизации в науке, образовании и экономике. 3-я всероссийская межвузовская научнопрактическая конференция: Материалы конференции.- М.:МИЭТ, 2009.C.90.

10. Чжо Зо Е. Интеллектуальный тренажер на основе нейронных сетей для образовательной цели// Материалы 2ой Международной научно-методической конференции.- Курск.: КГТУ.- ч.1.- 2010. - C.124Чжо Зо Е. Классификация неисправностей при диагностике технических объектов// Микроэлектроника и информатика -2010. 17-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. – М.:МИЭТ, 2010.-C.184.

12. Чжо Зо Е. Логическая модель для поиска неисправности многопроцессорных систем// Микроэлектронные информационноуправляющие системы.: Международная научная школа для молодежи:

Тезисы докладов– М.:МИЭТ, 2010.-C.150.

13. Чжо Зо Е. «Тренажерно-обучающий комплекс по диагностике параллельных вычислительных систем» //«МОЛОДЕЖЬ И НАУКА»:

XIV Международная телекоммуникацинная конференция студентов и молодых ученых: Тезисы докладов.-М.: НИЯУ МИФИ, 2010.- ч.3. – C.270.

14. Чжо Зо Е, Мое Чжо Тху, Тэй Лин. Использование «И-ИЛИ»

графов для диагностики неисправностей многопроцессорных вычислительных систем// Микроэлектроника и информатика -2011. 18-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. – М.:МИЭТ, 2011.-C.171.

15. Чжо Зо Е, Тайк Аунг Чжо, Нэй Вин Тун. Анализ структуры МВС при организации распределенных вычислений// Микроэлектроника и информатика -2011. 18-я Всероссийская межвузовская научно-техническая конференция студентов и аспирантов: Тезисы докладов. – М.:МИЭТ, 2011.-C.162.

16. Тэй Лин, Чжо Зо Е. Решение задачи диагностики информационных систем на основе кластерного подхода// Актуальные проблемы информатизации в науке, образовании и экономике. 4-я всероссийская межвузовская научно-практическая конференция:

Материалы конференции.- М.:МИЭТ, 2011.-C.171.

17. Мое Джо Тху, Чжо Зо Е. Методики и алгоритмы для информационных обучающих системах на основе нечетких множеств// Актуальные проблемы информатизации в науке, образовании и экономике. 4-я всероссийская межвузовская научно-практическая конференция: Материалы конференции.- М.:МИЭТ, 2011.-C.153.

18. Чжо Зо Е. Интеллектуальная обучающая система в области технической диагностики многокомпьютерных комплексов // Актуальные проблемы информатизации в науке, образовании и экономике. 4-я всероссийская межвузовская научно-практическая конференция: Материалы конференции.- М.:МИЭТ, 2011.-C.178.

19. Чжо Зо Е. Модель области знаний применительно к задачам обучения диагностике многокомпьютерных вычислительных комплексов //«МОЛОДЕЖЬ И НАУКА»: XV Международная телекоммуникацинная конференция студентов и молодых ученых: Тезисы докладов.-М.:

НИЯУ МИФИ, 2012. ч.3. – C.154-155.

20. Чжо Зо Е, Мое Джо Тху. Методология контроля знаний студентов // «МОЛОДЕЖЬ И НАУКА»: XV Международная телекоммуникацинная конференция студентов и молодых ученых:

Тезисы докладов.-М.: НИЯУ МИФИ, 2012. ч.3. – C.116-117.

21. Чжо Зо Е, Тэй Лин, Нэй Вин Тун. Методика обнаружения одиночных отказов в распределенных корпоративных информационных системах // «МОЛОДЕЖЬ И НАУКА»: XV Международная телекоммуникацинная конференция студентов и молодых ученых:

Тезисы докладов.-М.: НИЯУ МИФИ, 2012. ч.3. – C.114-115.

22. Чжо Зо Е. Методика определения одиночного отказа при технической диагностике многокомпьютерных комплексов//Научнопрактический журнал "Отраслевые аспекты технических наук".- М.:

Издательство ИНГН, 2012.- №1.

Формат 60x84 1/16. Отпечатано в типографии МИЭТ.124498, Москва,